Формирование структуры капитала компаниями на

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
ВЫСШАЯ ШКОЛА ЭКОНОМИКИ
На правах рукописи
Кокорева Мария Сергеевна
Формирование структуры капитала компаниями на
развивающихся финансовых рынках
Специальность 08.00.10 — Финансы, денежное обращение и
кредит
Диссертация на соискание ученой степени кандидата экономических наук
Научный руководитель: д.э.н.
Ивашковская Ирина Васильевна
Москва – 2012
Оглавление
Список условных сокращений ................................................................... 3
Введение .......................................................................................................... 4
Глава 1. Принципы выбора структуры капитала в рамках
компромиссной теории .............................................................................. 12
1.1. Основы статической компромиссной теории формирования
структуры капитала ............................................................................
13
1.2. Принципы динамической компромиссной теории выбора
структуры капитала................................................................................... 18
1.3. Детерминанты структуры капитала компаний на развивающихся
финансовых рынках .................................................................................. 35
Выводы по первой главе диссертационного исследования .................. 55
Глава 2. Моделирование движения к целевой структуре капитала 57
2.1. Методы исследования целевой структуры капитала ..................... 57
2.2. Моделирование скорости приспособления и границ отклонений от
целевой структуры капитала .................................................................... 63
2.3. Мотивы выбора структуры капитала компаний с развивающихся
финансовых рынков .................................................................................. 68
Выводы по второй главе диссертационного исследования .................. 89
Глава 3. Эмпирический анализ формирования структуры капитала
на выборке компаний с развивающихся финансовых рынков ........ 91
3.1. Гипотезы мотивов выбора структуры капитала на развивающихся
финансовых рынках .................................................................................. 91
3.2. Характеристика выборки и переменных ........................................ 94
3.3. Модель движения к целевой структуре капитала......................... 104
3.4. Анализ результатов тестирования и проверка результатов на
устойчивость ............................................................................................ 111
Выводы по третьей главе диссертационного исследования ............... 126
Заключение ................................................................................................. 128
Список использованных источников ................................................... 131
Приложения................................................................................................ 153
2
Список условных сокращений
ЕС – Европейский Союз
СК – структура капитала
КТ – компромиссная теория структуры капитала
ТПФ – теория порядка финансирования
МСФО – международные стандарты финансовой отчетности
ВЕ – Восточная Европа
ЦВЕ – Центральная и Восточная Европа
БРИК – Бразилия, Россия, Индия, Китай
BRICS – Бразилия, Россия, Индия, Китай, Южная Африка
MTB – market to book ratio – отношение рыночной стоимости
акционерного капитала к его балансовой стоимости
D/E – debt-to-equity – соотношение собственного и заемного
капиталов
3
Введение
Выбор соотношения собственного и заемного капиталов входит в
число ключевых проблем при принятии стратегических решений о
долгосрочном развитии компаний. Структура капитала влияет на
уровень инвестиционных рисков фирмы, потенциальные конфликты
интересов
между
финансовыми
собственниками,
менеджментом,
и нефинансовыми стейкхолдерами
кредиторами,
компании. Как
результат, соотношение собственного и заемного капиталов является
значимым элементом управления стоимостью фирмы, однако до сих пор
отсутствует целостное понимание, как принимаются решения о выборе
столь важного для компании соотношения.
Таким образом, актуальность диссертационного исследования
обусловлена
необходимостью
решения
проблемы
формирования
структуры капитала, оптимальной для реализации рыночных стратегий
компаний. Осмысления требуют и мотивы, которыми руководствуется
менеджмент компаний при выборе уровня долговой нагрузки, а также
факторы, оказывающие влияние на целевой показатель долговой
нагрузки и скорость приспособления к нему. Целесообразность работы
вызвана и отсутствием устойчивых результатов исследований структуры
капитала, проведенных на данных развивающихся финансовых рынков.
Прикладной аспект актуальности исследования заключается, вопервых,
в
необходимости
оценки
факторов,
определяющих
оптимальную структуру капитала, и отклонения стоимости компании от
максимально возможной в случае неоптимального показателя долговой
нагрузки. Во-вторых, финансовый кризис, начавшийся в 2007-2008
годах, не мог не сказаться на принятии решений менеджментом о
структуре капитала, повлияв как на внешние институциональные и
макроэкономические показатели, так и на внутренние показатели
фирмы, приводящие к изменениям в уровне долговой нагрузки
4
компании. Изменения в формировании оптимальной структуры капитала
в условиях финансового кризиса требуют отдельного изучения и оценки.
Степень разработанности проблемы.
Изучению проблемы выбора структуры капитала посвящена
обширная теоретическая и эмпирическая литература, однако компаниям,
оперирующим в странах с развивающимся, не достаточно зрелым
рынком капитала, включая российский, уделено существенно меньшее
внимание. Доступные в настоящий момент исследования относятся к
ограниченному кругу восточно-европейских и азиатских стран и редко
отражают результаты сравнительного анализа.
Основные достижения в исследовании структуры капитала
связаны с работами зарубежных авторов. Начало исследованиям
структуры капитала было положено работами Ф. Модильяни и
М. Миллера. Исследования детерминант структуры капитала выполнены
М. Франком, В. Гойалом, Р. Раджаном, Л. Зингалесом, Дж. Грэхамом.
Принципы компромиссной теории, влияние налогового фактора и
издержек финансовой неустойчивости проанализированы в работах
Э. Альтмана, Дж. Ангрейда, Дж. Грэхама, Т. Оплера, Ш. Титмана.
Развитие
динамических
аспектов
компромиссной
теории
структуры капитала связано с исследованиями Э. Фишера, Ш. Титмана,
С. Цыплакова, В. Дробеца, Х. ДеАнджело, И. Стребулаева. Детальное
осмысление динамических моделей отражено в работах, посвященных
определению оптимальной долговой нагрузки (К. Хеннесси, Т. Уайтед,
Э. Дадли, Э. Фишер), анализу детерминант скорости приспособления к
ее целевому уровню (Г. Ванзенрид, Р. Хуанг, О. Озтёкин, М. Фланнери).
Межстрановыми исследованиями динамической компромиссной
концепции,
отражающими
значимость
макроэкономических
и
институциональных факторов, занимались М. Фланнери, А. Антониу,
О. Озтекин.
5
Предпосылки и эмпирические выводы альтернативных мотивов
выбора оптимального соотношения собственного и заемного капиталов
раскрыты в работах следующих зарубежных авторов: в области теории
порядка финансирования (С. Майерс, Н. Маджлуф, Л. Шиям-Сандерс,
И. Стребулаев, К. Ванг), теории отслеживания рынка (А. Алти,
М. Бейкер, Дж. Вёглер), агентской теории (Дж. Анг, М. Дженсен,
У. Меклинг, А. Мелло).
Вклад в финансовую литературу, направленную на тестирование
концепций структуры капитала на развивающихся финансовых рынках,
внесли работы Л. Бута, Д. Сеспедеса, Е. Ниворожкина, И. Панди,
Т. Миттона,
Б. Сейферта.
оптимального
уровня
Динамические
долговой
модели
нагрузки
формирования
протестированы
в
исследованиях У. Киана, Б. Кларка, А. Гайгорайдиноглу, Р. Де Хааса,
М. Питерса. Исследования структуры капитала на российском рынке
сосредоточены на выявлении детерминант финансового рычага и
тестировании базовых концепций формирования структуры капитала.
Основной вклад в данный пласт исследований сделан Д. Волковым,
И. Березинец, И. Ивашковской, Н. Рудыком, П. Макаровым. Однако
вопросы формирования российскими компаниями структуры капитала в
динамике,
взаимосвязи
корпоративных
и
макроэкономических
факторов, оказывающих влияние на выбираемый уровень долговой
нагрузки, а также вопросы сравнительного анализа структуры капитала
компаний на развивающихся финансовых рынках остаются практически
не раскрытыми в имеющихся академических публикациях.
Целью диссертационного исследования является разработка
модели, определяющей формирование структуры капитала компаниями
на развивающихся финансовых рынках в динамике.
6
Для достижения указанной цели в диссертационном исследовании
поставлены следующие задачи:
1.
Разработать систему факторов, влияющих на формирование
структуры капитала компаний, на основе анализа преимуществ и
ограничений статической и динамической версий компромиссной
теории.
2.
Выявить расхождения в результатах эмпирических исследований
детерминант структуры капитала и мотивов формирования
оптимального уровня долговой нагрузки на развивающихся
финансовых рынках.
3.
Определить
детерминанты
структуры
капитала
компаний,
функционирующих на развивающихся финансовых рынках.
4.
Выявить мотивы формирования структуры капитала компаниями
на развивающихся финансовых рынках стран БРИК и Восточной
Европы
(ВЕ)
путем
эмпирической
апробации
модели,
определяющей выбор структуры капитала в динамике.
5.
Определить
макроэкономические
и
институциональные
особенности развивающихся финансовых рынков, влияющие на
скорость
приспособления
структуры
капитала
компаний
к
оптимальному уровню.
6.
Выявить
изменения
в
формировании
структуры
капитала
компаниями, вызванные финансовым кризисом, начавшимся в
2007-2008 годах.
Объектом исследования являются крупные публичные компании,
функционирующие на развивающихся финансовых рынках, акции
которых являются высоколиквидными.
Предметом исследования выступает процесс формирования
соотношения собственного и заемного капиталов, необходимого для
7
решения
долгосрочных
задач
крупных
публичных
компаний,
функционирующих на развивающихся финансовых рынках.
Теоретическая
и
методологическая
основа
представлена
работами зарубежных и российских ученых в областях выявления
детерминант долговой нагрузки и основ формирования оптимального
соотношения собственного и заемного капиталов. Для решения задач
диссертационного исследования применялись общенаучные методы
познания, в том числе контекстный и системный анализ, синтез.
Эмпирическая часть диссертационного исследования базируется на
проведении регрессионного анализа панельных данных.
Информационной базой диссертационного исследования стали
ресурсы информационного агентства Блумберг (Bloomberg), сайты
национальных бирж, а также официальные сайты компаний, вошедших в
выборку, предоставляющие информацию аудированной финансовой
отчетности компаний. Макроэкономические показатели были получены
с помощью ресурсов Всемирного банка (The World Bank).
Научная новизна диссертации состоит в получении следующих
результатов:
1. Доказано, что структуру капитала на развивающихся финансовых
рынках определяют как традиционные детерминанты (доходность
совокупного капитала, размер капитала компании, структура
активов, возможности роста), так и специфические факторы,
отражающие структуру собственности, корпоративное управление,
уровень асимметрии информации и отраслевую принадлежность.
Доказано, что традиционные детерминанты структуры капитала
объясняют долгосрочные уровни долговой нагрузки, специфические
факторы в большей мере свойственны краткосрочным показателям
финансового рычага.
8
2. Выявлены различия в детерминантах структуры капитала в
докризисный и кризисный периоды у компаний разных стран.
Установлено, что ключевыми детерминантами в предкризисный
период являются доходность совокупного капитала и размер
капитала компании, в то время как в кризисный период возрастает
значимость структуры активов и возможностей роста.
3. Доказано,
что
динамическая
компромиссная
концепция
формирования структуры капитала применима для компаний,
функционирующих на развивающихся финансовых рынках.
4. Разработана динамическая модель выбора структуры капитала
компаниями на развивающихся финансовых рынках.
5. Определены
факторы,
оказывающие
влияние
на
скорость
приспособления к оптимальной структуре капитала компаний на
развивающихся финансовых рынках, а именно: уровень инфляции,
темпы роста ВВП на душу населения, степень развития фондового
рынка.
6. Доказано,
что
в
период
финансового
кризиса
скорость
приспособления к оптимальной структуре капитала компаний,
функционирующих
на
развивающихся
финансовых
рынках,
возрастает.
Теоретическая и практическая значимость.
Теоретическая
значимость
исследования
заключается
в
формировании модели, описывающей процесс выбора структуры
капитала
на
развивающихся
финансовых
рынках.
Практическая
значимость исследования заключается в возможности использования его
результатов менеджментом компаний для
определения целевого
соотношения заемного и собственного капиталов и параметров
движения к оптимальным значениям долговой нагрузки с целью
максимизации стоимости компании.
9
Материалы,
результаты
и
исследовательская
модель
диссертационной работы внедрены в учебный процесс и используются в
практике преподавания курсов магистерского уровня «Корпоративные
финансы-2», а также в рамках научных семинаров «Эмпирические
корпоративные финансы» магистерской программы «Стратегическое
управление финансами фирмы» и научных семинаров «Корпоративная
финансовая
политика» магистерской
программы
«Корпоративные
финансы» факультета экономики НИУ ВШЭ в 2009–2012 годах.
Теоретические положения, модель и полученные в диссертации
результаты внедрены в исследования научно-учебной лаборатории
корпоративных финансов НИУ ВШЭ и использованы в составе
программы фундаментальных исследований НИУ ВШЭ при выполнении
темы исследования в 2009-2012 годах «Исследования корпоративных
финансовых
решений
развивающимися
трансформации
компаний
рынками
рынков
России
капитала
капитала
в
и
и
других
стран
с
условиях
глобальной
становления
экономики
инновационного типа». Подтверждено справками о внедрении.
Апробация результатов исследования.
Модель и результаты исследования обсуждались на семинарах
научно-учебной лаборатории корпоративных финансов НИУ ВШЭ.
Результаты
исследования
конференциях:
обсуждались
Совместной
на
17
Российско-китайской
международных
конференции
(Екатеринбург, Россия, октябрь, 2012); XII международной конференции
Европейской ассоциации сравнительных экономических исследований
(Пейсли, Шотландия, сентябрь, 2012); 11, 13 и 14 ежегодной
международной конференции Всемирной Ассоциации Бизнеса и
Технологий (Чехия, Прага, июль 2009; Турция, Стамбул, июль 2011;
Нью-Йорк, США, июль 2012); XI, XII, XIII Международной научной
конференции по проблемам развития экономики и общества (Россия,
10
Москва, апрель 2010, апрель 2011, апрель 2012); 19-ой ежегодной
конференции по маркетингу и бизнес-стратегиям в Центральной и
Восточной Европе (Австрия, Вена, декабрь 2011); международных
конференциях «Бизнес и Академическое Сообщество Евразии» 2009 и
2011 годов (Турция, Стамбул, июнь 2009; Хорватия, Загреб, октябрь
2011);
ежегодной
конференции
Американской
Ассоциации
бухгалтерского учета (American Accounting Association) (США, Денвер,
август 2011); Международной секции Американской Ассоциации
бухгалтерского учета (American Accounting Association) (США, ПалмСпрингс, январь 2010); Первом Российском экономическом конгрессе
(Россия,
Москва,
декабрь
2009);
международной
конференции
Европейской ассоциации сравнительных экономических исследований
(Россия, Москва, август
2008); IX Международной конференции
«Модернизация экономики и глобализация» (Россия, Москва, апрель
2008);
на
6-ой
международной
конференции
«Государственное
управление в XXI веке: традиции и инновации» (Россия, Москва, май
2008).
По результатам диссертационного исследования опубликовано 16
работ, общим объемом 14,5 п.л., из них авторский объем 9,05 п.л. В том
числе 7 статей в журналах, входящих в перечень ВАК Минобрнауки
России. Результаты также представлены в главах коллективной
монографии «Корпоративные финансовые решения. Эмпирический
анализ российских компаний (корпоративные финансовые решения на
развивающихся рынках капитала)» (2011 г).
Структура работы.
Диссертационное исследование представлено на 213 страницах (в
том числе 61 страница приложений) и состоит из введения, трех глав,
заключения,
библиографии,
включающей
191
наименование.
Диссертация содержит 9 таблиц и 3 рисунка.
11
Глава 1. Принципы выбора структуры капитала в рамках
компромиссной теории
Современная финансовая теория под структурой капитала (СК)
подразумевает соотношение собственного и заемного капиталов,
выбираемое компанией для решения долгосрочных задач, вытекающих
из ее стратегии. В работе С. Майерса [Myers, 2001] можно встретить
определение СК как такого соотношения ценных бумаг компании и
финансовых источников, которое фирма выбирает для финансирования
своих инвестиций. Современная теория СК берет свое начало от работы
Ф. Модильяни и М. Миллера [Modigliani, Miller, 1958], в которой
авторами были продемонстрированы условия, при которых рыночная
оценка капитала компании не зависит от способа финансирования.
Выведенные авторами теоремы позволили определить рамки выявления
факторов долговой нагрузки на несовершенных рынках капитала и
указали направления развития теорий СК. За последующие более чем 50
лет появился целый ряд теорий формирования СК, равно как и
эмпирических исследований зависимости между структурой капитала и
стоимостью компании для подтверждения созданных теорий.
В данной главе автором проанализирована одна из основных
современных
теорий
СК
–
компромиссная
теория,
обоснована
необходимость развития динамической версии компромиссной теории,
суммированы преимущества и ограничения теории, разобраны ее
отличия от прочих теорий СК. В третьем разделе главы приведены
результаты эмпирического анализа детерминант СК на развивающихся
финансовых рынках, осмыслены причины расхождений в результатах,
обоснована возможность эмпирического тестирования компромиссной
динамической модели на основе детерминант, определяющих выбор
компаниями соотношения D/E.
12
1.1.
Основы
статической
компромиссной
теории
формирования структуры капитала
Компромиссная
теория
структуры
капитала
появилась
в
результате снятия предпосылки о совершенстве рынка капитала
посредством учета существования корпоративного налога на прибыль и
издержек финансовой неустойчивости. В подобных условиях компания
придерживается
компромиссной
теории
при
выборе
политики
финансирования, если ее финансовый рычаг определяется исходя из
предельных издержек финансовой неустойчивости и предельных выгод
от
налоговой
экономии,
налогооблагаемой
базы
возникающей
на
в
величину
результате
выплат
снижения
процентов
по
обслуживанию долга [Kraus and Litzenberger, 1973]. В работе А. Крауса и
Р. Литценбергера
[Kraus,
Litzenberger,
1973]
уточняется,
что
оптимизация СК максимизирует рыночную стоимость компании.
Появление
компромиссной
теории
сосредоточило
внимание
исследователей на таких вопросах, как природа и характер издержек
финансовой неустойчивости, а также роль налоговых факторов в
формировании СК.
Издержки
результате
финансовой
невозможности
неустойчивости,
обслуживания
возникающие
долговых
в
обязательств,
включают в себя как прямые, так и косвенные издержки. Прямые
издержки финансовой неустойчивости проявляются, когда угроза
наступления банкротства приводит к снижению рыночной стоимости
совокупных активов компании, сворачиванию ее операций и снижению
возможностей роста. Прямые издержки состоят из расходов на услуги
консультантов,
юристов,
менеджеров,
а
также
всех
расходов,
сопутствующих ликвидации активов и прекращению операций фирмы.
Прямые издержки финансовой неустойчивости относительно выше в
небольших фирмах, что связано с наличием эффекта экономии на
13
масштабе у крупных компаний. Фирмам со сложной структурой
источников финансирования, у которых заемный капитал представлен
субординированными
долгами
с
разной
степенью
очередности
требований к активам, также свойственны более высокие прямые
издержки финансовой неустойчивости.
Косвенные издержки финансовой неустойчивости являются
следствием
утраченных
возможностей
фирмы
ввиду
высокого
финансового рычага. Данный тип издержек вызван рядом возможных
проблем, возникающих у компаний с высоким уровнем долга:
снижением
выручки
вследствие
потери
доверия
покупателей,
ужесточением требований со стороны поставщиков, осложнениями с
дополнительным привлечением капитала (как собственного, так и
заемного) и, как результат, с реализацией инвестиционной политики
фирмы [Titman, 1984]. Таким образом, косвенные издержки финансовой
неустойчивости ведут к снижению потоков денежных средств еще до
наступления банкроства.
В работе Дж. Уорнера [Warner, 1977] подтверждено, что не все
издержки финансовой неустойчивости могут быть измерены; прямые же
(и измеряемые) издержки ниже для крупных компаний (измеренные в
процентах от стоимости компании). Следовательно, оптимальная
долговая нагрузка выше для более крупных компаний.
Э. Альтман предпринял попытку оценить величину издержек
финансовой неустойчивости [Altman, 1984]. Согласно полученным
автором оценкам, издержки финансовой неустойчивости достигают 20
процентов стоимости фирмы до банкротства, при этом в среднем
величина издержек ранжируется от 11 до 17 процентов. Г. Андрэйд и
С. Каплан [Andrade, Kaplan, 1998] на выборке сделок с высоким
финансовым рычагом определили, что прямые и косвенные издержки
14
финансовой неустойчивости в совокупности могут составлять от 10 до
20 процентов стоимости фирмы. При этом не было выявлено
зависимости между величиной издержей финансовой неустойчивости и
степенью сложности СК, связанной с наличием большего разнообразия
финансовых инструментов. В работе Т. Оплера и Ш. Титмана [Opler,
Titman,
1994]
проанализировано
влияние
издержек
финансовой
неустойчивости на эффективность деятельности компании, измеренную
темпами
роста
операционной
продаж,
доходностью
прибыли.
Результаты
акций,
изменениями
исследования
в
доказывают
существование положительных и значительных неявных издержек
финансовой неустойчивости, особенно больших для компаний с
высокой долговой нагрузкой.
Р.
Хауджен
и
продемонстрировали
значимости
Л.
СК:
[Haugen
дополнительные
издержек
формирования
Сенбет
финансовой
наличие
and
условия,
Senbet,
необходимые
неустойчивости
систематически
1978]
в
для
процессе
проявляющейся
иррациональности инвесторов, либо функционирование в условиях
рыночной среды, способствующей ожиданиям инвесторами сделок
купли-продажи ценных бумаг исключительно в неблагоприятных
условиях.
Роль налоговых факторов в принятии решений о финансировании
также подверглась подробному изучению. М. Бреннан и Е. Шварц
[Brennan, Schwartz, 1978] заострили внимание на условиях, при которых
наличие долговой нагрузки не обязательно влечет за собой реализацию
налоговых преимуществ («налогового щита»), и построили модель
стоимости
компании
в
зависимости
от
долговой
нагрузки
и
сопутствующей ей налоговым выгодам и издержкам финансовой
неустойчивости. В работах Дж. Грэхама [Graham, 1996, 2000] не только
доказано, что компании с более высокими налоговыми ставками
15
выбирают большую долговую нагрузку, но и совершена попытка
количественной оценки вклада налоговой экономии в стоимость
компании (налоговый щит составляет 4,3 процента стоимости компании
в случае наличия только корпоративного налога на прибыль и без учета
эффектов персональных налогов на величину налоговой экономии).
Развитие компромиссной теории формирования СК привело к
выделению двух форм теории: статической (Static Trade-Off Theory) и
динамической (Dynamic Trade-Off Theory).
Основы статической теории развиты в таких работах, как
Х. ДеАнджело [DeAngelo, 1980], Е. Ким [Kim, 1982]. В рамках
статической версии долговая нагрузка компании определяется исходя
из издержек финансовой неустойчивости и выгод от налоговой
экономии долгового характера, реализуемых в рамках одного периода. В
работе М. Брэдли и соавторов [Bradley et al., 1984] разработана
однопериодная модель выбора СК в рамках компромиссной концепции.
Авторы доказали, что оптимальная долговая нагрузка фирмы обратно
зависима от ожидаемых издержек финансовой неустойчивости и
налоговых щитов недолгового характера.
Дальнейшие исследования в области СК были сосредоточены на
выявлении детерминант оптимального уровня финансового рычага. В
работе Р. Раджан и Л. Зингалеса [Rajan, Zingales, 1995] авторы
обозначили детерминанты СК, позднее названными традиционными
факторами, влияющими на выбираемый компанией уровень долговой
нагрузки. К данным факторам относятся: размер капитала компании,
доходность совокупного капитала, возможности роста, структура
активов компании (доля долгосрочных материальных активов в
совокупных активах). М. Франк и В. Гойал [Frank, Goyal, 2008]
расширили набор детерминант, добавив еще две: медианный уровень
16
долговой нагрузки по отрасли, а также ожидаемый темп инфляции в
экономике.
Согласно предпосылкам компромиссной теории, традиционные
детерминанты
СК
должны
оказывать
следующее
влияние
на
оптимальный уровень долговой нагрузки:
 чем крупнее компания, тем выше оптимальный уровень
долговой нагрузки ввиду меньших издержек финансовой
неустойчивости и более высоких налоговых выгод;
 чем
выше
возможности
роста
компании,
тем
ниже
оптимальный уровень долговой нагрузки ввиду более высоких
издержек финансовой неустойчивости;
 чем выше доля долгосрочных материальных активов компании
в совокупных активах, тем выше оптимальный уровень
долговой нагрузки ввиду меньших издержек финансовой
неустойчивости;
 чем выше доходность совокупного капитала компании, тем
выше оптимальный уровень долговой нагрузки ввиду меньших
издержек
финансовой
неустойчивости
и
более
высоких
налоговых выгод.
Однако выводы эмпирических исследований детерминант СК не
позволили полностью подтвердить следование компаниями статической
компромиссной теории. Так, наблюдаемая обратная зависимость между
выбираемым компанией уровнем долга и доходностью совокупного
капитала противоречит обозначенным выше выводам [Frank, Goyal,
2008].
Однопериодный характер теории
привел к возникновению
дополнительного ряда проблем. Согласно статической компромиссной
теории предполагается, что компания выбирает оптимальную СК,
максимизирующую ее стоимость, однако остается неизвестным способ
17
достижения данной структуры. Более того, статический характер
концепции не позволяет принимать во внимание роль нераспределенной
прибыли
компании,
являющейся
источником
собственного
финансирования и оказывающую влияние на СК в динамике.
Наблюдаемые на практике факты возврата показателя долговой
нагрузки к среднему значению и наличие у большинства компаний
фиксированной или гибкой цели соотношения собственного и заемного
капиталов [Graham, Harvey, 2001] также не могут быть полностью
объяснены с точки зрения статической компромиссной концепции, так
как,
согласно
показателей
ее
предпосылкам,
компании
при
выбираемая
варьировании
долговая
внутренних
нагрузка
должна
теории
выбора
компромиссной
теории
претерпевать изменения.
1.2.
Принципы
динамической
компромиссной
структуры капитала
Неспособность
статической
версии
объяснить выбор СК в динамике, учесть влияние нераспределенной
прибыли фирмы на величину выбираемого уровня финансового рычага,
а также раскрыть причины противоречий в эмпирических исследованиях
детерминант
СК
привели
к
развитию
динамической
версии
компромиссной теории.
Динамическая компромиссная теория (Dynamic Trade-off Theory)
выбора
структуры
капитала
подразумевает,
что
соотношение
собственного и заемного капиталов фирмы является следствием
постоянно осуществляемой политики финансирования данной фирмы,
взвешивающей предельные выгоды и предельные издержки, связанные с
долговым финансированием, с целью максимизации стоимости фирмы.
Таким образом, многопериодный характер формирования СК
качественно отличает динамическую компромиссную теорию от более
18
ранней статической версии. При этом наиболее существенным вопросом
для обсуждения стал анализ фактов, не нашедших объяснения в рамках
статической теории. Переход к динамической концепции, сопряженный
с необходимостью анализа издержек приспособления и ожиданий,
позволил раскрыть часть неопределенных ранее проблем.
В первую очередь осмыслению в рамках динамической концепции
подверглась наблюдаемая на практике обратная зависимость уровня
долговой нагрузки от показателя доходности совокупного капитала.
Так, М. Франк и В. Гойал, подчеркивая значимость ожиданий будущих
потоков и инвестиционных возможностей в рамках динамической
компромиссной концепции, уточняют, что компании с высокой
доходностью могут предпочесть не выплачивать дивиденды, а накопить
нераспределенную прибыль для реализации будущих инвестиционных
возможностей, что выразится в более низких показателях долговой
нагрузки в текущем периоде [Frank, Goyal, 2008]. Анализ оптимального
соотношения
нераспределенной
прибыли,
направляемой
на
реинвестирование и выплаты собственникам, также нашел свое место в
рамках
динамической
К. Хеннесси
и
компромиссной
Т.Уайту
[Hennessy,
концепции.
Whited,
Так,
2005],
согласно
компания
оптимизирует в каждом периоде не только уровень долговой нагрузки,
но и уровни выплат собственникам и инвестиционных расходов. С
другой стороны, Ш. Титман и С. Цыплаков [Titman, Tsyplakov, 2007]
предполагают 100%-ные выплаты нераспределенной прибыли, что
снижает гибкость менеджмента компании в принятии решений в
области политики финансирования.
Изменения целевой СК во времени также нашли ответ в рамках
динамической версии компромиссной теории. В работе В. Дробеца и Г.
Ванзенрид [Drobetz, Wanzenried, 2006] моделирование целевой СК
предполагает как вариацию целевой СК между фирмами (за счет
19
различных величин показателей, являющихся детерминантами целевой
СК), так и во времени в связи с внутрифирменными изменениями
характеристик
во
времени.
Однако
эмпирические
данные,
демонстрирующие возврат СК к средним показателям, остаются
необъясненными в рамках динамической концепции [Frank, Goyal,
2008].
Многопериодный характер теории позволил проанализировать
способы достижения целевой СК и оценить скорость приспособления к
целевому уровню долговой нагрузки. Под скоростью приспособления к
целевой структуре капитала понимают доступное компании сокращение
отклонения
текущего
уровня
долговой
нагрузки
от
целевого
соотношения собственного и заемного капиталов в течение одного
периода, выраженное в процентах. Так, в работе В. Дробеца и
Г. Ванзенрид [Drobetz, Wanzenried, 2006] приведена модель, в которой
эндогенно формируется не только целевое соотношение D/E, но и
скорость приспособления, зависящая как от внутренних показателей
компании (возможности роста, размер капитала компании, дистанция
между фактической и целевой структурой капитала), так и от
макроэкономических факторов (формы кривой доходности (структуры
процентных ставок), краткосрочной ставки заимствования, спрэда
дефолта, а также от политических рисков, рассчитанных в модели как
разница между трехмесячной евродолларовой ставкой и 90-дневной
доходностью государственных облигаций США).
Тем не менее классическая версия динамической компромиссной
теории не способна учесть ряд наблюдаемых фактов.
Во-первых, предположение о формировании целевого уровня
долговой нагрузки исходя из предельных налоговых выгод заемного
финансирования и предельных издержек финансовой неустойчивости и
анализ
традиционных
детерминант
(размер
капитала
компании,
20
возможности роста, доходность совокупного капитала, структура
активов) с точки зрения их воздействия на налоговые выгоды и
издержки финансовой неустойчивости не позволяют учесть ряд других
факторов, оказывающих воздействие на выбор соотношения D/E. При
этом анализ возможности включения дополнительных детерминант
привел к возникновению двух точек зрения [Frank, Goyal, 2008].
Согласно первой точки зрения, динамическая компромиссная
модель должна быть отделена от модели адаптационного поведения,
предполагающей
политику
финансирования
компаний,
приспосабливающихся к некому целевому для них уровню СК, вне
зависимости
от
степени
его
оптимальности.
В
свою
очередь
динамическая компромиссная модель подразумевает стремление к
оптимальному уровню долговой нагрузки, определяемому в каждом
периоде через соотношение налоговых выгод и издержек финансовой
неустойчивости.
Последователи второй точки зрения допускают расширение
набора детерминант целевого уровня долговой нагрузки в рамках
комромиссной теории. В данном случае компромиссная теория
выступает как концепция, в рамках которой компании постоянно
стремятся к целевому уровню СК, являющемуся для них оптимальным и
определяемому
всеми
возможными
выгодами
и
издержками,
связанными с принятием долговой нагрузки, не только налоговыми
факторами и издержками финансовой неустойчивости.
Таким образом, расширенный набор детерминант оптимального
соотношения
собственного
и
заемного
капиталов
является
характеристикой современной версии динамической концепции. К
данному
набору
можно
причислить
следующие
детерминанты
формирования СК, изначально свойственные отдельным теориям или
21
концепциям выбора соотношения собственного и заемного капиталов:
агентские факторы и поведенческие мотивы.
Введение агентских детерминант связано с осмыслением роли
теории порядка финансирования в выборе СК. Идея данной теории
впервые появилась в книге Г. Дональдсона [Donaldson, 1961], однако
формализована была в работе С. Майерса [Myers, 1984]. Согласно
данной
теории,
компания
последовательности
определению
С.
финансирования,
в
выборе
Майерса,
если
придерживается
источников
фирма
предпочитает
определенной
финансирования.
следует
внутреннее
теории
По
порядка
финансирование
внешнему, а также долговое финансирование выпуску акций в случае,
если внешние источники используется. Так, менеджмент компании не
прибегает к заимствованиям до тех пор, пока имеет возможность
использовать внутренние источники финансирования компании. Когда
же данные источники иссякают, менеджмент прибегает к заемному
финансированию, начиная с наиболее безрисковых форм. И только
тогда, когда и дополнительное заемное финансирование будет для
компании недоступным, менеджмент прибегнет к выпуску акций.
Эмпирически применимость формирования СК в соответствии с теорией
порядка финансирования подтверждается не только обозначенной выше
обратной зависимостью между показателем долговой нагрузки и
доходностью совокупного капитала, но и стилизованным фактом,
показывающим, что на агрегированном уровне величина финансового
дефицита очень близка по значению к объему дополнительно
привлекаемого долга. Данный факт подтверждается на данных США для
крупных публичных и непубличных компаний, но не подтверждается
для небольших публичных компаний, для которых финансовый дефицит
близок к дополнительным выпускам акций [Frank, Goyal, 2008].
22
Таким образом, теория порядка финансирования не только
предлагает альтернативное объяснение наблюдаемой на практике
обратной зависимости между уровнями долговой нагрузки и доходности
совокупного капитала, но и позволяет осмыслить роль необходимости
во внешнем финансировании (наличия внутреннего финансового
дефицита) при формировании политики финансирования, что не
является возможным в рамках классической версии компромиссной
динамической теории.
Последователи
теории
порядка
финансирования
объясняют
наличие иерархии источников финансирования разными способами: с
помощью сигнального подхода и посредством аргументации агентских
мотивов выбора источников финансирования.
Последователи
сигнального
подхода
теории
порядка
финансирования утверждают, что любое действие компании по
отношению к изменению СК (эмиссия или выкуп акций, выпуск или
выкуп облигаций, выплата дивидендов и т.д.) воспринимается рынком
как сигнал о перспективах развития компании. Так, сигнальная модель
С.Маейрса и Н. Маджлуфа [Myers, Majluf, 1984], ставящая своей целью
анализ финансовых решений менеджеров в условиях асимметрии
информации, позволяет заключить, что объявление о дополнительной
эмиссии акций интерпретируется как отрицательный сигнал (ввиду того,
что ожидаемые потоки компании не позволяют ей прибегнуть к более
дешевому заемному капиталу) и приводит к падению цены акции на
рынке.
Следовательно,
менеджеры,
представляющие
интересы
действующих акционеров, откажутся от выпуска недооцененных акций,
что, в свою очередь, может повлечь отказ от привлекательных
инвестиционных
проектов,
которые
требуют
дополнительного
финансирования. Таким образом, авторы ставили внешний собственный
23
капитал на последнее место по предпочтительности среди источников
финансирования.
Агентский
аргумент
концепции
выбора
источников
финансирования часто формулируется в виде самостоятельной теории, а
не развития теории порядка финансирования. Сопоставление агентской
теории с теорией порядка финансирования связано с тем, что обе
концепции уделяют значимое внимание асимметрии информации.
Основная идея агентской теории, развитая в работе М. Дженсена и
В. Меклинга [Jensen, Meckling, 1976], заключается принятии решений о
финансировании из соображений минимизации агентских издержек.
Необходимость минимизации агентских издержек связана с тем, что
компания не является замкнутым механизмом, а представляет собой
постоянный
поток
взаимодействий
различных
контрагентов:
менеджеров, собственников, кредиторов, противостояние интересов
которых может привести к снижению стоимости компании. Авторы
вводят понятия агентских издержек внешнего собственного капитала,
возникающих при привлечении собственного капитала от инвесторов, не
являющихся менеджерами компании, и агентских издержек внешнего
заемного
капитала,
ассоциированных
с
привлечением
заемного
финансирования. В таких условиях привлечение заемного капитала
интерпретируется М. Дженсеном как действие, снижающее агентские
издержки и выступающее в роле дисциплинирующего контракта [Jensen,
1986]. К авторам, занимающимся развитием агентской теории и
построением динамической агентской модели, относятся А. Мелло
[Mello, Parsons, 1992], П. ДеМарзо [DeMarzo et al., 2006], А. Аткесон
[Atkeson, Cole, 2005].
А. Ховакимиан и соавторы [Hovakimian et al., 2001] добавляют, что
существование издержек рефинансирования (издержек, возникающих
при изменении СК) приводит к тому, что в краткосрочном периоде
24
соблюдаются предпосылки теории порядка финансирования, в то время
как на долгосрочном горизонте компании формируют СК в соответствии
с динамической компромиссной теорией.
При формировании политики финансирования в соответствии с
предпосылками компромиссной концепции менеджеры определяют
целевой уровень долговой нагрузки, действуя рационально. Однако
данные
предпосылки
на
практике
осуществляются
не
всегда.
Поведенческие теории СК относятся к наиболее молодым и снимают ряд
жестких предпосылок описанных выше теорий. Так, рынок капитала не
обязательно
предполагается
эффективным,
а
в
поведении
экономического агента допускаются и иррациональные поступки. В
рамках поведенческих концепций широко распространена теория
информационных каскадов, предполагающая возможность стадного
поведения экономических агентов, заключающегося в копировании
поступков других экономических агентов без рационального анализа
мотивов данных действий. В приложении к выбору СК менеджменту
компании может быть выгодно скопировать уровень долговой нагрузки
лидера в отрасли, основных конкурентов в отрасли, либо рассчитать
оптимальный уровень финансового рычага исходя из наиболее часто
используемого метода формирования СК [Cолодухина, Репин, 2008].
Тем не менее вопрос мотивов, побуждающих менеджмент компаний
копировать решения о выборе соотношения собственного и заемного
капиталов, остается открытым, так как копирование может быть как
следствием нерационального поведения, так и быть обоснованным, если
данный выбираемый всеми уровень долговой нагрузки является
оптимальным и рассчитывается на основе предельных выгод и издержек
заемного капитала.
Подтверждение факта копирования финансового рычага отражено
в работе С. Гилсона [Gilson, 1997], утверждающего, что стимулом к
25
копированию
выступает
рыночная
конкуренция.
В
работе
А. Ховакиамина и соавторов [Hovakimian et al., 2001] получены
аналогичные результаты: менеджмент компаний изменяет уровень
долговой нагрузки в сторону среднеотраслевого показателя.
В исследованиях, проведенных на данных американских компаний
за длительный период времени (1965-2001 годы в работе М. Флэннери и
К. Рангана [Flannery, Rangan, 2006] и 1950-2003 годы в работе
М. Франка и В. Гойала [Frank, Goyal, 2009]), также была обнаружена
значимая положительная зависимость уровня долговой нагрузки от
медианного показателя финансового рычага в отрасли.
Согласно исследованию Р. Халла [Hull, 1999], не только
менеджеры компаний, но и внешние инвесторы заинтересованы в
структуре капитала, близкой к среднеотраслевому уровню. В работе
автора показано, что доходность акций компаний, СК которых
изменяется в сторону отдаления от среднеотраслевого показателя
долговой нагрузки, статистически значимо ниже в период объявления о
рефинансировании, чем доходность акций компаний с показателями
финансового рычага, приближающимися к среднеотраслевому уровню.
Следующим вопросом, обсуждаемым в рамках динамической
компромиссной
концепции,
является
систематический
характер
подстройки к оптимальной структуре капитала. Таким образом не
учитывается
благоприятными
возможность
возможностями
менеджмента
привлечения
воспользоваться
собственного
или
заемного капитала, даже если данное привлечение не влечет за собой
приближение к целевым параметрам долговой нагрузки. Данное
качество значимо отличает динамическую концепцию от теории
отслеживания
рынка
(также
называемой
концепцией
«окон
возможностей»), предполагающей, что СК компании в каждый момент
времени
представляет
собой
кумулятивный
эффект
попыток
26
менеджмента компании на протяжении длительных предыдущих
периодов отслеживать тенденции рынка. Соответственно, менеджеры
компании должны пытаться поймать момент в тенденциях рынка, и
производить эмиссию акций, когда их рыночная цена высокая, и
выкупать акции в периоды низких цен. Основателями данной концепции
М. Бейкером и Дж. Вёглером [Baker, Wurgler, 2002] эмпирически
доказано, что на существующую СК компании наибольшее влияние
оказывают все исторические попытки менеджмента воспользоваться
благоприятными ситуациями на рынке. Для доказательства авторами
при
построении
эконометрической
модели
был
введен
фактор
«внешнего финансового средневзвешенного отношения рыночной
стоимости акционерного капитала к его балансовой стоимости» (external
finance
weighted-average
market-to-book,
EFWAMB),
значимость
которого и позволила прийти к заключению, что СК компании отражает
в себе и те действия менеджмента, которые были предприняты десять
лет назад.
Основой исследований, посвященных теории следования рынка,
является
проверка
значимости
показателя
отношения
рыночной
стоимости акционерного капитала к балансовой (market-to-book, MTB).
Обратную взаимосвязь данного показателя и уровня долговой нагрузки
компании
ассоциируют
со
следованием
компанией
мотиву
отслеживания рынка. К подтверждению теории отслеживания рынка
приходят Р. Хуанг и Дж. Риттер [Huang and Ritter, 2009], показавшие,
что фирмы прибегают к финансированию через выпуск акций в случае,
когда это связано с меньшими затратами (при высоком MTB).
Отталкиваясь от концепции порядка финансирования, они пришли к
выводу, что преобразование базовой модели в модель, согласующуюся с
концепцией отслеживания рынка, демонстрирует более устойчивые
результаты, подтвердив свои предположения логит–моделированием.
27
В. Эллиот и соавторы [Elliott, Koёter–Kant, Warr, 2008] показали,
что некорректное оценивание рынком акций компании играет значимую
роль в принятии решений о выпуске ценных бумаг, применив
искусственное разделение коэффициента Book to market (BTM),
обратного по отношению к МТВ, на две части: отношение Book to value
определяет возможности роста, а отношение Value to market отвечает за
некорректную оценку стоимости компании рынком. В результате
проведенного
исследования
подтвердилось,
что
фирмы
с
переоцененными акциями значительно чаще прибегают к выпуску
акций.
Существует и иная точка зрения, позволяющая воспринимать
выпуск акционерного капитала вместо долга в периоды высоких цен
акций с точки зрения теории компромисса, в случае восприятия высоких
рыночных показателей как демонстрации значительных возможностей
роста [Hovakimian, 2001]. Так А. Махаджан и С. Тартароглу, на выборке
стран большой семерки показали, что несмотря на значимость текущих
показателей MTB и исторического MTB, в течение пяти лет эффект
выпуска акций полностью нейтрализуется [Mahajan, Tartaroglu, 2008].
Более того, даже при включении исторического MTB, знак перед
текущим значением MTB остается отрицательным, что еще более
подтверждает значимость динамической концепции. В работе М. Леари
и М. Робертс [Leary, Roberts, 2005] показано, что выводы, полученные в
работе М. Бейкера и Дж. Вёглера, можно обосновать с точки зрения
компромиссной динамической теории. Описав несколько возможных
типов функций затрат приспособления, авторы пришли к выводам, что
для фирм, для которых затраты изменения СК (рекапитализации)
относительно
невысоки, долговая
нагрузка
в
меньшей
степени
устойчива в контексте теории «окон возможностей», что в большей
28
степени
противоречит
данной
теории,
однако
подтверждает
динамическую компромиссную теорию.
Попытки учесть ограничения динамической компромиссной
концепции
привели
к
возникновению
следующих
направлений
исследований.
Первый
пласт
работ
относится
к
исследованиям,
направленным на выявление детерминант СК и содержащим попытки
с
помощью
интерпретации
полученных
результатов
объяснить
значимость того или иного мотива формирования СК. Данный пласт
работ, являющийся наиболее обширным, зачастую использует модель
динамической компромиссной концепции как инструмент определения
целевой СК и ее факторов, не прибегая при этом к анализу способа
приспособления к выбранному соотношению.
Второе
направление
исследований
связано
с
изучением
скорости приспособления финансового рычага к целевому уровню. В
данном случае речь идет о большом разнообразии работ:
 по выявлению и определению целевого уровня СК, оптимального
интервала выбираемого соотношения собственного и заемного
капиталов, границ оптимального интервала;
 детерминант
скорости
приспособления,
взаимозависимости
детерминант СК и скорости приспособления.
Наконец, третий пласт работ направлен на разработку модели,
способной
описать
формирование
СК
компаниями,
на
базе
различных вариаций динамической компромиссной модели.
Сближение теории порядка финансирования с динамической
компромиссной теорией затронуто в ряде работ. В то время как Р. Хуанг
и Дж. Риттер исследуют влияние внутреннего финансового дефицита на
целевой уровень долговой нагрузки [Huang, Ritter, 2009], большая часть
29
авторов считает, что наличие или отсутствие дефицита оказывает
влияние на скорость приспособления к целевому показателю.
При этом важно учесть, что воздействие мотивов порядка
финансирования на скорость приспособления различно в зависимости от
наличия или отсутствия внутреннего финансового дефицита (internal
financial deficit, DEF) и направления отклонения от целевой СК.
Предполагаемое направление влияния мотивов порядка финансирования
на скорость приспособления можно представить в виде следующей
матрицы (рис 1).
(L-L*) >0
DEF <0
Скорость
приспособления
растет
Скорость
приспособления
падает
Скорость
приспособления
падает
Скорость
приспособления
растет
DEF>0
(L-L*) <0
Рис. 1. Взаимосвязь между скоростью приспособления к целевому
уровню СК и величиной внутреннего финансового дефицита
На рисунке L* означает целевой уровень долговой нагрузки, L –
фактический уровень долговой нагрузки.
В случае наличия внутреннего финансового дефицита компании,
придерживающиеся
мотивов
порядка
финансирования,
будут
стремиться увеличить долговую нагрузку. При этом, если текущий
уровень заемного капитала ниже (выше) оптимального для фирмы
уровня, скорость приспособления к данному показателю возрастет
(снизится).
Аналогичная
логика
предсказывает
рост
скорости
30
приспособления при наличии внутреннего финансового профицита и
избыточном уровне долговой нагрузки, а также снижение скорости
приспособления при недостаточном уровне заемного капитала.
Агентские мотивы и их связь с динамической концепцией
освещены в работах А. Ежеоха [Ezeoha et al., 2012], П. Махалварта
[Mahadwartha, 2002], А. Стефана [Stephan et al., 2011], агентские
факторы
в
которых
закладываются
в
детерминанты
целевого
соотношения собственного и заемного капиталов.
Теория отслеживания рынка может быть инкорпорирована в
динамическую концепцию также посредством анализа воздействия на
скорость приспособления. Данное воздействие исследовано в работах
М. Франка и В. Гойала [Frank, Goyal, 2007], М. Леммона и соавторов
[Lemmon et al., 2008]. При этом предполагаемое воздействие можно
представить следующей схемой (рис. 2).
(L-L*) >0
Низкий МТВ
Скорость
приспособления
падает
Скорость
приспособления
растет
Скорость
приспособления
растет
Скорость
приспособления
падает
Высокий МТВ
(L-L*) <0
Рисунок 2. Взаимосвязь между скоростью приспособления к
целевому уровню долговой нагрузки и величиной МТВ
При уровне долговой нагрузки выше оптимальной высокий
показатель
МТВ
будет
стимулировать
менеджмент
привлекать
31
дополнительный капитал посредством выпуска акций, что ускорит
скорость
приспособления
к
оптимальному
уровню.
Скорость
приспособления будет также расти в случае недостаточного уровня
долга и низком коэффициенте МТВ. С другой стороны, приспособление
к оптимальному уровню долговой нагрузки будет более медленным в
ситуациях высокого МТВ и низкого уровня долга, а также низкого
показателя МТВ и чрезмерного уровня долговой нагрузки.
Теория
отслеживания
рынка
часто
включается
в
класс
поведенческих теорий выбора соотношения собственного и заемного
капиталов. Иная поведенческая теория, теория информационных
каскадов, может быть проверена в рамках динамической компромиссной
модели посредством анализа значимости медианного (или среднего)
уровня долговой нагрузки в качестве детерминанты целевого уровня,
либо
принятия
медианного
(среднего)
уровня
соотношения
собственного и заемного капиталов в качестве целевого.
Таким образом, схематично связь динамической компромиссной
теории с альтернативными концепциями формирования СК может быть
описана
с
помощью
следующей
разработанной
автором
диссертационной работы схемы (рисунок 3).
32
Статическая
компромиссная
концепция
Издержки
заемного
капитала
Выгоды
заемного
капитала
Оптимальная
структура капитала
Многопериодный
характер
деятельности
Динамическая компромиссная теория структуры капитала
Целевой
уровень долговой
нагрузки
Издержки
внешнего
заемного
капитала
Стадное
поведение
Поведенческие
концепции
Рисунок
3.
Оптимальный
диапазон долговой
нагрузки
Издержки
внешнего
собственного
капитала
Агентская
концепция
Система
Издержки
рекапитализации
Внутренний
финансовый
дефицит
компании
Макроэкономические
и институциональные
факторы
факторов
Скорость
приспособления
Теория
отслеживания
рынка
моделирования
Оценка
стоимости
капитала
рынком
Теория порядка
финансирования
динамической
компромиссной концепции СК
33
На данной схеме прямоугольниками обозначены основные
концепции формирования СК, в пятиугольниках отражены ключевые
факторы выбора соотношения собственного и заемного капиталов в
рамках данных концепций. Закрашенные овалы характеризуют те
элементы, свойственные компромиссной концепции, моделирование
которых необходимо в рамках динамической модели и влияние на
которые оказывают и альтернативные концепции. Так, развитие
динамической концепции началось со статической компромиссной
теории, учитывающей предельные выгоды и издержки заемного
капитала и предполагающей наличие оптимальной СК в одном периоде.
Учет многопериодного характера деятельности компании позволяет
перейти к динамической модели, также предполагающей наличие
оптимального уровня долговой нагрузки. Однако ввиду наличия
положительных издержек рекапитализации целевой уровень может быть
представлен не единичным значением, а диапазоном, в то же время
издержки приводят и к невозможности моментальной подстройки
текущего уровня долговой нагрузки к целевому показателю или
диапазону.
Проведенный в данном разделе обзор ключевых отличий
альтернативных теорий формирования СК от компромиссной модели
позволяет заключить, что на выбор целевого уровня долговой нагрузки
могут также оказывать влияние факторы агенсткой концепции и
поведенческих
моделей,
предполагающих
наличие
целевого
соотношения собственного и заемного капиталов. С другой стороны,
теория порядка финансирования и теория отслеживания рынка не
предполагают наличия целевой долговой нагрузки, однако наличие
данных концепций в наборе мотивов менеджмента должно привезти к
изменению скорости приспособления к целевому уровню СК. При этом
на
скорость
приспособления
также
оказывают
влияние
34
макроэкономические и институциональные показатели, роль которых в
формировании
СК
проанализирована
во
второй
главе
данного
диссертационного исследования.
1.3. Детерминанты структуры капитала компаний на
развивающихся финансовых рынках
Изучению проблемы выбора СК на развитом рынке посвящена
обширная теоретическая и эмпирическая литература. Гораздо меньшее
внимание
уделено
компаниям,
оперирующим
в
странах
с
развивающимися, не достаточно зрелыми рынками капитала. Несмотря
на появление в последние годы ряда работ, проведенных на данных
развивающихся рынков, многие вопросы формирования соотношения
собственного и заемного капиталов на данных рынках остаются
нерешенными. В разделе суммированы особенности развивающихся
рынков
капитала,
проведен
обзор
результатов
исследований
детерминант СК на развивающихся финансовых рынках, разобраны
возможные причины наблюдаемых расхождений в результатах.
Развивающиеся рынки капитала1 (emerging markets) могут быть
описаны как рынки, характеризующиеся переходными процессами,
способствующими трансформации экономики от закрытого к открытому
типу [Heakal, 2009]. В первоначальных определениях развивающихся
рынков указывались сопутствующие данным экономикам низкие или
средние темпы роста ВВП на душу населения. Позднее данное
определение стало относиться в большей степени к странам со слабым
экономическим
развитием
(developing
markets),
также
часто
переводимым на русский язык как «развивающиеся». Однако с течением
1
До глобального кризиса, начавшегося в 2007-2008 годах, термин часто переводился как «растущие»
рынки.
35
времени
развивающиеся
рынки
капитала
стали
наиболее
перспективными точками роста мировой экономики, обладающими
рядом особенностей. Ключевые характеристики развивающихся рынков
заключаются
в
высоких
инвестиционных
возможностях
и
соответствующих им рисках, низкой ликвидности фондовых рынков,
непрозрачности информации, значимости инсайдерской информации и
отсутствии доказанности гипотезы эффективности рынка, небольших
объемах торгов на финансовых рынках. Г. Бекаерт и К. Харви [Bekaert,
Harvey,
2003]
также
отмечают
многоуровневую
структуру
собственности, приводящую к острым агентским конфликтам и,
соответственно, целесообразности проверки значимости агентских
мотивов СК на данных рынках. Авторы замечают и другую не менее
важную
характеристику:
слабую
развитость
корпоративного
управления, что, в числе прочего, приводит к высоким затратам на
собственный капитал.
Среди развивающихся рынков часто выделяют такие группы
стран, как Восточная Европа (ВЕ) и БРИК2. С. Бородина и О. Швырков
отмечают
высокие
инвестиционные
возможности
данных
стран,
привлекающие инвесторов, сопряженные, однако,с неэффективностью
систем корпоративного управления [Бородина, Швырков, 2010].
В течение десятилетия до кризиса, начавшегося в 2007-2008 годах,
высокие доходности развивающихся стран делали данные рынки
наиболее выгодными для инвестиций. Как подчеркивает Б. Буханан и
соавторы [Buchanan et al., 2011], наиболее известными рынками в этот
период стали страны БРИК, представляющие экономики с наиболее
высокими темпами роста. Авторы указывают на необходимость
2
В 2010 году в группу стран БРИК присоединилась Южная Африканская Республика, что привело к
формированию нового блока стран, BRICS. В рамках данного исследования анализируются компании
стран БРИК и Восточной Европы.
36
внимательного отношения к данным рынкам в связи с возможным
объединением входящих в группу БРИК стран не только по
экономическим параметрам, но и для решении ряда политических
проблем.
Трансформационные процессы, проходящие в развивающихся
странах, являются объектом исследования с точки зрения оказываемых
данными процессами эффектов. Г. Бекаерт и К. Харви [Bekaert, Harvey,
2003] указывают, что среди одного из сопутствующих финансовой
либерализации эффектов, есть и бум заимствований. Эмпирический
анализ выборки также подтверждает данное наблюдение. Более того, как
указывает в своей работе Т. Миттон [Mitton, 2008], динамика СК на
развивающихся рынках аналогична динамике развитых рынков с учетом
лага в несколько лет. В работе П. Дэвиса и М. Стоуна [Davis, Stone,
2004] приведены результаты исследования СК ряда развитых и
развивающихся рынков. Авторы установили бόльшую зависимость
развивающихся рынков от внешнего финансирования, особенного
банковского. Несмотря на то, что агрегированные уровни долговой
нагрузки развитых и развивающихся рынков отличаются, более того,
уровни долговой нагрузки последних также различны, компаниям на
развивающихся рынках свойственны более высокие уровни долга.
С. Калемни-Озкан и соавторы [Kalemni-Ozcan et al., 2012]провели
анализ развитых и развивающихся рынков в период, предшествующий
наступлению финансового и экономического кризиса, начавшегося в
2007-2008
годах3.
коммерческих
Анализируя
банков,
показатели
инвестиционных
долговой
банков
и
нагрузки
нефинансовых
компаний, авторы приходят к выводу, что основное увеличение
долговой нагрузки перед кризисом происходило именно в банковском
3
Ввиду того, что глобальный кризис неодновременно затрагивал страны, в литературе встречаются
различные временные интервалы кризиса: 2007-2008, 2007-2009, 2008-2009, 2008.
37
секторе (главным образом за счет крупных банков развитых стран и
инвестиционных банков). Посредством анализа выборки данных за
2000-2009 годы компаний из более чем 60 стран4 авторы заключили, что
агрегированный уровень долговой нагрузки нефинансовых компаний
как развитых, так и развивающихся стран относительно стабилен, хоть и
отличается по значению между странами. При этом данный показатель
претерпевает незначительные изменения в связи с кризисом.
В приложении к исследованиям СК, Г. Тонг и К. Грин, помимо
неразвитости рынков капитала, ведущей к ограниченному набору
доступных инструментов финансирования, указывают и на тот факт, что
на
большинстве
развивающихся
рынках
функционирует
много
компаний, в прошлом принадлежавших государству. Данные компании
исторически отличаются по бизнес-стратегии, что не может не
отразиться на их выборе соотношения собственного и заемного
капиталов [Tong, Green, 2005].
Все многообразие эмпирических исследований, посвященных
анализу СК, можно представить посредством классификации в
соответствии с предметом исследования. Согласно данному критерию,
исследования СК могут быть поделены на анализ детерминант СК
(данный тип является наиболее распространенным) и эмпирическое
тестирование
теории
многообразия
порядка
существующих
