CC BY
1
Таким образом, большой прирост прибыли от реализации произошел из-за увеличения объема реализации и цены (прибыль увеличилась на 42500 тысяч рублей). Следовательно, при выборе стратегии повышения финансового результата необходимо руководствоваться проведенным анализом.
При планировании цены следует учесть то, что в отношении цены и спроса действует общая закономерность: чем выше уровень цены, тем труднее привлечь покупателя, тем больше затрат на создание спроса. Для оценки возможных последствий при прогнозировании цен используется показатель эластичности спроса. Эластичность измеряется взаимодействием между экономическими показателями: процентном изменением выручки от реализации и процентном изменением цены. Так при повышении цены на 15%, эластичность спроса будет (таблица 3.4).
Таблица 3.4 Предполагаемый уровень цен ОАО «ЕПК Волжский» на планируемый год_
Вид продукции Цена, руб. Объем продаж Выручка от реализации, тыс.руб. Эластичность спроса
Подшипники радиально -упорные 130 2100 2730000 14,3
Таким образом, мы видим, что в планируемом году выручка от реализации составит 2730000 тысяч рублей. Следовательно, увеличение объема производства и реализации продукции позволило значительно увеличить выручку от реализации подшипников, а это означает, что предприятию выгодно повышать показатели объема реализации продукции. В целом выручка от реализации увеличилась на 707977 тыс., руб.
Берлин Ю.И.,
доцент кафедра БУАС ЮдкинаЛ.В., к.т.н.
доцент
кафедра финансов и кредита Коробейник В.А. ст. преподаватель кафедра БУАС
Заочный финансово-экономический институт САФУ
Росия, г. Архангельск СТАТИСТИЧЕСКИЕ МОДЕЛИ РЫНОЧНОЙ СТОИМОСТИ ПУБЛИЧНЫХ КОМПАНИЙ РОССИИ
Данное исследование продолжает опубликованные ранее Юдкиной Л.В. и Берлин Ю.И. результаты [1,2,3,4,5,6] и направлено на актуализацию регрессионных моделей формирования капитализации и стоимости
российских публичных компаний на основе отчетных данных 2012 года. В частности, разработаны и представлены регрессионные модели взаимосвязи капитализации (также стоимости компаний) и стоимости активов (капитала) и собственного капитала.
Для выполнения исследования сформированы базы данных соответствующих показателей на основе публичной открытой информации, размещенной на сайтах российских компаний-эмитентов. Использовалась информация аудированной консолидированной отчетности по МСФО, а также отчетности по стандартам GAAP(США) как наиболее достоверно и полно отражающих показатели деятельности по группе в целом. Все данные по компаниям представлены в долларах США для устранения влияния рублевой инфляции. Если отчетность представлена в рублях или евро, то производился пересчет по соответствующим курсам валют по данным сайта Банка России. База данных капитализации рассматриваемых компаний сформирована на основе данных сайта Московской биржи. Данные капитализации взяты на конец каждого рассматриваемого года. В выборки включены российские компании нефтегазового сектора, энергетические компании, телекоммуникационные, горнодобывающие и металлургические, предприятия нефтехимической и химической промышленности, транспорта, автомобилестроения, потребительского сектора и др. (за исключением банковского сектора), акции которых торгуются на биржевых площадках, при наличии доступной информации о финансовых показателях по международным стандартам.
Рыночная капитализация (MC - Market Capitalization)- это произведение количества акций соответствующей категории (типа) на рыночную цену одной акции.
В качестве рыночной стоимости компании использован показатель EV (Enterprise Value):
EV = MC + ND,
где ND - чистый долг (Net Debt), или обязательства за вычетом денежных средств и их эквивалентов.
В таблицах 1-3 и на рисунках 1-2 представлены описательные статистики по исследуемым переменным.
