CC BY
22Bulletin of the Research Center of Corporate Law, Management and Venture Capital of Syktyvkar State University. 2019. № 2
НАИЛУЧШАЯ ПРАКТИКА КОРПОРАТИВНОГО УПРАВЛЕНИЯ BEST CORPORATE GOVERNANCE PRACTICE
Сравнительный анализ подходов к оценке стоимости компаний в сделках слияния и поглощения
Comparative analysis of approaches to valuation of companies in mergers
and acquisitions
001: 10.34130/2070-4992-2019-2-67-76 УДК 334.758: 338.27
В. В. Евсюков, Финансовый университет при Правительстве РФ (Финуниверситет), Тульский филиал (Тула, Россия)
В. Э. Комов, Финансовый университет при Правительстве РФ (Финуниверситет), (Москва, Россия)
Принятие решения об объединении компаний посредством заключения сделок по слиянию и поглощению (М&А) относится к наиболее сложным задачам в системе корпоративного управления. Это решение предполагает определение рыночной стоимости объекта сделки в условиях значительной неопределенности, обусловленной влиянием политических, экономических, социальных факторов на динамику рыночной среды. Различное представление стейкхолдеров сделки (собственников и менеджмента компании, партнеров по бизнесу, инвесторов) о последующем движении цен на рынке вносит дополнительный элемент неопределенности в установление цены сделки. Выбор классического подхода к определению стоимости компании (сравнительного, затратного или доходного) определяется целью сделки, уровнем информированности стейкхолдера, его склонностью к риску. Цель работы - показать возможность оценки стоимости компании на основе нового подхода, базирующегося на использовании нейронных сетей, а также провести сравнительный анализ практических особенностей подходов, применяемых при решении этой задачи. На основе анализа взаимосвязей между показателями о совершенных сделках по приобретению компаний, накапливаемых в базе агентства
V. V. Evsyukov, Financial University under the Government of the Russian Federation (Financial University),
Tula branch (Tula, Russia)
V. A. Komov, Financial University under the Government of the Russian Federation (Financial University),
(Moscow, Russia)
Bloomberg, установлено существование устойчивой зависимости между стоимостью сделки и шестью другими показателями, характеризующими финансовое состояние компании. Научной новизной является подход к формированию модели для определения оценки стоимости компании в предстоящей сделке в виде нейронной сети, самообучающейся на основе данных о состоявшихся сделках, каждая из которых описывается значениями семи финансовых показателей (включая стоимость сделки) компании. Приведена методика оценки стоимости компании на основе нейронных сетей, обоснована адекватность получаемых оценок. Ограничение применения методики -наличие активного рынка M&A. Представлены результаты сравнительного анализа практических особенностей четырех подходов к оценке стоимости компании: сравнительного, затратного, доходного и на основе нейронных сетей. Полученные результаты могут быть использованы в корпоративном управлении для подготовки решений по сделкам на рынке M&A.
Ключевые слова: корпоративное управление, оценка стоимости компании, рынок M&A, нейронная сеть, сравнительный анализ.
Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2019. № 2
The decision to merge companies through mergers and acquisitions (M&A) is one of the most difficult tasks in the corporate governance system. This decision involves the determination of the market value of the object of the transaction in conditions of considerable uncertainty due to the influence of political, economic, social factors on the dynamics of the market environment. Different representation of the transaction stakeholders (owners and management of the company, business partners, investors) on the subsequent price movement in the market introduces an additional element of uncertainty in the transaction price setting. The choice of the classical approach to determining the value of the company (comparative, cost or income) is determined by the purpose of the transaction, the level of awareness of the stakeholder, his risk appetite. The purpose of the work is to show the possibility of assessing the value of the company on the basis of a new approach based on the use of neural networks, as well as to conduct a comparative analysis of the practical features of the approaches used in solving this problem. Based on the analysis of the relationships between the indicators of completed transactions for the acquisition of companies accumulated in the Bloomberg Agency, the existence of a stable relationship between the value of the transaction and 6 other indicators characterizing the financial condition of the company. Scientific novelty is the approach to the formation of a model to determine the valuation of the company in the upcoming transaction in the form of a neural network, self-learning based on data on transactions, each of which is described by the values of 7 financial indicators (including the cost of the transaction) of the company. The method of valuation of the company on the basis of neural networks is given, the adequacy of the estimates is justified. Limit the application of the methodology - the presence of active M&A market. The article presents the results of a comparative analysis of the practical features of 4 approaches to the valuation of the company: comparative, cost, revenue and based on neural networks. The obtained results can be used in corporate governance to prepare solutions for transactions in the M&A market.
Keywords: corporate governance, company valuation, M&A market, neural network, comparative analysis
Введение
Объединение компаний посредством заключения сделок по слиянию и поглощению (M&A) или их выделение путем разделения и отчуждения активов являются одними из самых сложных задач в системе корпоративного управления1.
Отчасти это утверждение подтверждается результатами опроса руководства компаний, входящих в рейтинг Fortune 500; по мнению респонден-
тов, порядка 40% сделок по слиянию и поглощению компаний не приносят в последующем ожидаемой ценности2.