финансирования,
теорий
статической
и
(тестирование
динамической
компромиссных теорий, теории отслеживания рынка, агентских,
сигнальных
и
диссертационного
поведенческих
исследования
мотивов).
В
данном
проанализированы
разделе
работы,
направленные на выявление детерминант СК.
4
В выборку авторов в том числе входили страны, анализ которых представлен в данном
диссертационном исследовании: Бразилия, Болгария, Китай, Хорватия, Чехия, Эстония, Венгрия,
Индия, Латвия, Литва, Польша, Румыния, Россия, Словения, Турция, Украина.
38
Большинство
исследований
методологической
точки
детерминант
зрения
и
СК
идентичны
представляют
с
собой
эконометрический анализ линейных регрессий, отличающийся набором
независимых и зависимых переменных, а также типом анализируемых
данных5. Эмпирические модели преимущественно тестируются на
панельных данных (panel data) [Cespedes et al., 2010], [Lemmon et al.,
2008], но есть и работы, проведенные с помощью анализа перекрестных
(cross-section) данных (например, исследование У. Виваттанакантанг
[Wiwattanakantang, 1999] проводится на 270 компаний Тайланда в 1996
году).
Базовая модель может быть формально представлена следующим
образом:
Lit    X it    it ,
(1)
где Lit - уровень долговой нагрузки i-ой компании в период времени t, а
Х – матрица независимых переменных, отвечающих за детерминанты
СК i-ой компании в период времени t, ɛit- независимо и одинаково
распределенные статистические ошибки.
Однако исследования ключевых факторов долговой нагрузки
изначально проводились на данных компаний с развитых рынков
капитала, в связи с чем первые работы по анализу СК на развивающихся
рынках ставили своей целью проверку значимости традиционного
набора
детерминант
(размер
капитала
компании,
доходность
совокупного капитала, возможности роста, структура активов компании
(доля внеоборотных материальных активов в совокупных активах),
5
Альтернативная методология анализа структуры капитала может быть представлена нелинейными
моделями [Sabiwalsky, 2010], анализом нейронных сетей [Pao, 2008], анализом дополнительных
выпусков акций, облигаций, выкупов акций и выплат дивидендов, погашения долга посредством
постороения моделей бинарного выбора [Gaud et al., 2007]
39
медианный уровень долговой нагрузки по отрасли, темп инфляции) для
компаний с развивающихся рынков капитала.
Влияние размера капитала компании (Size) на уровень долговой
нагрузки неоднозначно. С одной стороны, чем крупнее компания, тем
при прочих равных у нее ниже уровень издержек финансовой
неустойчивости,
наращивания
а,
следовательно,
долговой
нагрузки,
больше
что
возможностей
соответствует
для
постулатам
компромиссной теории. Согласно агентской концепции, в крупных
компаниях степень асимметрии информации между менеджерами и
внешними инвесторами ниже, что должно способствовать уменьшению
уровня
долга
при
[Wiwattanakantang,
наращивании
1999].
собственного
Значимость
размера
капитала
компании
в
формировании политики финансирования подчеркивали также М. Франк
и В. Гойал [Frank, Goyal, 2008], утверждая, что крупные компании для
финансирования дефицита выбирают долговое финансирование, в то
время как небольшие компании предпочитают выпускать акции. Т. Бек и
соавторы провели масштабное исследование на данных компаний 48
стран с целью выявления различий в политике финансирования
компаний разного размера [Beck et al., 2008]. Авторы выявили, что
компании в странах с неразвитыми институтами, а также небольшие
компании реже используют внешнее финансирование6. Проведенный
авторами анализ указывает на возможность следования компаниями
политики
порядка
финансирования.
Равно
как
теоретические
предпосылки о зависимости уровня долговой нагрузки от размера
капитала
компании
неоднозначны,
результаты
эмпирических
исследований на данных развивающихся рынков также не дают
бесспорных
результатов.
Так,
на
данных
индийских
компаний
6
Среди анализируемых авторами стран есть и входящие в выборку данного диссертационного
исследования страны: Бразилия, Болгария, Китай, Хорватия, Чехия, Эстония, Венгрия, Литва,
Польша, Румыния Словения, Турция, Украина.
40
И. Чакраборты выявил обратную зависимость [Chakraborty, 2010], в то
время как при анализе румынских компаний была выявлена значимая
положительная зависимость [Mihalca, Antal, 2009]. Аппроксимируется
размер капитала компании в исследованиях натуральным логарифмом
выручки [Booth et al., 2001], либо натуральным логарифмом совокупных
активов [Clark et al., 2009].
Доходность
является
совокупного
значимой
капитала
детерминантой,
компании
выявленной
в
(Profitability)
абсолютном
большинстве исследований, оказывающей, однако, не менее спорное
влияние на СК, чем размер капитала компании. С позиции сторонников
теории порядка финансирования, более прибыльные компании могут
полагаться на внутренние источники финансирования, что должно
приводить
к
более
низкому
уровню
долговой
нагрузки.
Противоположное мнение у последователей компромиссной теории,
согласно которой у более прибыльной компании больше возможностей
для выхода на рынки заемного капитала. Более того, для более
прибыльных компаний налоговые выгоды становятся более значимыми,
и вероятность реализации налогового щита увеличивается при низкой
вероятности возникновения издержек финансовой неустойчивости.
Эмпирически обратная зависимость между доходностью совокупного
капитала и уровнем долговой нагрузки наблюдается практически на всех
страновых выборках (например, [Céspedes et al., 2010], [Pöyry, Maury,
2010], [Delcoure, 2007]). Доходность совокупного капитала может
рассчитываться как отношение прибыли до выплаты налогов и
процентов к совокупным активам компании, либо как отношение
операционной прибыли компании к выручке от реализации. В работе
И. Чакраборты [Chakraborty et al., 2010], проведенной на данных
индийских компаний, обратная зависимость между доходностью
совокупного капитала и долговой нагрузкой исследована с помощью
41
двух прокси переменных: прибыли до выплаты налогов, процентов и
амортизации к совокупным активам, а также отношения денежного
потока к совокупным активам.
Возможности
роста
компании
(Growth
opportunities)
непосредственно связаны с необходимыми компании финансовыми
ресурсами. С точки зрения теории порядка финансирования, для
компаний с большими возможностями роста объем инвестиций
превышает по величине нераспределенную прибыль, что означает
необходимость привлечения внешних (чаще всего заемных) источников
и, как результат, возникновение высокой долговой нагрузки. Так,
исследование
51
компании
Словении,
проведенное
на
основе
анкетирования управляющего звена компаний позволило заключить, что
менеджмент в основном задумывается о привлечении капитала при
необходимости инвестировать в новые проекты. При этом наиболее
предпочтительными источниками финансирования менеджмент считает
внутренние
[Mramor,
2001].
С
другой
стороны,
последователи
компромиссной теории заключают, что у компаний с высокими
возможностями роста долговая нагрузка будет ниже ввиду высоких
потенциальных издержек финансовой неустойчивости. В. Дробец
добавляет, что для таких компаний высока инициатива не подавать
сигналы о возможных проблемах недоинвестирования и замещения
активов, ввиду более высоких затрат на выпуск долга и акционерного
капитала [Drobetz, Wanzenried, 2006]. Сторонники агентской концепции
подтверждают, что в компаниях со значительными возможностями
роста контролировать действия менеджмента сложнее, следовательно,
кредиторы неохотно будут инвестировать в компании данного типа.
Переменные возможностей роста могут рассчитываться как отношение
инвестиционных расходов к совокупным активам [Bhaduri, 2002],
процентное изменение выручки или величины совокупных активов
42
[Chakraborty, 2010], либо по формуле: G= (1+ Rate), где ставка (Rate)
берется из регрессии натурального логарифма выручки от реализации
(lnSales) за 4 года на время [Pandey, 2001].
Нередко в качестве прокси-переменной для возможностей роста
используется отношение рыночной стоимости акционерного капитала к
балансовой стоимости акционерного капитала (MTB). Чем больше
возможности роста, отражаемые в рыночной стоимости акционерного
капитала, по отношению к балансовой стоимости, тем выше показатель.
В рамках же компромиссной теории данный показатель может
выступать в качестве оценки залоговой стоимости активов компании.
Таким образом, чем
выше
отношение
рыночной
стоимости
к
балансовой, тем меньше возможностей у компании для использования
долга. Учитывая столь спорный характер интерпретации показателя
MTB, для выявления потенциальной залоговой стоимости долга
компании, как правило, используют показатель структуры активов
компании (иногда обозначаемый как степень материальности активов,
Tangibility). Таким образом, данный фактор может выступать в качестве
прокси-переменной для издержек финансовой неустойчивости. С другой
стороны, сторонники агентской концепции предполагают, что у фирм с
большой
долей
материальных
активов,
меньше
возможностей
неоптимального инвестирования со стороны менеджмента, что также
должно приводить к положительной взаимосвязи показателя с уровнем
долговой нагрузки. Рассчитывается данный показатель как отношение
основных средств к совокупным активам. Следовательно, чем выше
показатель, тем, согласно компромиссной теории, больше возможностей
у компании увеличивать заемный капитал. Следует заметить, что в
качестве прокси-переменных залоговой стоимости активов могут быть
рассчитаны доли различных типов активов в совокупной стоимости
активов фирмы (например, С. Бадури [Bhaduri, 2002]). Однако, как
43
отметил Е. Ниворожкин [Nivorozhkin, 2002], проверенное на развитых
рынках положительное влияние может быть смещено на рынках стран с
переходной экономикой. Так, для китайских компаний У. Киан и
соавторы [Qian et al., 2009] подтвердили прямую зависимость долговой
нагрузки от степени материальности активов, в то время как на данных
российских компаний С. Поури и Б. Маури выявили либо отсутствие
зависимости, либо наличие обратной зависимости между уровнем
долговой нагрузки и долей долгосрочных материальных активов. При
этом результаты являлись неробастными по отношению к выбранному
показателю долговой нагрузки [Pöyry, Maury, 2010].
Основными причинами расхождений в результатах можно назвать
несформированные
системы
законодательства,
затрудняющие
формирование надежных кредитных контрактов, а также неликвидные
вторичные рынки для активов фирм. В. Дробец и Г. Ванзенрид [Drobetz,
Wanzenried, 2006] предлагают следующее объяснение возможной
обратной зависимости доли долгосрочных материальных активов и
долговой нагрузки: в компаниях с высокой долей нематериальных
активов издержки мониторинга менеджмента высоки, ввиду чего
подобные компании могут добровольно выбирать высокие уровни
долговой нагрузки для ограничения свободы действий менеджмента.
Работа Т. Холла [Hall, 2012], представляющая результаты исследования
на данных 11 развивающихся стран7 посвящена глубокому анализу
взаимосвязи
уровня
долговой
нагрузки,
а
также
степени
его
долгосрочности и структуры активов, отражающей уровень их залоговой
стоимости. Посредством построения линейных регрессий на панельных
данных автор показал, что взаимосвязь между показателями (как
долговой нагрузки, так и степени долгосрочности) намного сильнее в
7
Среди стран, проанилизованных в работе, в том числе страны, попавшие в выборку данного
диссертационного исследования: Болгария, Чехия, Эстония, Венгрия, Латвия, Литва, Польша,
Румыния, Россия, Украина
44
странах с более мягкими ограничениями, относящимися к залоговой
стоимости.
Медианный уровень долговой нагрузки в отрасли, согласно
М. Франку и В. Гойалу, способен хорошо прогнозировать соотношение
собственного и заемного капитала, так как позволяет учесть упущенные
из
внимания
детерминанты
[Frank,
Goyal,
2009].
На
данных
развивающихся рынков капитала на данный момент не найдено
исследований, оценивающих степень влияния, оказываемого медианным
уровнем долговой нагрузки, на выбор менеджментом соотношения
собственного и заемного капиталов. Однако в ряде работ исследуется
значимость отраслевой специфики компаний. Так, Е. Ниворожкин
[Nivorozhkin,
2002]
не
ограничивает
свой
анализ
компаниями
нефинансового сектора, а включает фиктивную переменную для
компаний, представляющих данный сектор. Автор приходит к выводу,
что в компаниях, функционирующих в промышленном секторе,
наблюдается более высокий уровень долга. Отраслевые характеристики
оказались значимым фактором и в исследовании индийских компаний
[Bhaduri, 2002]. В ряде работ также показано, что компании
подстраивают свой уровень долга к медианному, что также близко к
наблюдаемому стилизованному факту возврата к среднему ([Gilson,
1997], [Flannery, Rangan, 2006], [Frank, Goyal, 2009], [Hovakimian et al.,
2001]).
Ожидаемый темп инфляции может оказывать влияние как на
целевой уровень долговой нагрузки, определяемый компанией, так и на
скорость приспособления к целевому показателю. Предполагаемое
положительное влияние ожидаемого темпа инфляции и уровня долговой
нагрузки может быть объяснено как с точки зрения компромиссной
теории (при росте темпов инфляции реальная стоимость налогового
щита растет), так и с точки зрения теории отслеживания рынка
45
(менеджменту выгодно привлекать заемное финансирование при
высоком уровне инфляции). Однако на развивающихся рынках темпы
инфляции не всегда демонстрируют ожидаемое влияние: если в работе
Р. Де Хаас и М. Питерса для ряда стран выявлена прямая зависимость
[De Haas, Peeters, 2006], то в исследовании Е. Ниворожкина
продемонстрирована обратная зависимость долговой нагрузки от уровня
ожидаемой инфляции [Nivorozhkin, 2005].
В своем исследовании долгосрочных тенденций СК на данных 34
развивающихся рынков Т. Миттон [Mitton, 2008] показал, что
существенное увеличение долговой нагрузки в исследуемый им период
1980-2004 годов на развивающихся рынках капитала в большей степени
может
быть
объяснено
соответствующими
изменениями
фундаментальных детерминант компаний. Среди данных факторов
автор выделил увеличение размера капитала компаний, снижение
доходности совокупного капитала, увеличение доли материальных
активов и сокращение возможностей роста.
Значимость традиционных детерминант на развивающихся рынках
выявил и И. Панди [Pandey, 2001], анализируя выборку компаний
Малайзии:
по
результатам
анализируемых
компаний
сквозной
модели
регрессии
существенно
зависит
от
СК
доходности
совокупного капитала, размера компании, роста, структуры активов, при
этом
влияние
инвестиционных
незначительно.
проведенное
Исследование
Е.
возможностей
на
Ниворожкиным
данных
компании
компаний
[Nivorozhkin,
2002],
на
СК
Венгрии,
показало
зависимость СК от доли долгосрочных материальных активов, размера
капитала компании, доходности совокупного капитала.
Однако
традиционными
детерминантами
список
факторов,
влияющих на СК в развивающихся странах, не ограничивается.
Последователи компромиссной теории СК, подчеркивают значимость
46
налогового щита (Tax shield) в качестве детерминанты выбора
соотношения
собственного
потенциально
возможный
и
заемного
капиталов.
Чем
выше
уровень налогового щита, тем выше
оптимальный для компании уровень долговой нагрузки. Как правило,
налоговый щит рассчитывается как эффективная налоговая ставка для
компании. Однако результаты, получаемые на развивающихся рынках,
нередко обратны ожидаемым, что может быть объяснено с точки зрения
теории порядка финансирования, если использовать эффективную
налоговую ставку в качестве прокси-переменной для совокупной
доходности капитала компании [Céspedes et al., 2010].
Существуют и недолговые налоговые «щиты», к которым в
частности
относится
амортизация.
Таким
образом,
переменная
недолгового налогового щита (Non-debt tax shield), рассчитываемая как
отношение амортизационных отчислений к совокупным активам
компании, должна по мере своего увеличения отражаться в меньшем
уровне долга компании, выступая в роли субститута налоговым
выгодам. Однако на данных развивающихся рынков были выявлены
противоречивые
зависимости
(например,
на
данных
индийских
компаний была обнаружена прямая зависимость [Chakrabotry, 2010], в то
время как для китайских и турецких компаний зависимость обратная
[Qian et al., 2009], [Selim et al., 2012]).
У. Виваттанакантанг [Wiwattanakantang, 1999] обращает внимание
также на значимость делового риска компании (Business risk) при
выборе соотношения собственного и заемного капиталов. Автор
обосновывает значимость данного фактора тем, что компании, в
большей степени подверженные рискам, должны полагаться на
собственный капитал, так как данным компаниям сложнее привлекать
дополнительный заемный капитал ввиду высоких издержек финансовой
неустойчивости. Значимость данного показателя при формировании СК
47
малазийских компаний выявил И. Панди [Pandey, 2001]. При проведении
исследования на данных польских компаний К. Мазур [Mazur, 2007]
использует в качестве прокси переменной делового риска стандартное
отклонение
процентного
изменения
операционной
прибыли.
Переменная может рассчитываться и как стандартное отклонение
первого дифференциала продаж за последние пять лет, нормированные
на средний уровень совокупных активов.
Агентские и поведенческие факторы, наиболее сложные для
аппроксимирования ввиду их неявного характера, также анализируются
исследователями, так как оказывают значимое влияние на формирование
политики
финансирования
компаний
на
развивающихся
рынках
капитала. В работе У. Виваттанакантанга [Wiwattanakantang, 1999]
анализируется целый ряд фиктивных переменных, отвечающих за
степень асимметрии информации, в основном отражающих структуру
собственности компании. Анализируемые переменные отвечают на
следующие вопросы: находится ли контролирующий пакет акций
компании в руках у семьи (Family ownership), у менеджмента
(Management owned) или у иностранных инвесторов (Foreign-owned),
высока ли степень концентрации собственности в компании (Degree of
ownership concentration), входит ли компания в состав крупного
холдинга (Conglomerate group), обладает ли компания репутацией, что,
по мнению автора, должно быть отражено в длительном сроке
существования
компании
(Reputation),
велик
ли
размер
совета
директоров (Size of the board of directors). Все перечисленные
переменные могут оказывать разностороннее влияние на уровень долга в
компании в зависимости от способа интерпретации. Например,
компании, управляемые семьей, как правило, небольшого размера, что
мешает привлечь долговое финансирование. С другой стороны, в
данном типе компаний асимметрия информации минимальна, а значит,
48
привлечение долга должно быть более простым. И, напротив, когда речь
идет о компании, входящей в состав крупного холдинга, привлечение
заемного капитала сопряжено с меньшими сложностями ввиду
ассоциирования ее с крупным холдингом, выступающим в данной
ситуации гарантом безопасности долга. Однако асимметрия информации
в сложных структурах высока, что мешает привлечению долгового
финансирования.
В
ходе
исследования
тайских
компаний
У. Виваттанакантанг [Wiwattanakantang, 1999] заключил, что на СК
котируемых тайских компаний оказывают влияние и структура
собственности компании, однако степень воздействия факторов,
связанных с корпоративным управлением, низка.
Исследование влияния на СК ряда переменных, отражающих
структуру собственности, продолжил Е. Ниворожкин [Nivorozhkin,
2002], показав наличие большей доли долга в структуре капитала
компаний, имеющих в качестве одного из основных акционеров
государство. Анализ детерминант российских компаний был расширен
И. Ивановым [Ivanov, 2010] за счет включения фактора наличия в
структуре собственников олигархов. Согласно полученным результатам,
данным компаниям свойственно привлекать больше долгосрочных
кредитов. При анализе детерминант СК польских компаний выяснилось,
что
фирмы,
мажоритарными
акционерами
которых
являются
иностранные инвесторы, обладают большей долговой нагрузкой
[Hussain, Nivorozhkin, 1997]. М. Крнигож и соавторы [Crnigoj et al., 2009]
при анализе словенских компаний фокусируют внимание также на
компаниях, управляемых сотрудниками и менеджментом.
В работе Дж. Анга и соавторов, выполненной на данных компаний
США, в качестве одного из показателей, способного учесть агентские
издержки,
учитывается
коэффициент
использования
активов,
рассчитываемый как отношение выручки от продаж к совокупным
49
активам [Ang et al., 2000]. Данный коэффициент позднее стал
использоваться
в
работах
авторов,
изучающих
особенности
развивающихся рынков капитала. Предполагается, что при прочих
равных, компаниям с высокими агентскими издержками свойственно
некорректное поведение менеджмента, заключающееся в недостаточном
приложении
усилий,
принятии
неэффективных
инвестиционных
решений, приобретению излишних представительских активов и т.д.,
что должно отразиться в низком коэффициенте использования активов.
В целом результаты исследования показали, что агентские издержки
выше для компаний с меньшей долей собственности менеджмента;
большим числом акционеров, не являющихся менеджментом; при
меньшем внешнем мониторинге со стороны банков.
Если Виваттанакантанг использовал возраст как переменную,
отвечающую за уровень репутации компании, то С. Бадури включает
данный показатель, считая, что чем старше компания, тем более она
информационно открыта, что опять же сказывается на степени
асимметрии информации [Bhaduri, 2002]. Автор вводит и еще одну
детерминанту, коэффициент выплаты дивидендов, с целью добавления
сигнальных инструментов долговой политики. Согласно сигнальной
концепции,
компания,
выплачивающая
дивиденды,
обладает
достаточными собственными источниками финансирования и не
нуждается в дополнительном привлечении долга. Опять же, выплачивая
дивиденды, компания подает сигнал о своем устойчивом финансовом
состоянии.
В
ряде
исследований
также
проанализированы
факторы
уникальности активов компании, такие как доля расходов на НИОКР в
продажах и расходов на рекламу в продажах (например, С. Бадури
[Bhaduri, 2002]). Согласно компромиссной теории, компаниям с
высокими уровнями данных показателей сложно привлечь заемный
50
капитал
ввиду
высокой
вероятности
возникновения
издержек
финансовой неустойчивости. С точки зрения агентской концепции, при
высокой
степени
уникальности
активов
растут
возможности
«окапывания» менеджмента (management entrenchment), следовательно,
менеджмент будет стремиться к выбору меньшего уровня долга [Berger
et al., 1997]. В целом исследование С. Бадури, проведенное на данных
индийских компаний, показало значимость таких факторов, как
возможности
роста,
размер
совокупного
капитала
и
степень
уникальности активов компании.
Необходимо отметить, что существует и ряд прочих факторов,
значимость которых проверяется авторами на развивающихся рынках
реже. Например, наличие у компании кредитного рейтинга, стадия
жизненного
цикла,
местонахождение
главного
офиса
компании,
стандарт финансовой отчетности [Ivanov, 2010].
В качестве детерминант СК могут быть включены и лаговые
переменные. В частности это относится к переменным, отвечающим за
доходность
совокупного
капитала
компаний
и
инвестиционные
возможности компании. Так, согласно И. Панди [I.M.Pandey, 2001],
компания может привлекать заемный капитал, если в предыдущих годах
ее показатели доходности совокупного капитала были высоки, так как
именно на основании фактических данных кредитные инспекторы
делают вывод о благополучном финансовом положении компании.
Кроме того включение лаговых переменных позволяет частично
избавиться от возможных проблем с эндогенностью переменных
[Wanzenried, 2006].
Кроме внутрифирменных детерминант на выбор соотношения
собственного и заемного капиталов влияют и внешние по отношению к
компаниям факторы, значимость которых может быть выявлена при
51
проведении межстранового анализа, либо проведении анализа на данных
за длительный временной период.
В одной из первых работ, проведенных на многонациональной
выборке с развивающихся рынков капитала, Л. Бут и соавторы [Booth et
al., 2001], анализируя СК компаний из десяти стран, выделили
следующие макроэкономические факторы, оказывающие влияние на
соотношение собственного
и
заемного
капиталов: темп роста
экономики, отношение рыночной капитализации фондового рынка к
ВВП,
объем
сделок
на
финансовом
рынке,
уровень
развития
финансового посредничества (выраженного в стоимости услуг как доли
ВВП). Исследование выявило общие черты, характерные для стран с
развивающимися рынками капитала. Это, в первую очередь, значимость
переменных, отвечающих за асимметрию информации и агентские
издержки,
так
как
именно
для
незрелых
рынков
асимметрия
информации наиболее существенна. Основные факторы, влияющие на
СК развитых стран (доходность совокупного капитала, отношение
рыночной стоимости к балансовой, отражающее возможности роста,
доля материальных активов), оказывают идентичный эффект и на
развивающихся рынках капитала. Однако ввиду существования ряда
институциональных
различий
между
странами
влияние
данных
факторов неодинаково для различных стран. Таким образом, авторы
исследования приходят к заключению о большей значимости обладания
информацией
о
специфике
развивающихся
стран
для
анализа
характерной для их компаний СК, чем знаний о величине наиболее
распространенных факторов.
В исследовании на данных 34 стран с развивающихся рынков
капитала Т. Миттон [Mitton, 2008] показал, что факторы, отвечающие за
доступность заемного капитала в стране, а также за степень
открытости экономики, оказывают влияние на уровень долговой
52
нагрузки, однако в меньшей степени, нежели внутрикорпоративные
факторы.
В работе Дж. Ханусека и А. Шамшура [Hanousek, Shamshur, 2011]
на данных семи европейских стран (Чехия, Эстония, Венгрия, Литва,
Латвия, Польша, Словакия) за 1996-2006 годы показано, что слабая
реакция долговой нагрузки на внешние экономические условия связана,
в том числе, с наличием финансовых ограничений в компаниях.
Используя модель с эндогенным переключением режимов, разделяющих
финансово ограниченные и неограниченные компании, авторы показали,
что вторая группа компаний реагирует на макроэкономические
изменения в большей степени и быстрее корректирует свой уровень
долговой нагрузки в сторону целевого показателя ввиду большей
гибкости в политике финансирования. Деление компаний по признаку
финансовой
ограниченности
также
приводится
в
исследовании
А. Стефана и соавторов [Stephan et al., 2011], проведенном на данных
украинских компаний, однако в данной работе вводятся разные
классификации данного деления: на основе размера капитала компании,
коэффициента текущей ликвидности и долговой нагрузки, доступа к
рынку облигаций.
Альтернативной точки зрения придерживаются А. Де Джонг и
соавторы [De Jong et al., 2008]. Согласно проведенному ими
исследованию на данных 42 стран, детерминанты СК отличны между
странами. Более того, авторы заключили, что макроэкономические
факторы влияют на выбор СК опосредованно через воздействие на
внутрифирменные показатели8.
Таким
образом,
суммируя
результаты
исследований
на
развивающихся рынках капитала, можно заключить, что традиционные
8
Среди стран, попавших в выборку авторов следующие страны, анализируемые в данном
диссертационном исследовании: Бразилия, Китай, Индия, Хорватия, Венгрия, Польша, Турция.
53
факторы, влияющие на СК, в целом идентичны для разных стран,
отлична только степень оказываемого ими влияния. Однако для
развивающихся рынков капитала значимы и факторы, усиливающие или
снижающие степень асимметрии информации. Во-вторых, выявленные
направления
влияния
предпосылками
детерминант
компромиссной
во
многом
динамической
соотносятся
концепции,
с
что
обосновывает гипотезу диссертационного исследования о применимости
данной концепции для объяснения формирования СК на развивающихся
рынках капитала. Влияние агентских и поведенческих факторов,
макроэкономических параметров, обнаруженные в исследованиях на
развивающихся рынках, также могут быть инкорпорированы в модель
формирования СК в рамках динамической концепции согласно схеме,
представленной на рисунке 3. В-третьих, выявленные расхождения в
результатах эмпирических исследований на данных развивающихся
рынков капитала во многом вызваны различиями в агрегированных
фундаментальных показателях компаний на уровне стран (средние
размеры
капитала
возможностей
компании,
роста,
доходности
структуры
активов
совокупного
компании),
капитала,
а
также
институциональными и макроэкономическими различиями между
странами.
Сводная таблица исследований детерминант СК с указанием
возможных прокси-переменных данных показателей, представлена в
Приложении 1.
54
Выводы по первой главе диссертационного исследования
В первой главе диссертационного исследования
проанализированы
ключевые
принципы
компромиссной
были
теории
формирования СК. При этом были получены следующие результаты:
1. Обобщены ограничения статической компромиссной теории СК,
обосновывающие необходимость развития динамической версии
компромиссной теории: однопериодный характер, приводящий к
невозможности объяснить вариацию в уровнях долговой нагрузки
компаний во времени, способ достижения компанией оптимальной
СК, неспособности выделить роль нераспределенной прибыли в
выборе СК; противоречие предполагаемой концепцией прямой
зависимости между выбираемым компанией уровнем долговой
нагрузки и доходностью совокупного капитала наблюдаемой на
практике устойчивой обратной зависимости.
2. Суммированы
преимущества
и
ограничения
динамической
компромиссной теории СК. К преимуществам динамической версии
компромиссной теории перед статической версией относятся:
возможность учета роли нераспределенной прибыли, изменения
целевой СК во времени и способа ее достижения, способность
объяснить обратную зависимость между уровнями долговой нагрузки
и доходности совокупного капитала. Недостатки динамической
концепции заключаются в ограниченном наборе детерминант
целевого уровня СК, не учете агентских и поведенческих мотивов
при выборе долговой нагрузки, недооценки роли необходимости во
внешнем финансировании, возможностей менеджмента использовать
благоприятные рыночные
возможности
привлечения
внешнего
капитала.
55
3. Разработана
система
факторов
моделирования
динамической
компромиссной концепции СК на базе анализа преимуществ и
ограничений концепции.
4. Выделены особенности развивающихся рынков капитала: высокие
инвестиционные возможности, высокие инвестиционные риски,
низкая ликвидность фондовых рынков, непрозрачность информации,
значимость инсайдерской информации, недоказанность гипотезы
эффективности рынка, небольшие объемы торгов на финансовых
рынках, многоуровневая структура собственности, слабая развитость
корпоративного
управления,
высокая
доля
компаний,
принадлежащих или принадлежавших государству.
5. Обобщены результаты эмпирических исследований детерминант СК
на развивающихся рынках капитала: традиционные детерминанты СК
(размер капитала компании, доходность совокупного капитала,
возможности
роста,
структура
активов
компании
(степень
материальности активов), медианный уровень долговой нагрузки по
отрасли, темп инфляции) значимы на развивающихся рынках
капитала, однако степень и направление влияния отличны между
странами, при этом также значимы факторы, отвечающие за степень
асимметрии информации, макроэкономические и институциональные
детерминанты.
6. Выявлены
основные
причины
расхождений
в
результатах
эмпирического анализа детерминант: различия в агрегированных
фундаментальных показателях компаний на уровне стран (средние
размеры капитала компании, доходности совокупного капитала,
возможностей роста, структуры активов компании), а также различия
в уровнях макроэкономического и институционального развития
стран.
56
Глава 2. Моделирование движения к целевой структуре капитала
Моделирование динамической компромиссной концепции выбора
СК предполагает введение в анализ ряда предпосылок. Базовая
эконометрическая модель динамической компромиссной концепции
представлена следующей моделью частичного приспособления:
Lt  Lt 1 a 0   ( L*t  Lt 1 )   ,
(2)
где L – показатель долговой нагрузки, L* – целевой уровень
долговой нагрузки,  - скорость приспособления к целевому показателю
долговой нагрузки.
Основные элементы моделирования включают в себя показатель
целевого уровня долговой нагрузки и скорости приспособления.
Существующие исследования рознятся в предпосылках, что во многом
приводит к различным результатам и сложностям их сопоставления. В
данной главе представлены особенности формирования целевого
соотношения
собственного
и
заемного
капиталов
и
скорости
приспособления к целевым параметрам, которые необходимо иметь в
виду при моделировании соотношения D/E. В третьем разделе
обобщены
результаты
концепций
СК.
эмпирического
Последний
раздел
тестирования
главы
суммирует
основных
проблемы
эмпирического анализа СК.
2.1. Методы исследования целевой структуры капитала
Целевой уровень долговой нагрузки в рамках динамической
компромиссной модели определяется исходя их предельных выгод и
издержек заемного финансирования. В первой главе диссертационного
исследования в числе издержек и выгод заемного финансирования
обозначены
детерминанты
компромиссной
теории,
агентской
и
57
поведенческих концепций. Однако на данный уровень оказывают
влиияние и ряд других факторов, анализируемых в данном разделе.
1. Взаимосвязь СК с политикой выплат и инвестиционными
решениями фирмы
Одной из общепринятых предпосылок анализа СК является
независимость инвестиционных решений и решений о финансировании,
базирующаяся
на
выводах
теоремы
о
разделении
Фишера,
соблюдающейся при предпосылках Ф. Модильяни и М. Миллера.
Большинство
предпосылки.
эмпирических
Тем
не
работ
менее
исходит
именно
очевидна
из
данной
взаимозависимость
инвестиционных решений и решений, связанных с выбором СК. Среди
ключевых
эмпирически
наблюдаемых
фактов,
приводящих
к
неэффективным инвестициям и связанных с выбором соотношения
собственного и заемного капиталов, можно выделить: замещение
активов (asset substitution), выражаемое в смещение от менее рисковых
инвестиций к более рисковым и переносе всех рисков на кредиторов;
проблема нависания долга (debt overhang), заключающаяся в отказе от
эффективных инвестиционных проектов ввиду перераспределения
денежных потоков по проекту от акционеров к кредиторам; выбор
второстепенных проектов с короткими сроками окупаемости; отказ от
ликвидации [Parsons, Titman, 2008]. Однако в части исследований
учитывается взаимосвязь инвестиций и СК ([Titman, Tsyplakov, 2007],
[Hennessy, Whited, 2005]). Включение в модель ограничений, связанных
с необходимостью проведения инвестиционной политики, как правило,
реализуется
посредством
введения
дополнительных
детерминант
оптимальной СК, отвечающих за величину инвестиционных вложений
компании в данном или предыдущем периодах. Однако есть и модели с
эндогенно заданными инвестициями. Например, в модели Х. ДеАнджело
и соавторов [DeAngelo et al., 2010] введение эндогенных инвестиций
58
приводит
к
снижению
скорости
приспособления:
в
условиях
ограниченной кредитоспособности целевая СК ниже для обеспечения
возможности финансирования будущих инвестиционных возможностей.
Политика выплат и связь выбора оптимального уровня дивидендов
с выбором D/E является следующим элементом, способным оказывать
воздействие на целевой уровень долговой нагрузки. Исследователям
необходимо решать, какую долю свободных денежных средств
компания должна выплачивать своим акционерам. В то время как
наиболее очевидный ответ заключается в выплате в размерах всего
фонда свободных денежных средств [Titman, Tsyplakov, 2007], ряд
авторов утверждает, что данная предпосылка излишне упрощает вопрос
учета дивидендов и, соответственно, нераспределенной прибыли
[Hennessy, Whited, 2005]. Взаимосвязь решений о выплате дивидендов и
выборе СК исследована в работе А. Джалилванда и соавторов [Jalilvand
et
al.,
1984]
посредством
построения
системы
уравнений,
предполагающих поведение частичного приспособления для обоих
видов финансовых решений.
2. Учет нераспределенной прибыли
Вопрос роли нераспределенной прибыли является следующим
важным
параметром
при
моделировании
СК.
Величина
нераспределенной прибыли не может быть учтена в рамках статической
теории компромисса из-за однопериодного характера модели [Frank,
Goyal, 2008], в то время как в динамической модели есть возможности
учета подобных вопросов путем включения переменных, отвечающих за
внутренний финансовый дефицит компании в каждом из периодов,
зависящего, в том числе, от величины нераспределенной прибыли.
3. Возврат к среднему уровню долговой нагрузки (mean reversion)
Наблюдаемая
в
долгосрочном
периоде
стационарность
агрегированного показателя СК относится к одному из выявленных в
59
работе М. Франка и В. Гойала [Frank, Goyal, 2008] стилизованных
фактов выбора СК. Данный факт, подтверждающий значимость возврата
к среднему, отражен и в ряде других работ. Для эмпирической проверки
данной гипотезы не редко в качестве целевой долговой нагрузки
используется показатель исторического медианного или среднего
уровня долга. В работе П. МакКэй и Г. Филлипса доказано, что
отраслевые особенности оказывают значимое влияние на формирование
СК [MacKay, Phillips, 2005]. Дж. Грэхам и М. Леари указывают на две
возможные
причины
внутрифирменного
возврата
к
среднему:
существование оптимального диапазона СК, либо присутствие серийной
корреляции в величинах
внутреннего финансового дефицита и
доходности
капитала
совокупного
при
следовании
компанией
концепции порядка финансирования [Graham, Leary, 2011].
4. Связь
СК
с
необходимостью
в
дополнительном
финансировании и доступностью источников финансирования
Компромиссная
концепция
СК,
обосновывая
оптимальное
соотношение собственного и заемного капиталов, принимает во
внимание только выгоды и издержки, связанные с каждым из
возможных источников финансирования, однако упускает из вида два
вопроса: наличие необходимости в дополнительном финансировании
компании, а также доступность различных источников финансирования.
Введение данных факторов посредством учета инвестиционных планов
компаний (не покрываемых внутренними источниками финансирования)
и включения в модель переменных, отражающих уровень доступности
внешних источников финансирования, улучшает результаты анализа
определения СК в динамике [Ivanov, 2010].
5. Модель Майерса и концепция финансовой архитектуры
Новый взгляд на формирование СК появился благодаря введению
понятия финансовой архитектуры, определенного С. Майерсом в 1999
60
году [Myers, 1999]. Финансовая архитектура предполагает совокупный
финансовый дизайн компании, включающий форму собственности,
организационную
форму,
систему
корпоративного
управления,
структуры финансирования и распределения риска. Таким образом,
исследовать СК без привязки к остальным компонентам финансовой
архитектуры, согласно С. Майерсу, некорректно.
Наиболее популярный класс исследований в рамках финансовой
архитектуры фокусирует внимание на вопросе наличия или отсутствия
эндогенности между структурой собственности и структурой капитала.
В исследовании К. Химмелберга и соавторов [Himmelberg et al., 1999]
ставится вопрос о существовании эндогенности, авторы настаивают на
отказе
от
предпосылки
экзогенности
структуры
собственности.
Технически, данный вопрос может быть решен включением в модель
возможности наличия эндогенности, а также формированием системы
одновременных
уравнений. Проблемы
эндогенности могут быть
частично решены и посредством проведения исследований методом
кластерного анализа [Kokoreva, Stepanova, 2012].
Исследование эндогенности элементов финансовой архитектуры,
проведенное научно-учебной лабораторией корпоративных финансов
НИУ ВШЭ, посвящено исследованию влияния структуры собственности
компании на корпоративную эффективность на развивающихся рынках
капитала [Ивашковская, Степанова, 2009]. Одним из этапов данного
исследования является эмпирическая проверка экзогенности структуры
собственности и СК компаний. Для тестирования гипотезы авторами
была построена модель зависимости между структурой капитала и
структурой собственности. Авторы пришли к выводу об отсутствии
значимой зависимости между структурой капитала и структурой
собственности.
61
6. Взаимозависимость
СК
и
отношений
компании
со
стейкхолдерами
Идея осмысления СК с точки зрения стейкхолдеров расширяет
горизонты анализа. В то время как в основном пласте работ,
посвященных
выбору
СК,
анализируется
влияние
отношения
собственного и заемного капиталов на стоимость компании посредством
изменения затрат на капитал, не меньшей значимостью обладают
работы, исследующие влияние финансового рычага на взаимоотношения
со стейкхолдерами и оценку стейкхолдерами издержек финансовой
неустойчивости. Таким образом, с данной точки зрения оптимальная СК
может
достигаться
при
минимизации
издержек
финансовой
неустойчивости, оцениваемых стейкхолдерами. В работе К. Парсона и
Ш. Титмана [Parsons, Titman, 2008] нефинансовые стейкхолдеры
определяются
как
лица,
которые
прямо
или
опосредованно
заинтересованы в долгосрочной жизнеспособности фирмы. Согласно
работе Дж. Грэхама и М. Леари, на выбор целевого соотношения
собственного и заемного капиталов должны оказывать влияния
взаимоотношения фирмы с поставщиками и клиентами, сотрудниками
[Graham, Leary, 2011].
7. Гибкость во времени принятия решений об изменении СК
Важным вопросом, способным быть исследованным в рамках
динамической компромиссной модели, является вопрос откладывания
решений
об
изменении
СК.
Наличие
возможностей
изменения
финансового рычага в будущем заложено в ряд исследований [Fischer et
al., 1989], [Strebulaev, 2007]. М. Франк и В. Гойал [Frank, Goyal, 2008]
утверждают,
что
в
данном
случае
при
наличии
издержек
рекапитализации фирмам становится оптимально лишь периодически
изменять СК, что приводит к отклонению фактического уровня СК от
оптимума большую часть времени.
62
2.2. Моделирование скорости приспособления и границ
отклонений от целевой структуры капитала
Наиболее поздние работы, посвященные динамическим моделям
выбора
СК,
поддерживают
идеи
существования
определенного
оптимального интервала, находясь внутри которого менеджмент
компаний не предпринимает активных действий по изменению СК.
Существование данного интервала бездействия может быть объяснено с
точки зрения политики (s, S), подразумевающей наличие нижней (s) и
верхней границ (S) оптимального диапазона соотношения D/E [Fischer et
al., 1989]. В работе М. Леари и М. Робертс [Leary, Roberts, 2005] описаны
три возможных вида оптимального интервала СК, зависящих от типа
издержек
приспособления:
пропорциональные
издержки
издержки,
приспособления.
В
фиксированные
фиксированные
случае
и
издержки,
слабовыпуклые
фиксированных
издержек,
описанных в работе Э. Фишера и соавторов [Fischer et al., 1989],
компания возвращается к первоначальному (целевому) уровню долговой
нагрузки, как только фактический показатель достигает какой-либо из
границ оптимального интервала. Так как размер и затраты на
рекапитализацию
(размер
и
частота
выпусков
или
выкупов
долга/собственного капитала) в данном случае независимы друг от
друга, компания возвращается каждый раз к первоначальному уровню
долговой нагрузки, а политика рекапитализации носит нерегулярный
характер. В случае пропорциональных затрат значимые изменения СК
становятся
слишком
изменений:
как
дорогими,
только
что
долговая
приводит
нагрузка
к
кластеризации
достигает
границы,
менеджмент меняет СК настолько несущественно, чтобы данного
изменения хватало лишь для попадания в диапазон бездействия. Случай
же фиксированных и слабо выпуклых затрат совмещает черты двух
предыдущих режимов. Фиксированность затрат приводит к тому, что
63
компании
совершают
достаточно
крупные
изменения
долговой
нагрузки, для того, чтобы преимущества рекапитализации превосходили
фиксированные затраты. С другой стороны, выпуклость функции затрат
приводит к более значительным затратам для каждой последующей
денежной единицы изменений. Как результат, основные изменения
лежат на неких уровнях долговой нагрузки (верхнем и нижнем),
лежащих внутри оптимального диапазона. Графическое представление
данных типов приспособления представлены в Приложении 2.
Попытки оценить границы оптимально диапазона представлены в
работах Э. Фишера и соавторов [Fischer et al., 1989] и Э. Дадли [Dudley,
2007]. В появившемся раньше исследовании Фишера и соавторов
задается зависимость стоимости компании от различных параметров, в
том числе и границ оптимальной долговой нагрузки. Значения границ
вычисляются с помощью максимизации функции стоимости. Чтобы
выяснить, как границы зависят от какой-либо переменной, авторы
смотрят, что
происходит с
переменной
и
границами
фиксированных
при
прочих
изменении
переменных.
данной
Авторы
рассчитывают границы для разных значений ставки корпоративного
налога, персонального налога (для учета относительного налогового
преимущества с учетом персональных налогов), транзакционных
издержек,
безрисковой
ставки
процента,
издержек
финансовой
неустойчивости и дисперсии доходности. Недостатком подхода является
необходимость
введения
большого
набора
предпосылок
для
моделирования стоимости фирмы. Э. Дадли
[Dudley, 2007] была
предложена
удалось
модель,
в
рамках
которой
преодолеть
необходимость задавать такую функцию. Для реализации поставленной
задачи автор вводит функции верхней и нижней границ, зависящие от
детерминант
СК,
далее
рассчитываются
вероятности
попадания
финансового рычага компании в одно из трех состояний: выше верхней
64
границы, ниже нижней границы и внутри оптимального диапазона.
Оценка полученных уравнений нелинейным методом наименьших
квадратов позволяет автору как определить степень воздействия
детерминант на уровни границ, так и впоследствии рассчитать сами
границы.
Анализу
посткорректировочного
уровня
долговой
нагрузки
(показателя D/E, достигаемого компанией после изменения СК) на
данный момент посвящено небольшое количество работ ввиду
сложности разработки релевантной методологии. Э. Фишер и соавторы
[Fischer et al., 1989] полагают, что, при выходе за границы оптимального
диапазона
СК,
менеджеры
возвращают
долговую
нагрузку
на
оптимальный уровень. При этом не имеет значения, была ли преодолена
верхняя или нижняя граница. Однако, по мнению Д. Мауэра и А.
Триантиса [Mauer, Triantis, 1994], существует зависимость между тем,
снижала или повышала компания долговую нагрузку и итоговым ее
уровнем. Э. Дадли [Dudley, 2007] предполагает возможность излишней
корректировки (over adjustment) или недостаточной корректировки
(under adjustment).
Наличие некого целевого диапазона подтвержает и исследование
Дж. Грэхама и К. Харви [Graham, Harvey, 2001]. Согласно проведенному
опросу генеральных директоров (СЕО) у 37% компаний есть гибкий
целевой уровень долговой нагрузки, а еще у 34% строгий диапазон или
же конкретное значение долговой нагрузки. Дальнейший анализ
скорости приспособления вводит различные предпосылки относительно
симметричности приспособления. Так, В. Данг и соавторы [Dang et al.,
2012]
представляют
модель
частичного
приспособления
с
переключающимися режимами. Данная модель позволяет авторам
заключить, как скорость приспособления отличается у компаний,
существенно различающимся по издержкам приспособления, что
65
формально соответствует нахождению компаний в различных режимах
(высоком
и
низком).
Исследовательская
модель
может
быть
формализована следующим образом:
Lit  1 ( L*it  Lit 1 )1qit c    2 ( L*it  Lit 1 )1qit c   eit
(3)
где 1{.} является индикатором нахождения в том или ином
*
режиме, Lit – целевая СК i-ой компании в период времени t, Lit –
фактическая СК i-ой компании в период времени t. Принадлежность к
тому или иному режиму в модели определяется исходя из значений
таких факторов, как доходность совокупного капитала, финансовые
ограничения, выраженные дивидендными выплатами и инвестициями
фирмы, возможности роста, размер капитала компании, отклонение от
целевой СК. Авторы выявили, что скорость приспособления снижается
по мере роста отклонения от целевой СК, бόльших возможностей роста
компании;
усиления
финансовых
ограничений,
измеренных
коэффициентом дивидендных выплат или инвестиций фирмы.
В исследовании Г. Ванзенрид [Wanzenried, 2006] скорость
приспособления представлена как переменная, эндогенно зависящая от
характеристик
фирмы,
но
в
набор
детерминант
скорости
приспособления включены институциональные и макроэкономические
переменные. Результаты сравнительного анализа США и стран Европы
показали,
что
развитость
эффективность
национального
законодательной
системы
и
финансового
защиты
рынка,
акционеров,
экономический рост и инфляция положительно влияют на скорость
приспособления. Уровень цен акций на фондовом рынке и процентных
ставок
препятствует
корректировке
финансового
рычага
до
оптимального уровня, так как возникают выгоды использования
относительно
более
дешевых
на
данный
момент
источников
финансирования.
66
В
исследованиях,
в
которых
проводилось
одновременное
моделирование целевого уровня долговой нагрузки и скорости
приспособления, скорость приспособления принимает ожидаемые
положительные значения, не достигающие 100% ([Miguel, Pindado,
2001]; [Flannery, Rangan, 2006]; [Lemmon et аl., 2008]). При этом работы,
проведенные на симуляционных данных, где в выборке изначально
находится 30% компаний, придерживающихся оптимального уровня
долговой нагрузки, а остальные компании не подстраивают СК к
целевым параметрам, демонстрируют скорость приспособления 30,6%.
Данный факт, выявленный Фланнери и Ранганом, говорит о том, что
само построение динамических моделей приводит к выявлению
положительных
показателей
скорости
приспособления
[Flannery,
Rangan, 2006], а находимый в исследованиях показатель скорости
приспособления отражает скорость среднестатистической компании в
выборке.
Анализ
приспособления,
работ,
посвященных
позволяет
исследованию
суммировать
возможные
скорости
варианты
применяемых методов оценивания. Так, Е. Фама, К. Френч [Fama,
French, 2002] применяют двушаговую модель с определением целевой
СК на основе значимых детерминант долговой нагрузки, в работе М.
Флэннери, К. Рангана применяется обобщенный метод моментов
Ареллано-Бонда [Flannery, Rangan, 2006]. О воздействии метода оценки
на полученные результаты упоминается в работе М. Леммона и
соавторов [Lemmon et al., 2008]. В. Данг и соавторы [Dang et al., 2012]
добавляют, что оценки скорости приспособления, полученные с
помощью сквозных регрессий МНК, смещены в сторону уменьшения, в
то время как оценки моделей с фиксированными эффектами завышены,
а оценки обобщенных методов моментов (ОMM) представляют некие
средние значения. При этом установлено, что метод Ареллано-Бонда
67
более
адекватно
приспособления
описывает
ввиду
динамические
возможности
модели
учета
частичного
ненаблюдаемых
фиксированных эффектов, значимых при объяснении вариации долговой
нагрузки [Baltagi, 2009].
2.3. Мотивы выбора структуры капитала компаний с
развивающихся финансовых рынков
Отдельный
пласт
исследований,
относящихся
к
структуре
капитала, фокусируется на тестировании различных теорий СК. В
данном
разделе
кратко
описаны
исследования,
посвященные
тестированию компромиссной теории, теории порядка финансирования,
агентских мотивов, тестированию поведенческих теорий. Обзор работ,
целью которых является тестирование моделей, альтернативных по
отношению
к
компромиссной,
приводится
для
осмысления
необходимости введения в модель диссертационного исследования
факторов, способных учесть данные мотивы выбора СК.
2.3.1. Эмпирическое тестирование теории порядка
финансирования
Первые исследования, ставящие своей целью эмпирическое
тестирование теории порядка финансирования на развивающихся
рынках, продолжали работы авторов, работающих с данными с развитых
рынков капитала ([Shyam-Sunder, Myers, 1999], [A.Adedeji, 2002], [Frank,
Goyal,
2003]).
Тестирование
теории
порядка
финансирования
предполагает включение в анализ переменной внутреннего финансового
дефицита. В исследованиях данного типа предполагается, что компания,
придерживающаяся теории порядка финансирования, увеличивает
долговую нагрузку в ситуации отсутствия внутренних источников
финансирования.
68
Формально гипотеза следования компаниями теории порядка
финансирования проверяется с помощью построения и тестирования
следующей регрессионной модели:
Lit    DEFit   it ,
(4)
где Lit - изменение уровня долговой нагрузки i-ой компании в период
времени t, DEFit – показатель внутреннего финансового дефицита i-ой
компании в период времени t,
 it
- независимо и одинаково
распределенные статистические ошибки. С переменной, отвечающей за
внутренний
финансовый
дефицит,
связаны
основные
вариации
исследований. В работе Д. Ю и Р. Акино [Yu, Aquino, 2009] данная
переменная рассчитывается как сумма дивидендных выплат, денежного
потока от инвестиционной деятельности, чистого изменения оборотного
капитала за вычетом денежного потока, полученного от операционной
деятельности. При этом возникает вопрос об интерпретации негативного
уровня внутреннего дефицита. При получении отрицательного значения,
т.е. при внутреннем профиците финансирования, Х. Ахмед и соавторы
[Ahmed, Hisham, 2009] обнуляют показатель. Данная логика продолжает
логику А. Адедеджи [Adedeji, 2002], предполагающего, что в подобной
ситуации отсутствует необходимость в дополнительном заемном
финансировании. Напротив, компаниям становится доступна реализация
новых инвестиционных возможностей. Следовательно, отрицательное
значение дефицита не должно влиять на изменение долговой нагрузки
компании и должно быть обнулено при проведении эмпирических
исследований. С другой стороны, Б. Сейферт и соавторы [Seifert et al.,
2010], следуя логике Л. Шиам-Сандера и С. Майерса [Shyam-Sunder,
Myers, 1999], сообщают, что компания в таком случае начинает
выплачивать основную часть долга. Методологически это приводит к
69
сохранению
негативных
значений
дефицитов
в
анализе
и,
соответственно, приводит к получению иных результатов.
Проведенное с помощью данной методологии исследование
И. Ивашковской и П. Макарова [Ивашковская, Макаров, 2010] на
данных
европейских
финансирования
стран,
способна
показывает,
объяснить
что
теория
значимую
долю
порядка
новых
заимствований на рынках Центральной и Восточной Европы, при этом
часть выявленных авторами детерминант говорит в пользу значимости
статической компромиссной теории (например, выявленная прямая
взаимосвязь уровня долга и доли долгосрочных материальных активов
компании).
При анализе компаний из 23 стран9 с развивающимися рынками
капитала, Б. Сейферт и соавторы не нашли подтверждения следованию
теории порядка финансирования. Однако для компаний из стран, где
высоки агентские издержки и асимметрия информации (страны были
выявлены
на
основе
индексов
информационных
потоков
и
своевременности информации и индекса, разработанного в работе
С. Дьянкова и соавторов [Djankov et al., 2005]), предпосылки концепции
выполняются [Seifert et al., 2010]. Р. Сеппа при анализе компаний
Эстонии установил свойственное им следование теории порядка
финансирования, причем результаты оказались более устойчивыми для
крупных компаний [Seppa, 2008].
Методология тестирования теории порядка финансирования была
развита в модели М. Франка и В. Гойала [Frank, Goyal, 2003], которые
предложили
разложить
показатель
финансового
дефицита
на
составляющие его элементы, таким образом, тестирование концепции
должно проводиться посредством построения следующей регрессии:
9
В выборку исследования также были включены компании следующих стран, анализируемых в
рамках данного диссертационного исследования: группы стран БРИК, Венгрия, Польша, Чехия
70
Lit    1 DIVit   2 CapEx it   3 WCit   4 CFOit   it
(5)
где Lit - изменение уровня долговой нагрузки i-ой компании в период
времени t, DIVit – выплаченные дивиденды i-ой компанией в период
времени t, CapExit – инвестиции в основной капитал, осуществляемые
компаний i в период t, WCit – изменение в чистом оборотном капитале
за период t, CFOit – денежный поток, получаемый от операционной
деятельности компаний i в период t после выплаты процентов и налогов,
 it – независимо и одинаково распределенные статистические ошибки.
Результаты тестирования концепции порядка финансирования на
данных бразильских компаний [De Medeiros et al., 2005] показывают
значимость данной теории в принятии решений о выборе СК, причем
как на тестах, связанных с первоначальной методологией (полусильной
формой), так и на расширенной методологии (сильной форме
концепции). Авторы подчеркивают, что даже при наличии у компаний
целевой СК (что говорило бы о приоритете теории компромисса),
институциональные и экономические условия Бразилии накладывают
значимые ограничения на политику финансирования компаний. Так,
учитывая высокие ставки краткосрочного и долгосрочного кредитования
и
преимущества
инвестирования
в
государственные
облигации,
предложение частных кредитов ограничено, при этом долгосрочное
кредитование
в
основном
осуществляется
посредством
государственного банка развития BNDES.
На выборке 50 крупнейших компаний Китая за период 2001-2003
Г. Тонг и К. Грин [Tong, Green, 2005] показали, что поведение китайских
компаний в отношении выбора СК в большей степени соотносится с
теорией
порядка
финансирования.
Для
подтверждения
авторы
проводили регрессионный анализ трех моделей: 1) выявляющей
детерминанты СК, 2) выявляющей зависимость между показателем
71
долговой
нагрузки
и
выплатой
дивидендов,
3)
выявляющей
детерминанты инвестиций компании. Первая модель, показавшая
значимую обратную взаимосвязь долговой нагрузки от доходности
совокупного
капитала
компании,
равно
как
и
вторая
модель,
продемонстрировавшая положительную взаимосвязь между текущим
уровнем долга и предыдущими выплатами дивидендов, говорят о
следовании компаниями концепции порядка финансирования. Третья
модель не дала надежных результатов.
Исследование И. Березинец, А. Размочаева и Д. Волкова
[Березинец,
Размочаев,
Волков,
2010]
показывает
соответствие
построения СК российских публичных компаний теории порядка
финансирования, что доказывается на основании детерминантного
анализа. Авторы приходят к данному выводу на основе сравнивнения
знаков полученных значимых коэффициентов с предсказываемыми
знаками
в
соответствии
с
теориями
компромисса
и
порядка
финансирования.
2.3.2. Тестирование теории отслеживания рынка и поведенческих
концепций структуры капитала
Набор исследований поведенческих концепций в основном
сосредоточен на тестировании теории отслеживания рынка, являющейся
наиболее разработанной из класса поведенческих теорий. На развитых
рынках изучение данной проблемы начали М. Бейкер и Дж. Вёглер
[Baker, Wurgler, 2002], последующие работы включают в себя
исследования Р. Хуанг, Дж. Риттер [Huang, Ritter, 2005], А. Ховакимиан
[Hovakimian, 2003], А. Алти [Alti, 2003]. Целью данного класса
исследований является проверка теории, заключающейся в том, что СК
компании в каждый момент времени представляет собой кумулятивный
эффект попыток менеджмента компании на протяжении длительных
предыдущих периодов отслеживать тенденции рынка.
72
Таким образом, в первую очередь тестируется гипотеза, в
соответствии с которой компании выпускают акции в те периоды, когда
они высоко оценены рынком (при высоком значении показателя MTB).
Второй основной задачей эмпирической проверки теории отслеживания
рынка является тестирование устойчивости обнаруженной зависимости
с
целью
доказательства
перманентного
характера
воздействия
показателя MTB на СК корпорации.
Основополагающим в данном классе работ является исследование
М. Бейкера и Дж. Вёглера [Baker, Wurgler, 2002], эконометрическая
модель которых выглядит следующим образом:
D D
M 
 PPE 
 EBITDA 
 D
      a  b   c
  d
  e log S t 1  f    ut
A
 A  t  A  t 1
 B  t 1
 A  t 1