Таблица 1 - Отраслевая принадлежность компаний, включенных в выборку___
Отрасль Число компаний В процентах к общей сумме
Едини ц В процента х к итогу Капитализац ия Стоимост ь компани и Стоимост ь активов. Собственны й капитал
Отрасль Число компаний В процентах к общей сумме
Едини ц В процента х к итогу Капитализац ия Стоимост ь компани и Стоимост ь активов. Собственны й капитал
Нефть и газ 5 11,4 60,3 57,4 64,2 70,0
Энергетика 17 38,6 10,8 11,6 14,4 15,4
Металлургия 6 13,6 13,5 13,5 9,3 7,3
Машиностроен ие 3 6,8 0,3 0,7 0,7 0,5
Химия и нефтехимия 4 9,1 5,0 3,7 2,2 2,1
Другие 9 20,5 10,2 13,1 9,2 4,8
Всего 44 100 100,0 100,0 100,0 100,0
Таким образом, самая многочисленная группа - это компании энергетического сектора. Их доля в выборке составляет 39 %, но доля в капитализации не превышает 11 %, а доля активов - 15 %. Компании нефтегазового сектора составляют в выборке 11,4 %, но дают наибольший вклад (от 57 до 70 %) в общую сумму каждого показателя.
В выборке присутствуют компании большой, средней и малой капитализации, а также разной степени ликвидности их акций. В связи с этим 9 компаний выборки (имеющих наибольшую капитализацию и ликвидность акций) отнесены к так называемым «голубым фишкам», таблица 2. Фактор отнесения компании к данной группе будет использован при построении моделей взаимосвязи капитализации/стоимости компании с объемом вложенного в компанию капитала.
_Таблица 2 - Структура компаний по признаку «голубые фишки»
Категория «Голубые фишки» Число компаний
Единиц В процентах к итогу
Да (отнесены к группе) 9 20,5
Нет (не отнесены к группе) 35 79,5
Всего 44 100,0
Таблица 3 - Описательные статистики переменных (млн. дол.)
Показател ь Число компан ий, ед. Миним ум Максим ум Средне е значен Медиа на Кварти ль 1 Кварти ль 2 Коэффиц иент вариации,
ие %
Капитализа ция 44 17,0 112004,7 12022, 1 2231,0 654,6 11868, 3 193,1
Стоимость компании 44 317,9 209049,3 19680, 3 4737,8 1747,4 20210, 1 193,2
Стоимость активов 44 185,0 397335,1 24136, 5 5701,3 2486,8 18076, 5 259,2
Собственн ый капитал 44 -108,0 286477,5 15345, 6 3403,5 1248,7 10455, 0 291,5
Собственн 15705, 0 11090, 0
ый капитал >0 43 121,0 286477,5 3540,0 1366,3 287,8
Как видно из таблицы, распределения всех показателей имеет существенную правостороннюю асимметрию (в совокупности преобладают компании со значениями рассматриваемых признаков меньшими, чем средние) и вариацию. В частности, половина представленных компаний имеют капитализацию не более 2231,0 млн. дол., 25 % компаний имеют капитализацию менее 654,6 млн. дол., а 25 % компаний - более 11868,3 млн. долларов (за счет чего среднее значение капитализации по выборки составляет 12022,1 млн. дол.).
Рисунок 1 - Ящичная диаграмма компаний по капитализации и
стоимости
На ящичной диаграмме рисунка 1 видно, что 3 компании имеют значения капитализации и стоимости, значительно отличающиеся от остальных: это «Газпром» (1), «Роснефть» (4) и «Лукойл» (2).
Стоимость активов мг* доп Собственный капитал
Рисунок 2 - Ящичная диаграмма компаний по стоимости активов и
собственного капитала
На рисунке 2 видно, что стоимость активов компаний «Газпром», «Роснефть», «Лукойл» также значительно отличаются от других.
В таблице 4 представлены результаты проверки гипотезы о нормальном распределении изучаемых переменных.