По данным информационного агентства AK&M, на российском рынке слияния и поглощения компаний (mergers and acquisitions, M&A) в 2018 году зафиксировано 335 сделок с участием российских компаний. Общая сумма сделок составила 42,3 млрд долл3.
В 2018 году на российском рынке M&A сформировались две основные тенденции:
• концентрация рынка на локальных сделках (реализуемые активы и покупатель находятся в России), на такие сделки пришлось 81% общего количества транзакций и 67,9% их суммарной стоимости;
• резко сократились объемы зарубежных сделок российских компаний при существенном росте сделок иностранных инвесторов с российскими активами, суммарная стоимость закупок иностранных инвесторов в 4,5 раз превысила сумму зарубежных сделок российских компаний.
Основными целями сделок на рынке M&A являются: слияние компаний, консолидация контрольного пакета, получение операционного контроля, купля-продажа долей, переход активов в силу долга, переход активов в рамках санации, покупка мажоритарного пакета, покупка или обмен акциями.
Стейкхолдерами, заинтересованными в оценке компаний в рамках сделок приобретения и слияния, являются: собственники (акционеры, учредители и др.) и менеджмент компании, потенциальные покупатели (инвесторы), партнеры по бизнесу, а в некоторых случаях и кредиторы.
Независимо от целей стейкхолдеров, оценка стоимости компаний не является для них конечной целью - это важный элемент в системе принятия управленческого решения в условиях значительной неопределенности, обусловленной влиянием неконтролируемых и непредсказуемых факторов на формирование цены каждой сделки. Текущая рыночная стоимость объекта сделки (само понятие «рыночная стоимость» является дискуссионным) также в определенной степени связана с формируемыми у участников рынка представлениями о возможном движении цен в последующем периоде времени. Соответственно, оценка сделки, выполненная с использованием любого метода, всегда является некой вероятностной величиной с
https://www2.deloitte.com/ru/ru/pages/tax/solutions/me rgers-and-acquisitions.html (дата обращения: 03.02.2019).
2 https://www2.deloitte.com/ru/ru/pages/mergers-and-acquisitions/articles/how-companies-can-improve-through-MandA.html (дата обращения: 01.02.2019).
3 mergers.akm.ru/ (дата обращения: 11.04.2019).
1
той или иной степенью близости к стоимости реальной сделки.
В соответствии с Федеральным законом от 29.07.1998 № 135-Ф3 «Об оценочной деятельности в Российской Федерации» (далее Закон об оценочной деятельности) и Приказом Минэкономразвития России от 20.07.2007 № 256 «Об утверждении Федерального стандарта оценки "Общие понятия, оценки, подходы к оценке и требования к проведению оценки"» (далее ФСО №1) для оценки стоимости предприятия (бизнеса) могут использоваться три подхода: доходный, сравнительный и затратный.
Применение различными стейкхолдерами конкретных подходов и методов к оценке стоимости компании зависит от целей оценки, экономических особенностей объекта оценки и уровня их информированности. Неадекватный выбор метода оценки стоимости компании порождает риски недооценки или переоценки стоимости актива, что обусловливает поиск новых решений, способствующих повышению адекватности оценок в условиях характерной для рынка M&A высокой волатильности.
Проведенное авторами исследование находится в рамках сформировавшегося в последние годы тренда цифровизации российской экономики, подкрепленного реализацией национальной программы «Цифровая экономика Российской Федерации», утвержденной распоряжением Правительства РФ от 28 июля 2017 г. № 1632-р.
Среди обозначенных в национальной программе инструментов достижения закрепленных в ней целей значительное внимание уделено применению при решении разнообразных задач экономики современных наукоемких технологий, таких как BigData, блокчейн, виртуальная реальность, технологии искусственного интеллекта, в том числе нейронные сети, и др.
Цель данной работы - показать возможность оценки стоимости компании на основе нового подхода, базирующегося на использовании нейронных сетей, а также провести сравнительный анализ практических особенностей различных подходов, применяемых при решении этой задачи. Элементами научной новизны проведенного исследования являются: выявление устойчивой зависимости между стоимостью сделки (компании) на рынке M&A и шестью показателями финансового состояния компании, значения которых представлены в информационной базе агентства Bloomberg; разработка методики оценки стоимости компании на основе применения нейронных сетей с обоснованием адекватности получаемых при этом оценок, сравнительный анализ четырех
подходов к оценке стоимости компаний. Значимость проведенного исследования состоит в том, что полученные результаты могут быть использованы в рамках корпоративного управления для подготовки решений при свершении сделок по слиянию и поглощению компаний.