 t 1
 A  t 1
(6),
где
D
  –
 A t
показатель долговой нагрузки,
M 
 
 B
– отношение рыночной
стоимости акционерного капитала к балансовой (ключевой индикатор
концепции отслеживания рынка),
 EBITDA 


A


 PPE 


 A 
 показатель структуры активов,
 доходность совокупного капитала, log S  показатель размера
капитала.
Исследование периода между первичным и последующими
размещениями акций китайских компаний позволило Я. Ни и соавторам
установить незначимость классических концепций СК на данном рынке,
однако выявленная устойчивая обратная зависимость долговой нагрузки
от показателя оценки акций рынком позволила говорить о значимости
теории отслеживания рынка [Ni et al., 2010].
Более масштабное исследование было проведено В. Бесслером и
соавторами, осуществившими эмпирическое тестирование гипотезы
73
отслеживания рынка на данных компаний из 42 стран10. Несмотря на то
что основной целью работы являлась проверка значимости теории
порядка финансирования, результаты исследования позволили авторам
заключить, что выбор СК может быть, в том числе, объяснен с точки
зрения отслеживания рынка [Bessler et al., 2011].
На данных турецких компаний Г. Умутлу установил, что
менеджмент турецких фирм следует концепции отслеживания рынка
капитала только в периоды так называемого «горячего» рынка
первичных размещений (периоды, когда количество размещений
превышает медианное значение), в остальные периоды менеджмент в
большей степени придерживается концепции порядка финансирования
[Umutlu, 2008].
Однако в модели Г. Умутлу в качестве индикатора отслеживания
рынка был рассчитан только показатель МТВ. В более сложных
исследованиях модель модифицируется в целях анализа выявленного
для краткосрочного периода эффекта на более длительном временном
интервале. Для этого в качестве зависимой переменной берется уже не
изменение долговой нагрузки компании, а значение уровня долга в
каждый из анализируемых периодов. При этом вводится дополнительная
зависимая переменная «внешнего финансового средневзвешенного
отношения
рыночной
стоимости
акционерного
капитала
к
бухгалтерской стоимости» (external finance weighted-average market-tobook). Данная переменная отвечает за исторические изменения в
рыночных оценках акций компании, что позволяет выявить для каждой
конкретной компании те лаговые значения МТВ, которые повлияли на
решения менеджмента об изменении СК. Построенная таким образом
модель позволяет протестировать гипотезу, предполагающую, что
10
Среди стран, входящих в выборку в работе, в том числе следующие страны, анализируемые в
данном диссертационном исследовании: Китай, Польша, Индия, Венгрия, Чехия, Россия
74
высокие исторические оценки рынком акций компании приводят к
низкому значению долговой нагрузки.
Проведенное таким образом исследование Д. Нгуен и А. Бубейкер
позволило выявить, что политика финансирования компаний Туниса на
краткосрочном
интервале
может
быть
объяснена
мотивами
отслеживания рынка, однако на долгосрочном горизонте данные мотивы
не являются определяющими [Nguyen, Boubaker, 2009]. Аналогичное
исследование на данных бразильских компаний не выявило устойчивой
зависимости уровня долговой нагрузки от колебаний курса акций
компаний [Mendes et al., 2005].
В целом эмпирическая проверка значимости теории отслеживания
рынка приводит к различным результатам, так как используются
различные прокси-переменные для выявления мотивов отслеживания,
анализируются разные показатели долговой нагрузки. При этом анализ
проводится на рынках, характеризующихся не только несхожими
макроэкономическими и институциональными показателями, но в
периоды активной и пассивной фаз первичных размещений.
2.3.3. Тестирование динамической компромиссной модели на
развивающихся рынках
Эмпирический анализ динамической компромиссной концепции
требует исследования как целевой СК, так и издержек приспособления.
Компании, в силу наличия издержек приспособления, не могут
моментально подстроить свой финансовый рычаг к целевому уровню.
При этом издержки приспособления различаются по странам и зависят
от макроэкономических и институциональных факторов.
Данные
исследования
базируются
на
модели
частичного
приспособления Дж. Линтнера [Lintner, 1956], модифицированной для
изучения СК:
75
Lt  Lt 1 a 0   ( L* t  Lt 1 )  a1  Z   ,
(7)
где L – показатель долговой нагрузки, L* – целевой уровень долговой
нагрузки, Z – вектор детерминант скорости приспособления.
Проблемы
определения
данной
целевого
модели
заключаются
финансового
рычага
в
необходимости
(L*)
и
скорости
приспособления. Обе компоненты могут быть заданы как экзогенно, так
и являться эндогенными. Часть исследователей используют среднее или
медианное историческое значение долговой нагрузки в качестве
целевого показателя: например, в работе А. Джалилванда и соавторов в
качестве цели используется средний уровень долговой нагрузки за
период наблюдения с учетом поправочного коэффициента [Jalilvand,
Harris, 1984]. Cогласно второму подходу, применяется одношаговая
процедура, при которой целевой уровень определяется эндогенно внутри
модели.
На данных 650 китайских компаний за 1994-2004 годы У. Киан и
соавторы [Qian et al., 2009] посредством одношаговой процедуры оценки
модели
частичного
приспособления
установили,
что
китайские
компании медленно корректируют СК в направлении целевого уровня,
при
этом
компании
с резко
снизившейся
долговой нагрузкой
демонстрируют меньшие темпы приспособления, чем в среднем по
выборке. Однако при переходе к одношаговой модели с эндогенно
задаваемой скоростью приспособления, зависящей от отклонения от
целевого уровня, размера капитала компании и наличия государства в
качестве собственника, авторы установили, что компаниям, чей
фактический уровень долговой нагрузки отклонился от целевого в
большей степени, свойственна более высокая скорость приспособления.
В случае одношаговой модели оцениваемое авторами уравнение
приспособления СК к целевому уровню выглядит следующим образом:
76