Таблица 4 - Результаты проверки характера распределения
Критерии нормального распределения
Показатель Колмогорова-Смирноваа Критерий П апиро-Уилка
Статистика ст.св. Значимость Статистика ст.св. Значимость
Капитализация, млн. дол. ,292 37 ,000 ,583 37 ,000
Стоимость компании, млн. дол. ,305 44 ,000 ,516 44 ,000
Стоимость активов, млн. дол. ,370 37 ,000 ,379 37 ,000
Собственный капитал, млн.дол. ,384 37 ,000 ,347 37 ,000
LN капитализация** ,106 37 ,200* ,971 37 ,425
LN стоимость компании ,118 44 ,143 ,970 44 ,307
LN стоимость активов ,120 37 ,194 ,958 37 ,178
LN собственный капитал ,089 37 ,200* ,977 37 ,634
* Это нижняя граница истинной значимости. а. Коррекция значимости Лильефорса
** ЬК_ - натуральный логарифм соответствующего показателя
Результаты таблицы 4 показывают, что закон распределения всех показателей соответствует логарифмически нормальному (на уровне значимости 0,05). Это учтено в дальнейшем при проверке гипотез о различии компаний, а также при построении моделей влияния факторов на капитализацию/стоимость.
На рисунках 3-4 представлены результаты проверки различий по уровню капитализации, стоимости активов и финансовых результатов компаний, относящихся к разным отраслям, а также разделенных по принадлежности к «голубым фишкам». Поскольку распределения всех показателей значимо отличаются от закона нормального распределения, для проверки гипотезы о различиях будем использовать непараметрические критерии Манна-Уитни и Краскела-Уоллеса (при малой численности групп их точные аналоги).
Результаты, приведенные на рисунках 3-4, свидетельствуют о том, что капитализация/стоимость и капитал компании зависят как от отраслевой принадлежности, так и от классификации компании по признаку «голубые фишки).
Итоги по проверке гипотезы
1 2 3 4 Нулевая гипотеза Критерий Знач. Решение
Распределение Капитализация, млн. дол. является одинаковым для категорий Отраслевая принадлежность компании. Критерий Крускала-Уоллиса для независимых выборок ,003 Нулевая гипотеза отклоняется.
Распределение Стоимость компании, млн. дол. является одинаковым для категорий Отраслевая принадлежность компании. Критерий Крускала-Уоллиса для независимых выборок ,003 Нулевая гипотеза отклоняется.
Распределение Стоимость активов, млн. дол. является одинаковым для категорий Отраслевая принадлежность компании. Критерий Крускала-Уоллиса для независимых выборок ,004 Нулевая гипотеза отклоняется.
Распределение Собственный капитал, млн. дол. является одинаковым для категорий Отраслевая принадлежность компании. Критерий Крускала-Уоллиса для независимых выборок ,003 Нулевая гипотеза отклоняется.
|Выводятся асимптотические значимости. Уровень значимости равен ,05.
Рисунок 3 - Результаты проверки гипотезы о различиях компаний разных отраслей по изучаемым показателям
Итоги по проверке гипотезы
Нулевая гипотеза Критерий Знач.1 Решение
1 Распределение Капитализация, млн. дол. является одинаковым для категорий «Голубые фишки». Критерий и Манна-Уитни для независимых выборок 2,910-5 Нулевая гипотеза отклоняется.
2 Распределение Стоимость компании, млн. дол. является одинаковым для категорий «Голубые фишки». Критерий и Манна-Уитни для независимых выборок 2,410-5 Нулевая гипотеза отклоняется.
3 Распределение Стоимость активов, млн. дол. является одинаковым для категорий «Голубые фишки». Критерий и Манна-Уитни для независимых выборок 8,2 10"6 Нулевая гипотеза отклоняется.
4 Распределение Собственный капитал, млн. дол. является одинаковым для категорий «Голубые фишки». Критерий и Манна-Уитни для независимых выборок 1,9 10-5 Нулевая гипотеза отклоняется.