Решению задачи адекватной оценки стоимости компании (бизнеса) посвящено значительное число научных трудов как зарубежных, так и отечественных ученых. Среди зарубежных ученых, труды которых явились основополагающими в этой проблематике, прежде всего, следует отметить Ф. Модильяни и М. Миллер (The Cost of Capital, Corporation Finance and the Theory of Investment; Taxes and the Cost of Capital: A Correction) [1; 2], Л. Гилман и М. Джонк (Fundamentals of investing) [3], Д. Десмонд и Р. Келли (Business valuation handbook) [4], Т. Вест и Д. Джонс (Handbook of business valuation) [5], Т. Копеланд, Т. Коллер и Д. Му-рин (Measuring & managing the value of companies) [6], А. Дамодаран (Investment Valuation) [7], К. Мерсер и Т. Хармс (Business valuation: an integrated theory) [8] и др.
Среди отечественных ученых, внесших значительный вклад в решение этой проблемы, С.В. Валдайцев (Оценка бизнеса и управление стоимостью предприятия) [9], А.Г. Грязнова, М.А. Федотова (Оценка бизнеса) [10], С.А. Смоляк (Дисконтирование денежных потоков в задачах оценки эффективности инвестиционных проектов и стоимости имущества) [11], В.М. Рутгайзер (Оценка стоимости бизнеса: монография) [12], Ю.В. Козырь (Стоимость компании: оценка и управленческие решения: научно-практическое пособие) [13], В.В. Григорьев (Оценка стоимости бизнеса: основные подходы и методы) [14] и др.
Теория/методология исследования
Теоретико-методологическую базу исследования составляют труды отечественных и зарубежных ученых в области оценки стоимости компании (бизнеса), а также технологий интеллектуального анализа данных. В процессе исследования применены методология системного исследования, анализ и синтез, экономическое моделирование на основе нейронных сетей. Информационную базу исследования составляют данные из информационной базы агентства Bloomberg о сделках по слиянию и поглощению российских компаний.
Основной отличительной особенностью сравнительного подхода, обеспечивающего адекватную оценку стоимости компании при наличии необходимой для анализа информации, является учет как реального финансового состояния ком-
Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2019. № 2
пании, так и существующих на рынке цен сделок по приобретению схожих компаний [15].
Применение конкретного метода в рамках сравнительного подхода - компании-аналога, сделок, отраслевых коэффициентов - определяется целью стейкхолдера в отношении компании, особенностями самой компании и спецификой условий сделки.
Необходимым условием формирования адекватных оценок стоимости компании при использовании методов сравнительного подхода является наличие на рынке значительного числа сделок со схожими по виду деятельности компаниями.
В работе [16] утверждается, что организации, имеющие сопоставимый размер и сходные цено-образующие факторы, должны обладать способностью к капитализации одного порядка. При этом они теоретически могут осуществлять свою деятельность в различных отраслях и странах, что значительно расширяет возможности по подбору объектов-аналогов для оценки стоимости бизнеса.
При оценке стоимости закрытых компаний целесообразно опираться на стоимость схожих компаний, акции которых торгуются на фондовом рынке, с выполнением определенных корректировок.
В работе [17] анализируется возможность использования онлайн бизнес-платформ в качестве источника информации о рыночных сделках купли-продажи для оценки стоимости непубличных компаний.
К выявленным при практическом применении методов сравнительного подхода к оценке стоимости компании в конкретных ситуациях относят: сложности с получением разносторонней финансовой информации компаний-аналогов; неразвитость фондового рынка; игнорирование перспективы развития организации в будущем; отсутствие общепринятой методологии расчета поправок к стоимости компаний-аналогов, сложность определения корректировок и внесения поправок при расчете стоимости, в том числе учитывающих различные условия деятельности (экономические, политические, индивидуальные особенности компании) [18].
Затратный подход реализуется методами оценки стоимости организаций, предполагающими определение затрат, необходимых для воспроизводства либо замещения объекта, с учетом его износа. Применяют метод чистых активов и метод ликвидационной стоимости [19].
К достоинствам затратного подхода следует отнести его универсальность. Эта особенность актуальна при наличии у организации разнородных активов, специальной и уникальной техники, при
оценке недавно созданных организаций и организаций, не приносящих устойчивого дохода.
Оборотной стороной универсальности затратного подхода является высокая трудоемкость расчетов, обусловленная углубленным уровнем детализации расчетов, а также необходимостью корректировки результатов для учета износа оборудования и приведения их к рыночной стоимости. Кроме того, ввиду множественности и разнообразия, используемых при расчетах данных, существует вероятность использования недостоверной информации [18].
Основу доходного подхода реализует метод дисконтированных денежных потоков, учитывающий только часть капитала, способную генерировать доход в будущем периоде. Значительно реже применяется метод капитализации прибыли [19].
К основным преимуществам доходного подхода относят его способность учитывать доходность компании, что прежде всего интересует инвесторов, а также учет перспективы развития компании.
Основной недостаток доходного подхода обусловлен сложностью адекватного прогнозирования потока дохода в спорадически изменяющейся экономической среде. Также возникают сложности с обоснованием ставок капитализации и дисконтирования.
Тем не менее, многие стейкхолдеры выбирают именно доходный подход при оценке стоимости компаний.
В работе [20] рассматриваются вопросы стоимостной оценки компаний в условиях внедрения современных финансовых технологий. В частности, представлен механизм учета реальных опционов при оценке дополнительной стоимости компании.