12
yit  1  (a2  zit'  ) yit 1  (a2  zit'  )  (a1  xit'  )   b*j d jit   i   t  uit
(8)
zit  1 DISTit  2 SIZEit  3 SOit
(9)
j 1
где yit – показатель долговой нагрузки компании i в период t;
DIST – отклонение фактического уровня долговой нагрузки от целевого;
SIZE – размер капитала компании; SO – доля акций в собственности
государства; хit – вектор детерминант целевого уровня долговой
нагрузки; dj – фиктивная переменная, отвечающая за принадлежность
компании к
j-ой отрасли (из 12 отраслей, представленных в
исследовании).
Исследование Б. Кларка и соавторов, проведенное на данных
компаний 21 развитой и 19 развивающихся стран с помощью
одношаговой модели позволило установить, что формирование СК на
всех рынках может быть описано динамической компромиссной
концепцией. При этом было показано, что детерминанты макро-уровня,
отражающие уровень развития финансового рынка, законодательства в
области защиты прав кредиторов и акционеров, оказывают большее
влияние именно на развивающихся рынках [Clark et al., 2009].
Анализ влияния на скорость приспособления детерминант,
отвечающих за экономическое, законодательное и политическое
развитие стран, продолжили О. Озтекин и М. Фланнери [Őztekin,
Flannery, 2012], проведя анализ скорости приспособления компаний из
37 стран в рамках одношаговой модели приспособления. Авторы
подтвердили значимость как обозначенных выше параметров, так и
таких факторов, как уровень развития корпоративного управления,
налоговые режимы, доступ к внешнему финансированию.
Третий подход к анализу динамических моделей заключается в
построении двухшаговой модели, при которой на первом этапе
производится определение целевого рычага посредством построения
77
зависимости долговой нагрузки от ряда детерминант и подстановка
оцененных значений в модель подстройки [Shyam–Sunder, Myers, 1999;
Fama, French, 2002]. В данном случае целевая СК может быть
определена как уровень долговой нагрузки, который был бы выбран
компанией в условиях отсутствия информационной асимметрии,
транзакционных издержек, либо иных издержек приспособления
[Hovakimian et al., 2001]. В 2001 году испанские ученые А. Мигель и
Дж. Пиндадо
[Miguel,
Pindado,
предложили
2001]
использовать
эконометрический метод Ареллано–Бонда, позволяющий находить
несмещенные оценки коэффициентов в панельных регрессиях с лаговой
зависимой переменной.
Методика А. Мигела и Дж. Пиндадо была в дальнейшем
использована
в
работах,
проведенных
на
выборке
компаний
развивающихся рынков капитала. Причем в данных работах скорость
приспособления, как и целевой рычаг, выступает в качестве переменной,
зависящей от набора факторов. Е. Ниворожкин [Nivorozhkin, 2002;
Nivorozhkin, 2005] в серии исследований на данных пяти европейских
стран (Болгария, Чехия, Польша, Румыния и Эстония) получил
результаты,
согласно
которым
влияние
внутрифирменных
характеристик на целевой уровень долговой нагрузки меняется в
зависимости от страны, но показатели доходности совокупного капитала
и возраста компании везде демонстрируют обратную зависимость.
Также
показатель
доли
долгосрочных
материальных
активов,
отражающий долю фиксированных издержек в совокупных активах,
показывает положительную зависимость, что соответствует результатам
исследований в развитых странах. При этом при тестировании
динамической компромиссной модели модифицированным методом
Гаусса-Ньютона
Е.
Ниворожкин
заключил,
что
скорость
приспособления ниже для крупных компаний, а показатели скорости
78
приспособления
для
фирм
исследуемых
стран
сопоставимы
со
скоростью приспособления развитых стран [Nivorozhkin, 2005].
При анализе СК компаний 37 стран посредством реализации
двухшаговой
процедуры
А. Гайгорайдиноглу
и
О.
Озтёкин
[Gungoraydinoglu, Őztekin, 2011] пришли к выводу, что формирование
стратегического соотношения собственного и заемного капиталов может
быть описано как компромиссной концепцией, так и теорией порядка
финансирования, при этом вариация в показатели долговой нагрузки на
две трети зависит от внутрифирменных характеристик и на одну треть
от внешних детерминант.
В исследовании Р. Де Хааса и М. Питерса [De Haas, Peeters, 2006]
протестировано четыре спецификации динамической модели СК на
данных
10
стран
ЦВЕ.
Начав
с
тестирования
статической
компромиссной концепции (определения детерминант фактического
уровня соотношения собственного и заемного капиталов), авторы
продолжили анализ проверкой двухшаговой модели с фиксированным
уровнем скорости приспособления для всех компаний, после чего при
фиксированном уровне целевой долговой нагрузки авторы оценили
скорость приспособления. На последнем этапе была протестирована
модель с эндогенными скоростью приспособления и целевым уровнем
долговой нагрузки. Р. Де Хаас и М. Питерс установили, что компаниям
из стран с переходной экономикой ЦВЕ свойственно движение в
направлении целевого уровня долговой нагрузки, однако ввиду
неразвитости
банковского
сектора
в
данных
странах,
скорость
приспособления невелика.
Часть исследователей сосредоточились на определении границ
оптимального интервала СК. Такие исследователи как Э. Фишер [Fischer
et al., 1989] и Э. Дадли [Dudley, 2006] пытались определить
детерминанты диапазона колебаний финансового рычага (косвенный
79
показатель величины издержек приспособления) и проанализировать
поведение
менеджмента
компаний
при
достижении
границ
оптимального диапазона. Однако данные исследования проводились на
развитых рынках капитала и пока не имеют доступных аналогов на
развивающихся рынках. Согласно модели, предложенной Э. Дадли
[Dudley, 2007], компания должна осуществлять дополнительную
эмиссию долга при выходе за нижнюю границу и выкупать его при
выходе за верхнюю.
Подводя итоги результатам проверки динамической модели на
развивающихся финансовых рынках, можно сделать вывод, что
результаты разнятся не только ввиду отличий рынков и компаний,
функционирующих
на
данных
рынках,
но
и
виду
различных
применяемых методов.
В приложении 4 приведена сводная таблица, отражающая
исследования СК, проведенные по каждой из стран, вошедших в
выборку диссертационного исследования.
2.3.4. Проблемы эмпирического анализа структуры капитала
Эмпирический анализ СК сопряжен с рядом проблем,
затрудняющих как проведение самого анализа, так и интерпретацию
получаемых результатов. Среди основных проблем, возникающих при
моделировании выбираемого менеджментом компании соотношения
собственного и заемного капиталов и скорости приспособления к
выбранной целевой структуре капитала, можно обозначить следующие:
1. Проблемы, связанные с формированием выборки
2. Проблемы
выбора
прокси-переменных.
Данный
класс
проблем существует как для подбора зависимой переменной, так и для
независимых показателей (детерминант целевой СК и скорости
приспособления)
80
3. Проблемы выбора методов анализа данных
4. Проблемы реализации эконометрического анализа
Тестирование
динамической
компромиссной
концепции
подразумевает анализ выбора соотношения собственного и заемного
капиталов
на
формирования
долгосрочном
выборки.
интервале,
Во-первых,
что
усложняет
затруднительно
процесс
создание
сбалансированной панели данных, в связи с чем приходится работать с
несбалансированными панелями данных ([Dang et al., 2009], [Mitton,
2008]), что осложняет интерпретацию результатов и значимо снижает
качество получаемых оценок. При этом несбалансированность панели
может быть связана не только с непрозрачностью информации,
предоставляемой компаниями (особенно на развивающихся рынках), но
и с реорганизацией компаний, сделками на рынке корпоративного
контроля,
условиями
компании,
первичных
исключением
из
публичных
выборки
размещений
компаний
с
акций
двойными
размещениями (акций и облигаций) за период. Попытки сокращения
выборки для устранения несбалансированности нередко сопряжены с
возникновением проблемы самоотбора, заключающейся в данном случае
в исключении из выборки компаний, прекративших свою деятельность в
течение анализируемого в исследовании временного периода, что
приводит к анализу нерепрезентативной выборки.
В
существующих
эмпирических
исследованиях
предложено
несколько способов борьбы с несбалансированностью панели данных.
В работе М. Франка и В. Гойала [Frank and Goyal, 2009] авторами
предложено использовать технологию подстановки данных (multiple
imputation), основанную на многократном тестировании модели при
подстановке
различных
спрогнозированных
значений
вместо
пропущенных. Данные значения могут рассчитываться как на основе
средних исторических показателей, экстраполяции тренда, так и
81
посредством использования данных аналогичных компаний. При этом
авторы обращают внимание на необходимость проведения анализа
чувствовительности полученных результатов.
Один из способо борьбы с проблемой самоотбора предложен в
работе М. Ариффа и соавторов [Ariff et al, 2008]. Авторы анализируют
СК компаний в период азиатского кризиса, формируя выборку из двух
типов компаний: испытавших финансовые сложности в период кризиса
и
компаний-аналогов
с
прочным
финансовым
положением
в
с
заключается
в
обозначенный период.
Следующая
проблема
работы
данными
необходимости борьбы с экстремальными значениями, способными
значительно исказить результаты. М. Франк и В. Гойал указывают на
три возможных способа решения проблемы: отсечением данных
опытным путем (rule of thumb), винзоризацией (winzorization) и
устойчивыми регрессиями [Frank, Goyal, 2008]. В соответствии с первым
методом, выборка сокращается по выбранным авторами параметрам,
при этом определяются, например, максимальные значения размера
активов компании [Ивашковская, Солнцева, 2009], либо MTB [Mahajan
and Tartaroglu, 2008]. Однако комбинация таких ограничений может
привести к проблеме получения специфической, неслучайной выборки,
а, следовательно, к получению нерепрезентативных результатов. Метод
винзоризации
предполагает замену
экстремальных значений
(по
определенному проценту наблюдений с каждой стороны) на данные,
которые
не
предполагает
были
исключены
построение
из
множества
выборки.
Последний
регрессий,
способ
подтверждающих
устойчивость результатов.
Особенности
сложностям
развивающихся
эмпирического
анализа
рынков
данных.
также
приводят
Короткая
к
история
финансовых рынков, равно как и законов о раскрытии информации,
82
приводит к необходимости работать с данными за короткий временной
интервал. Слабая система мониторинга и требуемого уровня к
раскрытию информации приводит к необходимости дополнительной
проверки данных. Тем не менее в большинстве случаев сформированные
панели данных являются несбалансированными. Не меньшей проблемой
является публикация компаниями на развивающихся рынках отчетности,
подготовленной в соответствии с различными стандартами финансовой
отчетности, так как переход к МСФО во многих странах еще не только
не осуществлен, но и не запланирован в ближайшие годы. Компания
PricewaterhouseCoopers
предоставляет
подробную
информацию
о
применении МСФО в разных странах, о возможностях или требованиях
по их применению компаниями внутри стран11. Однако проблема работы
с данными различных стандартов отчетности может быть решена в
случае анализа межфирменных различий с помощью регрессионных
моделей с учетом фиксированных эффектов, способных контролировать
данные отличия между фирмами. Тем не менее, согласно Т. Миттону,
данный вариант не решает проблемы смены стандартов внутри фирмы,
хотя данные различия вряд ли могут существенно повлиять на
результаты исследований [Mitton, 2008].
Проблема выбора прокси-переменных является не менее значимой
проблемой для исследователей СК. Для определения показателя
долговой нагрузки в исследованиях не устоялось единого показателя.
Выбор показателей в основном зависят от цели и задач, поставленных
авторами, при этом можно выделить следующие группы показателей:
1.
11
основанные на рыночной или балансовой стоимостях
Информация
представлена
на
сайте
PriceWaterhouseCoopers
(http://www.pwc.com/us/en/issues/ifrs-reporting/country-adoption/index.jhtml). В приложении 3
суммирована информация по применению МСФО в странах, входящих в выборку данного
диссертационного исследования.
83
Финансовый
рычаг,
рассчитанный
на
основе
балансовых
стоимостей, предполагает анализ отношения процентного долга к сумме
процентного долга и балансовой стоимости акционерного капитала. В
качестве показателя совокупного капитала также может быть взята
величина совокупных активов. Данный показатель часто критикуется за
то, что не учитывает ожиданий инвесторов и показывает исключительно
исторические значения долговой нагрузки. С другой стороны, согласно
С. Майерсу, менеджеры в большей степени ориентируются именно на
балансовые
показатели,
обеспеченность
долга
так как они
активами
позволяет
компании
и
контролировать
не
подвержены
волатильности рынка, что особенно значимо для развивающихся рынков
[Myers, 1977]. Рыночный показатель финансового рычага при расчете
совокупного капитала учитывает рыночную стоимость акционерного
капитала, что соответствует восприятию инвесторами перспектив
компании. При этом рыночные показатели долга в исследованиях не
используются, на чем заостряют внимание М. Франк и В. Гойал [Frank,
Goyal, 2008, p.173], по данному вопросу достигнуто единство мнений
исследователей об отсутствии необходимости расчета рыночной
стоимости обязательств. Несмотря на то что размещенные компаниями
облигации могут быть оценены по рыночной цене, при попытке
комбинировать в показателе долга рыночную стоимость размещенных
облигаций и балансовую стоимость прочих обязательств компании
возможно возникновение проблемы несопоставимости информации.
Более того, постатейная разбивка обязательств компании не всегда
доступна исследователям. С другой стороны, при использовании
балансовых показателей в обоих случаях, исследователи абстрагируются
от реалий рынка, что может привести к необоснованным результатам.
2.
основанные на процентных долгах либо на совокупных
обязательствах
84
В то время как показатели, основанные на процентном уровне
долговой
нагрузки,
являются
наиболее
распространенными,
исследователи используют также и показатели, принимающие во
внимание все обязательства компании [Kayhan and Titman, 2007].
3.
основанные
на
учете
долговой
нагрузки
различной
срочности
Классическое представление о структуре капитала предполагает
исследование такого соотношение собственного и заемного капиталов,
которое
необходимо
для
стратегического
развития
фирмы.
Соответственно, анализируются долгосрочные заемные источники
финансирования. Однако нередко краткосрочные заемные инструменты
привлекаются для стратегических целей, в связи с чем в исследованиях
могут быть рассчитаны показатели краткосрочной и долгосрочной
долговой нагрузки. Аналогично, в работах встречается и показатель
совокупных долговых обязательств [Ивашковская и др, 2012].
4.
нормированные на величину собственного капитала или
совокупного капитала
Несмотря на многообразие возможных комбинаций расчета
показателя исходя из различных пониманий уровня долга в совокупном
капитале или отношение заемного капитала к собственному, остаются
также варианты учета СК с помощью использования таких показателей,
как
коэффициент
покрытия
процентов
и
прочие
финансовые
коэффициенты, отражающие уровень долговой нагрузки компании
[Welch, 2004].
Многообразие вариантов представления зависимой переменной
приводит к тому, что в существующих работах редко встречаются
исследования, основанные на анализе только одной переменной,
отражающей уровень долговой нагрузки. Как результат, в качестве
показателя СК рассчитывается сразу несколько переменных, что
85
позволяет интерпретировать полученные результаты как робастные в
том случае, когда выводы исследователей меняются незначительно при
использовании различных прокси. Так, в работе Д. Кука и Т. Танга
[Cook and Tang, 2010] на примере анализа целевой СК, рассчитанной на
основе рыночной и балансовой стоимостей собственного капитала,
получены
идентичные
результаты,
демонстрирующие
следование
компаниями принципов динамической компромиссной концепции. В
работе М. Франка и В. Гойала [Frank and Goyal, 2009] устойчивость
резульататов
гарантируется
анализом
четерых
показателей
СК:
отношения совокупного долга к балансовой стоимости совокупных
активов; совокупного долга к рыночной стоимости совокупных активов,
долгосрочного долга к балансовой стоимости совокупных активов,
долгосрочного долга к рыночной стоимости совокупных активов.
Однако часть авторов анализирует политику финансирования компаний
на основе анализа одного показателя долговой нагрузки, ввиду либо
недостатка данных ([DeHaas and Peeters, 2001]; [Nivorozhkin, 2005]),
либо исходя из аргумента предпочтительности того или иного
показателя СК [Kayhan and Titman, 2007].
Подбор прокси переменных для ключевых детерминант СК
представляет собой следующую проблему эмпирических работ по
анализу СК. Данный вопрос включает как выбор набора факторов,
оказывающих влияние на целевую СК и скорость приспособления к ней,
так и подбор прокси для данных факторов. Возможный набор факторов,
а также их прокси-переменных, подробно описан в разделе данного
диссертационного исследования, посвященном обзору детерминант СК
на развивающихся рынках капитала.
Следующая проблема заключается в выборе инструментов
эконометрического анализа. В то время как наиболее применимой
методологией в существующих исследованиях является регрессионный
86
анализ панельных данных (при вариации методов оценки: МНК,
обобщенный метод моментов М. Ареллано-С. Бонда [Arellano and Bond,
1991], метод Р. Бланделла-С. Бонда [Blundell, Bond, 1998], метод Т.
Андерсона и К. Хсяо [Anderson and Hsiao, 1982]), в работах все чаще
встречается критика подобных исследований. В работе А. Ховакимиана
и Г. Ли [Hovakimian and Li, 2011] на основе симулированных данных
продемонстрировано, что модели частичного приспособления, а также
модели бинарного выбора, не приводят к реалистичным результатам. В
частности на выборке, созданной согласно предпосылкам теории
порядка финансирования, результаты не позволяют отвергнуть гипотезу
следования компаниями динамической компромиссной концепии с
положительной скоростью приспособления. Среди альтернативных
способов анализа СК Е. Фама и соавторы [Fama and MacBeth, 1973; Fama
and French, 2002] предлагают последовательный анализ перекрестных
данных. В последнее время в финансовой литературе также появляются
исследования, основанные на кластерном анализе данных ([Prats, 2009];
[Chen et al., 2009]; [Su, 2010]). Кластеризация позволяет во многом
решить такие проблемы регрессионного анализа панельных данных, как
неробастность
результатов
и
связанные
с
ней
противоречивые
результаты схожих исследований. Кластерный анализ также позволяет в
случаях с исследованиями СК учесть разработанную С. Маейрсом
концепцию
финансовой
архитектуры
для
выявления
наиболее
эффективных типов корпоративной финансовой архитектуры [Kokoreva,
Stepanova, 2012].
Традиционные проблемы эконометрического анализа выходят на
первое
место
и
автокорреляция,
в
учета
СК:
гетероскедастичность,
мультиколлинеарность,
гетероскедастичностью
посредством
исследованиях
при
анализе
стандартных
эндогенность.
панельных
ошибок
в
данных
форме
C
борятся
Уайта.
На
87
необходимость
учета
возможных
гетероскедастичностью
в
моделях
эффектов,
связанных
частичного
с
приспособления,
указывают М. Ареллано и С. Бонд [Arellano and Bond, 1991].
Так как модели частичного приспособления включают лаговые
показатели
долговой
нагрузки,
проблема
автокоррелированности
данных является более существенной и приводит к снижению качества
получаемых оценок и завышению получаемых оценой скорости
приспособления[Ariff et al., 2008]. Однако Е. Фама и К. Френч [Fama and
French, 2002] предполагают, что при обычно используемых в работах по
структуре
капитала
коротких
временных
рядах
влиянием
автокорреляции на результаты тестов можно принебречь.
Коррелированность регрессоров при панельных данных, как
правило, проявляется реже, чем при анализе перекрестных данных, и
может
быть
выявлена
корелляционной
матрицы
распространным
способом
исследованиях
СК
стандартными
и
показателей
борьбы
является
тестами
с
(построением
VIF).
Наиболее
мультиколлинеарностью
последовательный
анализ
в
влияния
коррелированных переменных [Drobetz and Wanzenried, 2006].
Проблема эндогенности – основной источник проблем при
моделировании динамической концепции СК компаний. При этом
возможно возникновение трех видов эндогенности [Titman, Opler, 1984]:
вызванной
обратной
причинно-следственной
зависимостью
переменных; сопряженной с отсутствующими переменными; а также
являющейся следствием самоотбора. Для наиболее распространенного
вида эндогенности, потенциальной обратной причинно-следственной
зависимости переменных, в различных источниках предлагается
большое количество решений: от простого перехода к анализу моделей с
первыми лагами независимых переменных [Frank and Goyal, 2009] до
использования
метода
инструментальных
переменных
для
88
динамических моделей частичного приспособления ([Arellano and Bond,
1991], [Drobetz and Wanzenried, 2006]).
Выводы по второй главе диссертационного исследования
Во второй главе диссертационной работы были суммированы
предпосылки анализа целевой СК, скорости приспособления, выделены
проблемы эконометрического анализа СК, обобщены результаты
эмпирического анализа базовых концепций СК на развивающихся
финансовых рынках. При этом были получены следующие результаты:
1. Выявлено, что
при
моделировании целевой
СК необходимо
принимать во внимание следующие факторы: политику выплат и
инвестиционную политику компании, величину нераспределенной
прибыли фирмы, наблюдаемый эмпирический факт возврата уровня
долговой
нагрузки
к
среднему,
доступность
источников
финансирования, необходимость в дополнительном финансировании
и гибкость в принятии решений о выборе СК, финансовую
архитектуру и отношения к изменениям СК стейкхолдеров.
2. Установлено, что вид издержек приспособления определяет наличие
жесткой целевой СК или целевого диапазона СК, при этом скорость
приспособления может зависеть от степени отклонения от целевой
СК, традиционных детерминант СК, финансовых ограничений
компании, институциональных и макроэкономических показателей.
3. Проведенный обзор эмпирических исследований СК показал, что
теории порядка финансирования и отслеживания рынка капитала,
динамическая компромиссная концепция частично подтверждаются
на
развивающихся
рынках,
что
обосновывает
разработку
динамической компромиссной модели с включением факторов,
89
соответствующих
альтернативным
теориям
для
объяснения
формирования СК на развивающихся финансовых рынках.
4. Осмыслены проблемы эмпирического анализа (проблемы
формирования выборки, выбора прокси-переменных, выбора методов
анализа данных и реализации эконометрического анализа) в
приложении к анализу СК.
90
Глава 3. Эмпирический анализ формирования структуры
капитала на выборке компаний с развивающихся финансовых
рынков
Моделирование процесса оптимизации СК на развивающихся
рынках капитала подразумевает построение формализованной модели,
определяющей целевую СК, задающей скорость приспособления к
целевой структуре и определяющей границы оптимального соотношения
собственного и заемного капиталов. В данной главе описывается
поэтапное построение модели, раскрываются тестируемые гипотезы,
приводится интерпретация полученных результатов и обозначаются
способы проверки их на робастность.
3.1. Гипотезы мотивов выбора структуры капитала на
развивающихся финансовых рынках
Согласно
автору
данного
исследования,
современная
динамическая компромиссная теория позволяет при моделировании
учесть факторы как традиционных, так и альтернативных теорий СК
(рис. 3). Компании придерживаются оптимального интервала СК,
внутри данного интервала СК определяется мотивами компромисса,
агентскими
мотивами
и
поведенческими
мотивами.
Скорость
приспособления при этом определяется рядом макроэкономических и
институциональных
показателей,
финансирования
отслеживания
и
а
также
рынка
мотивами
капитала.
порядка
С
целью
доказательства данного утверждения, были сформулированы следующие
гипотезы.
Гипотеза 1. Целевой уровень долговой нагрузки компаний на
развивающихся
финансовых
рынках
зависит
от
традиционных
детерминант СК, отраслевой и страновой принадлежности, а также ряда
дополнительных детерминант, отражающих дивидендную политику
91
компании, уровень риска, структуру собственности и агентские
издержки.
При этом ожидается получение следующих зависимостей:
1.
компании
с
более
высокими
возможностями
роста
придерживаются меньшей долговой нагрузки;
2.
крупным компаниям свойственен более высокий уровень
долговой нагрузки;
3.
компаниям с высоким уровнем материальных активов в
совокупных активах свойственно привлекать больше заемного капитала;
4.
капитала
компании с более высокой доходностью совокупного
придерживаются
меньшей
доли
заемного
капитала
в
совокупном капитале;
5.
компании
с
высоким
уровнем
дивидендных
выплат
привлекают больше заемного капитала;
6.
компаниям
с
высоким
уровнем
риска
свойственно
привлекать меньше заемного капитала;
7.
показатели структуры собственности и агентских издержек
оказывают значимое воздействие на уровень долговой нагрузки.
Направление влияния зависит от анализируемого показателя;
8.
компаниям
из
нефтегазовой
отрасли
и
отрасли
потребительских товаров и ритейла свойственны отличные наборы
детерминант и средние уровни долговой нагрузки ввиду специфики
деятельности;
9.
компаниям в странах БРИК свойственны различные наборы
детерминант;
10.
компаниям в странах ВЕ свойственны идентичные наборы
детерминант.
92
Гипотеза 2. Формирование СК компаний на развивающихся
финансовых рынках может быть описано динамической компромиссной
концепцией с ненулевыми издержками приспособления.
Гипотеза 3. Скорость приспособления к целевой СК зависит от
доступности кредитов, экономического роста, инфляции, развитости
национального фондового рынка, факторов концепций отслеживания
рынка капитала и порядка финансирования.
При этом ожидается получение следующих зависимостей:
1. скорость приспособления к целевой структуре капитала
положительно
зависит
от
доступности
кредитов
в
экономике, темпов экономического роста, темпов инфляции,
развитости национального фондового рынка;
2. скорость приспособления в условиях долговой нагрузки, не
достигающей целевого уровня, тем ниже, чем выше
показатель МТВ;
3. скорость приспособления в условиях наличия внутреннего
финансового дефицита тем выше, чем ниже уровень
долговой нагрузки по отношению к целевому показателю.
Гипотеза
4.
Скорость
приспособления
компаний,
функционирующих на развивающихся финансовых рынках, к целевому
уровню долговой нагрузки увеличивается в кризисный период.
Гипотеза 5. Долговая нагрузка компаний, функционирующих на
развивающихся финансовых рынках, не корректируется менеджментом
до тех пор, пока находится в рамках оптимального диапазона, границы
которого зависят от традиционных детерминант СК.
93
3.2. Характеристика выборки и переменных
3.2.1. Характеристика выборки
Для реализации исследования была сформирована выборка из
крупных компаний стран БРИК и Восточной Европы за 2002 – 2010
годы. Выборка включает в себя данные по крупным компаниям за 2002–
2010 финансовые годы (под крупными компаниями в рамках данного
исследования
понимались
компании
с
ежегодной
выручкой,
превышающей 100 млн. долларов США). Формирование выборки
осуществлялось в несколько этапов. Основной массив данных,
представляющих собой данные финансовой отчетностей компаний, был
получен из базы данных Bloomberg. В силу отсутствия интересующих
данных по ряду компаний, выборка пополнялась за счет отчетности,
взятых с официальных сайтов компаний, а также с сайтов национальных
бирж. Разбиение выборки по странам (с обозначением процентного
соотношения компаний стран в выборке и соотношения данных стран в
совокупном ВВП стран) представлено в таблицах 3-5.
Таблица 3. Разбивка выборки по странам
Страна
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Болгария
Бразилия
Китай
Чехия
Эстония
Хорватия
Венгрия
Индия
Литва
Латвия
Польша
Румыния
Россия
Словения
Количество
компаний
11
36
77
9
9
31
10
70
13
5
37
5
50
9
% от
общей
выборки
6,5%
21,2%
45,3%
5,3%
5,3%
18,2%
5,9%
41,2%
7,6%
2,9%
21,8%
2,9%
29,4%
5,3%
Доля ВВП страны в
совокупном ВВП стран,
входящих в выборку (в %)
0,36%
16,57%
42,44%
1,52%
0,18%
0,59%
1,29%
14,28%
0,37%
0,26%
4,49%
1,10%
7,79%
0,54%
94
Страна
Количество
компаний
15 Турция
16 Украина
Итого
% от
общей
выборки
16
15
403
Доля ВВП страны в
совокупном ВВП стран,
входящих в выборку (в %)
9,4%
8,8%
237,1%
7,22%
1,00%
100,0%
В выборке больше наблюдений по странам БРИК, являющимися
основными драйверами роста, при разбиении выборки расстановка по
странам выглядит следующим образом.
Таблица 4. Разбивка компаний из стран БРИК по странам
Страна
Бразилия
Россия
Китай
Индия
Количество
компаний
% от
общей
выборки
36
50
77
70
15,5%
21,5%
33,0%
30,0%
Доля ВВП страны в
совокупном ВВП
стран, входящих в
выборку (в %)
20,5%
9,6%
52,3%
17,6%
Таблица 5. Разбивка компаний из стран Восточной Европы по странам
Страна
Болгария
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
Количество % от
компаний
общей
выборки
11
9
9
31
10
13
5
37
5
9
16
15
6,5%
5,3%
5,3%
18,2%
5,9%
7,6%
2,9%
21,8%
2,9%
5,3%
9,4%
8,8%
Доля ВВП страны в
совокупном ВВП
стран, входящих в
выборку (в %)
1,9%
8,0%
1,0%
3,1%
6,8%
1,9%
1,4%
23,7%
5,8%
2,8%
38,2%
5,3%
95
Принимая во внимание специфику формирования СК компаниями
финансового
сектора
и
сферы
недвижимости,
компании,
представляющие данные отрасли, в выборку включены не были.
Несмотря на заполнение недостающих финансовых показателей с
помощью
отчетности,
представленной
на
официальных
сайтах
компаний, часть информации найти не удалось, что привело к
формированию частично несбалансированной панели.
Доминирующую часть данных представляют собой показатели
финансовой отчетности компаний (баланса, отчета о прибылях и
убытках,
отчета
о
движении
денежных
средств).
Все
данные
представлены в миллионах долларах США (если иная единица
измерения не указана отдельно). В случае если первоначальные
показатели были представлены в иной валюте (российские рубли,
английские фунты стерлинга, евро, национальные валюты стран),
данные
переводились
к
единой
валюте
(долларам
США)
по
официальному курсу. При этом для показателей баланса брался курс на
конец отчетного года с сайта Центрального Банка Российской
Федерации, для перевода данных отчета о движении денежных средств и
отчета о прибылях и убытках был рассчитан средний курс за год по
данным сайта РБК (сервиса конвертера валют). Макроэкономические
показатели собраны из базы Всемирного Банка.
Макроэкономический
анализ
выборки
основан
на
данных,
представленных Всемирным Банком за период 2002–2010 гг. Подробный
макроэкономический
Проанализированные
анализ
показатели
изложен
в
позволяют
Приложении
сделать
вывод
5.
о
существовании ряда общих характеристик в странах Восточной Европы
и о разнородности компаний, принадлежащих группе стран БРИК. При
этом стоит отметить более высокую инвестиционную привлекательность
стран БРИК, сопряженную с более высокой волатильностью всех
96
исследуемых показателей: темпов роста ВВП на душу населения,
индекса
потребительских цен, реальной
ставки процента, доли
просроченных кредитов, доли прямых иностранных инвестиций в ВВП,
доли капитализации котируемых компаний в ВВП.
3.2.2. Характеристика переменных
Для
проведения
исследования
необходимо
введение
ряда
зависимых и независимых переменных, описание которых представлено
ниже.
Показатели структуры капитала
Классическим показателем СК является отношение долгосрочного
процентного долга к совокупному капиталу компании, учитывающему
рыночную
стоимость
собственного
капитала
компании.
Данный
показатель должен отражать тот уровень долговой нагрузки, который
необходим для стратегического развития компании. Однако для
развивающихся стран характерно привлекать краткосрочные кредиты
для реализации долгосрочных целей, что выводит на первоочередный
план отношение совокупного долга к совокупному капиталу. Учитывая
также те возможные показатели, которые могут отражать СК компаний
на развивающихся финансовых рынках (данные переменные были
обозначены в обзоре, посвященном эмпирическим проблемам анализа, в
данной диссертационной работе), в данном исследовании были также
применены и иные показатели долговой нагрузки. Таким образом,
использованные в исследовании девять показателей СК отражены в
таблице 6.
Независимые переменные
В ходе анализа целевой СК, агентских детерминант СК,
детерминант скорости приспособления и концепции отслеживания
рынка, были использованы следующие независимые переменные
(таблица 7).
97
Таблица 6. Показатели структуры капитала
Переменная
Описание переменной
STDR (Short term debt отношение
краткосрочного
Способ расчета
процентного долга
компании
к
сумме
ее
Short term debt
(Total debt  Shareholde r Equity )
LTDR 
Long term debt
(Total debt  Shareholder Equity )
LTDR 
Total debt
(Total debt  Shareholder Equity )
совокупного долга и балансовой стоимости ее акционерного капитала
ratio)
LTDR (Long term debt отношение долгосрочного процентного долга компании к сумме ее совокупного
ratio)
долга и балансовой стоимости ее акционерного капитала
TDR (Total debt ratio)
отношение долгосрочного и краткосрочного процентных долгов компании к
сумме ее совокупного долга и балансовой стоимости ее акционерного капитала
MSTDR (Market value отношение
short term debt ratio)
краткосрочного
процентного долга
компании
к
сумме
ее
long term debt ratio)
долга и рыночной стоимости ее акционерного капитала
MTDR (Market value отношение совокупного процентного долга компании к сумме ее совокупного
долга и рыночной стоимости ее акционерного капитала
total debt ratio)
STDRA (Book value отношение краткосрочных обязательств компании к балансовой стоимости ее
short term debt ratio)
(Book
total debt ratio)
активов
value отношение совокупных обязательств компании к балансовой стоимости ее
активов
Short term debt
(Total debt  Market Capitalisa tion )
MLTDR 
MTDR 
Long term debt
(Total debt  Market Capitalisa tion )
Total debt
(Total debt  Market Capitalisa tion )
STDRA 
Short term liabilitie s
Total Assets
LTDRA 
Long term liabilitie s
Total Assets
TDRA 
Total liabilitie s
Total Assets
активов
LTDRA (Book value отношение долгосрочных обязательств компании к балансовой стоимости ее
long term debt ratio)
MSTDR 
совокупного долга и рыночной стоимости ее акционерного капитала
MLTDR (Market value отношение долгосрочного процентного долга компании к сумме ее совокупного
TDRA
STDR 
Таблица 7. Независимые переменные, используемые для анализа СК на развивающихся рынках капитала
Переменная
Описание переменной
Способ расчета
Детерминанты целевого уровня долговой нагрузки и границ оптимального диапазона
Tangibility
Prof
Prof2
Lnsales
Lnassets
Growth
MedTDR,
MedMTDR,
MedTDRA;
Традиционные детерминанты СК
Структура активов, выраженная долью внеоборотных активов в Fixed Assets
Total Assets
совокупных активах компании
Доходность совокупного капитала, выраженная отношением
прибыли до выплаты процентов и налогов к совокупным
активам компании
Доходность совокупного капитала, выраженная отношением
прибыли от операционной деятельности к выручке от
реализации продукции компании
Размер капитала компании, выраженный натуральным
логарифмом продаж компании
Размер капитала компании, выраженный натуральным
логарифмом совокупных активов компании
Возможности роста компании, выраженные отношением
капиталовложений к совокупным активам компании
Медианный уровень долговой нагрузки, рассчитанный как
медианный уровень показателей TDR, MTDR, TDRA как для
каждой отрасли (приставка Med), так и для каждой страны в
EBIT
Total Assets
EBIT
Sales
LnSales
LnAssets
Capital Expenditur es
Total Assets
Переменная
CTDR,
CMTDR,
CTDRA
NDT
Tax
Div
MTB
EFWAMTB
Risk
Описание переменной
выборке (приставка С)
Способ расчета
Расширенный набор детерминант
Недолговой налоговый щит, выраженный отношением Depreciati on
Total Assets
амортизации к совокупным активам
Долговой налоговый щит, выраженный отношением величины Taxes paid
EBT
выплаченного налога на прибыль к показателю прибыли до
налогов
Величина дивидендных выплат, выраженная долей выплаченных Dividends paid
Net Income
дивидендов в чистой прибыли
Отношение рыночной стоимости акционерного капитала к
балансовой стоимости акционерного капитала
Market Value of Equity
Book Value of Equity
Средневзвешенное по внешнему финансированию отношение
рыночной стоимости акционерного капитала к балансовой
стоимости акционерного капитала
∑
∑
Уровень делового риска, выраженный волатильностью St.Dev.( EBIT )
TA
доходности,
рассчитываемой
как
среднеквадратичное
100
Переменная
Beta
FCFag
VoA
AssetUni
AssetUti
DEF
BoD size
Описание переменной
Способ расчета
отклонение показателя операционной прибыли к совокупным
активам компании.
Показатель систематического риска компании, выраженный
коэффициентом бета.
Свободный денежный поток в управлении менеджментом, FCFag  EBITDA  tax  Int  Div
TA
рассчитываемый как операционная прибыль до уплаты
процентов, налогов и амортизации за вычетом налогов,
процентов и выплаченных дивидендов, нормированная на
величину совокупных активов
St.Dev.(Sales / Total Assets )
Волатильность показателя использования активов
Степень уникальности активов, рассчитываемая как доля общих, SG&A/Sales = (Sales-EBITкоммерческих и административных расходов в выручке. Ввиду
COGS-DA)/Sales
отсутствия показателя SG&A в большей части выборки данная
величина аппроксимируется как (Выручка – себестоимость
реализованной продукции – операционная прибыль после
уплаты налогов, процентов и амортизации)
Коэффициент использования активов
Sales/TA
CFI  Div paid  CFO
Внутренний
дефицит
финансирования
компании,
DEF 
рассчитываемый как сумма дивидендных выплат и
Total assets
инвестиционного денежного потока за отчетный период за
вычетом денежного потока, полученного от операционной
деятельности, нормированная на совокупные активы компании
Размер Совета Директоров (CД), выраженный количеством
101
Переменная
BoD indep
Описание переменной
Способ расчета
действующих членов Совета.
Степень независимости Совета Директоров, рассчитываемая какBoD indep  Number of indep Board
BoD Size
доля независимых членов СД
State
Фиктивная переменная, отвечающая за структуру собственности
компании и равная единице в случае наличия контрольного
пакета акций у государства
1, для г ос компаний
State  
0, иначе