Выводятся асимптотические значимости. Уровень значимости равен ,05.
''Приводится точная значимость критерия.
Рисунок 4 - Результаты проверки гипотезы о различиях компаний по изучаемым показателям в зависимости от отнесения компании к «голубым
фишкам»
Различия в значениях показателей для компаний, различающихся по признаку «голубые фишки», представлены на рисунке 5.
■ Капитализация, млн. дол. Стоимость Iкомпании, млн. дол. —I Стоимость ^активов, млн. дол. Собственный капитал, млн. дол.
1ЭЭ 900"
99 900-
-100-
"Голубые фишки"
Рисунок 4 - Ящичные диаграммы по изучаемым признакам для компаний, отнесённых и не отнесенных к «голубым фишкам»
Как видно, медианные значения всех показателей у «голубых фишек» выше, чем у компаний, не имеющих такого статуса.
Апостериорные сравнения позволяют выявить, в каких именно отраслях наблюдаются различия. Результаты апостериорных сравнений приведены в таблице 5.
Таблица 5 - Попарные различия компаний разных отраслей на уровне значимости <0,05_
Показатель Имеются значимые различия на уровне значимости <0,05 между отраслями
Капитализация компании Нефть и газ Энергетика
Машиностроение
Другие
Стоимость компании Нефть и газ Энергетика
Машиностроение
Стоимость активов Нефть и газ Энергетика
Машиностроение
Собственный капитал Нефть и газ Машиностроение
Другие
Таким образом, по уровню капитализации, стоимости компании, стоимости активов и собственного капитала имеются попарные различия в группах нефтегазовых и машиностроительных компаний. По уровню капитализации, стоимости компании и стоимости активов различаются также компании нефтегазового и энергетических секторов. Компании, отнесенные к группе «другие», также отличаются от компаний нефтегазового сектора по уровню капитализации и стоимости собственного капитала. Других попарных различий в указанных показателях у компаний, относящихся к разным отраслям, на уровне значимости 0,05 не отмечено.
Поскольку факторы «отраслевая принадлежность» и статус «голубые фишки» оказывают влияние на капитализацию и стоимость компании, они также будут учтены при моделировании.
Таким образом, в дальнейшем при моделировании зависимости капитализации от представленных факторов на основе линейного регрессионного анализа будут построены логарифмические уравнения вида:
ЬМ(Капитализация) = Б0 + Б ■ LN(фактор), что соответствует экспоненциальной зависимости:
Капитализация = ев° ев'фактор
Аналогичные зависимости моделируются для стоимости компании. В таких моделях коэффициент регрессии В1 является коэффициентом эластичности и показывает, на сколько процентов изменяется отклик (капитализация / стоимость компании) при изменении фактора на 1 %.
Факторы «стоимость активов» и «стоимость собственного капитала» являются мультиколлинеарными (линейный коэффициент корреляции г =0.97, коэффициент роста дисперсии У1Б=16,7>5), т.к. собственный капитал составляет основную долю активов. Из-за мультиколлинеарности включить оба фактора в модель не представляется возможным, поэтому будут построены однофакторные модели. Результаты моделирования представлены в таблице 6.
Таким образом, для логарифмированного отклика «капитализация компании» получена следующая модель:
¿^(Капитализация) = -2,262 + 1,245 ■ ¿М(Актив)
Коэффициенты модели являются значимыми на уровне 0,05; модель является адекватной (значимость F=0,000<0,05) и практически пригодной
Таблица 6 - Результаты оценки линейной регрессии для натурального логарифма капитализации, фактор - натуральные логарифм активов Сводка для моделиь
Скорректиров анный R- Стандартная ошибка
Модель R R-квадрат квадрат оценки
1 ,877a ,769 ,764 1,03311
a. Предикторы: (константа), LN_актив
b. Зависимая переменная: LN_кап
А^УА
Модель Сумма квадратов ст.св. Средний квадрат F Знач.