Интересные результаты по изучению способов оценки человеческого капитала компании как части интеллектуального капитала организации и его влияния на итоговую стоимость компании [21]. К составляющим человеческого капитала компании, рассматриваемого как разновидность активов организации, обеспечивающего рост стоимости бизнеса, отнесены: ожидаемые доходы, коэффициент гудвила и размер «вложенных» в сотрудников инвестиций.
В авторской работе [22] представлены результаты анализа возможности применения нейронных сетей к определению стоимости компании на рынке М&А.
В качестве источника информации при оценке стоимости компании использованы данные о сотне конкретных сделок по слиянию и поглоще-
Bulletin of the Research Center of Corporate Law, Management and Venture Capital of Syktyvkar State University. 2019. № 2
нию российских компаний, представленные в информационной базе агентства Bloomberg1.
Каждая сделка в этой базе данных представлена значениями семи показателей, с различных сторон, характеризующих финансовое состояние компании, являющейся объектом состоявшейся сделки: стоимость сделки (Announced Value), текущая стоимость компании (Current Value), общая задолженность (TOT_LIAB), свободный денежный поток (FCF_YIELD), рыночная капитализация (MKT_CAP), финансовый рычаг (FNCL_LVRG) и рост продаж (SALES_GROWTH).
При проведении исследований с использованием аналитической информационной платформы Deductor, содержащей в своем составе инструменты для работы с нейронными сетями, ставилась задача проверки гипотезы о наличии устойчивой связи между стоимостью сделки, выступающей в роли результирующей переменной, и остальными шестью показателями, рассматриваемыми в качестве входных переменных (влияющих факторов).
Отличительной особенностью нейронной сети является ее способность самообучаться (настраиваться) на основе множества предварительно подготовленных примеров [23]. В данном исследовании в качестве обучающих примеров использованы данные о конкретных сделках на рынке M&A.
В процессе обучения нейронная сеть настраивается таким образом, чтобы для каждого примера при заданных значениях всех шести входных переменных на выходе модели формировалось значение результирующей переменной, равное или близкое значению показателя стоимости сделки в этом же примере.
Результатом самонастройки нейронной сети является отображение ее внутренней структурой выявленных связей между стоимостью сделки и шестью другими показателями компании. По сути, сформировавшаяся в процессе самообучения структура нейронной сети является аналогом привычного отображения выявленных в процессе проведения исследований взаимосвязей между различными показателями зависимостей, представляемых в аналитическом виде. Однако внутренняя структура нейронной сети скрыта от пользователя, поэтому такую модель, в отличие от аналитических моделей, относят к категории моделей «черный ящик».
По завершении процесса самообучения нейронная сеть готова к использованию для формирования оценки стоимости компании в предпо-
лагаемой сделке. Для этого необходимо подать на входы нейронной сети значения шести финансовых показателей, отражающих текущее состояние конкретной компании, являющейся целью потенциальной сделки.
В качестве примера для демонстрации возможностей нейронной сети выбрана сделка по покупке российской компании за 200 млн руб. По данным из информационной базы агентства Bloomberg, финансовое состояние компании описывается следующими значениями показателей (в млн руб): Current Value =265; TOT_LIAB =158,905; FCF_YIELD =13,3; MKT_CAP =150,01; FNCL_LVRG =1,2; SALES_GROWTH =10,67.
При подаче на входы обученной нейронной сети этих значений на ее выходе формируется прогнозная оценка стоимости компании, равная 191 млн руб. (рис. 1).
Граф нейросети X Диаграмма рассеяния X Что-если
— '4 *■ w а\ш
г-
Поле Значение
- Вкодные
9.0 Current Value 265
9.0 T0TJJAB 1599,05
9.0 FCF_YIELD 1,33
9.0 MKT.CAP 1500,1
9.0 FNCL_LVRG 1,2
9.0 5ALE5J3ROV/TH 10,67
► |ы:-:одные
9.0 Announced Value 191,162110979499
Рис. 1. Формирование оценки стоимости компании
Высокий уровень адекватности оценок стоимости компаний, формируемых с использованием нейронных сетей, обусловлен их способностью извлекать в процессе самонастройки знания из каждого представленного примера (конкретной сделки) и настраивать собственную структуру (модель) таким образом, чтобы она наилучшим образом соответствовала всей совокупности примеров. Настроенная нейронная сеть в различной степени соответствует каждому из обучающих примеров, и возможны редкие ситуации, когда разница между оценками стоимости компании в конкретном примере и на выходе обученной нейронной сети может быть существенной.
Диаграмма рассеяния, сформированная при обучении нейронной сети по массиву данных о совершенных сделках из информационной базы агентства Bloomberg, также иллюстрирует адекватность полученной модели исходным данным (рис. 2).
1 https://www.bloomberg.com/ 08.09.2015).
(дата обращения:
Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2019. № 2
Г — ..... ¡"""Г......1........ .....1......Г...........!........!".....Г........
! ! ! ! !