Foreign
Фиктивная переменная, отвечающая за структуру собственности
компании и равная единице в случае наличия контрольного
пакета акций у иностранного инвестора
Фиктивная переменная, отвечающая за структуру собственности
компании и равная единице в случае наличия контрольного
пакета акций у менеджмента компании
Доля акций, находящаяся в управлении первого мажоритарного
акционера
Доля акций, находящаяся в управлении первого и второго
мажоритарных акционеров
Контрольные переменные (детерминанты)
Набор фиктивных переменных, отвечающих за принадлежность
компании к той или иной стране.
Для анализа особенностей стран БРИК и России, сформированы
две переменные.
Фиктивная переменная, отвечающая за принадлежность данных
к кризисному периоду. Сформированы две переменные: Crisis1,

1, для компаний с ин участием
Foreign  
0, иначе


Management
Maj_1
Maj_2
Country
Crisis
1, контроль менеджмента
Management  
0, иначе

1, если БРИК
Country _ BRIC  
 0, иначе
1, если Россия
Country _ R  
 0, иначе
1, для 2007  2009 г одов
Crisis1  
0, иначе

102
Переменная
Описание переменной
Crisis2
Набор фиктивных переменных, отражающих за принадлежность
компании к той или иной отрасли.
В данном исследовании сформированы две переменные,
отражающие принадлежность к нефтегазовой отрасли и отрасли
потребительских товаров и ритейла: DOil, DCR
Фиктивные переменные, отвечающие за стандарт отчетности, в
Acc_St
соответствии с которым подготовлена финансовая отчетности
компании. Рассчитывается два показателя: отчетность в
форматах МСФО и ГААП США, либо подготовленная в формате
МСФО (Acc_IFRS)
Детерминанты скорости приспособления
GDP_Growth Показатель экономического роста, выраженный темпом роста
ВВП на душу населения
Infl (inflation) Показатель национальной инфляции
Industry
CpGDP
Lending
Sk_Ind
Способ расчета
1, для 2008  2009 г одов
Crisis2  
0, иначе

1, если нефтег азовая отрасль
DOil  
0, иначе

1, если потребительский сектор
DCR  
0, иначе

1, IFRS или USGAAP
Acc _ st  
0, иначе

(capitalization per GDP)Показатель развитости фондового рынка,
рассчитываемый как отношение совокупной капитализации
компаний к ВВП
Ставка заимствования как показатель уровня процентных ставок
и доступности кредитов
Индекс быстроразвивающихся стран Сколково
103
3.3. Модель движения к целевой структуре капитала
Анализ формирования СК на развивающихся рынках проводился в
несколько
этапов.
Основной
этап
подразумевает
построение
динамической модели формирования СК. Согласно анализируемой
автором модели, выбор СК может быть описан следующим образом:
( Lit  Lit 1 )   0  1 ( L*it  Lit 1 )   2 Z   it
(10)
*
где Lit – показатель СК i-ой компании в момент времени t, Lit – целевая
СК i-ой компании в момент времени t, Z – вектор переменных,
влияющих на скорость приспособления СК к целевому уровню.
В уравнении (8) параметр β1 отвечает за скорость приспособления,
отражающую, насколько сокращается разница между фактическим и
целевым уровнем долга в течение одного периода. Чем выше β1, тем
быстрее компания стремится достичь целевой СК. Показатель скорости
приспособления может принимать различные значения и выходить за
пределы от 0 до 100%.
При β1<0 фактический уровень долговой нагрузки со временем
еще больше отклоняется от целевой СК, что может быть вызвано как
ошибками в политике финансирования, слабым финансовым состоянием
компании, высоким уровнем транзакционных издержек привлечения
внешнего капитала. В то же время негативный коэффициент β1 может
говорить о преследовании компанией политики финансирования,
отличной от динамической компромиссной теории, либо о некорректном
определении целевого уровня в рамках модели.
При β1=0 приспособление к целевому уровню долговой нагрузки
отсутствует, при этом СК в динамике может быть описана процессом
случайного блуждания.
Наиболее распространен вариант приспособления к целевому
уровню, предполагающий постепенное сокращение компанией разницы
между
фактическим
и
целевым
уровнями
долговой
нагрузки.
Недостижение единичного значения обосновывается наличием издержек
приспособления. Такой случай может быть описан коэффициентом бета,
лежащим в пределах от нуля до единицы (0<β1<1).
При скорости приспособления, равной единице (β1=1), компании
придерживаются целевого уровня СК, любые отклонения от целевого
уровня долговой нагрузки носят случайный характер.
В случае коэффициента, превышающего единичное значение β1>1,
компания верно воспринимает чересчур высокую или низкую долговую
нагрузку компании, однако корректирует СК в большей степени, чем это
необходимо для достижения целевого уровня. Объяснением данных
действий могут быть значительные фиксированные затраты по
привлечению дополнительного внешнего финансирования, что приводит
к необходимости освоения большего объема финансирования.
Данная модель (уравнение 10) показывает, что принимая решение
об изменении СК в данном периоде, менеджмент фирмы анализирует
сложившееся отклонение фактической долговой нагрузки в предыдущем
периоде от некого целевого уровня.
Таким образом первоначально необходимо определить данный
целевой уровень долговой нагрузки. Определение целевого финансового
рычага в рамках данной модели возможно осуществить как с помощью
одношаговой, так и с помощью двухшаговой модели (базовый вариант
данного исследования). Следуя методологии Г. Ванзенрид [Wanzenried,
2006], целевая СК определяется на первом этапе и на втором этапе
используется
для
анализа
модели
частичного
приспособления.
Предполагается, что целевая структура i–ой компании меняется с
течением времени и зависит от ряда индивидуальных характеристик
компании.
Lit = γo + γ1 ln sales it + γ2 prof it + γ3 tangibility it + γ4 growthit + γ5Yit + υit (11)
105
где Yit – вектор детерминант целевой СК, отличных от традиционных
детерминант, lnsales – натуральный логарифм совокупных активов
компании, prof – доходность совокупного капитала, tangibility –доля
внеоборотных активов в совокупных активах, growth – ожидаемые
возможности роста компании.
В качестве базового варианта оценивание данного уравнения
регрессии осуществлялось на панельных данных с учетом наличия
фиксированных эффектов. Тем не менее для получения робастных
результатов в рамках панельного анализа оцениваются три вида
регрессий:
сквозная
(pooled),
регрессия
с
детерминированными
эффектами (fixed effect), регрессия со случайными эффектами (random
effect). При выборе наилучшей модели необходимо определить наиболее
подходящую спецификацию: сквозную, модель с фиксированными или
случайными эффектами. Сквозная модель тем не менее не способна
отразить влияние неуловимых характеристик, свойственным компаниям,
таких как значимость издержек финансовой неустойчивости, либо
отраслевые характеристики [Booth et al., 2001], так как не учитывает
индивидуальных эффектов компаний. Получаемые таким образом
оценки в условиях несбалансированности панели не являются ни
эффективными, ни несмещенными. В случае использования модели с
фиксированными эффектами влияние упущенных переменных может
быть учтено за счет изменяющегося коэффициента при свободном
члене. Однако и оценки, полученные посредством построения моделей с
фиксированными эффектами, могут быть смещенными. В итоге для
получения робастных результатов в работе протестированы все три
модели и проверены на предмет спецификации, наиболее адекватно
описывающей данные с помощью тестов (F-теста, тестов Хаусмана и
Брейша-Пагана).
Полученные
коэффициенты
при
детерминантах
итоговых регрессий задействованы для расчета целевой СК и
106
инкорпорированы в уравнение (10). Использование в исследовании
панельных данных позволяет получить более эффективные оценки
параметров
модели.
Однако
наличие
постоянных
во
времени
ненаблюдаемых индивидуальных эффектов приводит к тому, что оценки
параметров динамической модели, полученные с помощью метода
наименьших квадратов, оказываются несостоятельными. Причиной
несостоятельности является
наличие корреляции
между лаговой
переменной Lit 1 и случайной ошибкой  it , которая включает в себя
ненаблюдаемые индивидуальные эффекты:  it   i  uit , где  i
–
ненаблюдаемые индивидуальные эффекты. При этом следует отметить,
что наличие корреляции между лаговой переменной и случайной
ошибкой не зависит от природы индивидуальных эффектов, то есть не
зависит от того, являются ли индивидуальные эффекты случайными или
детерминированными.
При последующем анализе динамической модели получить
состоятельные оценки параметров динамической регрессионной модели
позволяет метод М. Ареллано и С. Бонда [Arellano, Bond,1991], суть
которого заключается в нахождении оценок с помощью обобщенного
метода моментов путем перехода к первым разностям для исключения
ненаблюдаемых индивидуальных эффектов. Метод М. Ареллано и С.
Бонда позволяет справиться с данной проблемой несостоятельных
оценок при анализе модели с фиксированными эффектами, однако при
высоких значениях параметра  оцененные коэффициенты оказываются
смещенными,
что
связано
с
характеристиками
используемых
инструментов [Blundell, Bond, 1998]. Для решения данной проблемы был
разработан модифицированный метод Р. Бланделла-С. Бонда [Blundell,
Bond, 1998; Lemmon et al., 2008; Hovakimian, 2011]. В данном
107
диссертационном исследовании модель оценивалась двумя способами
для выявления устойчивых результатов.
Для тестирования гипотез, анализирующих страновые различия в
политике
финансирования
компаний,
фиктивные
переменные,
отвечающие за каждую из стран БРИК и за страны ВЕ, вводились как на
этапе тестирования детерминант целевой долговой нагрузки, так и на
этапе тестирования динамической компромиссной модели.
Анализ детерминант скорости приспособления проводился путем
раздельного включения детерминант ввиду того, что по построению
модели одновременное включение нескольких переменных значимо
сокращает степени свободы за счет увеличения количества переменных
в модели, а также для исключения проблемы коррелированности
макроэкономических параметров.
Заключительный
этап
анализа
динамической
модели
подразумевает анализ влияния кризисных данных на политику
финансирования компаний на развивающихся рынках капитала. Для
проведения данного анализа в первую очередь были проверены на
значимость дамми-переменные, отвечающие за 2007, 2008 и 2009 годы
(при анализе целевой СК, факторов агентской концепции, скорости
приспособления в динамической модели). Ввиду того, что в зависимости
от страны, влияние кризиса начало оказывать влияние на внутренние
решения компаний либо в 2007, либо в 2008 году, была проверена
значимость дамми-переменных на каждый из 2007-2009 годов. Было
проверено также, остаются ли компании верны политике динамического
выбора СК, определенной до кризиса, в кризисный период посредством
разбиения выборки на два временных периода и сравнения получаемых
результатов.
Анализ оптимального диапазона СК проводился в несколько
этапов по методологии, предложенной Э. Дадли [Dudley, 2007]. Для
108
анализа изменений СК, вводятся показатели долговой нагрузки до
выпуска и после (pre issue leverage и post issue leverage соответственно),
при этом разница между данными показателями расценивается как
изменение долговой нагрузки.
(12)
(13)
–
(14)
В качестве зависимой переменной используется индикатор yi,
рассчитываемый исходя из бухгалтерских показателей размера долговой
нагрузки. Эта величина принимает значение 1, если разница между
долговой нагрузкой до и после довыпуска больше q, значение –1, если
эта разница меньше –q. Если модуль изменения не превышает q, то
yi = 0. В данном исследовании уровень q был установлен на значении
5%.
Детерминанты, определяющие
оптимального
диапазона,
верхние и
представлены
нижние границы
набором
традиционных
параметров СК. При определении показателя долговой нагрузки через
параметр z, формируется следующая система:
Debt
Assets
(15)
z
Debt

1  z Equity
(16)
z
В
качестве
показателя
z
в
данном
исследовании
были
использованы рассчитанные ранее показатели TDR, TDRA
0, L i  z i  Li

y i   1, z i  Li

1, z i  L i
(17)
109
Авторские функции Э. Дадли f1 и f2 позволяют смоделировать
верхнюю ( Li ) и нижнюю границы ( Li ) оптимального диапазона долговой
нагрузки.
Li  f1 ( x1i ,  0 ,  i ) 
e x1i  0   i
1 e
(18)
x1i  0   i
 e x1i 0  i
e x2 i 0 i