1 Регрессия 149,266 1 149,266 139,853 ,000
Остаток 44,827 42 1,067
Всего 194,093 43
Коэффициенты
Модель Нестандартизованные коэффициенты Стандартизованн ые коэффициенты 1 Знач. 95,0% Доверительный интервал для В
B Стандартна я Ошибка Бета Нижняя граница Верхняя граница
1 (Констант а) LN актив -3,262 1,245 ,947 ,105 ,877 -3,446 11,826 ,001 ,000 -5,172 1,032 -1,351 1,457
2
для прогнозирования ^ =76,9 %). Остатки модели на уровне значимости 0,05 удовлетворяют требованиям: имеют закон распределения, соответствующий нормальному (значимость критерия Шапиро-Уилка 0,454); нулевое среднее значение (значимость одновыборочного ^критерия 1,000);
не зависят от расчетных значений (значимость линейного коэффициента корреляции 1,000).
Полученная модель соответствует уравнению:
Капитализация = 0,038 ■ е1-245*™*
Результат показывает, что при увеличении активов на 1 % капитализация компании в среднем увеличивается на 1,2 %. Средняя относительная ошибка модели составляет 13 %.
Аналогичные адекватные по всем критериям и достаточно точные модели получены для зависимости капитализации от стоимости собственного капитала, а также для описания зависимости стоимости компании от стоимости активов и стоимости собственного капитала. Результаты представлены ниже.
Таблица 7 - Результаты оценки линейной регрессии для натурального логарифма капитализации, фактор - натуральные логарифм собственного капитала
Сводка для моделиь
Скорректиров анный R- Стандартная ошибка
Модель Я Я-квадрат квадрат оценки
1 ,880а ,774 ,768 1,01415
а. Предикторы: (константа), LN_ск
Ь. Зависимая переменная: LN_кап
Л^УЛ
Сумма Средний
Модель квадратов ст.св. квадрат Б Знач.
1 Регрессия 144,177 1 144,177 140,180 ,000ь
Остаток 42,169 41 1,029
Всего 186,346 42
Коэффициенты
Модель Нестандартизованные коэффициенты Стандартизованн ые коэффициенты 1 Знач. 95,0% Доверительный интервал для В
В Стандартна я Ошибка Бета Нижняя граница Верхняя граница
1 (Констант а) LN ск -2,162 1,207 ,859 ,102 ,880 -2,516 11,840 ,016 ,000 -3,897 1,001 -,427 1,413
Полученная модель соответствует уравнению:
Капитализация = 0,115 ■ е 1.207 Собственный
Результат показывает, что при увеличении стоимости собственного капитала на 1 % капитализация компании в среднем увеличивается на 1,2 %. Средняя относительная ошибка модели составляет 12,3 %.
Факторы отраслевой принадлежности, а также статуса «голубые фишки» не являются значимыми на уровне 0,05 (т.е. не влияют на уровень капитализации), поэтому в модели не включены.
В моделях взаимосвязи стоимости компании и ресурсов капитала константа не является значимой на уровне значимости 0,05, поэтому исключена из модели.
Таблица 8 - Результаты оценки линейной регрессии для натурального логарифма стоимости, фактор - натуральные логарифм активов
Сводка для моделис'а_
Модель Я т> ь К-квадрат Скорректированный Я-квадрат Стандартная ошибка оценки
1 ,998а ,997 ,997 ,51852
a. Предикторы: LN_актив
b. Для регрессии через начало координат (модель без свободного члена) R-квадрат показывает, какая доля вариабельности зависимой переменной относительно начала отсчета объясняется регрессией. Это НЕЛЬЗЯ применять к R-квадрат для моделей, включающих в себя свободный член.
c. Зависимая переменная: LN_стоим
d. Линейная регрессия через начало координат
А^УА
Модель Сумма квадратов ст.св. Средний квадрат Б Знач.