..... ____!___!________!________!_______!______L___________!________L ___________ ....... ....................____\ . -
; ; -------
[ """] г ~~~
: ! ; ;
..... 1 Г } ________:______________л ...............................]..
""]""[......г •
.....: ___ .....]......:........... f-----¡-.......... ....... ...............^^riUZ..........
;;; 1 \ \ ;;;;;;;
: : : ......
f-"
_____к.________ .......
.....Г"" ..... , г ; ' .......
| ------J------L---------
--------------_---------- ------- -------------------------------
.......
.....г"ттт......1........ _____........... ; ;
[""["]""[......J........ .......
S j j |-......------- """1......!"" ! ! ....... ...............................
г г , г .¿f^ г , г ; г г .......
...........-:........ ; ; ; ; .......
.....j......г........... ........■.....Г"""
10,01 70 126160 301 430.65 £37.3 640,31 621.67 933.37 1043 1226.36 1330,63
Рис. 2. Диаграмма рассеяния
Положение каждой точки диаграммы относительно прямой наклонной линии показывает разницу (ошибку модели) между значением результирующей переменной в конкретном обучающем примере и аналогичным значением, сформированным обученной нейронной сетью при подаче на ее входы значений шести входных переменных из этого же обучающего примера. Попадание конкретной точки на прямую линию означает совпадение значения результирующей переменной в обучающем примере и сформированного моделью значения. Анализ отклонений позволяет сделать вывод, что только три точки заметно смещены относительно прямой линии и, соответственно, только для трех сделок, характеризующихся отличительными индивидуальными особенностями, данная нейронная сеть не будет служить адекватной моделью.
Помимо этого, адекватность формируемой нейронной сети отображается рядом показателей, в том числе значениями средних и максимальных ошибок, наблюдаемых как на этапе самообучения сети, так и на этапе ее самотестирования.
Методика формирования оценки стоимости компании с использованием нейронной сети включает следующие этапы:
1. Анализируется состояние рынка M&A за период в несколько последних лет. Отбирается множество сделок с компаниями, имеющими аналогичную оцениваемой компании отраслевую принадлежность.
2. При использовании информационной базы агентства Bloomberg в качестве источника информации о сделках формируется таблица с данными о сделках, в которой каждый из семи столбцов содержит соответствующие значения одного из по-
казателей: стоимость сделки, текущая стоимость компании, общая задолженность, свободный денежный поток, рыночная капитализация, финансовый рычаг и рост продаж. Каждая строка таблицы данных представляет собой набор значений показателей сделки по конкретной компании.
3. Осуществляется визуальная проверка содержимого сформированной таблицы. При выявлении аномальных записей, в частности записей с экстремально высокими отклонениями значений показателей относительно аналогичных значений в других строках, эти записи целесообразно удалить.
4. Организуется ввод подготовленных данных о сделках в аналитическую платформу Deductor. При этом показателю стоимость сделки Announced Value присваивается статус результирующей (выходной) переменной, остальным шести показателям - статус входных переменных. Осуществляется самообучение нейронной сети на основе введенных данных о сделках, не предполагающее какого-либо участия пользователя в этом процессе. Результатом является сформированная нейронная сеть (модель), готовая к дальнейшему использованию для оценки стоимости компании в предстоящей сделке.
5. Проводится анализ адекватности сформировавшейся нейронной сети с контролем отклонений в диаграмме рассеяния (рис. 2) и уровня средних и максимальных ошибок в процессе ее обучения.
6. Нейронная сеть используется для формирования искомого значения оценки стоимости компании (Announced Value). Для этого вводятся (рис. 1) значения шести показателей, характеризующих финансовое состояние компании.
Таким образом, предлагаемая методика позволяет осуществить формирование оценки стоимости компании на основе применения нейронной сети с использованием данных о совершенных на рынке М&А сделок.
В таблице представлены результаты сравнительного анализа подходов к оценке стоимости компании при свершении сделок М&А: наиболее значимые ограничения, факторы снижения точности получаемой оценки и особенности применения.
Таблица
Основные результаты сравнительного анализа подходов к оценке стоимости компании
Подход Сравнительный
Затратный
Доходный
Нейронные сети
Ограничения Необходимы компании-аналоги для сравнения
Необходима рыночная переоценка стоимости активов
Необходима финансовая отчетность о деятельности компании за предыдущие годы
Необходимы данные о значительном числе сделок на рынке М&А
Факторы снижения точности оценки Возможность неадекватного расчета поправок к стоимости компаний-аналогов, неполнота данных об их состоянии
Возможность получения некорректных
данных из сферы производства
Неадекватная оценка ставок капитализации и дисконтирования, прогнозных показателей денежных потоков.
Искажение компаниями данных о своей прибыли
Неадекватный отбор сделок, включая старые сделки.
Недостоверные сведения о сделках
Особенности Учет актуальных рыночных цен. Сложность (невозможность) учета значимых различий между компаниями Универсальность применения.