Li  f 2 ( x1i , x2i ,  0 ,  0, i , i )  min
,
 1  e x1i 0  i 1  e x2 i 0 i





(19)
где вектор (εi, ηi) имеет двумерное нормальное распределение. Кроме
того, автор делает предположение о независимости εi, ηi,, утверждая, что
корреляция более реалистична, но существенно затрудняет расчеты.
Частично проблема в модели решается тем, что f2 задается как минимум
от двух экспоненциальных функций, что позволяет учесть корреляцию
между границами. Переменные x1i, x2i являются векторами регрессоров,
описанных выше. В силу особенностей формирования функций f1 и f2,
диапазон значений для
и
ограничивается нулем и единицей. Это
соответствует тому, что уровень долгой нагрузки должен находиться
между 0 и 1, а нижняя граница меньше или равна верхней.
Для оценки модели рассчитываются вероятности попадания
индикатора изменения долговой нагрузки yi в каждое из возможных
состояний (-1, 0, 1). Оценивание осуществляется нелинейным методом
наименьших квадратов (non linear least squares, NLLS). Подробнее
методология Э. Дадли представлена в Приложении 6.
110
3.4. Анализ результатов тестирования и проверка результатов
на устойчивость
3.4.1. Результаты анализа формирования структуры капитала на
развивающихся рынках капитала
Результаты дескриптивного анализа уровня долговой нагрузки
Результаты дескриптивного анализа уровня долговой нагрузки
приведены в Приложении 7. Анализ выборки позволил выявить
следующие ключевые межстрановые сходства и различия.
Компаниям Словении, Турции, Польши, Румынии, Эстонии и
Хорватии свойственны показатели, близкие к средним значениям по
совокупной выборке. Остальные страны Восточной Европы также
показывают близкие значения, однако демонстрируют и небольшие
отклонения. Так, в Болгарии, несмотря на средние показатели долговой
нагрузки, близкие к средним значениям по совокупной выборке (TDR –
22%; TDRA – 49%; MTDR – 23%), уровень долговой нагрузки в
меньшей степени варьируется внутри страны (ни один из показателей
совокупной долговой нагрузки не достигает 100%). Компаниям Чехии
свойственны более низкие показатели долговой нагрузки: средние
показатели TDR – 13,5%; TDRA – 41%; MTDR – 16,8%. Аналогичные
тенденции демонстрируют компании Литвы и Латвии. В Венгрии
показатели долгосрочной долговой нагрузки совпадают со средними по
совокупной выборке, в то время как краткосрочные показатели ниже.
Компаниям Бразилии свойственны более высокие показатели
долгосрочной
долговой
нагрузки
при
незначительно
меньших
показателях краткосрочного заемного капитала. При этом практически
отсутствуют компании, не прибегающие
к заемному капиталу.
Компании Бразилии демонстрируют средневыборочные показатели
111
краткосрочных показателей, однако долгосрочные показатели значимо
выше.
Обратная ситуация характерна для Китая, где компании в большей
части финансируются за счет краткосрочных источников при большей
доли компаний с отсутствующим заемным капиталом. Похожую
картину демонстрирует долговая нагрузка украинских компаний.
Компании России привлекают заемный капитал в объеме,
примерно совпадающем со средними показателями по совокупной
выборке,
однако
данный
капитал
распределен
поровну
между
краткосрочными и долгосрочными источниками.
Уже на данном этапе дескриптивного анализа выявлены общие
черты для Восточной Европы и значимые различия в параметрах
заемного финансирования стран БРИК.
Анализ выборки до и после активной фазы кризиса показал
идентичные тенденции в изменениях долговой нагрузки в странах БРИК
и Восточной Европы. В 2008 году в странах БРИК наблюдалось
увеличение всех показателей долговой нагрузки, при этом наиболее
значительные изменения относятся к рыночным показателям. Начиная с
2009
года,
показатели
долговой
нагрузки
начали
постепенно
возвращаться к докризисным уровням, однако к концу 2010 года
показатели на основе балансовых стоимостей остаются несколько выше
докризисных. При этом рыночные показатели долговой нагрузки,
наоборот, к концу 2010 года стали значительно ниже докризисных, что
связано с большой волатильностью финансовых рынков группы стран
БРИК и ростом их котировок к концу 2010 года. Динамика показателей
до и после кризиса компаний Восточной Европы аналогична описанной
выше за исключением рыночных показателей, которые в случае стран
Восточной Европы до сих пор не достигли докризисного уровня, что
может быть объяснено волнениями, связанными с будущим еврозоны.
112
Результаты выявления детерминант целевого уровня долговой нагрузки
На первом этапе эконометрического анализа формирования СК на
развивающихся финансовых рынках были протестированы гипотезы,
относящиеся к страновым различиям в формировании соотношения
собственного
и
заемного
капиталов.
Проведенные
на
примере
показателя совокупного уровня долговой нагрузки и традиционных
детерминант тесты Чоу позволили заключить, что объединение в одну
выборку компаний, принадлежащих к странам БРИК и Восточной
Европе, невозможно. На следующем этапе оценивалась возможность
анализа СК по данным группам. Было установлено, что группа
компаний Восточной Европы может быть исследована вместе, в то
время как компании из разных стран БРИК не могут быть
проанализированы в рамках совокупной выборки.
Результаты
проведенного
теста
Чоу
также
не
позволяют
анализировать до- и посткризисные данные вместе с кризисными.
Результаты тестов представлены в Приложении 8.
Следующий этап исследования позволил выявить детерминанты
целевого
уровня
постепенного
долговой
ввода
нагрузки
переменных
и
до
кризиса.
тестирования
Посредством
моделей
с
фиксированными и случайными эффектами, а также сквозных моделей,
были выбраны наиболее адекватные модели на основе F-теста, теста
Хаусмана и теста Брейша-Пагана [Ратникова, 2010]. В Приложениях 9 и
10 представлены итоговые версии выбранных моделей.
Проведенный анализ позволил сделать следующие выводы.
Во-первых, более прибыльным компаниям свойственнен более
низкий уровень долга. Данный результат сохраняется не только в
абсолютном большинстве спецификаций модели, но и для всех
страновых
выборок.
Отмеченный
эффект
подтверждается
113
исследованиями, выполненными по компаниям с других развивающихся
рынков капитала ([Nivorozhkin, 2002]; [Cornelli et al., 1996]; [Hussain et
al., 1997]). Характер зависимости не меняется и во времени: результаты
до и после кризиса подтверждают обратную зависимость, при этом
после кризиса результаты еще более устойчивы. Однако не для всех
стран краткосрочные показатели долговой нагрузки обратно зависят от
доходности капитала, что может быть объяснено тем, что более
доходные компании способны привлекать долгосрочный заемный
капитал в большем объеме.
Во-вторых, установлено разноплановое влияние, оказываемое
структурой активов (Tangibility) на уровень долговой нагрузки. До
кризиса структура активов практически не оказывала влияния на
формирования СК, в тех же спецификациях, где данное влияние было
установлено, наблюдалась ожидаемая прямая зависимость. После
кризиса влияние структуры актива стало более очевидным, при этом для
компаний Индии наблюдается прямая зависимость, для компаний ЦВЕ и
России – обратная, а для Бразилии и Китая результаты зависят как по
годам, так и по переменным долговой нагрузки. Среди объяснений
причин наблюдаемой зависимости на развивающихся рынках обращают
внимание на высокую степень износа внеоборотных активов компаний
и, соответственно, их малую залоговую стоимость, а также низкую
ликвидность вторичного рынка материальных активов.
В-третьих,
неодинаковое
влияние
на
СК
компаний
на
развивающихся рынках оказывает и размер капитала компании. Для
выборок компаний Китая, ВЕ была выявлена ожидаемая прямая
зависимость уровня долговой нагрузки от размера капитала компании,
выраженного логарифмом продаж (LnSales). Для выборки компаний
Бразилии и России СК оказалась в обратной зависимости от размера
капитала компании при всех способах расчета независимой переменной.
114
Неоднозначные результаты показывают модели, рассчитанные на
данных Индии. Интересно, что выборки китайских компаний, компаний
из Бразилии и России результаты не меняются после кризиса, в то время
как в Индии СК практически перестала зависеть от размера капитала
компаний, а в странах ВЕ более крупные компании стали привлекать
меньше краткосрочных займов, но больше долгосрочных.
В-четвертых, возможности роста также оказывают значимое
влияние на выбор компаниями СК. При этом прямая зависимость
наблюдается для индийских компаний и российских компаний после
кризиса, обратная зависимость – для компаний Китая и восточной
Европы. Для компаний Бразилии до кризиса прямая зависимость
наблюдалась для краткосрочных показателей долговой нагрузки, а
обратная – для долгосрочных. Для российских компаний до кризиса
ожидаемая обратная зависимость была характерна для показателей
долговой нагрузки, основанных на рыночной стоимости собственного
капитала, в то время как для показателей, основанных на обязательствах
компаний, зависимость была прямой.
В-пятых, среди иных детерминант, оказывающих влияние на
уровень долговой нагрузки, значимы переменные уровня риска
компании; показатели агентской концепции (свободный денежный
поток в распоряжении менеджментом, степень уникальности активов,
коэффициент
использования
активов);
показатели
структуры
собственности (доля акций, находящаяся во владении мажоритарного
акционера),
владение
акциями
иностранными
инвесторами,
государством, менеджментом); показатели корпоративного управления
(степень независимости совета директоров); а также отраслевые дамми и
дамми-переменная,
отвечающая
за
составление
отчетности
в
соответствии с форматом МСФО.
115
Таким образом, ключевыми результатами анализа детерминант
целевого уровня долговой нагрузки являются:
1. Традиционные детерминанты СК (возможности роста, доходность
капитала и его размер, СК) оказывают значимое влияние на
формирование СК на развивающихся рынках капитала
2. Существуют
межстрановые
отличия
в
степени
оказываемого
традиционными детерминантами
3. Детерминанты краткосрочных и долгосрочных показателей долговой
нагрузки частично отличны
4. Степень влияния детерминант СК до и после кризиса различна
5. Помимо традиционных детерминант на формирование целевого
уровня
долговой
нагрузки
оказывают
влияние
следующие
переменные: уровень риска компании, структура собственности,
отраслевая принадлежности и агентские издержки
Проведенный анализ компаний наиболее крупных стран из группы
БРИК свидетельствует о специфичности воздействия исследованного
набора детерминант на СК оцениваемых выборок компаний в каждой
стране. Это означает, что разрабатывая политику финансирования,
менеджмент крупных компаний России, Бразилии, Индии и Китая, а
также компаний Восточной Европы опирается на разные наборы
факторов, а значит, свойственные той или иной стране средние
показатели СК крупных компаний формируются под влиянием разных
аргументов.
Таким образом, сформулированная гипотеза 1 не может быть
отвергнута. При этом направление влияния выявленных факторов не в
полной мере соответствуют ожиданиям.
116
Результаты тестирования динамической компромиссной концепции
Результаты
концепции
тестирования
показывают,
что
динамической
формирование
СК
компромиссной
компаниями
на
развивающихся финансовых рынках может быть описано динамической
компромиссной концепцией. Приведенные в таблице 8 (подробные
результаты приведены в Приложении 11) результаты демонстрируют,
что компаниям группы стран БРИК и ВЕ свойственно движение к
целевому уровню, определенному на предыдущем шаге исследования,
при этом ввиду наличия издержек приспособления, целевая СК не
достигается компаниями за один период. Таким образом, гипотеза 2 не
может быть отвергнута.
В рамках данного исследования для каждой страны группы стран
БРИК и для стран ВЕ были построены динамические модели для
каждого из девяти показателей долговой нагрузки, а также следующие
модификации модели: включение показателя доступности заемного
финансирования, темпов роста ВВП на душу населения, уровня
инфляции,
степени
развитости
фондового
рынка,
показателя
внутреннего финансового дефицита компания (а также при ограничении
на недостижение уровнем долговой нагрузки целевого уровня),
показателя отслеживания рынка МТВ (а также при ограничении на
недостижение уровнем долговой нагрузки целевого уровня), показателя
средневзвешенного по внешнему финансированию МТВ (а также при
ограничении на недостижение уровнем долговой нагрузки целевого
уровня), модель на основе предкризисных данных и на посткризисных
данных.
117
Таблица 8. Скорость приспособления к целевой СК компаний стран БРИК и ВЕ
Бразилия
TDR
TDRA
Совокупная
выборка
Ставка
кредитования
Темп роста ВВП
Инфляция
Развитие
фондового рынка
DEF
DEF при
недостаточном
уровне долга
MTB
MTB при
недостаточном
уровне долга
EFWAMTB
EFWAMTB при
недостаточном
уровне долга
До кризиса
После кризиса
Россия
TDR
TDRA
Индия
TDR
TDRA
Китай
TDR
TDRA
ВЕ
TDR
TDRA
0, 447***
0, 560***
0, 221
0, 321***
0, 621***
0, 0884
0, 354**
0, 431***
0, 296***
0, 416***
0, 245**
0, 458***
0, 272**
0, 264**
0, 579***
0, 311**
0, 225
0, 219
0, 279*
0, 329***
0, 316***
0, 350***
0, 594***
0, 624***
0, 603***
-0, 010
0, 100
0, 0958
0, 363**
0, 377**
0, 359**
0, 374***
0, 352***
0, 436***
0, 144
0, 397***
0, 341***
0, 557***
0, 449***
0, 359***
0, 336***
0, 452***
0, 306**
0, 555***
0, 318**
0, 385***
0, 369***
0, 260**
0, 575***
0, 636***
0, 114
0, 0787
0, 346**
0, 270**
0, 412***
0, 381***
0, 297***
0, 395***
0, 357***
0, 304***
0, 322**
0, 342***
0, 394**
0, 501***
0, 506***
-0, 0219
0, 467***
-0, 0254
0, 791***
0, 621***
0, 226*
0, 0855
0, 252**
0, 236
0, 431***
-0, 310**
0, 386***
0, 272***
0, 499***
0, 364***
0, 369**
0, 449***
0, 593***
0, 544***
0, 269**
-0, 00573
-0, 0189
-0, 00133
0, 714***
0, 625***
0, 257**
0, 0843
0, 248*
0, 187
0, 0892
-0, 436***
0, 327*
0, 274***
0, 508***
0, 362***
0, 519***
0, 427**
0, 102
0, 635***
0, 697***
0, 0569
0, 166
0, 0912
0, 0183
-0, 0606
0, 428**
0, 0373
0, 694***
0, 674***
0, 232
0, 255**
-0, 109
-0, 0633
0, 212*
0, 199
0, 546**
0, 0834
0, 379**
0, 269
0, 318*
0, 110
0, 362***
0, 518***
0, 586***
0, 170
Примечание: TDR – отношение долгосрочного и краткосрочного процентных долгов компании к сумме ее совокупного долга и балансовой стоимости ее
акционерного капитала; TDRA – отношение совокупных обязательств компании к балансовой стоимости ее активов; каждая цифра в таблице отражает
коэффициент перед отклонением фактического уровня долговой нагрузки от целевого значения, т.е. (1-β1).
На основе полученных результатов можно сделать следующие
ключевые выводы:
Во-первых, компании, функционирующие на развивающихся
рынках капитала, определяют в качестве целевых уровней долговой
нагрузки показатели TDR и TDRA, т.е. отношение совокупного долга
либо
к
сумме
совокупного
долга
и
бухгалтерской
стоимости
собственного капитала, либо к величине совокупных активов. Данный
вывод показывает, что именно совокупный долг в развивающихся
странах
расценивается
менеджментом
компании
как
источник
финансирования стратегического развития компании. При этом в
зависимости от страны наблюдается значимость регрессий, построенных
на основе краткосрочных и долгосрочных показателей долговой
нагрузки.
Во-вторых, компаниям на развивающихся рынках не свойственно
устанавливать
в
качестве
цели
показатели
долговой
нагрузки,
основанные на рыночных показателях (значимые результаты получены
только для Бразилии и для краткосрочных показателей Индии и Китая),
что связано с невозможностью контролирования данных показателей со
стороны менеджмента в условиях слабой развитости финансовых
рынков.
В-третьих,
средние
уровни
скорости
приспособления
по
совокупным национальным выборкам намного выше показателей
компаний с развитых рынков и составляют от 38% до 71% за период.
Однако на данные показатели оказывает влияние кризисный период.
Соответственно, анализ подвыборок за периоды 2002-2007 и 2008-2010
позволил установить, что в среднем скорость приспособления до
кризиса была ниже и составляла порядка 31%-58%, что согласуется с
гипотезой 4 данного диссертационного исследования. Данный факт
связан со слишком резкими изменениями уровня долговой нагрузки в
период кризиса и после, что нередко приводило к более чем 100%
изменениям долговой нагрузки за период. Второе возможное объяснение
связано с резким падением стоимости собственного капитала в период
кризиса, что привело к значительным изменениям в уровне долговой
нагрузки.
В-четвертых,
макроэкономические
показатели
оказывают
неоднозначное влияние на скорость приспособления. Так по мере
снижения
ставок
заимствования,
скорость
приспособления
увеличивается лишь у компаний ВЕ, России и Китая (показателя TDRA).
Увеличение темпов роста ВВП на душу населения для большинства
стран приводят к снижению скорости приспособления и достижения
показателей западноевропейских стран. Высокий уровень ожидаемой
инфляции во всех странах, кроме Индии и Китая, приводит к более
высокой скорости приспособления, в то время как степень развитости
фондового рынка во всех странах (кроме России, где влияние
смешанное) оказывает ожидаемое положительное влияние на скорость
приспособления.
В-пятых, мотивы отслеживания рынка капитала и порядка
финансирования
оказывают
значимое
влияние
на
скорость
приспособления. При этом эффект, оказываемый данными мотивами, на
скорость приспособления различен в зависимости от превышения
фактическим уровнем долговой нагрузки целевого или наоборот. Так,
для выборок Китая и Бразилии скорость приспособления в условиях
внутреннего финансового дефицита увеличивается, что соответствует
поставленной гипотезе. На данных других подвыборок наличие
финансового дефицита приводит к снижению скорости приспособления
при любом исходе и может восприниматься как альтернативный мотив,
в соответствии с которым компании выбирают СК, а, следовательно,
120
данным компаниям свойственно в меньшей степени придерживаться
целевого уровня.
Включение
в
модель
переменных,
отвечающих
за
мотив
отслеживания рынка капитала, показывает противоречивые результаты,
однако
при
ограничении
на
недостижении
целевого
уровня
демонстрирует ожидаемую обратную зависимость: при более высоких
показателях МТВ и средневзвешенного по внешнему капиталу МТВ
скорость приспособления снижается, так как компании в меньшей
степени заинтересованы в увеличении долговой нагрузки и в большей
степени – в привлечение собственного капитала.
В целом, выявленные детерминанты скорости приспособления не
позволяют отвергнуть гипотезу 3 представленного исследования.
Результаты определения границ оптимального интервала долговой
нагрузки
Результаты
определения
границ
оптимального
интервала
приведены в Приложении 12.
На первом этапе анализа границ оптимального интервала, на
основе модели, предложенной в работе Э. Дадли [Dudley, 2007], были
построены
функции
верхней
и
нижней
границ,
зависящие
от
традиционных детерминант СК. В качестве зависимых переменных
использовались показатели TDR, TDRA, которые были выявлены на
предыдущем этапе исследования как переменные долговой нагрузки,
описываемые динамической компромиссной теорией.
Результаты
анализа
позволили
выявить
следующие
закономерности:
1.
Рост доходности совокупного капитала приводит к сужению
оптимального интервала с ростом доходности совокуного капитала, что
согласуется с предсказаниями динамической компромиссной теории.
121
2.
Доля долгосрочных материальных активов (структура активов)
оказывает значимое влияние на границы оптимального диапазона. При
этом производная вероятности нахождения в оптимальном диапазоне
(P(y=0)) по данной переменной имеет отрицательный знак, то есть при
увеличении доли материальных активов вероятность попадания в
оптимальный интервал снижается.
3.
Отрицательный знак производной по переменной, отвечающей за
размер капитала, при верхней границе соответствует динамической
компромиссной теории, так как при наличии экономии от масштаба
издержки рекапитализации снижаются по мере увеличения размера
капитала компании. Производная P(y=0) меньше нуля, что совпадает с
теорией, выдвинутой Э. Фишером [Fischer et al., 1989]. Экономия от
масштаба на фиксированных издержках позволяет фирме чаще
сокращать и увеличивать долговую нагрузку, следовательно, интервал
может быть уже.
4.
Проведенные тесты для определения средних значений границ
оптимального
статистическая
диапазона
значимость
приведены
отличия
в
таблице
данных
9.
границ
При
этом
проверена
посредством критерия суммы рангов (Wilcoxon rank-sum test). Выявлено,
что для показателя долговой нагрузкиTDRA границы оптимального
диапазона значимо отличны друг от друга на любом разумном уровне
значимости. Для показателя TDR границы оптимального диапазона
отличны для компаний Китая и ВЕ.
122
Таблица 9. Средние значения границ оптимального диапазона для
компаний из группы стран БРИК и ВЕ
Бразилия
Верхняя
граница
Нижняя
граница
TDRA
TDR
Россия
Индия
Китай
ВЕ
0,6150
0,4693
0,6342
0,5369
0,5747
0,5162
0,2922
0,5335
0,3176
0,4313
Prob>z
Верхняя
граница
Нижняя
граница
0,0009
0,0000
0,0000
0,0000
0,0000
0,3053
0,2319
0,3158
0,2893
0,2244
0,3012
0,2227
0,2924
0,1990
0,2021
Prob>z
0,2984
0,1865
0,2204
0,0000
0,0048
Практические рекомендации на основе результатов проведенного анализа
Результаты
исследования
могут
быть
использованы
менеджментом компаний для выявления детерминант, определяющих
целевой
уровень
оптимального
долговой
соотношения
нагрузки,
и
собственного
последующего
и
заемного
выбора
капиталов,
максимизирующего стоимость компании. Так, понимание направлений
влияния детерминант СК на уровень целевого показателя долговой
нагрузки
позволит
менеджменту
оценить
целевое
соотношение
собственного заемного капиталов компании, не только исходя из
текущих финансовых показателей, но и на основе понимания тенденций
изменения таких показателей компании, как доходность совокупного
капитала, структура активов, возможности роста. Аналогично, при
выборе менеджментом целевого соотношения собственного и заемного
капиталов, результаты проведенного исследования позволят объяснить,
какие внутрикорпоративные факторы должны быть изменены, чтобы
данное выбранное соотношение было оптимальным для компании.
Результаты анализа детерминант скорости приспособления позволяют
менеджменту оценить необходимое для рекапитализации время исходя
из текущей макроэкономической ситуации в стране и текущего уровня
долговой
нагрузки.
Наконец,
анализ
детерминант
оптимального
123
диапазона позволяет проанализировать целесообразность изменения СК
при текущем уровне отклонения от цели.
3.4.2.Проверка результатов на робастность
Проверка результатов на робастность проводилась на каждом
этапе исследования.
В первую очередь проводились стандартные тесты на определение
возможной
мультиколлинеарности
данных,
гетерескодастичности,
автокорреляции, некорректной спецификации модели.
На каждом этапе анализировались различные показатели долговой
нагрузки в целях подтверждения найденных зависимостей, а также в
целях
сопоставления
полученных
результатов
с
результатами
исследований на развитых и развивающихся рынках капитала.
На этапе определения детерминант целевой СК для ряда факторов
использовались
различные
прокси
переменные
для
проверки
полученных результатов. Так, для показателей размера капитала
использовались
показатели
Lnsales,
Lnassets;
для
показателей
доходности совокупного капитала использовались показатели Prof,
Prof2; для показателей, отвечающих за теорию отслеживания рынка,
использовались показатели MTB, EFWAMTB.
Исследование проводилось как на выборке в целом, так и на
разных временных интервалах, при этом в качестве базового метода
применялись модели панельных данных с фиксированными эффектами,
однако осуществлялись тесты (F-тест, тесты Хаусмана и Брейша-Пагана)
на адекватность сквозной модели и модели со случайными эффектами.
В целях недопускания проблем эндогенности при определении
целевой СК использовались также лаговые показатели детерминант
(уравнение 11).
124
На этапе определения значимости компромиссной динамической
концепции было проведено несколько тестов на робастность:
1.
Модель частичного приспособления была протестирована как с
помощью одношагового метода, так и с помощью двухшагового метода
2.
В качестве целевой СК рассчитывался также медианный уровень
долговой нагрузки.
3.
При оценивании регрессий использовались различные методы
оценивания: Бланделла-Бонда, Ареллано-Бонда.
Для
проверки
на
робастность
результатов
влияния
макроэкономических показателей на скорость приспособления СК, нами
был использован индекс стран с быстроразвивающимися рынками
СКОЛКОВО. Данный индекс строится на показателях 5 категорий:
макроэкономические показатели (темпы инфляции, рост реального ВВП,
состояние государственных финансов); макроэкономические условия
(использование Интернета, протяженность дорог с твердым покрытием,
использование мобильной связи, капитализация фондового рынка,
интенсивность ПИИ); уровень здоровья и человеческий капитал
(ожидаемая продолжительность жизни, уровень грамотности взрослого
населения); степень свободы (экономическая и политическая свобода);
размер
и
интенсивность
рынка
(ВВП,
численность
городского
населения, ВВП на душу населения). Индекс разбивает страны на
принадлежность к одной из 4 стадий развития, внутри каждой из
которых рассчитывается индекс. В целях использования индекса для
сравнения стран из разных категорий, нами был создан единый индекс,
дающий максимальный показель странам, находящимся в стадии
наиболее качественного развития. Модели также были протестированы
на группах стран, нахождящихся в одной и той же стадии развития.
На этапе эмпирической апробации модели Э. Дадли для выявления
оптимальных границ долговой нагрузки был использован и другой
125
показатель изменения уровня долговой нагрузки q = 8%, кроме базового
(5%).
Проведенные тесты на устойчивость не опровергли результаты
данного диссертационного исследования.
Выводы по третьей главе диссертационного исследования
В третьей главе диссертационного исследования проведен
эмпирический анализ формирования СК на развивающихся финансовых
рынках, позволивший сделать следующие выводы:
1. Выявлены детерминанты СК компаний, функционирующих на
развивающихся
рынках
капитала.
К
ним
относятся
как
традиционные для развитых рынков фактор (возможности роста,
размер капитала компании, структура активов, доходность
совокупного капитала), так и факторы, отражающие агентские
мотивы, структуру собственности и корпоративного управления,
отраслевую принадлежность компании.
2. Обоснована неспособность компаний, функционирующих на
развивающихся рынках капитала, систематически придерживаться
оптимального соотношения собственного и заемного капиталов.
3. Проведен
эмпирический
анализ
для
выявления
мотивов
формирования СК на развивающихся рынках капитала, который
показал применимость динамической компромиссной концепции.
4. Определены
макроэкономические
и
институциональные
особенности развивающихся рынков капитала, влияющие на
скорость приспособления СК к оптимальному уровню. Выявлено,
что
скорость
приспособления
прямо
связана
со
ставкой
кредитования в стране, темпом роста ВВП, ставкой инфляции,
уровнем развития фондового рынка.
126
5. Определены
изменения
в
формировании
финансовым
кризисом,
начавшемся
в
СК,
вызванные
2007-2008
годах,
выражающиеся в изменениях степени влияния детерминант на
показатели долговой нагрузки, а также в возросшей скорости
приспособления.
6. Установлено, что при формировании политики финансирования
менеджмент компаний на развивающихся финансовых рынках
ориентируется на целевой диапазон СК, а не единичное целевое
значение долговой нагрузки.
127
Заключение
Вопросы
формирования
структуры
капитала
продолжают
оставаться в центре внимания исследователей в области корпоративных
финансов на протяжении более полувека. В то время как для компаний с
развитых
рынков
капитала
выявлены
ключевые
детерминанты
структуры капитала, результаты по которым являются достаточно
устойчивыми, и сформулированы стилизованные факты, описывающие
ряд
особенностей
формирования
структуры
капитала
данными
компаниями, мотивы формирования соотношения собственного и
заемного капитала до сих пор остаются нераскрытыми. Исследования на
данных компаний, оперирующих на развивающихся рынках капитала,
только начали появляться и пока не привели к каким-либо устойчивым
результатам ни в разрезе детерминант структуры капитала, ни с точки
зрения мотивов, определяющих выбор менеджментом оптимального
соотношения собственного и заемного капиталов.
В
данном
диссертационном
исследовании
представлены
результаты анализа структуры капитала компаний с развивающихся
финансовых рынков на примере группы стран БРИК и Восточной
Европы. Диссертационная работа была проведена на базе научноучебной лаборатории корпоративных финансов НИУ ВШЭ. Анализ
структуры капитала российских компаний в сравнении с другими
развивающимися
рынками
является
одним
из
направлений
исследований лаборатории со времени ее создания в 2006 году.
По
следующие
результатам
выводы.
диссертационного
Во-первых,
исследования
выявлено,
что
сделаны
детерминантами
структуры капитала компаний на развивающихся финансовых рынках,
являются традиционные для развитых рынков факторы (доходность
совокупного капитала, размер капитала компании, возможности роста и
128
структура активов) и факторы, отражающие агентские и поведенческие
мотивы,
структуру
собственности,
отраслевую
и
страновую
принадлежность компании. Доказано, что в странах БРИК направление
и степень оказываемого факторами влияния на уровень долговой
нагрузки индивидуальны, в странах ВЕ - идентичны.
Во-вторых, показано, что расхождения в результатах исследований
о преимуществе того или иного мотива формирования структуры
капитала
на
различиями
развивающихся
в
финансовых
применяемой
рынках
обусловлены
методологии,
выбираемых
эконометрических методах, институциональных и макроэкономических
характеристиках изучаемых рынков, периодах анализа данных.
В-третьих, разработана и применена модель динамической
компромиссной
концепции, описывающая процесс формирования
структуры капитала компаниями на развивающихся финансовых
рынках, позволяющая учитывать воздействие альтернативных мотивов
выбора долговой нагрузки: агентских, отслеживания рынка и порядка
финансирования.
Доказано,
что
динамическая
компромиссная
концепция способна описать процесс формирования структуры капитала
компаниями на развивающихся финансовых рынках.
В-четвертых,
определены
макроэкономические
и
институциональные особенности развивающихся рынков капитала,
влияющие
на
скорость
приспособления
структуры
капитала
к
оптимальному уровню. Выявлено, что на скорость приспособления
структуры капитала к целевым показателям положительное влияние
оказывают ставка кредитования в стране, темпы роста ВВП, ставка
инфляции, уровень развития фондового рынка.
В-пятых, выявлены изменения в формировании структуры
капитала, вызванные глобальным кризисом, начавшемся в 2007-2008
годах. Показано, что в период кризиса возрастает влияние доли
129
долгосрочных материальных активов и возможностей роста компании
на выбираемый уровень долговой нагрузки. Определено, что в период
кризиса скорость приспособления к оптимальной структуре капитала
возрастает.
В-шестых,
установлено,
что
при
формировании
политики
финансирования менеджмент компаний на развивающихся финансовых
рынках ориентируется на целевой диапазон структуры капитала.
Границы
оптимального
диапазона
соотношения
собственного
и
заемного капиталов зависят от традиционных детерминант структуры
капитала.
В диссертационном исследовании предложен ряд рекомендаций
по оптимизации структуры капитала компаний, функционирующих на
развивающихся рынках капитала.
Таким образом, поставленная в диссертационной работе цель
разработки модели, определяющей формирование структуры капитала
компаниями на развивающихся финансовых рынках в динамике,
выполнена. Результаты исследования могут найти применение в
практиках преподавании и финансового менеджмента компаний при
принятии решений о выборе стратегического соотношения собственного
и заемного капиталов.
130
Список использованных источников
1.
Абе
Н.
и
др.
Российская
корпорация:
внутренняя
организация, внешние взаимодействия, перспективы развития/ под
ред. Т.Г. Долгопятовой, И.Ивасаки, А.А. Яковлева; Гос. Ун-т –
Высшая школа экономики. – М.: Изд.дом ГУ ВШЭ, 2007 – 542 с.
2.
Березинец И.В., Размочаев А.В., Волков Д.Л. Финансовые
решения
российских
компаний:
результаты
эмпирического
анализа. Вестник Санкт-Петербургского университета, сер.8,
Вып.1, 2010, с.107-130
3.
Бородина С., Швырков О. Инвестиции в странах БРИК:
Оценка риска и корпоративного управления в Бразилии, России,
Индии и Китае / Под ред. С. Бородиной и О.Швыркова при
участии Ж.-К. Буи; Пер. с англ. – М.: Альпина Паблишерз, 2010. –
356 с.
4.
Герасимова С.М. Эмпирические исследования структуры
капитала компаний на развивающихся рынках: специфика и
методология. Электронный журнал «Корпоративные финансы»,
№1(21), 2012, с.97-109
5.
Зинкевич Н.В., Олеванова Е.А. Эмпирическое тестирование
теорий структуры капитала: модели, направления, результаты.
Электронный журнал «Корпоративные финансы», 1(5), 2008, с.82103
6.
Ибрагимов
Р.Г.
Влияние
нерыночного
долгового
финансирования на стоимость капитала и ценность компании.
Российский журнал менеджмента, 5 (1), с. 67-84
7.
Ивашковская
Детерминанты
И.
В.,
стратегических
Солнцева
решений
М.
о
С.
(Кокорева).
финансировании
крупных компаний на развивающихся рынках капитала: пример
131
России, Бразилии и Китая. Российский журнал менеджмента Т.7,
№1, 2009 г., 25-42
8.
Ивашковская И.В. Моделирование стоимости компании
стратегическая
ответственность
советов
директоров.
–
М.:
ИНФРА-М, 2009. – 430 с. – (Научная мысль).
9.
Ивашковская И.В., Кокорева М.С., Степанова А.Н. и др.
Корпоративные финансовые решения. Эмпирический анализ
российских компаний (корпоративные финансовые решения на
развивающихся рынках капитала): Монография / Под науч. ред.
И.В. Ивашковской. — М.: ИНФРА'М, 2012. — 282 с. — (Научная
мысль).
10.
Ивашковская И.В., Куприянов А. Структура капитала:
резервы создания стоимости для собственников компании.
Журнал Управление компанией (ЖУК) 02(45) 2005, с. 34-38
11.
Ивашковская
классические
концепции
развивающихся
Восточной
И.В.,
и
рынках?
Макаров
выбора
П.В.
ли
капитала
на
структуры
Эмпирический
Центральной
Действуют
Европы.
анализ
Электронный
компаний
журнал
«Корпоративные финансы» , №3(15), 2010,47-62
12.
Ивашковская И.В., Солнцева М.С. Структура капитала в
российских компаниях как стратегическое решение, Вестник
Санкт-Петербургского университета, Сер. 8, Вып.3, 2008, 3-32
13.
Ивашковская И.В., Степанова А.Н. Финансовая архитектура
фирмы: структура собственности и корпоративная эффективность
на растущих рынках капитала. Эмпирическое исследование.
Финансы и бизнес, 2009. № 3. C. 1—22
14.
Лимитовский М.А. Модель влияния структуры капитала на
ценность компании, основанная на реалистичных допущениях.
Корпоративный финансовый менеджмент, 1, с. 36-48
132
15.
Лимитовский М.А. Рынок заемного капитала: «супермаркет»
или «базар»? Российский журнал менеджмента, Том 6, №1, 2008,
с. 53-56
16.
Михайлов
статической
А.В.
Эмпирическая
компромиссной
проверка
теории
положений
структуры
капитала:
сравнение по различным странам. Журнал «Корпоративные
финансы», 3 (7), 2008, с. 56-61
17.
Нефедов Д.А. Методы аппроксимации и количественной
оценки
издержек
финансовой
неустойчивости.
Журнал
«Корпоративные финансы», 3(7), 2008, с. 62-67
18.
Пономарева О.А. Динамическая концепция структуры
капитала:
история
возникновения,
эволюция
и
основные
исследовательские вопросы. Журнал «Корпоративные финансы»,
2(6), 2008, с. 78-91
19.
Ратникова Т.А. Введение в эконометрический анализ
панельных данных. М.: Изд.дом Гос.ун-та – Высшей школы
экономики, 2010. – 192 с.
20.
Рудык Н.Б. Структура капитала корпораций: теория и
практика. – М.: Дело, 2004. – 272 с.
21.
Семенова
Е.,
Смирнова
И.
Исследования
издержек
финансовой неустойчивости в рамках компромиссной теории
структуры капитала: обзор. Электронный журнал «Корпоративные
финансы», 3, 2007, с.102-113
22.
Солодухина А.В., Репин Д.В. В поисках решения загадки
структуры капитала: поведенческий подход. Электронный журнал
«Корпоративные финансы», 2008, №5, c. 104-119
23.
Уилсон У.Т., Ушаков Н. Дивный новый мир. Классификация
стран с быстроразвивающимися рынками – новая методология,
Индекс
быстроразвивающихся
рынков
СКОЛКОВО,
2011.
133
Тематический
доклад
SIEMS.
Институт
исследования
быстрорастущих рынков СКОЛКОВО. – 64 с.
24.
Adedeji A. A cross-sectional test of Pecking Order Hypothesis
against Static Trade-off Theory on UK data. Working paper, 2002
Available
at
SSRN:
http://ssrn.com/abstract=302827
or
http://dx.doi.org/10.2139/ssrn.302827
25.
Ahmed H.J.A., Hisham N. Revisiting Capital Structure Theory:
A Test of Pecking Order and Static Trade-of Model from Malaysian
Capital Market. International Research Journal of Finance and
Economics. Issue 30, 2009, p.58-65
26.
Alti A. How Persistent Is the Impact of Market Timing on
Capital Structure? (October 14, 2003). AFA 2005 Philadelphia
Meetings; University of Texas at Austin Working Paper; 6th Annual
Texas
Finance
Festival.
Available
http://ssrn.com/abstract=458640
at
SSRN:
or
http://dx.doi.org/10.2139/ssrn.458640
27.
Altman E. A Further Empirical Investigation of the Bankruptcy
Cost Question. Journal of Finance, 1984, pp.1067-1090
28.
Alves P.F.P., Ferreira M.A. Capital structure and law around the
world. Journal of Multinational Financial Management, 21, 2011,
pp.119-150
29.
Anderson, T. W. and C. Hsiao, 1982, Formulation and
Estimation of Dynamic Models Using Panel Data, Journal of
Econometrics, 18, 47-82
30.
Andrade G., Kaplan S.N. How Costly Is Financial (Not
Economics) Distress? Evidence from Highly Leveraged Transactions
That Became Distressed. The Journal of Finance. Vol. 53, No.5, (Oct.,
1998), pp.1443-1493
31.
Ang J.S., Cole R.A., Lin J.W. Agency costs and ownership
134
structure. The Journal of Finance, Vol. 55, № 1 (Feb., 2000), pp. 81106
32.
Antoniou A., Guney Y., Paudyal K. the Determinants of Capital
Structure: Capital Market-Oriented versus Bank-Oriented Institutions.
Journal of Financial and Quantitative Analysis, Vol. 43? No.1, March
2008, pp.59-92
33.
Arellano, M. and S. Bond, 1991, Some Tests of Specification for
Panel Data: Monte Carlo Evidence and an Application to Employment
Equations, The Review of Economic Studies, 58, 277 - 297
34.
Ariff, M. and Taufiq H. How Capital Structure Adjusts
Dynamically During Financial Crises, Corporate Finance Review,
2008, 13, 11-24
35.
Atkeson A., Cole H. A Dynamic Theory of Optimal Capital
Structure and Executive Compensation. (January 2005). NBER
Working
Paper
No.
w11083.
Available
at
SSRN:
http://ssrn.com/abstract=652368
36.
Baker M., Wurgler J. Market Timing and Capital Structure. The
Journal of Finance, 2002, Vol.57, No 1., pp. 1-32
37.
Baltagi B.H. Econometric Analysis of panel data. John Wiley &
Sons Ltd., 4th ed, 2009, 351 p.
38.
Beck T., Demirgüç-Kunt A., Maksimovic V. Financing patterns
around the world: Are small firms different? Journal of Financial
Economics, 89, 2008, pp.467-487
39.
Bekaert G., Harvey C.R. Emerging markets finance. Journal of
Empirical Finance, 10, 2003, p.3-55
40.
Berger P.G., Ofek E., Yermack D.L. Managerial Entrenchment
and Capital Structure Decisions. The Journal of Finance. Vol. LII,
NO.4, September 1997, 1411-1438
41.
Bessler
W.,
Drobetz
W.,
Grüninger
M.C.
Information
135
Asymmetry and Financing Decisions. International Review of Finance,
11:1, 2011, pp.123-154
42.
Bhaduri S. N. Determinants of Capital Structure Choice: a Study
of the Indian Sector. Applied Financial Economics, 2002, 12, pp. 655665
43.
Blundell, R.W. and S.R. Bond (1998), Initial Conditions and
Moment Restrictions in Dynamic Panel Data Models, Journal of
Econometrics, 87, 115-143
44.
Bokpin G. Financial market development and corporate
financing: evidence from emerging market economies. Journal of
Economic Studies, Volume 37, Issue 1, p.96-116
45.
Bokpin G. Macroeconomic development and capital structure
decisions of firms: evidence from emerging market economies. Studies
in Economics and Finance, Volume 26, Issue 2, p.129-142
46.
Booth L., Varouj A., Demirguk-Kunt A., Maksimovic V. Capital