регрессия 3427,936 1 3427,936 12749,620 ,000е
Остаток 11,561 43 ,269
Всего 3439,497й 44
d. Эта полная сумма квадратов не скорректирована с учетом константы, так как эта константа равна нулю для регрессии, проходящей через начало координат.
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты 1 Знач. 95,0% Доверительный интервал для В
В Стандартная Ошибка Бета Нижняя граница Верхняя граница
1 LN актив ,981 ,009 ,998 112,914 ,000 ,964 ,999
Полученная модель соответствует уравнению:
Стоимость компании = е°>981'Актив
Результат показывает, что при увеличении стоимости активов на 1 % стоимость компании в среднем увеличивается на 0,98 %. Средняя относительная ошибка модели составляет 4,8 %. Факторы отраслевой принадлежности и статуса «голубые фишки» также не являются значимыми на уровне 0,05 и в модель не включены.
Поскольку отраслевая принадлежность компании является переменной в номинальной шкале, для включения этого фактора в модель используем dummy-переменные, которые принимают значение 0 или 1. Коэффициент регрессии при dummy показывает, на сколько единиц в среднем отклик при данном уровне фактора отличается от значения отклика при базовом уровне фактора. За базовый уровень принят нефтегазовый сектор.
Таблица 9 - Результаты оценки линейной регрессии для натурального логарифма стоимости, факторы - натуральные логарифм собственного капитала и отраслевая принадлежность
Сводка для моделис'а
Модель R D b R-квадрат Скорректированы ый R-квадрат Стандартная ошибка оценки
1 ,998a ,996 ,996 ,59596
а. Предикторы: d6, d5, d4, d3, d2, LN_^
b. Для регрессии через начало координат (модель без свободного члена) R-квадрат показывает, какая доля вариабельности зависимой переменной относительно начала отсчета объясняется регрессией. Это НЕЛЬЗЯ применять к R-квадрат для моделей, включающих в себя свободный член.
c. Зависимая переменная: LN_стоим
d. Линейная регрессия через начало координат
ANOVA
Модель Сумма квадратов ст.св. Средний квадрат F Знач.
1 Регрессия 3389,619 6 564,936 1590,616 ,000c
Остаток 13,141 37 ,355
Всего 3402,760d 43
d. Эта полная сумма квадратов не скорректирована с учетом константы, так как эта константа равна нулю для регрессии, проходящей через начало координат.
Нестандартизованн ые коэффициенты Стандартизова нные коэффициенты 95,0% Доверительный интервал для B
Модель B Стандарт ная Ошибка Бета t Знач. Нижняя граница Верхняя граница
1 LN_^ 1,026 ,024 ,972 43,60 3 ,000 ,978 1,073
ё2-Энергетика -,123 ,238 -,009 -,515 ,610 -,605 ,360
ё3 -Металлургия ,626 ,321 ,026 1,948 ,059 -,025 1,276
ё4- Машиностроение ,556 ,379 ,016 1,468 ,151 -,211 1,323
ё5-Химия и нефтехимия -,063 ,350 -,002 -,179 ,859 -,771 ,646
ё6 -Другие ,900 ,276 ,044 3,262 ,002 ,341 1,459
Таким образом, получена следующая модель (средняя относительная ошибка модели 5,1 %):
¿Л (С т о и м о ст ь ко м п ан и и ) = — 0 , 1 2 3 й2 + 0,62 6й3 + 0,5 5 6й4 —
0.0.63й5 + 0,90 0й6 + 1,02 6 ■ ¿Л (С о б ст в ен н ы й_ка п ит ал),
где ё2=1, если компания относится к сектору энергетики; ё3=1, если компания относится к сектору металлургии; ё4=1, если компания относится к сектору машиностроения; ё5=1, если компания относится к сектору химии и нефтехимии; ё6=1, если компания отнесена к группе отраслей «другие». Полученные результаты говорят о том, что при изменении стоимости собственного капитала на 1 % стоимость компании в среднем увеличивается на 1,03 %. При прочих равных условиях стоимость компании из группы «другие» будет выше, чем стоимость компании нефтегазового сектора, в среднем в 2,5 раза. При прочих равных условиях стоимость компании в отраслях «энергетика», «машиностроение», «химия и нефтехимия» значимо (на уровне 0,05) не отличается от стоимости компании нефтегазового сектора. Различия в стоимости металлургических и нефтегазовых компаний имеется на уровне значимости 0,06 (с вероятностью 0,94): при прочих равных условиях стоимость металлургической компании будет выше, чем стоимость компании нефтегазового сектора, в среднем в 1,9 раза.