Высокая трудоемкость расчетов
Необходимые данные во многих случаях доступны в открытых источниках. Учитывает перспективы развития компании
Доступность данных. Высокое быстродействие. Самонастройка модели на примерах сделок. Простота применения
Следует отметить, что все представленные в таблице подходы чувствительны к резкому изменению рыночной ситуации, при этом адекватность оценок стоимости компании существенно снижается, что увеличивает сопровождающие сделку риски.
Результаты исследования и их обсуждение
Проведенные исследования имеющихся в информационной базе агентства Bloomberg данных о сделках M&A позволили выявить устойчивую связь между показателем стоимости сделки и шестью показателями, характеризующими финансовое состояние компании.
Результаты исследования показали адекватность формируемых с использованием нейронной сети оценок стоимости компаний, что подтверждается анализом диаграммы рассеяния, уровней ошибок при обучении нейронной сети, сравнением реальной стоимости сделки с ее прогнозной оценкой. Из представленных результатов моделирования следует, что оценка стоимости конкретной компании, сформированная с использованием нейронной сети, отличается от суммы реальной сделки на 4,3%, что можно расценить как хороший результат.
Необходимым и достаточным условием эффективного применения нейронных сетей к оценке стоимости компании является наличие активного рынка сопоставимых (со схожей отраслевой принадлежностью) объектов оценки.
При использовании других источников информации о сделках на рынке М&А необходимо проводить дополнительное исследование по выявлению зависимости стоимости сделки от доступных для анализа показателей.
Сравнительный анализ практических особенностей четырех подходов к оценке стоимости компании на рынке М&А показал, что ни один из них не обладает абсолютным преимуществом перед другими. На выбор конкретного метода оказывают влияние уровни информированности стейкхолдеров относительно особенностей объекта сделки, осознание ими рыночных тенденций и восприятие риска.
В работе [24] обосновывается точка зрения, что в условиях неразвитого рынка при корректно выполненных различными оценщиками оценочных процедурах расхождение в результатах в 25% является вполне возможным.
По сформировавшемуся в ходе проведенного исследования мнению авторов, в силу сложности
Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2019. № 2
проблемы оценки стоимости компании в условиях существенной волатильности рынка и различных возможностей стейкхолдеров в получении необходимой информации, наиболее адекватным является решение, предполагающее использование ансамбля моделей, позволяющих определить адекватную оценку стоимости компании на основе взвешенного суммирования оценок, параллельно формируемых на основе различных подходов.
Авторы убеждены, что применение нейронных сетей при оценке стоимости компании представляет собой удобный для стейкхолдеров альтернативный подход, обеспечивающий формирование адекватной оценки стоимости компании в условиях активного рынка М&А.
Заключение
В системе корпоративного управления одной из наиболее сложных задач является принятие решений по совершению сделок по слиянию и поглощению компаний (М&А). Закон об оценочной деятельности и ФСО №1 определяют три подхода для оценки стоимости предприятия (бизнеса): доходный, сравнительный и затратный. Каждый из подходов обладает конкретными особенностями, обусловливающими предпочтительное применение того или иного подхода в определенных ситу-
ациях. Основными факторами, влияющими на выбор метода оценки стоимости компании, являются цель приобретения актива, возможность получения необходимой для использования конкретного метода информации, рыночная ситуация.
Исследования последних лет в области оценки стоимости компании (бизнеса) в значительной степени сконцентрированы на повышении адекватности формируемых оценок за счет учета специфических особенностей, вызывающих интерес стейкхолдеров активов при сохранении ранее разработанных методологических подходов.
Усиливающийся тренд цифровизации экономики способствует расширению инструментария корпоративного управления, в том числе за счет применения технологий интеллектуального анализа данных.
Проведенные с использованием данных из информационной базы агентства Bloomberg о сделках M&A исследования показали, что оценка стоимости компании на основе применения нейронных сетей представляет собой универсальный подход, не зависящий от отраслевой и национальной принадлежности оцениваемой компании. Необходимым и достаточным условием его применения является наличие активного рынка M&A.
Список литературы
1. Modigliani, F., Miller, M., 1958. The Cost of Capital, Corporation Finance and the Theory of Investment. American Economic Review, 48: 261-297.
2. Modigliani, F. Miller, M. H., 1963. Taxes and the Cost of Capital: A Correction. Ibid, June: 433-443.
3. Gilman, L. J, Joehnk, M. D., 1990. Fundamentals of Investing. 4th Edition. Harper & Row, New York, pp: 766.
4. Desmond, G. M., Kelley, R. E., 1996. Business Valuation Handbook. Los Angeles, S.A., pp: 262.
5. West, T., Jones, J.,1999. Handbook of business valuation. 2nd Edition. Wiley. New York, pp: 624.
6. Copeland, T., Koller, T, Murrin, J., 2000. Measuring & Managing the Value of Companies. 3rd Edition. McKinsey & Company, Inc., pp: 569.
7. Damodaran, A., 2005. Investment Valuation. 2nd Edition. John Wiley & Sons, Inc., New York, pp: 1356.
8. Mercer, Z. C., Harms, T. W., 2008. Business Valuation: An Integrated Theory. 2nd Edition. Wiley & Sons. New Jersey, pp: 271.