Structures in Developing Countries. Journal of Finance, 2001, 56,
pp.87-130
47.
Bradley M., Gregg A. J., Kim E. H. On the Existence of an
Optimal Capital Structure: Theory and Evidence. The Journal of
Finance, 1984, Vol. 39, No. 3, Papers and Proceedings, Forty-Second
Annual Meeting, American Finance Association, San Francisco, CA,
December 28-30, pp. 857-878
48.
Brennan M.J., Schwartz E.S. Corporate Income Taxes,
Valuation, and the Problem of Optimal Capital Structure. The Journal
of Business, 1978, Vol.51, No.1, pp. 103-114
49.
Brounen D., de Jong A., Koedijk K. Capital Structure policies in
Europe: Survey evidence. Journal of Banking & Finance, 30, 2006,
pp.1409-1442
136
50.
Buchanan B.G., English P.C., Gordon R. Emerging market
benefits, investability and the rule of law. Emerging Markets Review,
12, 2011, p.47-60
51.
Byoun S. How and When Do Firms Adjust Their Capital
Structures toward Targets? The Journal of Finance. Vol. LXIII, No. 6,
December, 2008, pp.3069-3096
52.
Céspedes J., Gonzaléz M., Molina C.A. Ownership and capital
structure in Latin America. Journal of Business Research, 63, 2010,
pp.248-254
53.
Chakraborty I. Capital Structure in an emerging stock market:
The case of India. Research in International Business and Finance, 24
(2010), 295-314
54.
Chen,
Y.,
Jermias,
J.
Business
Strategy,
Executive
Compensation, and Firm Performance (January 11, 2009). CAAA
Annual
Conference
2009
Paper.
Available
at
SSRN:
http://ssrn.com/abstract=1326183
or
http://dx.doi.org/10.2139/ssrn.1326183
55.
Childs P.D., Mauer D.C., Ott S.H. Interactions of corporate
financing and investment decisions: The effects of agency conflicts.
Journal of Financial Economics, 76, 2005, pp.667-690
56.
Claessens S., Tzioumis K. Ownership and Financing Stuctures of
Listed and Large Non-listed Corporations. Corporate Governance.
Volume 14, Number 4, July 2006, pp. 266-276
57.
Clark B., Francis B., Hasan I. Do firms adjust toward target
capital structures? Some international evidence. (February 2009).
Available
at
SSRN:
http://ssrn.com/abstract=1364095
or
http://dx.doi.org/10.2139/ssrn.1364095
137
58.
Cook, D. O. and T. Tang, Macroeconomic Conditions and
Capital Structure Adjustment Speed, Journal of Corporate Finance,
2010, 16, 73-87
59.
Črnigoj M., Mramor D. Determinants of Capital Structure in
Emerging European Economies: Evidence from Slovenian Firms.
Emerging markets Finance & Trade/January-February 2009, Vol.45,
No.1, pp.72-89
60.
Dang V.A. Testing capital structure theories using error
correction models: evidence from the UK, France and Germany,
Applied Economics, 2013, 45:2, 171-190
61.
Dang V.A., Kim M., Shin Y. Asymmetric Capital Structure
Adjustments: New Evidence from Dynamic Panel Threshold Models,
(March 17, 2012). Journal of Empirical Finance, Forthcoming.
Available
at
SSRN:
http://ssrn.com/abstract=1444488
or
http://dx.doi.org/10.2139/ssrn.1444488
62.
Danis A., Rettl D.A. Testing Dynamic Tradeoff Theory:
Evidence from Rebalancing Points. (July 15, 2011). International
Conference of the French Finance Association (AFFI), May 11-13,
2011. Available at SSRN: http://ssrn.com/abstract=1833425 or
http://dx.doi.org/10.2139/ssrn.1833425
63.
Davis P.E., Stone M.R. Corporate financial structure and
financial stability. Journal of Financial Stability, 1 (2004), p.65-91
64.
De Haas, R. and M. Peeters, The Dynamic Adjustment Towards
Target Capital Structures of Firms in Transition Economies, Economics
of Transition, 2006, 14, 133-169
65.
De Jong A., Kabir R., Nguyen T.T. Capital structure around the
world: the role of firm- and country-specific determinants. Journal of
Banking & Finance, 32, 2008, pp.1954-1969
138
66.
De Jong, A., Verwijmeren P. To have a target debt ratio or not:
what difference does it make? Applied Financial Economics, 2010,
20:3, pp. 219-226
67.
De Medeiros O.R., Daher C.E. Testing the Pecking Order Theory
of Capital Structure in Brazilian Firms (December 5, 2005). Available
at
SSRN:
http://ssrn.com/abstract=868466
or
http://dx.doi.org/10.2139/ssrn.868466
68.
DeAngelo H., DeAngelo A., Stulz R.M. Seasoned equity
offerings, market timing, and the corporate lifecycle. Journal of
Financial Economics, 95, 2010, 275–295
69.
DeAngelo H., Masulis R. Optimal Capital Structure under
Corporate and Personal Taxation. Journal of Financial Economics,
1980, 8, pp.3-29
70.
Delcoure N. The determinants of capital structure in transition
economies. International Review of Economics and Finance, 16 (2007),
p.400-415
71.
DeMarzo, Peter M., Sannikov Y. Optimal security design and
dynamic capital structure in a continuous-time agency model. Journal
of Finance, 2006, 61(6), pp. 2681 – 2724
72.
Devos E., Dhillon U., Jagannathan M. Why are firms unlevered?
Journal of Corporate Finance, 18, 2012, p.664-682
73.
Dittmar A., Thakor A. Why Do Firms Issue Equity? The Journal
of Finance, 2007, Vol. LXII, No.1, February, pp.1-54
74.
Djankov, S., R. La Porta, F. Lopez-de-Silanes and A. Shleifer,
‘The Law and Economics of Self-Dealing, (December 2005). Available
at
SSRN:
http://ssrn.com/abstract=864645
or
http://dx.doi.org/10.2139/ssrn.864645
75.
Donaldson, G., 1961, Corporate Debt Capacity, Harvard
University Press, Cambridge, MA.
139
76.
Drobetz, W., Wanzenried G. What determines the speed of
adjustment to the target capital structure? Applied Financial
Economics, 2006, 16, 941–958
77.
Dudley E. Testing Models of Dynamic Trade Off Theory. SSRN
Working paper. Available at SSRN: http://ssrn.com/abstract=1030119
or http://dx.doi.org/10.2139/ssrn.1030119
78.
Elliott W.B., Koëter-Kant J., Warr R.S. Market timing and the
debt–equity choice. Journal of Financial Intermediation, 17, 2008, 175–
197
79.
Ezeoha A., Botha F. Firm age, collateral value, and access to debt
financing in an emerging economy: Evidence from South Africa. South
African Journal of Economic and Management Sciences. Volume 15,
Issue 1, 2012, p.55-71
80.
Fama, E. and J. MacBeth, 1973, Risk, Return, and Equilibrium:
Empirical Tests, Journal of Political Economy, 81, 607-636
81.
Fama, E. and K. French, 2002, Testing Tradeoff and Pecking
Order Predictions about Dividends and Debt, Review of Financial
Studies, 15, 1-37
82.
Farhat J., Cotei C., Abugri B.A. The pecking order hypothesis vs.
static trade-off theory under different institutional environments.
Working paper, 2006.A Journal On The Theory Of Ordered Sets And
Its Applications (2006) Issue: September, Pages: 1-39
83.
Fischer E.O., Heinkel R., Zechner J. Optimal Dynamic Capital
Structure Choice: Theory and Tests, Journal of Finance, 1989, 44, pp.
19-40
84.
Flannery M. J., Rangan K. P. Partial adjustment toward target
capital structures. Journal of Financial Economics 79 (2006) 469–506
85.
Frank M.Z., Goyal V.K. Testing the pecking order theory of
capital structure. Journal of Financial Economics 67 (2003) 217–248
140
86.
Frank M.Z., Goyal V.K. Trade-Off and Pecking Order Theories
of Debt. Handbook of Empirical Corporate Finance, Volume 2 Edited
by B. Espen Eckbo, 2008, p.135-202
87.
Frank, M. Z. and V. K. Goyal, Capital Structure Decisions:
Which Factors are Reliably Important? Financial Management, 2009,
38, 1-37
88.
Gaud P., Hoesli M, Bender A. Debt-equity choice in Europe.
International Review of Financial Analysis, 16, 2007, pp. 201-222
89.
Gilson S.C. Transactions Costs and Capital Structure Choice:
Evidence form Financial Distressed Firms. The Journal of Finance,
Vol. 52, No. 1., 1997, pp. 161-196
90.
Gleh J., Singh A. Comparing capital structures and rates of return
in developed and emerging markets. Emerging Markets Review, 5,
2004, p.161-192
91.
Goldstein R., Ju N., Leland H. An EBIT-Based Model of
Dynamic Capital Structure. The Journal of Business, Vol. 74, No. 4
(October 2001), pp. 483 – 512
92.
Graham J. Debt and the marginal tax rate. Journal of Financial
Economics, 41, 1996, 41-73
93.
Graham J. How big are the tax advantages to debt? Journal of
Finance, 2000, 55, pp. 1901-42
94.
Graham J.R., Harvey C.R. The theory and practice of corporate
finance: evidence from the field. Journal of Financial Economics, 60,
2001, pp.187-243
95.
Graham J.R., Leary M.T. A Review of Empirical Capital
Structure Research and Directions for the Future. Annual Review of
Financial Economics, 2011, 3:309-345
141
96.
Gungoraydinoglu A., Őztekin Ő. Firm- and country-level
determinants of corporate leverage: Some new international evidence.
Journal of Corporate Finance, 17, 2011, p.1457-1474
97.
Hackbarth D. Managerial Traits and Capital Structure Decisions.
Journal of Financial and Quantitative Analysis, Volume 43, Issue 4,
December 2008, pages 843-882
98.
Hall T.W. The collateral channel: Evidence on leverage and asset
tangibility. Journal of Corporate Finance, 18, 2012, pp.570-583
99.
Halov N., Heider F. Capital Structure, Risk and Asymmetric
Information,
(November
1,
2011).
Available
at
http://ssrn.com/abstract=566443
SSRN:
or
http://dx.doi.org/10.2139/ssrn.566443
100. Hanousek J., Shamshur A. A stubborn persistence: Is the stability
of leverage ratios determined by the stability of the economy? Journal
of Corporate Finance Volume 17, Issue 5, December 2011, pp.13601376
101. Harris M. Raviv A. Capital Structure and the Informational Role
of Debt. The Journal of Finance., Vol. 45, No. 2, (Jun. 1990), pp. 321349
102. Harris M., Raviv A. The Theory of Capital Structure. The
Journal of Finance. Vol. 46, No.1, (Mar. 1991), pp. 297-355
103. Hart O., Moore J. A Theory of Debt Based on the Inalienability
of Human Capital.
The Quarterly Journal of Economics, 1994, Vol.
109, No. 4, pp. 841-879
104. Haugen R. A. and Senbet L.W. The Insignificance of Bankruptcy
Costs to the Theory of Optimal Capital Structure. The Journal of
Finance, 1978,Vol. 33, No. 2, pp. 383-393
142
105. Heakal, R. What Is An Emerging Market Economy? Retrieved
August
15,
2009
from
http://www.investopedia.com/articles/03/073003.aspv
106. Hennessy C. A. and Whited T. M. Debt Dynamics. The Journal
of Finance, Vol. 60, No. 3 (Jun., 2005), pp. 1129-1165
107. Himmelberg, C.P., Hubbard, R.G., Palia, D. Understanding
the determinants
of managerial
ownership.
Journal
of Financial
Economics, 1999, 53, pp. 353–384
108. Hovakimian A. Are Observed Capital Structures Determined by
Equity Market Timing? (June 3, 2003). AFA 2005 Philadelphia
Meetings. Available at SSRN: http://ssrn.com/abstract=413387 or
http://dx.doi.org/10.2139/ssrn.413387
109. Hovakimian A., Hovakimian G., Tehranian H. Determinants of
target capital structure: The case of dual debt and equity issues. Journal
of Financial Economics, 71, 2004, p.517-540
110. Hovakimian A., Opler T., Titman S. The Debt-Equity Choice.
The Journal of Financial and Quantitative Analysis, Vol.36, № 1, 2001,
pp.1-24
111. Hovakimian, A. and G. Li, 2011, In Search of Conclusive
Evidence: How to Test for Adjustment to Target Capital Structure,
Journal of Corporate Finance, 17, 33-44
112. Huang R., Ritter J.R. Testing theories of capital structure and
estimating the speed of adjustment. Journal of Financial and
Quantitative Analysis, Vol. 44, No. 2, Apr. 2009, pp.237-271
113. Hull R.M. Leverage Ratios, Industry Norms, and Stock Price
Reaction: An Empirical Investigation of Stock-for-Debt Transactions",
Financial Management, 1999, 28, 2, 32-45.
143
114. Hussain Q., Nivorozhkin E. The Capital Structure of Listed
Companies in Poland. (December 1997). IMF Working Paper, Vol. ,
pp. 1-27, 1997. Available at SSRN: http://ssrn.com/abstract=883923
115. Icke B.T., Ivgen H. How Firm Specific Factors Affect Capital
Structure: An Emerging Market Practice – Istanbul Stock Exchange
(ISE). Middle Eastern Finance and Economics. Issue 13, 2011, p.90102
116. Ivanov I. Capital Structure determinants of Russian public
companies.Журнал «Корпоративные финансы», 1(13) 2010, с.5-38
117. Ivashkovskayа I.V., Solntseva M.S. The Capital Structure of
Russian Companies: Testing Trade-off Theory versus Pecking Order
Theory. Журнал «Корпоративные финансы», №2, 2007, с.17-31
118. Jalilvand A., Harris R.S. Corporate Behavior in Adjusting to
Capital Structure and Dividend Targets: an Econometric Study. The
Journal of Finance, Vol.39, No.1 (Mar., 1984), pp. 127-145
119. Jensen M.C. Agency Costs of Free Cash Flow, Corporate
Finance, and Takeovers. The American Economic Review, 1986,
Vol.76, No.2, Papers and Proceedings of the Ninety-Eighth Annual
Meeting of the American Economic Association, pp.323-329
120. Jensen M.C., Meckling W., Theory of the Firm: Managerial
Behavior, Agency Costs, and Capital Structure. Journal of Financial
Economic, 1976, 3, pp.305-360
121. Jenter D. Market Timing and Managerial Portfolio Decisions.
Journal of Finance, 2005, 60, 4, pp. 1903—1949.
122. Jiraporn P., Liu Y. Capital Structure, Staggered Boards, and Firm
Value. Financial Analyst Journal, Volume 64, No1, pp. 49-60
123. Ju N., Parrino R., Poteshman, Weisbach M.S. Horses and
Rabbits? Trade-Off Theory and Optimal Capital Structure. The Journal
of Financial and Quantitative Analysis, Vol. 40, No. 2 (Jun., 2005),
144
pp.259-281
124. Kalemni-Ozcan S., Sorensen B., Yesiltas S. Leverage across
firms, banks, and countries. Journal of International Economics,
forthcoming, 2012, doi:10.1016/j.jinteco.2012.03.002
125. Kayhan, A. and S. Titman, Firms' Histories and Their Capital
Structures, Journal of Financial Economics, 2007, 83, 1-32
126. Kim E.H. Miller’s Equilibrium, Shareholder Leverage Clienteles,
and Optimal Capital Structure. Journal of Finance, 1982, 37, pp. 301323
127. Kisgen D.J. Do Firms Target Credit Ratings or Leverage Levels?
Journal of Financial and Quantitative Analysis. Vol. 44, No. 6, Dec/
2009, pp.1323-1344
128. Kokoreva M., Stepanova A. Financial Architecture and
Corporate Performance: Evidence from Russia. Электронный журнал
«Корпоративные финансы», №2, p. 34-44
129. Korajczyk R.A, Levy A. Capital structure choice: macro
economic conditions and financial constraints. Journal of Financial
Economics, 68, 2003, pp.75-109
130. Kraus A., Litzenberger R.H. A State-Preference Model of
Optimal Financial Leverage. Journal of Finance, 1973, pp. 911-922
131. Leary M.T., Roberts M.R. Do Firms Rebalance Their Capital
Structures? The Journal of Finance, 2005, Vol. LX, No6., pp.25752619
132. Leary M.T., Roberts M.R. The pecking order, debt capacity, and
information asymmetry. Journal of Financial Economics, 95, 2010,
pp.332-355
133. Lemmon M.L., Roberts M.R., Zender J.F. Back to the Beginning:
Persistence and the Cross-Section of Corporate Capital structure. The
Journal of Finance, Vol. LXIII, No.4, August 2008, p. 1575-160
145
134. Lintner J. Distribution of Incomes of Corporations among
Dividends, Retained Earnings and Taxes // American Economic
Review. 1956. Vol. 46. No 2. P. 97–113
135. MacKay P., Phillips G.M. How Does Industry Affect Firm
Financial structure? The Review of Financial Studies, Vol. 18, No.4
(Winter, 2005), pp. 1433-1466
136. Mahadwartha, P.A. Predictability Power of Dividend Policy and
Leverage Policy to Managerial Ownership in Indonesia: An Agency
Theory Perspective. Jurnal Ekonomi dan Bisnis Indonesia, Vol.18,
No.3, 2003. Available at SSRN: http://ssrn.com/abstract=637582
137. Mahajan A., Tartaroglu S. Equity market timing and capital
structure: International evidence. Journal of Banking & Finance, 32,
2008, p.754-766
138. Mauer D.C., Triantis A.J. Interactions of Corporate Financing
and Investment Decisions: A Dynamic Framework. The Journal of
Finance, Vol. 49, No. 4, (Sep., 1994), pp.1253-1277
139. Mazur K. The determinants of capital structure choice: evidence
from Polish companies. International Advances in Economic Research,
2007, 13, pp. 495-514
140. Mello A.S., Parsons J.E. Measuring the Agency Cost of Debt.
The Journal of Finance, 1992, Vol. 47, No.5, pp.1887-1904
141. Mendes E., Kayo E., Cruz L.B. Capital Structure and Windows
of Opportunities: Tests in the Brazilian Market (March 2, 2005).
Available
at
SSRN:
http://ssrn.com/abstract=677561
or
http://dx.doi.org/10.2139/ssrn.677561
142. Miguel A., Pindado J. Determinants of the capital structure: New
evidence from Spanish data // Journal of Corporate Finance, No. 7. –
2001. - p. 77–99.
146
143. Mihalca G., Antal R. An empirical investigation of the trade-off
and pecking order hypotheses on Romanian market. The XIII
International Conference “Applied Stochastic Models and Data
Analysis” 2009
144. Mileva E. Using Arellano-Bond Dynamic Panel GMM
Estimators in Stata. Fordham University working paper, 2007
145. Mitton, T., Why Have Debt Ratios Increased for Firms in
Emerging Markets? European Financial Management, Vol. 14, Issue 1,
pp. 127-151, 2008.
146. Modigliani F., Miller M.H. The Cost of Capital, Corporation
Finance, and the Theory of Investment. American Economic Review,
1958, 48, pp. 261-297
147. Modigliani F.F., Miller M.H. Corporation Income Taxes and the
Cost of Capital: A Correction. American Economic Review, vol. 53
(June 1963), pp.433-443
148. Mramor D., Valenticic. When Maximazing Shareholders’
Wealth Is Not the Only Choice. Eastern European Economics, Vol.39,
No.6, November-December 2001, pp.64-93
149. Myers S.C. Capital Structure. Journal of Economic Perspectives.
Volume 15, №2, 2001, p.81-102
150. Myers
S.C.,
Financial
architecture.
European
Financial
Management, 5, 1999, pp. 133–141
151. Myers S.C., Majluf N.S. Corporate Financing And Investment
Decisions When Firms Have Information That Investors Do Not Have.
Journal of Financial Economics, 1984, 13, pp.187-221
152. Myers, S. C., Determinants of Corporate Borrowing, Journal of
Financial Economics, 1977, 5, 147–175
153. Myers, S. The Capital Structure Puzzle. Journal of Finance,
1984, 39, pp. 575-592.
147
154. Nguyen D. K., Boubaker A. Does financing behavior of Tunisian
firms follow the predictions of the market timing theory of capital
structure? Economics Bulletin, 2009. Vol. 29 no.1 pp. 169-181.
155. Ni Y., Guo S., Giles D.E. Capital structures in an emerging
market: a duration analysis of the time interval between IPO and SEO
in China. Applied Financial Economics, 2010, 20, p.1531-1545
156. Nivorozhkin E. Financing choices of firms in EU accession
countries. Emerging Markets Review, 6, 2005, pp.138-169
157. Nivorozhkin. E. Capital Structures in Emerging Stock Markets:
The case of Hungary. The Developing Economies, 2002, XL-2, pp.16687
158. Opler T.C., Titman S. Financial Distress and Corporate
Performance. The Journal of Finance. Vol. 49, No.3, Papers and
Proceedings Fifty-Fourth Annual Meeting of the American Finance
Association, Boston, Massachusetts, January 3-5, 1994, (Jul.1994),
pp.1015-1040
159. Őztekin Ő., Flannery M.J. Institutional Determinants of Capital
Structure Adjustment Speeds. Journal of Financial Economics, 103,
2012, pp. 88-112.
160. Pandey I.M.. Capital Structure and the firm characteristics:
Evidence from an emerging market. (October 2001). IIMA Working
Paper
No.
2001-10-04.
http://ssrn.com/abstract=300221
Available
at
SSRN:
or
http://dx.doi.org/10.2139/ssrn.300221
161. Pao H-T. A comparison of neural network and multiple
regression analysis in modeling capital structure. Expert Systems with
Applications, 35, 2008, p.720-727
148
162. Parsons C., Titman S. Capital Structure and Corporate Strategy.
Handbook of Empirical Corporate Finance, Volume 2. Edited by B.
Espen Eckbo, 2008, p. 203-234
163. Petersen M.A. Estimating Standard Errors in Finance Panel Data
Sets: Comparing Approaches. (May, 2006). Kellogg Finance Dept.
Working Paper No. 329; AFA 2006 Boston Meetings Paper. Available
at
SSRN:
http://ssrn.com/abstract=661481
or
http://dx.doi.org/10.2139/ssrn.661481
164. Pöyry S., Maury B. Influential Ownership and Capital Structure.
Managerial and Decision Economics, 31, 2010, p.311-324
165. Prats, M. J. Sustaining Superior Performance through an
Entrepreneurial Boom and Bust: Inter-Firm Differences in the EConsulting Industry (1997-2001) and the Investment Management
Industry (1927-1931) (March 11, 2009). Available at SSRN:
http://ssrn.com/abstract=1357348
or
http://dx.doi.org/10.2139/ssrn.1357348
166. Qian Y., Tian Y., Wirjanto T.S. Do Chinese publicly listed
companies adjust their capital structure toward a target level? China
Economic Review, 20, 2009, pp. 662-676
167. Rajan R., Zingales L. What do we know about capital structure?
Some evidence from international data. Journal of Finance, 1995, 50,
pp. 1421—1460.
168. Rauh J.D., Sufi A. Explaining corporate Capital Structure:
Product Markets, Leases, and Asset Similarity. Review of Finance,
2012, 16, pp.115-155
169. Ross S.A. The Determination of Financial Structure: The
Incentive-Signalling Approach. The Bell Journal of Economics,
Volume 8, Issue 1, (Spring, 1977), p.23-40
149
170. Sabiwalsky R. Nonlinear modeling of target leverage with latent
determinants variables – new evidence on the trade-off theory. Review
of Financial Economics, 19, 2010, pp. 137-150
171. Segura-Ubiergo A. The puzzle of Brazil’s high interest rates.
IMF
working
paper.
2012.
http://www.imf.org/external/pubs/ft/wp/2012/wp1262.pdf
172. Seifert B., Gonenc H. Pecking Order Behaviour in Emerging
Markets. Journal of International
Financial
Management and
Accounting, 21:2, 2010, pp.1-31
173. Selim A., Alpkan L., Sezen B., Guncu Z.A. Frvers of firms’ debt
ratios: evidence from Taiwanese and Turkish firms. Journal of Business
Economics and Management. Volume 13 (1), pp.53-70, 2012
174. Seppa R. Capital structure decisions: research in Estonian nonfinancial companies, Baltic Journal of Management, 2008, Vol. 3 Iss: 1,
pp.55 - 70
175. Shyam-Sunder L., S.C.Myers. Testing Static Trade-Off against
Pecking Order Models of Capital Structure. Journal of Financial
Economics, 1999, 51, pp.219-244
176. Stephan A., Talavera O., Tsapin A. Corporate debt maturity
choice in emerging financial markets. The Quaterly Review of
Economics and Finance, 51, 2011, pp.141-151
177. Strebulaev I.A. Do tests of capital structure theory mean what
they say? The Journal of Finance, Vol. LXII, No.4, August 2007, 17471787
178. Su L.D. Ownership structure, corporate diversification and
capital structure. Evidence from China’s publicly listed firms.
Management Decision, Vol. 48, No.2, 2010, pp.314-339
150
179. Titman S. The Effect of Capital Structure on a Firm’s
Liquidation Decision. Journal of Financial Economics, 1984, 12, pp.
137-151
180. Titman S., Tsyplakov S. A dynamic model of optimal capital
structure. Review of Finance, 2007, 11, pp.401-451
181. Titman S., Wessels R. The Determinants of Capital Structure
Choice. The Journal of Finance, Vol. 43, No.1 (Mar., 1988), pp.1-19
182. Tong G., Green C.J. Pecking order or trade-off hypothesis?
Evidence on the capital structure of Chinese companies. Applied
Economics, 2005, pp.2179-2189
183. Tsyplakov S. Investment frictions and leverage dynamics.
Journal of Financial Economics, 89, 2008, pp. 423-443
184. Umutlu G. Pecking Order and Timing Effects on Aftermarket
Performance of IPOs: Evidence from Turkey. International Research
Journal of Finance and Economics, Issue 18, 2008, pp.142-150
185. Wang K-Ch. A., Lin Ch-H. A. Pecking order theory revisited: the
role of agency cost. The Manchester School Vol 78 No. 5 395–411
September 2010. doi: 10.1111/j.1467-9957.2010.02201.x
186. Wanzenried G. Capital Structure decisions and output market
competition under demand uncertainty. International Journal of
Industrial Organization. 21 (2003) 171-200
187. Wanzenried G. Capital Structure Dynamics in the UK and
Continental Europe. The European Journal of Finance. Vol. 12, No. 8,
693-716, December 2006
188. Warner J. Bankruptcy Costs: Some Evidence. Journal of Finance,
1977, 32, pp.337-347
189. Welch I. Capital Structure and Stock Returns. The Journal of
Political Economy, Vol. 112, No. 1, Part 1 (Feb., 2004), pp.106-131
151
190. Wiwattanakantang Y. An empirical study on the determinants of
the capital structure of Thai firms. Pacific-Basin Finance Journal, 1999,
7, pp. 371-403
191. Yu D.D., Aquino R.Q. Testing capital structure models on
Philippine listed firms. Applied Economics, 2009, 41, 1973-1990
152
Приложения
Приложение 1. Детерминанты структуры капитала, анализируемые в эмпирических
исследованиях
Авторы,
год
публикац
ии
Выборка
Показате
ли
долговой
нагрузки
Размер
капитала
компани
и
Доходнос
ть
совокупн
ого
капитала
Wiwattanakantang
, 1999
Booth et
al.,2001
Тайланд, 270
публичных
нефинансовых
компаний, 1996 год
10
развивающих
ся стран и 7
развитых
стран с
развитых
рынков, 19801991 годы
Компании
Индии 19891995 годы
Nivorozhkin,
2002
25
нефинансов
ых
компаний,
котируемых
на бирже
Будапешта,
1992-1995
годы
TD/TA; TD/(TL +
MVE)
TL/(TL + net
worth); (TLCL)/(TL-CL+
net
worth);(TLCL)/(TL-CL+
MVE)
TD/TA;
LTD/TA;
STD/TA
LnSales
lnSales/100
LnTA
EBIT/TA
EBT/TA
Bhaduri, 2002
CF/TA;
CF/Sales
Березинец,
Размочаев,
Волков,2010
Chakraborty
, 2010
Bhaduri,
2002
Berger. Ofek,
Yermack, 1997
Wanzenried,
2006
452 компании
США, 1984-1991
873
компании
Великобрита
нии и
континентал
ьной
Европы,
1982-2002
Ivanov, 2010
33 публичных
российских
компаний за
2000-2006
годы
Индия
363
нефинансов
ые компании
Индии за
1989-1995
TD/TA;
TL/TA; ST
(LT) D/TA;
ST (LT)L/TA
TD/TA;
TD/(TL +
MVE);LTD/TA
; STD/TA
TD/TA;
TL/(TL+MV
E)
TD/TA;
LTD/TA;STD
/TA
TD/TA;
TD/(TD+MVE)
TD/TA;
TD/(TD+E)
692
российские
компании
STD/TA;
LTD/TA;TD/
TA;
STD/(MVE+
TD);
LTD/(MVE+
TD);
TD/(MVE+T
D)
LnSales
LnTA
lnSales
LnTA
LnTA
LnTA
LnTA
EBIT/TA
EBI/TA
текущего и
предыдущего
периодов
EBITDA/TA,
CF/TA
EBITDA/TA
EBIT/TA
EBIT/TA
153
Авторы,
год
публикац
ии
Wiwattanakantang
, 1999
Booth et
al.,2001
Возможн
ости
роста
MTB
MVE/net
worth
Структур
а
активов
FA/TA
(TA-CA)/TA
Налогов
ые щиты
Недолгов
ые
налоговы
е щиты
Прочие
детермин
анты
Bhaduri, 2002
CapEx/delta TA
PPE/TA;
land&property/
TA;
inventories/TA
Nivorozhkin,
2002
Березинец,
Размочаев,
Волков,2010
(BVABE+MVE)/B
VA
(TL +MVE)/TA
Chakraborty
, 2010
%
изменение
ТA;
процентное
изменение
Sales
FA/TA
PPE/TA
FA/TA
Bhaduri,
2002
FA/TA
Berger. Ofek,
Yermack, 1997
Wanzenried,
2006
Ivanov, 2010
MTB
MTB;
CapEx/TA;
Growth of
Sales
(PPE+inventory)/
TA
FA/TA
FA/TA;
PPE/TA
DA/TA
Investment tax
credits/TA
DA/TA
Уникальнос
ть продукта:
R&D/Sales
Размер совета
директоров
Логарифм
количества
членов Совета;
% независимых
директоров;Собс
твенность
менеджмента:%
акций в
собственности
менеджмента;
опционы на
приобретение
акций;Уникальн
ость продукта:
R&D/Sales;
SG&A/Sales
Капитализац
ия
рынка/ВВП;
Совокупные
активы
банков/ВВП;
Темп роста
ВВП на
душу
населения;И
ндекс уровня
законодатель
ства;
индексы
защиты прав
кредиторов и
акционеров;т
емп
инфляции
Относительно
е налоговое
преимуществ
о Миллера
DA/TA
Dummy (1,
государству
принадлежит не
менее 10%
акций);Dummy (1,
компанией владеет
семья);Dummy (1,
10% и более акций
фирмы
принадлежат ряду
известных
конгломератов);Ре
путация:Dummy (1,
фирма существует
более 21
года);Размер
совета директоров
(Логарифм
количества
директоров);Собст
венность
Деловой
риск:
стандартное
отклонение
ROA за
возможный
период
времени;Капи
тализация
рынка/ВВП;
Ликвидные
обязательства
/ВВП;Темп
роста
ВВП;темп
инфляции;стр
ановые
даммипеременные
deltaDEF/Opera
ting income
Репутация:Du
mmy (1 если
компания
существует
более 20
лет);Уникальн
ость продукта:
R&D/Sales;
SG&A/Sales;В
нутренний
финансовый
дефицит:
(CapEx+DivCF+D/TA*Cap
Ex)/TA;Сигнал
ы о качестве
компании:
Div/Operating
income;
Dummy (1,
если
Dummy (1,
если
государства
среди
основных
акционеров);
Dummy (1,
если
основной
вид
деятельности
компании –
промышленн
ость);
Прирост
активов
(Change in
TA)/TA;Сигна
лы о качестве
компании
Dividends/Net
income
154
Авторы,
год
публикац
ии
Wiwattanakantang
, 1999
менеджмента:%
акций на руках у
СЕО, % акций на
руках у
директоров;Концен
трация
собственности:%
акций
крупнейшего
акционера, %
акций
крупнейшего
финансового
института, %
акций 5
крупнейших
собственников;Дел
овой риск:
станд.отклонение
первой разности
продаж за 5 лет,
нормированное на
величину
совокупных
активов
Booth et
al.,2001
Bhaduri, 2002
принадлежит к
бизнес группе)
Nivorozhkin,
2002
Березинец,
Размочаев,
Волков,2010
Chakraborty
, 2010
Bhaduri,
2002
Berger. Ofek,
Yermack, 1997
Wanzenried,
2006
Ivanov, 2010
155
Приложение 2. Типы издержек приспособления и оптимального
диапазона структуры капитала
Источник: [Leary, Roberts, 2005]
Пояснения:
Панель А: Фиксированные издержки приспособления
Панель В: Пропорциональные издержки приспособления
Панель С: Фиксированные и слабовыпуклые издержки приспособления
L*- целевой уровень долговой нагрузки
L - верхняя граница уровня долговой нагрузки
L - нижняя граница уровня долговой нагрузки
L * - верхняя граница оптимального диапазона уровня долговой нагрузки
L * - нижняя граница оптимального диапазона уровня долговой нагрузки
156
Приложение 3. Информация по распространению МСФО в странах БРИК и Восточной Европы
№
1
2
Стра
на
Болга
рия
Брази
лия
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Болгарская
фондовая биржа
(Bulgarian Stock
Exchange)
требуется
Фондовая биржа
Сан-Паулу
(BOVESPA)
Начиная с 2010 года,
консолидированная
финансовая отчетность
зарегистрированных на
бирже компаний
должна быть
подготовлена в
форматах МСФО
новом формате
бухгалтерского учета
Бразилии (CPCs)
одновременно.
Версия
МСФО
утвержден
ная ЕС
Официальные требования
бухгалтерского учета
МСФО требуется для всех финансовых
институтов и компаний,
соответствующих любым двум из
следующих критерий: 1) совокупные
активы превышают 4 млн. Евро; (2)
чистая прибыль превышает 7,5 млн.
Евро; (3) средняя численность
персонала превышает 250 человек. В
противном случае компания должна
подготавливать отчетность в
соответствии с принципами
бухгалтерского учета Болгарии.
Утвержде
нная
местными
регулиру
ющими
органами.
Отчетность должна составляться в
соответствии с новым форматом
бухгалтерского учета Бразилии, мало
отличающемся от МСФО. Учет для
малого и среднего бизнеса ведется по
стандартам Бразилии, которые также
представляют собой перевод МСФО
для малого и среднего бизнеса и могут
использоваться при соответствии
компании критериям размера (по
выручке или совокупным активам)
Версия
МСФО
утвержденн
ая ЕС
Утвержденн
ая
местными
регулирую
щими
органами
Планы по переходу на
МСФО
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО для
среднего и малого бизнеса.
Местные регулирующие
органы подписали
меморандум о
взаимопонимании с
Советом по
международным
стандартам бухгалтерского
учета в январе 2010, целью
которого является
устранение оставшихся
разногласий в форматах
МСФО и локальным
форматом отчетности
Бразилии.
157
№
3
4
5
Стра
на
Биржа
Венг
рия
Будапештская
фондовая
биржа(Budapest
Stock Exchange)
Требование МСФО
для компаний,
зарегистрированных
на бирже
Требуется для
консолидированной
финансовой
отчетности.
Разрешается для
консолидированной
отчетности любой
компании.
Инди
я
4 фондовые биржи
(Bombay Stock
Exchange,National
Stock Exchange,
Delhi Stock
Exchange, Calcutta
Stock Exchange)
Зарегистрированные на
бирже компании,
имеющие
подразделения, могут
выбирать между
локальной отчетностью
Индии и МСФО,
однако большинство
компаний
предпочитает первый
вариант.
утвержден
ная ЕС
МСФО
опубликов
анные
Советом
по
междунар
одным
стандарта
м
бухгалтер
ского
учета
Кита
й
Шанхайская
фондовая биржа
(Shanghai stock
exchange),
Шэньчжэньская
фондовая биржа
(Shenzhen stock
exchange)
Требований к МСФО
нет, однако принципы
бухгалтерского учета
Китая близки к МСФО.
Не
применим
о
Версия
МСФО
Официальные требования
бухгалтерского учета
МСФО разрешен для
консолидированной финансовой
отчетности. МСФО запрещен для
компаний малого и среднего бизнеса.
Все финансовые отчетности должны
быть приготовлены в соответствии с
местным форматом составления
отчетности или МСФО.
Версия
МСФО
Планы по переходу на
МСФО
утвержденн
ая ЕС
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО
МСФО и МСФО для малого и среднего
бизнеса запрещены. Финансовая
отчетность должна быть составлена в
соответствии с принципами
бухгалтерского учета Индии.
Не
применимо
МСФО и МСФО для малого и среднего
бизнеса запрещены.
Не
применимо
Правительство Индии в
2010 году анонсировало
несколько стадийный
переход (с 1 апреля 2011
года) к новым стандартам
финансовой отчетности
Индии, подразумевающим
конвергенцию
Установленные в 2006
году стандарты
бухгалтерской отчетности
схожи с МСФО.
Министерство финансов
объявило о намерениях к
дальнейшей конвергенции
локальных стандартов с
МСФО в ближайшем
будущем (но не с МСФО
для малого и среднего
бизнеса).
158
№
6
7
8
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Латв
ия
Рижская фондовая
биржа (NASDAQ
OMX Riga JSC)
Требуется только для
консолидированной
финансовой
отчетности. Для
неконсолидированной
требуется только в
случае, если компания
не составляет
консолидированную
отчетность.
Литв
а
Вильнюсская
фондовая биржа
(NASDAQ OMX
— OMX Nordic
Exchange)
Требуется для
консолидированной и
неконсолидированной
отчетности
Стра
на
Поль
ша
Варшавская
фондовая биржа
(Warsaw Stock
Exchange), New
Connect
Требуется для
консолидированной
отчетности и для
банков. Разрешена для
неконсолидированной
отчетности.
Версия
МСФО
утвержден
ная ЕС
утвержден
ная ЕС
утвержден
ная ЕС
Официальные требования
бухгалтерского учета
МСФО требуются для финансовых
институтов и разрешены для
консолидированной отчетности. МСФО
для малого и среднего бизнеса
запрещены.
Разрешены для консолидированной и
неконсолидированной отчетности.
МСФО для малого и среднего бизнеса
запрещены.
МСФО требуется для
консолидированной финансовой
отчетности банков и котируемых
компаний. МСФО разрешены для
консолидированной и
неконсолидированной отчетности, если
компания является дочерней компанией
по отношению к компании,
публикующей отчетность в формате
МСФО ЕС, либо подразделением
иностранной компании, публикующей
отчетность в формате МСФО ЕС.
Версия
МСФО
утвержденн
ая ЕС
Планы по переходу на
МСФО
Ранее был подготовлен
план, в соответствии с
которым крупным
компаниям разрешалось
предоставлять отчетность
в формате МСФО с 2011
года, однако данный план
был отозван ввиду
отсутствия расчетов
эффектов данного
перехода на налоговые
выплаты.
Последующих заявлений
со стороны регулирующих
органов сделано не было.
утвержденн
ая ЕС
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО
утвержденн
ая ЕС
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО
159
№
9
10
Стра
на
Росс
ия
Румы
ния
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Версия
МСФО
11 бирж,
основными из
которых являются
ММВБ-РТС
(MICEX -RTS),
фондовая биржа
«СанктПетербург»
(SPBEX)
Согласно закону №208фз «О
консолидированной
финансовой
отчетности»,
консолидированную
финансовую
отчетность по МСФО
за 2012 год должны
представлять
кредитные и страховые
компании, а также
компании, ценные
бумаги которых
допущены к
обращению на торгах
фондовых бирж.
МСФО
опубликов
анные
Советом
по
междунар
одным
стандарта
м
бухгалтер
ского
учета
Бухарестская
фондовая биржа
(S.C. Bursa de
Valori Bucuresti
SA)
Требуется для
консолидированной
финансовой отчетности
утвержден
ная
Европейск
им
Союзом
Официальные требования
бухгалтерского учета
МСФО для малого и среднего бизнеса
запрещены.
МСФО разрешены для
консолидированной отчетности
МСФО требуется для отчетности
коммерческих банков и страховых
компаний в дополнение РСБУ
отчетности.
МСФО и МСФО для малого и среднего
бизнеса запрещены. Все отчетности
должны быть подготовлены в
соответствии с принципами
бухгалтерского учета Румынии.
Версия
МСФО
Планы по переходу на
МСФО
МСФО
опубликова
нные
Советом по
международ
ным
стандартам
бухгалтерск
ого учета
Закон о
консолидированной
финансовой отчетности
направлен на постепенный
переход на МСФО.
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО для
малого и среднего бизнеса.
утвержденн
ая
Европейски
м Союзом
Все банки переходят на
МСФО с 2012 года.
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО для
малого и среднего бизнеса.
160
№
11
12
Стра
на
Слов
ения
Турц
ия
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Версия
МСФО
Люблянская
фондовая биржа
(Ljubijana Stock
Exchange)
Требуется для
консолидированной
финансовой
отчетности. МСФО
разрешены для
неконсолидированной
отчетности.
МСФО требуется для
банков, страховых
компаний.
утвержден
ная
Европейск
им
Союзом
Официальные требования
бухгалтерского учета
МСФО требуется для банков,
страховых компаний. МСФО
разрешены для консолидированной и
неконсолидированной отчетности
компаний из других отраслей. Если
компания не публикует отчетность в
формате МСФО, то применяются
принципы бухгалтерского учета
Словении. Принципы бухгалтерского
учета Словении во многом
соответствуют МСФО, но отличаются в
степени раскрытия информации. МСФО
и МСФО для малого и среднего бизнеса
запрещены.
Требуется для
консолидированной и
неконсолидированной
отчетности.
МСФО
опубликов
анные
Советом
по
междунар
одным
стандарта
м
бухгалтер
ского
учета
МСФО и МСФО для малого и среднего
бизнеса
Запрещены. Все отчетности должны
быть составлены в соответствии с
местным унифицированным планом
счетов, основанном на налоговом
законодательстве.
Стамбульская
фондовая биржа
(Istanbul Stock
Exchange)
Версия
МСФО
утвержденн
ая
Европейски
м Союзом
Не
применимо
Планы по переходу на
МСФО
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО
Новый коммерческий
кодекс Турции начинает
действовать с 1 июля 2012.
Финансовая отчетность
должна быть составлена в
соответствии с
принципами
бухгалтерского учета
Турции, приведенными в
соответствие с МСФО.
Принципы бухгалтерского
учета Турции будут
введены в действие 1
января 2013 года.
161
№
13
15
16
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Укра
ина
Фондовая биржа
ПФТС (PFTS)
Начиная с 1 января
2012 года ОАО, банки
и страховые компании
должны составлять
отчетность в
соответствии с МСФО.
Остальные компании
могут использовать
МСФО.
Чехи
я
Пражская
фондовая биржа
(Prague Stock
Exchange)
Требуется для
консолидированной и
неконсолидированной
финансовой отчетности
утвержден
ная ЕС
Эсто
ния
Таллиннская
фондовая биржа
(Tallinn Stock
Exchange)
Требуется для
консолидированной и
неконсолидированной
финансовой отчетности
утвержден
ная ЕС
Стра
на
Версия
МСФО
МСФО
опубликов
анные
Советом
по
междунар
одным
стандарта
м
бухгалтер
ского
учета
Официальные требования
бухгалтерского учета
До 2012 ОАО должны были
предоставлять отчетность в формате
МСФО и в формате, соответствующем
принципам бухгалтерского учета
Украины. С 2012 года компании
предоставляют отчетность МСФО,
однако необходимость предоставления
отчетности также в формате,
соответствующем принципам
бухгалтерского учета Украины, не ясна.
МСФО разрешены для
консолидированной и
неконсолидированной отчетности
компаний, являющимися отделениями
или материнскими компаниями групп,
публикующих отчетность в
соответствии с МСФО ЕС. Иные
компании не могут использовать
МСФО для неконсолидированной
отчетности. МСФО для малого и
среднего бизнеса запрещены.
МСФО требуется для отчетности
финансовых институтов и разрешено
для остальных компаний. Компании, не
придерживающиеся МСФО,
формируют отчетность в соответствии с
Эстонскими принципами финансовой
отчетности (представляющей собой
упрощенную версию МСФО). МСФО
для среднего и малого бизнеса
Версия
МСФО
Планы по переходу на
МСФО
МСФО
опубликова
нные
Советом по
международ
ным
стандартам
бухгалтерск
ого учета
Начиная с 1 января 2012
года ОАО, банки и
страховые компании
должны составлять
отчетность в соответствии
с МСФО. Остальные
компании могут
использовать МСФО.
утвержденн
ая ЕС
утвержденн
ая ЕС
Местные регулирующие
органы не объявляли
каких-либо планов по
конвергенции или
принятию МСФО.
Принятие МСФО для
среднего и малого бизнеса
состоится, как только
будет одобрено ЕС. В то
же время Эстонские
принципы бухгалтерского
учета будут приведены в
соответствии с МСФО для
среднего и малого бизнеса.
162
№
Стра
на
Биржа
Требование МСФО
для компаний,
зарегистрированных
на бирже
Версия
МСФО
Официальные требования
бухгалтерского учета
запрещено.
Версия
МСФО
Планы по переходу на
МСФО
Источник:
сайт PriceWaterhouseCoopers
http://www.pwc.com/us/en/issues/ifrs-reporting/country-adoption/index.jhtml
163
Приложение 4. Исследования структуры капитала на данных компаний из стран,
представляющих выборку диссертационного исследования