Полученные регрессионные модели являются адекватными и могут быть использованы для принятия стратегических решений и прогнозирования стоимости компаний в системе финансового менеджмента.
Использованные источники:
1. Юдкина Л.В., Берлин Ю.И. Корреляционный анализ взаимосвязей показателей динамики капитализации и эффективности деятельности публичных российских компаний. Финансы и кредит, 9 (945) - 2009, март, с.16-21. - ИЦ «Финансы и кредит», Москва.
2. Юдкина Л.В., Берлин Ю.И. Статистический анализ взаимосвязей показателей управления капиталом и рыночной стоимости публичных компаний России. Часть1. Финансы и кредит, 10 (394) - 2010, март, с.40-50. - ИЦ «Финансы и кредит», Москва.
3. Юдкина Л.В., Берлин Ю.И. Статистический анализ взаимосвязей показателей управления капиталом и рыночной стоимости публичных
компаний России. Часть2. Финансы и кредит, 12 (396) - 2010, март, с.38-46. - ИЦ «Финансы и кредит», Москва.
4. Юдкина Л.В., Берлин Ю.И. Исследование взаимосвязей показателей роста и капитализации публичных компаний России. Финансы и кредит, 30 (414) -2010, август, с.22-34. - ИЦ «Финансы и кредит», Москва.
5. Юдкина Л.В., Берлин Ю.И. Анализ взаимосвязей показателей дивидендной политики и рыночной стоимости публичных компаний России. Финансы и кредит № 36 (420)-2010 сентябрь, с.22-34. - ИЦ «Финансы и кредит», Москва.
6. Юдкина Л.В., Берлин Ю.И., Коробейник В.А. Регрессионные модели рыночной стоимости публичных компаний России. Актуальные вопросы социально-экономического развития современного общества в условиях реформ: материалы международной научно-практической конференции (30 ноября 2011 г.) - в 3-х частях. - ч.1. / Отв. ред. Л.А. Тягунова. - Саратов: Издательство ЦПМ «Академия Бизнеса», 2011.-262 с., с. 236-240.
Саяхова Э.В. старший преподаватель Биктагирова А.А. ФГБОУ ВПО Башкирский ГАУ
Россия, г. Уфа
СТРАХОВАНИЕ КАК ЭФФЕКТИВНЫЙ МЕТОД ИЗБЕЖАНИЯ РИСКОВ В СТРОИТЕЛЬСТВЕ
В настоящее время защита от различных рисков, их избежание или снижение убытков являются одной из первоочередных задач перед любым руководителем хозяйствующего субъекта. Одним из самых удобных и популярных методов управления рисками является страхование. Несмотря на общедоступность, удобство и необходимость, страхование рисков иногда становится настоящей проблемой - неясность в договорах страхования, высокие ставки тарифов на определенные виды страхования и достаточно высокий уровень отказов на выплаты делает этот путь управления риском не привлекательным и не надежным[4].
Актуальность темы исследования предопределена как выявление наиболее эффективного метода минимизации рисков в строительной сфере. Риски возникают на всех этапах осуществления строительства, таких
как:
■ резкое и непрогнозируемое изменение погодных условий (резк ие ветровые нагрузки, ливневые дожди, град, резкие перепады температ
ур);
■ паводок, затопление;
■ просадки грунта;