9. Валдайцев С. В. Оценка бизнеса и управление стоимостью предприятия. 3-е изд. М.: Юнити-ДАНА, 2008. 576 с.
10. Оценка бизнеса: учеб. / под ред. А. Г. Грязновой, М. А. Федотовой. М.: Финансы и статистика, 2001. 512 с.
11. Смоляк С. А. Дисконтирование денежных потоков в задачах оценки эффективности инвестиционных проектов и стоимости имущества. М.: Наука, 2006. 324 с.
12. Рутгайзер В. М. Оценка стоимости бизнеса : монография. М.: Маросейка, 2007. 448 с.
13. Козырь Ю. В. Стоимость компании: оценка и управленческие решения : научно-практическое пособие. 2-е изд. М.: Альфа-Пресс, 2009. 376 с.
14. Григорьев В. В. Оценка стоимости бизнеса: основные подходы и методы: учеб. пособ. М.: РУСАЙНС, 2017. 336 с.
15. Спиридонова Е. А. Оценка стоимости бизнеса : учеб. М.: Юрайт, 2019. 317 с.
16. Денежкина И. Е., Грызлова Н. Ю. Определение справедливой стоимости бизнеса для целей налогообложения при совершении сделок купли-продажи // Экономика. Налоги. Право. 2017. № 2. С. 91-95.
17. Фролова В. Б., Аджемян А. А., Муракова К. К. Оценка стоимости непубличных компаний // Экономика. Бизнес. Банки. 2017. № 2. С. 105-113.
18. Барташевич Н. И. Методические подходы к оценке стоимости организаций // Инновационное развитие экономики. 2014. № 1(18). С. 22-25.
19. Оценка стоимости бизнеса : учеб. / под ред. М. А. Эскиндарова, М. А. Федотовой. М.: КноРус, 2018. 320 с.
20. Демьянова Е. А. Актуальные вопросы стоимостной оценки компаний в условиях финтех // Стратегические решения и риск-менеджмент. 2018. № 1. С. 102-117.
21. Человеческий капитал организации в разрезе стоимости бизнеса: монография / О. Ю. Ворожбин, Т. Е. Даниловских, И. А. Кузьмичева, А. А. Уксуменко. М.: РИОР ИНФРА-М, 2018. 149 с.
22. Евсюков В. В. Оценка стоимости компании с использованием нейронной сети // Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин : сборник материалов II Международного научного форума, Москва, 6-7 декабря 2018 г. М.: Издательский дом ГУУ, 2018. Вып. 3. С. 176-181.
23. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям : учеб. пособие. 2 изд. СПб.: Питер, 2013. 704 с.
24. Лейфер Л. А. Точность результатов оценки и пределы ответственности оценщика. Онлайн библиотека оценщиков LABRATE.RU, 2009. URL: http://www.labrate.ru/leifer/lev_leifer_accuracy_and_appraiser-s_liability-2009-1.htm (дата обращения: 02.03.2019).
References
1. Modigliani F., Miller, M., 1958. The Cost of Capital, Corporation Finance and the Theory of Investment. American Economic Review, 48: 261-297.
2. Modigliani F. Miller M. H., 1963. Taxes and the Cost of Capital: A Correction. Ibid, June: 433-443.
3. Gilman L. J, Joehnk M. D., 1990. Fundamentals of Investing. 4th Edition. Harper & Row, New York, pp: 766.
4. Desmond G. M., Kelley R. E., 1996. Business Valuation Handbook. Los Angeles, S.A., pp: 262.
5. Wes, T., Jones J., 1999. Handbook of business valuation. 2nd Edition. Wiley. New York, pp: 624.
6. Copeland, T., Koller, T, Murrin, J., 2000. Measuring & Managing the Value of Companies. 3rd Edition. McKinsey & Company, Inc., pp: 569.
7. Damodaran, A., 2005. Investment Valuation. 2nd Edition. John Wiley & Sons, Inc., New York, pp: 1356.
8. Mercer, Z. C., Harms, T.W., 2008. Business Valuation: An Integrated Theory. 2nd Edition. Wiley & Sons. New Jersey, pp: 271.
9. Valdajcev S.V. Ocenka biznesa i upravlenie stoimost'yu predpriyatiya. 3-e izd. [Business valuation and enterprise value management. 3th edition.]. Moscow: YUniti-DANA, 2008. pp: 576. (In Russian).
10. Ocenka biznesa: ucheb. /pod red. A.G. Gryaznovoj, M.A. Fedotovoj [Business valuation: studies. Ed. by A.G. Gryaznova, M.A. Fedotova]. Moscow: Finansy i statistika, 2001. pp: 512. (In Russian).
11. Smolyak S.A. Diskontirovanie denezhnyh potokov v zadachah ocenki effektivnosti investicionnyh proektov i stoimosti imushchestva. [Discounting cash flows in the tasks of evaluating the effectiveness of investment projects and the value of property]. Moscow Nauka, 2006. pp: 324. (In Russian).
12. Rutgajzer V.M. Ocenka stoimosti biznesa: monografiya. [Cost of business: monograph]. Moscow: Marosejka, 2007. pp: 448. (In Russian).
13. Kozyr' Yu.V. Stoimost' kompanii: ocenka i upravlencheskie resheniya: nauchno-prakticheskoe posobie. 2-e izd. [Company value: valuation and management decisions: scientific and practical guide. 2nd edition.]. Moscow: Al'fa-Press, 2009. pp: 376. (In Russian).
14. Grigor'ev V.V. Ocenka stoimosti biznesa: osnovnye podhody i metody: ucheb. posob. [Cost of business: key methods and approaches: proc. benefit]. Moscow: RUSAJNS, 2017. pp: 336. (In Russian).
15. Spiridonova ЕА Ocenka stoimosti biznesa: ucheb. [Business valuation: studies]. Moscow: Yurajt, 2019. pp: 317. (In Russian).
16. Denezhkina 1.Е., Gryzlova N.YU. Opredelenie spravedlivoj stoimosti biznesa dlya celej nalogooblozheniya pri sovershenii sdelok kupli-prodazhi [Determination of the fair value of business for tax purposes in transactions of sale]. Ekonomika. Nalogi. Pravo [Economics. Taxes. Right.], 2017, no. 2, pp: 91-95. (In Russian).
17. Frolova V.B., Adzhemyan A.A., Murakova K.K. Ocenka stoimosti nepublichnyh kompanij [Valuation of non-public companies]. Ekonomika. Biznes. Banki. [Economics. Business. Banks.], 2017, no. 2, pp: 105-113. (In Russian).
18. Bartashevich N.I. Metodicheskie podhody k ocenke stoimosti organizacij [Methodological approaches to assessing the value of organizations]. lnnovacionnoe razvitie ekonomiki [Innovative development of the economy], 2014, no. 1(18), pp. 2225. (In Russian).
19. Ocenka stoimosti biznesa: ucheb. /pod red. M.A. Eskindarova, M.A. Fedotovoj [Business valuation: studies. Ed. by.M.A. Eskindarov, M.A. Fedotova.]. Moscow: KnoRus, 2018. pp: 320. (In Russian).
20. Dem'yanova ЕА Aktual'nye voprosy stoimostnoj ocenki kompanij v usloviyah fintekh [Actual issues of valuation of companies in the conditions of FINTECH]. Strategicheskie resheniya i risk-menedzhment [Strategic decisions and risk management], 2018, no. 1, pp. 102-117. (In Russian).
21. Vorozhbin O.Yu, Danilovskih T.E., Kuz'micheva I.A., Uksumenko A.A. Chelovecheskij kapital organizacii v razreze stoimosti biznesa: monografiya [Human capital of the organization in terms of business value: monograph]. Moscow: RIOR INFRA-M, 2018. pp: 149. (In Russian).
22. Еvsyukov V.V. Ocenka stoimosti kompanii s ispol'zovaniem nejronnoj seti [Valuation of the company using neural network] // Shag v budushchee: iskusstvennyj intellekt i cifrovaya ekonomika. Revolyuciya v upravlenii: novaya cifrovaya ekonomi-
ka ili novyj mir mashin: sbornik materialov 11 Mezhdunarodnogo nauchnogo foruma [Step into the future: artificial intelligence and digital economy. Revolution in management: a new digital economy or a new world of machines: proceedings of the II International scientific forum], Moscow, December 6-7, 2018, vol. 3. Moscow: Izdatel'skij dom GUU, 2018, pp: 176-181. (In Russian).
23. Paklin N.B., Oreshkov V.I. Biznes-analitika: ot dannyh k znaniyam: ucheb. posob. 2 izd. [Business Analytics: from data to knowledge: studies. Benefit. 2nd edition.]. Saint-Petersburg: Piter, 2013. pp: 704. (In Russian).
24. Lejfer L. A. Tochnost' rezul'tatov ocenki i predely otvetstvennosti ocenshchika. [The accuracy of the results of the evaluation and the limits of liability of the appraiser.] Onlajn biblioteka ocenshchikov LABRATE.RU [Online library of appraisers LABRATE.RU], 2009. Available at: http://www.labrate.ru/leifer/lev leifer accuracy and appraiser-s liability-2009-1.htm. (In Russian). (Accessed: 02.03.2019).
Для цитирования: Евсюков В. В., Комов В. Э. Сравнительный анализ подходов к оценке стоимости компаний в сделках слияния и поглощения // Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2019. № 2. С. 67-76. DOI: 10.34130/2070-4992-2019-2-67-76.
For citation: Evsyukov V. V., Komov V. A. Comparative analysis of approaches to valuation of companies in mergers and acquisitions // Corporate governance and innovative economic development of the North: Bulletin of the Research Center of Corporate Law, Management and Venture Capital of Syktyvkar State University. 2019. No. 2. Р. 67-76. DOI: 10.34130/2070-4992-2019-2-67-76.