Бразил
ия
De
Medeiro
s, 2004
Kalemni
-Ozcan
et al.,
2012
Beck et
al.,2008
Booth et
al., 2001
Mitton,
2008
Seifert,
Gonenc
(2010)
De Jong
et al.,
2008
Индия
Россия
Китай
Болгария
Венгрия
Booth
et al.,
2001
Mitton,
2008
Mitto
n,
2008
KalemniOzcan et
al., 2012
Hanousek,
Shanshur,
2011
Mitton,
2008
Bessler
et al.,
2011
Tong,
Green
, 2005
Beck et
al.,2008
Kalemni
-Ozcan
et al.,
2012
Берези
нец,
Размоч
аев,
Волков,
2010
Beck
et
al.,20
08
Seifer
t,
Gone
nc
(2010
)
Ивашковс
кая,
Макаров,
2010
Kalemn
i-Ozcan
et al.,
2012
Bhadur
i, 2002
Chakra
borty,
2010
Seifert,
Gonen
c
(2010)
De
Jong et
al.,
2008
Delcour
e (2007)
Qian
et al,
2009
De
Jong
et al.,
2008
Seifert,
Gonenc
(2010)
Ni et
al.,
2010
Ivanov,
2010
Hall, 2012
Nivorozhk
in, 2005
De Haas,
Peeters,
2006
Литва
Польша
Румыния
Hanous
ek,
Shanshu
r, 2011
Kalemni
-Ozcan
et al.,
2012
Hanous
ek,
Shanshu
r, 2011
KalemniOzcan et
al., 2012
Mitton,
2008
Booth et
al., 2001
Mitton,
2008
Hanous
ek,
Shanshu
r, 2011
Kalemni
-Ozcan
et al.,
2012
Mitton,
2008
Beck et
al.,2008
KalemniOzcan et
al., 2012
Mitton,
2008
KalemniOzcan et
al., 2012
Ивашко
вская,
Макаро
в,2010
Kalemni
-Ozcan
et al.,
2012
Ивашковс
кая,
Макаров,
2010
Beck et
al.,2008
Kalemni
-Ozcan
et al.,
2012
Hall,
2012
Beck et
al.,2008
Steph
an et
al.,
2011
Beck et
al.,2008
Nivorozhk
in, 2002
Ивашковс
кая,
Макаров,
2010
Seifert,
Gonenc
(2010)
Hall,
2012
De
Haas,
Peeters,
2006
Beck et
al.,2008
Ивашко
вская,
Макаро
в,2010
Hall,
2012
De
Haas,
Peeters,
2006
Beck et
al.,2008
Ивашко
вская,
Макаро
в,2010
Seifert,
Gonenc
(2010)
Hussain,
Nivoroz
hkin,
1997
Hall, 2012
Nivorozhk
in, 2005
De Haas,
Peeters,
2006
Словения
Ивашковс
кая,
Макаров,
2010
Mramor
D.,
Valenticic,
2001
Crnigoj,
Dušan
Mramor,
2009
De Haas,
Peeters,
2006
Турция
Укра
ина
Kalem
niOzcan
et al.,
2012
Beck
et
al.,20
08
Латвия
Selim et
al., 2012
De Jong
et al.,
2008
Хорватия
Чехия
Эстония
KalemniOzcan et
al., 2012
Hanous
ek,
Shanshu
r, 2011
Beck et
al.,2008
Mitton,
2008
Hanous
ek,
Shanshu
r, 2011
Kalemni
-Ozcan
et al.,
2012
Ивашковс
кая,
Макаров,
2010
Kalemni
-Ozcan
et al.,
2012
Beck et
al.,2008
De Jong et
al., 2008
Davis,
Stone,
2004
Beck et
al.,2008
Ивашко
вская,
Макаро
в,2010
Seifert,
Gonenc
(2010)
Hall,
2012
Ивашко
вская,
Макаро
в,2010
Hall,
2012
Nivoroz
hkin,
2005
De
Haas,
Peeters,
2006
164
Бразил
ия
Индия
Россия
Китай
Cespede
s et al.,
2010
Davis,
Stone,
2004
Pöyry,
Maury
(2009)
Bessle
r et
al.,
2011
Mendes
et al.,
2005
Bessler
et al.,
2011
Hall,
2012
Болгария
Венгрия
Латвия
Литва
Польша
Румыния
Словения
Турция
Укра
ина
Хорватия
Чехия
Hall, 2012
Mazur,
2007
Nivoroz
hkin,
2005
De Jong et
al., 2008
Nivoroz
hkin,
2005
Davis,
Stone,
2004
De Haas,
Peeters,
2006
De Jong
et al.,
2008
Bessler et
al., 2011
Delcour
e (2007)
De
Haas,
Peeters,
2006
Bessler
et al.,
2011
Эстония
Delcour
e (2007)
De
Haas,
Peeters,
2006
Bessler
et al.,
2011
165
Приложение 5. Макроэкономическая характеристика
стран ВЕ и БРИК
Приведенный в данном приложении обзор ставит своей целью
отразить основные тенденции в ключевых макроэкономических
показателях, способных повлиять на политику финансирования в
странах группы БРИК (Бразилия, Россия, Индия, Китай) и Восточной
Европы (ВЕ) (Болгария, Венгрия, Латвия, Литва, Польша, Румыния,
Словения, Турция, Украина, Хорватия, Чехия, Эстония) в 2002-2010
годах на основе данных Всемирного Банка. Основные различия
относятся к странам группы БРИК, в связи с чем основное внимание
будет сосредоточено на данных странах.
Анализ темпов роста ВВП на душу населения (рис. 5.1. и 5.2)
показывает идентичные тенденции в странах ВЕ, различающиеся
степенью падения темпов роста, вызванной кризисом, начавшимся в
2007-2008 годах. В странах БРИК ситуация более разнообразна (как в
абсолютных значениях темпов роста, так и в динамике): в Индии и
Китае уже в 2009 году эффект кризиса постепенно нивелируется;
идентичные тенденции роста наблюдается только на промежутках
2005-2008 и 2009-2010 годов.
Темпы роста ВВП на душу населения в странах БРИК, %
15
10
Бразилия
5
Китай
Индия
0
-5
2002
2003
2004
2005
2006
2007
2008
2009
2010
Россия
-10
Рисунок 5.1. Темпы роста ВВП на душу населания в странах
БРИК
166
Темпы роста ВВП на душу населения в странах ВЕ
120
100
80
60
40
20
0
2002
2003
2004
2005
2006
2007
2008
2009
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
2010
Рисунок 5.2. Темпы роста ВВП на душу населания в странах ВЕ
Динамика индексов потребительских цен (2005 год является
базовым) отражена в рис. 5.3. и 5.4.
ИПЦ в странах БРИК
200
150
Китай
100
Индия
50
Россия
0
2002
2003
2004
2005
2006
2007
2008
2009
2010
Рисунок 5.3. ИПЦ в странах БРИК (базовый год 2005)
ИПЦ в странах ВЕ
150
100
50
0
2002
2003
2004
2005
2006
2007
2008
2009
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
2010
Рисунок 5.4. ИПЦ в странах ВЕ (базовый год 2005)
167
Наиболее
существенная
динамика
потребительских
цен
наблюдается в России, тогда как гораздо более умеренным темпом
растут цены в Китае и Бразилии (в группе стран БРИК); в странах ВЕ
из общей динамики выделяется только Украина, демонстрирующая
наиболее высокие темпы роста инфляции. Таким образом, можно
предположитель, что скорость приспособления к целевой структуре
капитала
(согласно
поставленной
автором
диссертационного
исследования гипотезе) будет выше в странах с максимально
высокими темпами инфляции.
На выбор политики финансирования компаниями, согласно
проведенному автором обзору детерминант СК, влияет и доступность
кредитов в стране. В данном оброзе представлена динамика реальной
ставки процента, способной частично аппроксимировать доступность
заемного капитала в стране. Как видно из рис.5.5. и 5.6., динамика
процентных ставок в странах БРИК идентична, однако в Бразилии
сами ставки остаются чрезвычано высокими, одним из объяснений
чего служит сегментированность кредитного рынка в стране [SeguraUbiergo, 2012]. В странах же ВЕ тренды в процентных ставках также
идентичны, однако степень волатильности в предкризисный и
кризисный периоды различны. Особенно волатильна реальная ставка
процента в Латвии. Стоит заметить при этом, что к 2010-му году
процентные ставки практически вернулись к уровням 2002-2004
годов.
Реальная ставка процента (%) в странах БРИК
200
100
0
2002
2003
2004
Бразилия
2005
2006
Китай
2007
Индия
2008
2009
2010
Россия
168
Рисунок 5.5. Реальная ставка процента в странах БРИК
Реальная ставка процента (%) в странах ВЕ
200
100
0
2002
2003
2004
2005
2006
2007
2008
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
2009
2010
Рисунок 5.6. Реальная ставка процента в странах ВЕ
Значимым для политики финансирования компаний является и
уровень просроченной задолженности, свойственной экономике
(выраженной в доле от совокупного объема кредитования). На
рис. 5.7. и 5.8. вновь видны различия в динамике доли просроченных
кредитов в странах ВЕ и БРИК. В целом во всех странах наблюдается
падение доли просроченных кредитов до кризиса (до 2008 года в
БРИК, до 2007 года в ВЕ) и последующий рост. Однако в странах
БРИК существенно выделяется Бразилия, где доля просроченных
кредитов не претерпевает серьезных изменений, что может быть
связано с недокредитованностью компаний, вызванной высокими
ставками заимствования. Во-вторых, в странах БРИК в 2010 году доля
просроченных кредитов начинает падать, т.е. эффект кризиса
постепенно угасает, чего нельзя сказать о странах ВЕ, в которых либо
продолжается рост показателя, либо не происходит значимых по
сравнению с 2009 годом изменений. В-третьих, в странах БРИК стоит
выделить Китай, где на протяжении всего преиода проиходит
снижение доли просроченной задолженности, темпы роста снижения
при этом падают в период кризиса. Среди стран ВЕ можно выделить
Украину и Польшу, в которых доля просроченных кредитов
169
изначально существенно превышала показатели других стран, однако
к 2006 году постигла средних показателй по группе стран.
Доля просроченных кредитов (%) в странах БРИК
200
150
100
50
0
2002
2003
2004
Бразилия
2005
2006
2007
Китай
2008
Индия
2009
2010
Россия
Рисунок 5.7. Доля просроченных кредитов в странах БРИК
Доля просроченных кредитов (%) в странах ВЕ
150
100
50
0
2002
2003
2004
2005
2006
2007
2008
2009
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
2010
Рисунок 5.8. Доля просроченных кредитов в странах ВЕ
Одним
инвестиционной
из
макроэкономических
привлекательности
показателей
страны
и
уровня
восприятия
стабильности ведения бизнеса в данной страны является уровень
прямых иностранных инвестиций. Представленные на рис. 5.9. и 5.10.
тренды вновь подтверждают гипотезу однородности стран в группе
ВЕ. В странах ВЕ доля прямых иностранных инвестиций остается на
исследуемом периоде стабильной, исключение составляет Чехия, где
в 2006-2007 годах наблюдался резкий рост, за которым последовал
еще более серьезный спад. В странах БРИК нельзя выявить
170
определенной тенденции в доле прямых иностранных инвестициях,
стоит при этом заметить, что средние показатели в поскризисный
период в странах БРИК выше, что подтвержает факт восприятия
данных стран привлекательными инвестициями для инвесторов
[Бородина, Швырков, 2010].
Доля прямых иностранных инвестиций в ВВП (%) в странах
БРИК
200
150
100
50
0
2002
2003
2004
Китай
2005
2006
Индия
2007
Россия
2008
2009
2010
Болгария
Рисунок 5.9. Доля прямых иностранных инвестиций в ВВП в
странах ВЕ
Доля прямых иностранных инвестиций в ВВП (%) в странах ВЕ
150
100
50
0
2002
2003
2004
2005
2006
2007
2008
2009
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
2010
Рисунок 5.10. Доля прямых иностранных инвестиций в ВВП в
странах ВЕ
171
Об инвестиционной привлекательности стран БРИК говорят и
высокие показатели доли капитализации котируемых компании в ВВП
в предкризисный период (рис. 5.11. и 5.12). Данный показатель
используется
в
исследованиях
также
как
индикатор
степени
развитости фондового рынка. В странах БРИК в 2007 году показатели
всех стран превышали отметки 100%, в то время как в ВЕ только в
Хорватии при среднем показателе в 46% по группе стран. В целом
несмотря на идентичные тенденции в странах БРИК и ВЕ по данному
показателю, первая группа стран демонстирует значимо более
высокую волатильность: стандартное отклонение показателя в БРИК
составляет в среднем 34, в то время как в группе стран ВЕ – 12,6.
Доля капитализации котируемых компаний в ВВП (%) в странах
БРИК
200
100
0
2002
2003
2004
Бразилия
2005
2006
Китай
2007
Индия
2008
2009
2010
Россия
Рисунок 5.11. Доля капитализации котируемых компаний в ВВП (%) в
странах БРИК
Доля капитализации котируемых компаний в ВВП (%) в странах
ВЕ
150
100
50
0
2002
2003
2004
2005
2006
2007
2008
2009
2010
Болгария
Чехия
Эстония
Хорватия
Венгрия
Литва
Латвия
Польша
Румыния
Словения
Турция
Украина
Рисунок 5.12. Доля капитализации котируемых компаний в ВВП
(%) в странах ВЕ
172
Подводя
итоги
данного
обзора
можно
заключить,
что
макроэкономическая ситуация в странах ВЕ может быть описана как
однородная, в то время как страны БРИК разнообразны. При этом
рынки ВЕ более устоявшиеся и менее волатальны, чем рынки стран
БРИК.
173
Приложение 6. Методология выявления границ
оптимального диапазона структуры капитала
Определение границ оптимального диапазона уровня долговой
нагрузки осуществлялось по модели, предложенной Э. Дадли [Dudley,
2007]. Модель позволяет оценить границы, индивидуальные для
каждой фирмы, в зависимости от ее внутренних характеристик, что
требует введения функции вероятностей для каждого значения yi
(индикатора изменения уровня долговой нагрузки, который примает
значение 1 при сокращении уровня долговой нагрузки; -1 при
увеличении долговой нагрузки; 0 при отсутствии измененений в
уровне долговой нагрузки). Функции вероятности могут быть
записаны следующим образом:
,
где x1i – детерминанты верхней границы оптимального диапазона
структуры
капитала,
представленные
традиционными
детерминантами структуры капитала; x2i – детерминанты нижней
границы
оптимального
представленные
диапазона
традиционными
структуры
капитала,
детерминантами
структуры
капитала; zi – показатель долговой нагрузки, принимающий значения
TDR, TDRA.
Ожидание от yi может быть описано следующими формулами:
174
Для
оценки
модели
используется
нелинейный
метод
наименьших квадратов (non linear least squares, NLLS). Метод
максимального правдоподобия
(maximum likelihood) в данной
ситуации также приемлем, но не только сложнее технически, но и
приводит к отрицательным значениям функции, если в процессе
оценивания
возникают
нулевые
вероятности.
Чтобы
оценить
параметры методом NLLS используется функция следующего вида:
Использование робастных стандартных ошибок для ω позволяет
решить проблему гетероскедастичности остатков.
175
Для определения зависимости вероятности попадания в то или
иное значение yi от какой-либо детерминанты, рассчитывается
производная функции вероятности по обозначенной детерминанте. В
качестве значений независимых переменных берутся величины,
которые рассчитаны как средние по всей выборке. Коэффициенты при
объясняющих переменных получены c помощью оценки моделей
методом NLLS.
176
Приложение 7. Дескриптивная статистика уровня
долговой нагрузки выборки
Таблица 7.1. Дескриптивная статистика уровня долговой
нагрузки по выборке и по странам
Кол-во
Переменная наблюдений Среднее Ст.отклонение
Совокупная выборка
stdr
3284 .1068163 .0944066
ltdr
3281 .1294094 .1105063
tdr
3284 .2359252 .1318394
stdra
3446 .3217119 .169968
ltdra
3446 .1912377 .1543516
tdra
3446 .5121451 .1944331
mstdr
2980 .1228655 .1465787
mltdr
2980 .1522953 .1693885
mtdr
2980 .2747608 .2377479
Болгария
stdr
80 .0944407 .0881559
ltdr
80 .1255296 .1193518
tdr
80 .2199703 .1300451
stdra
93 .3048821 .1384852
ltdra
93 .1833645 .1479738
tdra
93 .4882466 .1822917
mstdr
69 .111058 .1241753
mltdr
69 .1175894 .1239047
mtdr
69 .2286474 .1677548
Бразилия
stdr
324 .0889383 .0641129
ltdr
324 .2170014 .0863957
tdr
324 .3059396 .0928127
stdra
324 .2484087 .10639
ltdra
324 .3553261 .1294678
tdra
324 .6034579 .1392554
mstdr
315 .1003847 .0895612
mltdr
315 .251302 .1594716
mtdr
315 .3516868 .2053872
Китай
stdr
686 .1283009 .104702
ltdr
686 .0830875 .0929432
tdr
686 .2113884 .1338359
stdra
691 .3672298 .1835469
ltdra
691 .1123848 .1246608
tdra
691 .4793518 .201169
mstdr
596 .1281548 .1531404
Минимум Максимум
0
1
0 .6107836
0 .9720792
.0123009
1
0 .9616993
.0164395
1
0 1.736024
0 .950556
0 .9892256
0 .3980907
0 .4783192
0 .4798848
.0420057
.8480186
.0115159
.5651173
.1521793
.9541903
0 .6031402
0 .5329325
0 .6848856
.0000149
.3936353
0 .6107836
.0001713
.8019734
.056797
.6440117
.0656643
.9349136
.2022472
1
.0000124
.5577285
0 .7624927
.0001419
.9496893
0 .6172103
0 .3648267
0 .6172103
.0261403
1
0 .597002
.0325328
1
0 .8304371
177
Кол-во
Переменная наблюдений Среднее Ст.отклонение
mltdr
596 .0817331 .1137896
mtdr
596 .2098879 .2109475
Чехия
stdr
77 .0634726 .0823272
ltdr
77 .0723741 .0886338
tdr
77 .1358466 .1255456
stdra
80 .2524809 .1398622
ltdra
80 .1576662 .1217676
tdra
80 .4101471 .1519543
mstdr
75 .0868896 .1507179
mltdr
75 .0812409 .1187993
mtdr
75 .1681305 .2245209
Эстония
stdr
63 .0789703 .069936
ltdr
63 .143839 .1174284
tdr
63 .2228093 .1394278
stdra
69 .2746618 .1419887
ltdra
69 .1678755 .1706091
tdra
69 .4425373 .2094136
mstdr
60 .0948743 .1226054
mltdr
60 .1809854 .2160669
mtdr
60 .2758597 .2661185
Хорватия
stdr
123 .111155 .0921446
ltdr
123 .1348993 .0977908
tdr
123 .2460542 .1274865
stdra
235 .3543204 .1907054
ltdra
235 .1669304 .1266052
tdra
235 .5212509 .1996796
mstdr
108 .1408531 .1544445
mltdr
108 .1538552 .1389804
mtdr
108 .2947083 .2221275
Венгрия
stdr
89 .0709207 .0642857
ltdr
89 .1323182 .1183537
tdr
89 .2032389 .1347441
stdra
89 .2329842 .1075965
ltdra
89 .1917505 .1819852
tdra
89 .4225986 .2083089
mstdr
88 .0888582 .0984264
mltdr
88 .1664499 .1822843
mtdr
88 .2553082 .2216137
Индия
Минимум Максимум
0 .6285914
0 .8812878
0 .3706317
0 .3517143
0 .4046491
.0634541
.6572627
0 .5555706
.1864866
.8014274
0 .6684742
0 .5064098
0 .7894921
0 .3295157
0 .358216
0 .4434855
.0703571
.6915845
0 .5523549
.0703571
.8328676
0 .7208784
0 .7517937
0 .8437973
0 .462743
0 .3505909
0 .4712249
.0127357
.8955344
0 .5640188
.0695033
.9532305
0 .6884873
0 .6189207
0 .8249567
0 .2413866
0 .5468083
0 .5468083
.0867498
.5359715
.0001489
.9616993
.0884574
1
0 .4103488
0 .9363772
0 .9363772
178
Кол-во
Переменная наблюдений Среднее Ст.отклонение
stdr
615 .0975347 .0889868
ltdr
612 .1870204 .1193914
tdr
615 .2826698 .1295114
stdra
616 .3517972 .1537738
ltdra
616 .2558512 .1687372
tdra
616 .6055658 .1596447
mstdr
612 .1066646 .1370743
mltdr
612 .2083251 .2081136
mtdr
612 .3130416 .2661488
Литва
stdr
106 .0864575 .0913382
ltdr
106 .0978816 .0868723
tdr
106 .1843391 .1192155
stdra
109 .2453763 .1692828
ltdra
109 .1651507 .1142582
tdra
109 .4105269 .1724499
mstdr
103 .1184268 .1599346
mltdr
103 .1091528 .1050758
mtdr
103 .2275796 .1889332
Латвия
stdr
44 .0594299 .0637333
ltdr
44 .1017787 .0988416
tdr
44 .1612086 .1296326
stdra
45 .1804283 .1376182
ltdra
45 .1506248 .1138831
tdra
45 .3310532 .193733
mstdr
44 .1049962 .143143
mltdr
44 .1777963 .1995778
mtdr
44 .2827924 .2732737
Польша
stdr
331 .1102402 .085192
ltdr
331 .1024145 .0915662
tdr
331 .2126547 .1065247
stdra
333 .3540529 .1607571
ltdra
333 .1528124 .1265516
tdra
333 .5061176 .1719885
mstdr
329 .1408274 .1686157
mltdr
329 .1150031 .1325827
mtdr
329 .2558305 .2210009
Румыния
stdr
37 .0951164 .1112937
ltdr
37 .12074
.1015602
tdr
37 .2158565 .1079371
Минимум
0
0
0
.0676403
0
.1116268
0
0
0
Максимум
1
.6002957
.6808187
1
.8612541
1
1.736024
.950556
.9859664
5.49e-06
.3373438
0 .3133412
.0030739
.3703176
.015801
.6400456
.0124258
.5483223
.0585778
.7738329
6.61e-06
.7735821
0 .4275877
.0038012
.7986586
0 .2647102
0 .310305
0 .3455932
.0123009
.4999064
.0029723
.4569878
.0164395
.6384926
0 .6454855
0 .7574992
0 .8367559
0 .3878965
0 .3957026
0 .6735409
.0684581
.8536184
0 .8395177
.0731803
1
0 .8314866
0 .7668087
0 .9613622
.000957
.0007792
.0340144
.342131
.424244
.4731377
179
Кол-во
Переменная наблюдений Среднее Ст.отклонение
stdra
37 .3078696 .2418334
ltdra
37 .1806611 .1283659
tdra
37 .4885307 .2025002
mstdr
27 .1387693 .2084776
mltdr
27 .1629418 .1557707
mtdr
27 .3017111 .222067
Россия
stdr
376 .1121359 .0978988
ltdr
376 .1151792 .0930981
tdr
376 .2273151 .1290394
stdra
384 .2612456 .1580046
ltdra
384 .2015427 .1242575
tdra
384 .4626859 .1975281
mstdr
276 .1379047 .1590097
mltdr
276 .1412685 .1527222
mtdr
276 .2791732 .2514093
Словения
stdr
81 .1132975 .0572718
ltdr
81 .144422 .0838266
tdr
81 .2577195 .1055834
stdra
81 .2883489 .1153743
ltdra
81 .2182154 .1129015
tdra
81 .5065183 .1754605
mstdr
77 .1741682 .1191361
mltdr
77 .2206884 .1868874
mtdr
77 .3948566 .2610691
Турция
stdr
134 .1357182 .0988084
ltdr
134 .1085311 .0950073
tdr
134 .2442493 .1183933
stdra
139 .3763862 .1381457
ltdra
139 .1534037 .1201324
tdra
139 .52979
.1646114
mstdr
125 .1526259 .1500219
mltdr
125 .120668 .1224874
mtdr
125 .2732939 .2028879
Украина
stdr
118 .1292708 .1476184
ltdr
118 .0594428 .1055937
tdr
118 .1887136 .1777895
stdra
121 .3803184 .2334168
ltdra
121 .1019136 .1293888
tdra
121 .4761494 .2501107
Минимум
.0778618
.0210946
.1884614
.0007174
.0007309
.0133252
Максимум
.8860757
.615275
.9220979
.8009824
.5475553
.8071311
0 .9056436
0 .4483914
0 .9056436
.0307433
.0101623
.0820981
1
.8839613
1
0 .8610068
0 .9188149
0 .9380337
0 .2696001
0 .3952785
0 .5010644
.0439736
.5122425
.0355615
.7062263
.1219358
1
.0031132
.5547746
.0049699
.8466278
.0291035
.9892256
0 .3956147
0 .380028
0 .4709752
.101733
.7286772
.0154853
.6083098
.2159621
.9343401
0 .7233603
0 .5936765
0 .9060779
0 .9414391
0 .4822443
0 .9720792
.0700449
1
0 .527598
.0774012
1
180
Кол-во
Переменная наблюдений Среднее Ст.отклонение Минимум Максимум
mstdr
76 .1645731 .2002695
0 .8980908
mltdr
76 .1286103 .2193794
0 .9152898
mtdr
76 .2931834 .290537
0 .965046
Таблица 7.2. Дескриптивная статистика уровня долговой
нагрузки компаний группы стран БРИК до, во время и после кризиса
Кол-во
Переменная наблюдений Среднее Ст.отклонение Минимум
БРИК, 2002-2010 годы
stdr
2001 .1094339 .0942423
0
ltdr
1998 .1426778 .1141061
0
tdr
2001 .2515988 .1312944
0
stdra
2015 .3232087 .1669513
.0261403
ltdra
2015 .2122979 .1641986
0
tdra
2015 .5347158 .1910855
.0325328
mstdr
1799 .1174775 .1400237
0
mltdr
1799 .1636232 .1770259
0
mtdr
1799 .2804379 .2423481
0
БРИК, 2002-2007 прекризисные годы
stdr
1328 .1100995 .0932201
0
ltdr
1326 .1389844 .1132472
0
tdr
1328 .2484249 .1296679
0
stdra
1341 .324301 .1635453
.0261403
ltdra
1341 .2077496 .1616646
0
tdra
1341 .5314076 .1892027
.0325328
mstdr
1158 .1148241 .1326676
0
mltdr
1158 .1629976 .1722634
0
mtdr
1158 .2767927 .2301522
0
БРИК, 2008
stdr
233 .1262547 .1040336
0
ltdr
232 .1416736 .1175154
0
tdr
233 .2673153 .1362061
0
stdra
233 .3449075 .1793703
.033031
ltdra
233 .2097778 .171308
0
tdra
233 .5515908 .2006777
.0867665
mstdr
231 .19676
.1831761
0
mltdr
231 .2195249 .2074687
0
mtdr
231 .4162819 .2723737
0
БРИК, 2009
stdr
222 .1039011 .1002801
0
ltdr
222 .1516723 .1139768
0
Максимум
1
.6107836
.9056436
1
.9349136
1
1.736024
.950556
.9859664
1
.6107836
.8019734
1
.9349136
1
1.736024
.950556
.9859664
.7463304
.6002957
.746864
1
.8612541
1
.8610068
.862524
.9357985
.9056436
.4584451
181
Кол-во
Переменная наблюдений Среднее Ст.отклонение
tdr
222 .2555734 .1385708
stdra
223 .3137535 .1711852
ltdra
223 .2252344 .168147
tdra
223 .5389423 .1958353
mstdr
217 .1180507 .1290275
mltdr
217 .1836303 .1777689
mtdr
217 .3016809 .2348675
БРИК, 2010
stdr
218 .0930358 .0793514
ltdr
218 .1570526 .1149219
tdr
218 .2500884 .1277584
stdra
218 .3029699 .1677197
ltdra
218 .2297367 .1671175
tdra
218 .5327065 .1874737
mstdr
193 .0378606 .0681527
mltdr
193 .0779736 .1262741
mtdr
193 .1158342 .1727736
Минимум
0
.0557226
0
.0885017
0
0
0
Максимум
.9056436
1
.7222984
1
.739004
.9188149
.9380337
0 .4571413
0 .4583455
0 .473653
.0568356
.9003177
0 .6751783
.0865127
.923351
0 .5249045
0 .6750405
0 .9053275
Таблица 7.3. Дескриптивная статистика уровня долговой
нагрузки компаний группы стран ЦВЕ до, во время и после кризиса
Кол-во
Переменная наблюдений Среднее Ст.отклонение Минимум
ЦВЕ, 2002-2010 годы
stdr
1283 .1027337 .0945544
0
ltdr
1283 .1087466 .1012917
0
tdr
1283 .2114802 .1289862
0
stdra
1431 .3196042 .1741642
.0123009
ltdra
1431 .1615826 .133859
0
tdra
1431 .480363 .1947295
.0164395
mstdr
1181 .1310731 .1557383
0
mltdr
1181 .1350397 .1555371
0
mtdr
1181 .2661129 .230397
0
ЦВЕ, 2002-2007 прекризисные годы
stdr
814 .10058
.0946367
0
ltdr
814 .1023258 .0942646
0
tdr
814 .2029057 .125532
0
stdra
936 .3136296 .1727556
.0127357
ltdra
936 .155215 .1243767
0
tdra
936 .4677923 .188763
.0533392
mstdr
728 .1137342 .1361948
0
mltdr
728 .1119376 .1233013
0
Максимум
.9414391
.5468083
.9720792
1
.9616993
1
.8980908
.9363772
.9892256
.9414391
.4822443
.9720792
1
.8395177
1
.8189558
.7485245
182
Кол-во
Переменная наблюдений Среднее Ст.отклонение
mtdr
728 .2256718 .1920485
ЦВЕ, 2008 год
stdr
161 .118916 .1001613
ltdr
161 .1183423 .1063892
tdr
161 .2372582 .1321763
stdra
168 .3472718 .1791963
ltdra
168 .1660379 .1412133
tdra
168 .5131119 .2012869
mstdr
161 .2156288 .2168029
mltdr
161 .1944111 .1881841
mtdr
161 .4100398 .2759895
ЦВЕ, 2009 год
stdr
164 .1003364 .0893063
ltdr
164 .1201133 .1141976
tdr
164 .2204497 .1345123
stdra
166 .3251538 .1722088
ltdra
166 .1770234 .151479
tdra
166 .5012321 .2051679
mstdr
164 .1537339 .1626912
mltdr
164 .1783916 .1877613
mtdr
164 .3321255 .2499626
ЦВЕ, 2010год
stdr
144 .0995456 .0926273
ltdr
144 .1213678 .1152668
tdr
144 .2209135 .1343289
stdra
161 .3197464 .1776388
ltdra
161 .1780322 .1564914
tdra
161 .4977554 .2053772
mstdr
128 .094299 .1147709
mltdr
128 .1362105 .194745
mtdr
128 .2305095 .25176
Минимум Максимум
0 .9613622
0 .4117517
0 .4788448
0 .5105612
.0248105
.8955344
0 .8293612
.0277828
1
0 .8980908
0 .9152898
0 .965046
0 .3921272
0 .5468083
0 .5468083
.0123009
.8860757
0 .9616993
.0164395
1
0 .7208784
0 .9363772
0 .9562073
0 .4174004
0 .4125651
0 .5010644
.0152137
.8480186
0 .7541759
.0244927
1
0 .6031402
0 .8466278
0 .9892256
183
Приложение 8. Результаты тестов Чоу
Корреляционная матрица традиционных детерминант структуры
капитала
lnsales
prof
tangibil
growth
lnsales
1.0000
0.1652
0.1406
-0.0876
prof
tangibil
growth
1.0000
-0.1025
-0.2571
1.0000
-0.1233
1.0000
Результаты регрессионного анализа на совокупной выборке
VARIABLES
lnsales
prof
tangibil
growth
(1)
tdr
(2)
tdr
(3)
tdr
(7)
tdr
0.00882***
(0.00223)
-0.208***
(0.0170)
0.00859
(0.00646)
0.00752***
(0.00193)
-0.219***
(0.0167)
0.00755
(0.00622)
0.00563***
(0.00215)
-0.216***
(0.0168)
0.00763
(0.00622)
-0.0804***
(0.0105)
-0.0824***
(0.0105)
0.0377***
(0.0110)
0.00473**
(0.00205)
-0.213***
(0.0167)
0.00411
(0.00627)
0.0828***
(0.0104)
0.0402***
(0.0110)
0.0129***
(0.00329)
country_
crisis2
crisis1
Constant
Observations
Number of number
Standard errors in
parentheses
*** p<0.01, ** p<0.05, *
p<0.1
-0.0827***
(0.0105)
0.0397***
(0.0110)
0.187***
(0.0143)
0.174***
(0.0141)
0.189***
(0.0145)
0.00597**
(0.00300)
0.183***
(0.0146)
3,124
402
3,124
402
3,124
402
3,124
402
Тест Чоу при разделении выборки по принципу принадлежности к
группе стран
ess_c
ess_1
ess_2
k
N_1
N_2
50,6781889
28,8930239
18,4316501
5
1947
1177
184
Chow calculated
pval F(k, N_1+N_22*k)
44,13277268
4,04796E-44
Тест Чоу при разделении выборки по принципу принадлежности к
кризисному периоду
ess_c
ess_1
ess_2
k
N_1
N_2
Chow calculated
pval F(k, N_1+N_2-2*k)
50,6781889
11,9270718
38,5489948
5
720
2404
2,493890212
0,029109527
185
Приложение 9. Детерминанты целевого уровня долговой нагрузки в 2002-2007 годы
VARIABLES
tangibil
prof
lnsales
growth
div
assetuni
FE
stdr
0.119**
(0.0475)
-0.0123
(0.0789)
-0.0366***
(0.00765)
0.295***
(0.109)
Бразилия
FE
mstdr
FE
ltdr
FE
tdr
-0.341***
(0.112)
0.0914
(0.0599)
-0.378***
(0.103)
0.00268
(0.0104)
-0.435***
(0.144)
0.00886*
(0.00527)
-0.157*
(0.0815)
-1.062***
(0.294)
-0.0323***
(0.00962)
-0.0484
(0.136)
0.189
(0.125)
0.108***
(0.0118)
0.367**
(0.176)
-0.129*
(0.0772)
0.177*
(0.0927)
-0.715**
(0.315)
0.603*
(0.308)
1.474
(1.134)
bod_inde
ndt
risk
doil
0.0311
(0.335)
FE
mltdr
0.845**
(0.375)
-0.101***
(0.0240)
-0.119
(0.409)
FE
mtdr
FE
stdra
0.0725
(0.0663)
-0.132
0.375***
(0.223)
(0.114)
0.188*** 0.0467***
(0.0219)
(0.0107)
-0.388
0.229
(0.328)
(0.151)
0.251***
(0.0855)
1.723**
(0.698)
RE
ltdra
-0.756***
(0.147)
-0.00168
(0.0101)
-0.161
(0.154)
FE
tdra
0.0672
(0.0797)
-0.418***
(0.133)
0.0555***
(0.0129)
0.0292
(0.183)
-0.266**
(0.108)
-0.0836
(0.360)
0.952
(1.350)
0.0381
186
dcr
Constant
Observations
R-squared
Number of number
Standard errors in
parentheses
*** p<0.01, ** p<0.05,
* p<0.1
F test
Prob > F
Breusch - Pagan
Prob > chibar2
Hausman
Prob>chi2
0.326***
(0.0648)
0.216***
(0.0788)
0.557***
(0.0829)
0.825***
(0.0914)
1.036***
(0.198)
1.619***
(0.168)
0.500***
(0.0919)
201
0.234
36
184
0.138
36
195
0.192
36
191
0.424
36
57
0.516
15
197
0.378
36
195
0.206
36
6,2700
0,0000
34,10
0,0000
56,5700
0,0000
11,64
0,0705
105,14
0,0000
7,8200
0,0000
6,91
0,0000
49,22
0,0000
43,64
0
3,3
0,0019
0,04
0,4244
20,03
0,0027
9,54
0,0000
97,43
0,0000
41,01
0,0000
7,7300
0,0000
65,16
0,0000
41,2900
0,0000
11,3900
0,0000
138,12
0,0000
11,1300
0,0489
(0.121)
0.0552
(0.0546)
0.432***
(0.0905)
195
36
8,71
0,0000
149,62
0,0000
3,53
0,6183
1.020***
(0.109)
201
0.185
36
15,54
0,0000
204,22
0,0000
15,34
0,0040
187
Россия
FE
mstdr
RE
stdr
FE
ltdr
FE
tdr
tangibil
-0.00962
(0.0312)
-0.0515
(0.0541)
-0.0349
(0.0525)
prof
-0.274***
(0.0689)
0.214**
(0.0879)
-0.0716
(0.0756)
0.257**
(0.106)
0.496***
(0.138)
lnsales
-0.00514
(0.00537)
-0.0178
(0.0989)
0.0525***
(0.0148)
0.0108
(0.00788)
0.00329
(0.115)
-0.073***
(0.0216)
0.00266
(0.00781)
0.0178
(0.111)
0.00485
(0.0168)
-0.323*
(0.186)
VARIABLES
growth
assetuti
acc_st
RE
mltdr
RE
mtdr
-0.157 0.486***
(0.103)
(0.155)
0.00610 -0.0109
(0.0104) (0.0151)
-0.105 -0.439**
(0.147)
(0.205)
-0.123**
(0.0508)
FE
stdra
RE
ltdra
FE
tdra
0.0425
(0.0798)
0.00668
(0.0562)
-0.0225
(0.0845)
-0.240**
(0.110)
0.107
(0.107)
-0.0826
(0.117)
-0.00700
(0.0113)
0.0989
(0.154)
0.00144
(0.00884)
0.0949
(0.150)
-0.0117
(0.0120)
0.322**
(0.163)
0.0657**
(0.0288)
bod_inde
maj_1
ndt
medmtdr
-0.184
(0.267)
0.105
(0.403)
0.419
(0.434)
188
risk
0.521*
(0.274)
doil
0.00262
(0.0278)
0.0697**
(0.0286)
0.110***
(0.0421)
dcr
Constant
Observations
R-squared
Number of number
Standard errors in
parentheses
*** p<0.01, ** p<0.05, *
p<0.1
F test
Prob > F
Breusch - Pagan
Prob > chibar2
Hausman
Prob>chi2
0.0890
(0.0735)
0.159**
(0.0723)
-0.0541
(0.154)
50
229
0.104
50
229
0.043
50
150
0.213
49
3,2600
0,0000
34,01
0,0000
3,2200
0,6661
7,68
0,0000
105,74
0,0000
29,8700
0,0000
14,8700
0,0000
181,25
0,0000
19,4900
0,0016
5,22
0,0000
84,33
0,0000
9,17
0,057
229
-0.101
(0.522)
0.00216
(0.0569)
0.0297
(0.0498)
0.160**
(0.0766)
0.319
(0.861)
-0.434
(0.542)
0.0454
(0.0952)
0.116
(0.0916)
0.243*
(0.144)
0.00891
(0.0539)
0.0446
(0.0490)
0.189**
(0.0758)
149
149
49
49
8,26
0,0000
95,2
0,0000
7,43
0,1147
13,34
0,0000
148,17
3,3900
0,6398
0.320***
(0.105)
236
0.040
50
236
6,8200
0,0000
97,90
0,0000
25,1600
0,0000
5,7
0,0000
81,16
0,0000
7,13
0,1292
50
0.587***
(0.112)
236
0.036
50
13,9
0,0000
166,29
28,6300
0
189
FE
stdr
FE
ltdr
FE
tdr
tangibil
0.0740
(0.0666)
prof
0.00522
(0.0818)
0.0384
(0.0649)
0.498***
(0.0798)
0.0782
(0.0502)
0.595***
(0.0615)
lnsales
0.0208** -0.00358 0.0149**
(0.00844) (0.00818) (0.00635)
0.0426
-0.0636
-0.0499
(0.0847) (0.0821) (0.0638)
VARIABLES
growth
Индия
FE
mstdr
FE
mltdr
FE
mtdr
FE
stdra
FE
ltdra
FE
tdra
-0.841*
(0.435)
-0.173*
(0.0972)
-0.341
(0.311)
-0.121
(0.282)
-0.0226*
(0.0126)
0.212
(0.129)
-1.100***
(0.130)
0.0830***
(0.0126)
0.351***
(0.129)
0.0268
(0.0242)
-0.0652
(0.232)
0.143*
(0.0807)
0.807
(0.851)
-2.723***
(0.851)
-1.889
(2.571)
0.0435*** -0.0250
(0.00927) (0.0266)
-0.0873
-0.184
(0.0907)
(0.255)
0.153*
(0.0888)
0.0587***
(0.0186)
1.616***
-1.936
(0.613)
(1.835)
-0.118
(0.130)
assetuni
-0.0741*
(0.0373)
0.828**
(0.358)
-0.239*
(0.124)
assetuti
ndt
0.0946
(1.667)
risk
Constant
Observations
-0.0491
(0.0615)
0.241***
(0.0599)
0.224***
(0.0463)
0.241***
(0.0838)
0.929***
(0.0837)
1.060***
(0.205)
-0.00623
(0.0587)
0.393**
(0.146)
0.395***
(0.133)
420
418
420
420
420
63
420
63
63
190
R-squared
Number of number
Standard errors in
arentheses
*** p<0.01, ** p<0.05, *
p<0.1
F test
Prob > F
Breusch - Pagan
Prob > chibar2
Hausman
Prob>chi2
0.018
70
4,9700
0,0000
133,06
0,0000
17,6800
0,0014
0.110
70
6,71
0,0000
230,15
0,0000
8,6900
0,0693
0.218
70
0.033
70
14,7400
0,0000
469,88
0,0000
11,7800
0,0191
3,09
0,0000
56,1
0,0000
11,05
0,026
0.309
70
10,26
0,0000
308,59
0,0000
36,6
0
0.378
16
0.129
70
0.256
16
0.122
16
7,82
0,0000
19,42
0,0000
197,77
0,0000
11,8300
0,0000
363,04
0,0000
39,1900
0,0000
5,82
0,0000
11,24
0,0000
30,78
0
13,99
0,0000
36,86
0,0000
-7,43
0,0000
191
VARIABLES
FE
stdr
RE
ltdr
FE
tdr
tangibil
prof
-0.000730
(0.132)
lnsales
-0.00307
(0.00537)
-0.0637
(0.0599)
growth
fcfag
-0.215*
(0.129)
div
assetuni
assetuti
0.0361**
(0.0158)
acc_st
bod_inde
maj_1
-
0.464***
(0.111)
0.981***
(0.358)
Китай
FE
mstdr
RE
mltdr
FE
mtdr
FE
stdra
RE
ltdra
FE
tdra
0.0841***
(0.0281)
-0.253***
(0.0658)
-0.240
-0.128
0.754
-0.103*
-0.197**
(0.464)
(0.590)
(0.468)
(0.0547)
(0.0885)
0.0167*** 0.0322** 0.0302* 0.0147*** -0.0111 0.0386** 0.0133*** 0.0257***
(0.00338) (0.0132) (0.0166) (0.00424) (0.0211) (0.0172) (0.00469) (0.00892)
-0.0490
0.0103
0.149
0.0540
0.307
-0.142
-0.0640
-0.200*
(0.0463)
(0.125)
(0.154)
(0.0696)
(0.196)
(0.163)
(0.0620)
(0.104)
-0.466*** 1.023*** -0.308
-0.793 1.147***
(0.108)
(0.309)
(0.393)
(0.499)
(0.405)
0.0219
0.0339
0.0477*
0.0186
(0.0179) (0.0220)
(0.0279) (0.0234)
0.0749*** 0.724*** -0.166
0.336
-0.108
0.0716*
(0.0271)
(0.216)
(0.278)
(0.353)
(0.283)
(0.0368)
0.0531*** -0.0351
0.0448 0.0742*** 0.00797 -0.0397
(0.00999) (0.0403) (0.0522) (0.0141) (0.0664) (0.0528)
-0.0143 0.00677
0.00352 -0.0169
(0.0135) (0.0167)
(0.0212) (0.0176)
0.166
0.103
0.223
0.103
(0.136)
(0.167)
(0.213)
(0.178)
0.0267 -0.204**
-0.212***
192
0.0790***
(0.0197)
ndt
risk
doil
dcr
Constant
Observations
R-squared
Number of number
Standard errors in
parentheses
*** p<0.01, ** p<0.05,
* p<0.1
F test
Prob > F
Breusch - Pagan
Prob > chibar2
Hausman
Prob>chi2
0.159***
(0.0351)
445
0.085
77
10,4100
0,0000
367,65
0,0000
16,2900
0,0123
0.807***
(0.235)
-0.235
(0.188)
0.0737*
(0.0404)
0.0110
(0.0203)
-0.0132
(0.0268)
378
65
7,5
0,0000
242,47
0,0000
11,6400
0,1132
0.241***
(0.0623)
1.584**
(0.647)
0.00148
(0.131)
0.146
(0.816)
-0.336
(0.225)
-0.0201
(0.0320)
0.00131
(0.0238)
0.0399
(0.0305)
0.0752***
(0.0200)
0.318
(0.285)
-0.417
(0.261)
0.0830
(0.0562)
-0.0203
(0.0278)
0.0240
(0.0365)
(0.166)
1.027
(1.038)
(0.0815)
1.744**
(0.847)
0.174
(0.176)
0.217*
(0.121)
145
0.274
40
387
10,6900
0,0000
359,72
0,0000
54,2300
0,0000
9,2
0,0000
244,10
0,0000
5,63
0,4661
-0.0699
(0.0923)
0.305**
(0.138)
145
0.436
40
142
0.137
40
374
77
142
0.263
40
15,1700
0,0000
491,81
0,0000
28,6700
0,0000
10,95
0,0000
186,11
0,0000
16,15
0,0064
7,13
0,0000
301,82
0,0000
8,55
0,1285
9,84
0,0000
268,52
0,0000
9,84
0,0004
65
(0.0334)
0.828
(0.543)
0.323***
(0.0630)
462
0.116
77
12,92
0,0000
408,95
0,0000
152,93
0,0000
193
VARIABLES
RE
stdr
RE
ltdr
tangibil
prof
lnsales
growth
-0.199***
(0.0703)
-0.182*
-0.307**
(0.109)
(0.144)
0.00710
0.0168*
(0.00657) (0.00882)
-0.0348
-0.155
(0.119)
(0.155)
assetuti
acc_st
ndt
-0.160
(0.206)
doil
dcr
bod_inde
-0.102
(0.297)
-0.0635*
(0.0358)
0.0188
(0.0228)
0.0200
-0.480***
(0.169)
0.0179
(0.0113)
-0.406**
(0.169)
-0.083***
(0.0299)
0.0555**
(0.0262)
-0.0840
(0.0515)
0.342***
(0.130)
0.00731
(0.00762)
0.00607
(0.146)
-0.681**
(0.272)
medtdr
risk
Восточная Европа
RE
RE
tdr
mstdr
-0.418
(0.399)
-0.0154
(0.0480)
0.0517*
(0.0308)
0.0155
RE
mltdr
-0.331
(0.350)
-0.0470
(0.0416)
0.0351
(0.0262)
0.0170
FE
stdra
RE
ltdra
FE
tdra
0.0589
(0.0639)
-0.369**
(0.162)
0.0101
(0.0101)
-0.0544
(0.165)
-0.062**
(0.0276)
-0.530*
(0.303)
0.422
(0.829)
-0.938*
(0.531)
-0.00358
(0.0746)
0.105**
(0.0534)
0.0112
RE
mtdr
-0.467
(0.464)
0.00441
(0.0550)
0.0980**
(0.0399)
0.0114
0.791*** -0.470*
-0.231
(0.218)
(0.248)
(0.160)
0.0158 0.0460** 0.0188*
(0.0135) (0.0194) (0.0104)
-0.0407
-0.276
-0.163
(0.238)
(0.168)
(0.168)
0.0629
(0.0482)
-0.983**
(0.425)
0.701*
(0.394)
-0.700
(0.612)
-0.0237
(0.0768)
0.0520
(0.0510)
0.0241
-0.429
(0.418)
-0.202
(0.278)
0.0437*
(0.0217)
-0.503**
(0.189)
-0.16***
(0.0541)
-0.0793
(0.470)
-0.668
(0.491)
0.00997
(0.0584)
0.0534
(0.0383)
0.00845
194
Constant
Observations
R-squared
Number of number
Standard errors in
parentheses
*** p<0.01, ** p<0.05, *
p<0.1
F test
Prob > F
Breusch - Pagan
Prob > chibar2
Hausman
Prob>chi2
(0.0319)
0.0461
(0.0441)
(0.0431)
0.0596
(0.0593)
(0.0560)
0.106
(0.218)
(0.0369)
0.0957*
(0.0555)
(0.0503)
0.148**
(0.0714)
(0.0658)
0.0467
(0.111)
105
105
109
102
99
99
56
56
56
54
54
54
2,7400
0,0003
4,77
0,0145
5,6200
0,2293
2,99
0,0001
18,43
0,0000
0,8800
0,9278
5,9400
0,0000
30,61
0,0000
10,6100
0,1010
2,72
0,0004
19,38
0,0000
3,63
0,458
3,84
0,0000
9,97
0,0008
8,31
0,14001
3,02
0,0002
12,24
0,0020
1,74
0,7826
-0.0296
(0.124)
106
0.205
56
4,9700
0,0000
6,03
0,0070
19,1700
0,0018
(0.0525)
0.0275
(0.0777)
110
56
4,26
0,0000
10,07
0,0008
3,94
0,4144
0.282**
(0.140)
106
0.449
56
41,95
0,0000
10,69
0,0000
13,07
0,0227
195
Приложение 10. Детерминанты целевого уровня долговой
нагрузки в 2008-2010 годах.
Бразилия
VARIABLES
tangibil
prof
lnsales
growth
2008
stdr
-0.0927
(0.0601)
0.0180
(0.120)
0.0239***
(0.00830)
-0.0184
(0.0866)
ndt
2009
stdr
2010
stdr
2008
ltdr
2009
ltdr
2010
ltdr
-0.0333
(0.157)
-0.00797
(0.0176)
-0.0527
(0.0993)
0.0524
(0.0597)
-0.591***
(0.136)
0.0503
(0.0496)
-0.0538
(0.225)
-0.0252
(0.0510)
-0.641**
(0.288)
-0.00638*
(0.00368)
0.104
(0.109)
0.0198**
(0.00825)
-0.153*
(0.0864)
0.0183
(0.0124)
1.143*
(0.655)
-0.00223
(0.0107)
-0.0487
(0.315)
-0.375***
(0.115)
-0.269*
(0.147)
-0.0193**
(0.00754)
0.434
(0.362)
0.266
(0.399)
assetuni
bod_inde
maj_1
2008
tdr
2009
tdr
2010
tdr
-0.332***
(0.0532)
0.0544
(0.0521)
-0.0834
(0.237)
-0.366
(0.318)
-0.0123**
(0.00364)
0.599***
(0.0499)
2.825***
(0.189)
-0.836***
(0.0407)
-0.114***
(0.0161)
-0.118***
(0.0235)
0.0100
(0.0130)
1.300*
(0.689)
-0.00858
(0.0116)
0.362
(0.348)
0.347
(1.027)
-0.222
(0.154)
risk
assetuti
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
0.312***
(0.0727)
0.240***
(0.0684)
0.128***
(0.0357)
0.191**
(0.0773)
0.151
(0.109)
0.334***
(0.104)
0.596***
(0.0310)
0.282**
(0.115)
0.409***
(0.110)
34
0.267
34
0.212
30
0.157
34
0.512
32
0.216
30
0.169
12
0.993
32
0.167
33
0.102
196
VARIABLES
tangibil
prof
lnsales
growth
2008
stdra
-0.181*
(0.0907)
0.398**
(0.160)
-0.0287**
(0.0110)
0.0711
(0.121)
ndt
assetuni
2009
stdra
2010
stdra
2008
ltdra
0.0691
(0.247)
0.0214
(0.154)
0.0522
(0.106)
-0.846***
(0.211)
-0.0252**
(0.0119)
0.685
(0.570)
0.639
(0.628)
-0.00430
(0.00729)
0.832**
(0.316)
-0.300
(0.860)
0.0911**
(0.0433)
0.00247
(0.0128)
-0.244*
(0.141)
2009
ltdra
2010
ltdra
-0.0765
(0.343)
0.141
(0.102)
-0.263
(0.373)
0.000647
(0.0170)
1.293
(0.789)
0.861
(0.871)
-0.438**
(0.179)
bod_inde
0.00142
(0.0170)
-0.224
(0.737)
-1.007***
(0.246)
0.242*
(0.112)
-0.118**
(0.0426)
2008
tdra
2009
tdra
2010
tdra
-0.479**
(0.228)
0.0474***
(0.0157)
0.547**
(0.263)
2.499***
(0.883)
-0.706***
(0.227)
0.0380
(0.398)
-0.256
(0.436)
-0.0147
(0.0191)
1.866*
(0.916)
1.352
(1.010)
-0.0246
(0.0159)
0.575
(0.478)
1.949
(1.409)
maj_1
risk
0.428***
(0.109)
0.428***
(0.108)
-1.851**
(0.672)
0.131***
(0.0368)
0.292***
(0.0762)
34
0.517
34
0.186
18
0.833
34
0.530
34
0.225
18
0.764
34
0.404
34
0.168
33
0.302
2008
mstdr
2009
mstdr
2010
mstdr
2008
mltdr
2009
mltdr
2010
mltdr
2008
mtdr
2009
mtdr
2010
mtdr
-0.0860
(0.0646)
-0.218
(0.129)
-0.0204**
(0.00893)
-0.0207
(0.0932)
0.0584**
(0.0267)
-0.0910
(0.129)
-0.00284
(0.00691)
0.444
(0.360)
assetuti
Constant
Observations
R-squared
Standard errors
in parentheses
*** p<0.01, **
p<0.05, p<0.1
VARIABLES
tangibil
prof
lnsales
growth
ndt
-0.444***
(0.0812)
-0.00773*
(0.00371)
0.0119
(0.155)
-0.508
(0.440)
assetuni
bod_inde
risk
-0.109**
(0.0504)
0.609***
(0.135)
-0.198**
(0.0901)
0.496***
(0.170)
0.564***
(0.163)
1.126***
(0.136)
0.743***
(0.173)
0.912***
(0.160)
-1.457***
(0.268)
0.0392**
(0.0185)
-0.342
(0.308)
-0.575
(1.041)
-0.676**
(0.267)
0.0863
(0.0791)
-0.598
(0.388)
0.0131
(0.0210)
1.518
(1.087)
-1.269***
(0.401)
0.00129
(0.0145)
0.00977
(0.426)
3.724**
(1.335)
-0.339*
(0.185)
-1.745***
(0.314)
0.0246
(0.0217)
-0.398
(0.362)
-1.042
(1.217)
-0.705**
(0.313)
-1.498**
(0.560)
assetuti
Observations
R-squared
Standard errors
-4.026**
(1.587)
0.167*
(0.0964)
-0.616
(0.467)
0.0106
(0.0249)
1.830
(1.297)
-1.733***
(0.472)
-0.0133
(0.0173)
-0.0562
(0.504)
4.110**
(1.559)
-0.0541**
(0.0228)
0.0553**
(0.0221)
maj_1
Constant
-5.331**
(1.751)
-3.627*
(2.022)
0.338***
(0.0782)
0.128*
(0.0631)
0.0640***
(0.0193)
0.127**
(0.0425)
34
0.272
32
0.316
18
0.859
-0.100*
(0.0561)
0.420**
(0.169)
0.192
(0.189)
0.270*
(0.134)
0.634***
(0.188)
0.362
(0.228)
0.422**
(0.160)
34
0.591
32
0.182
30
0.570
34
0.547
32
0.278
30
0.539
197
in parentheses
*** p<0.01, **
p<0.05, * p<0.1
Россия
VARIABLES
tangibil
prof
lnsales
2008
2009
2010
2008
2009
2010
2008
2009
2010
stdr
stdr
stdr
ltdr
ltdr
ltdr
tdr
tdr
tdr
-0.0389
(0.0384)
-0.778***
(0.283)
0.00939
(0.00952)
-0.0285
(0.263)
-0.234***
(0.0862)
-0.330***
(0.107)
0.00989
(0.0121)
0.00338
(0.186)
-0.0376
(0.0548)
-1.083***
(0.193)
-0.00369
(0.0142)
0.414
(0.434)
-0.238***
(0.0625)
-0.412***
(0.0859)
-0.00402
(0.00972)
-0.864***
(0.121)
-0.0104
(0.00837)
0.205
(0.281)
1.135***
(0.261)
-0.811*
(0.397)
0.104***
(0.0353)
-0.156***
(0.0528)
-0.563***
(0.156)
-0.00646
(0.00538)
0.237
(0.144)
0.793***
(0.220)
0.365***
(0.0729)
0.242***
(0.0758)
0.170***
(0.0451)
-0.0423
(0.0671)
0.0957
(0.0898)
0.205**
(0.0855)
0.344***
(0.0914)
0.435***
(0.108)
0.309***
(0.0952)
50
0.494
38
0.837
44
0.388
49
0.137
38
0.254
38
0.213
49
0.300
36
0.552
44
0.349
growth
ndt
risk
assetuti
bod_inde
0.120
(0.0829)
0.0151*
(0.00806)
0.0289
(0.118)
0.147
(0.149)
0.0470
(0.154)
0.0102
(0.0106)
0.113
(0.354)
0.0536
(0.332)
-1.278***
(0.329)
0.00385
(0.0113)
0.279
(0.304)
1.428***
(0.463)
-0.103**
(0.0449)
0.125*
(0.0660)
assetuni
maj_1
Constant
Observations
R-squared
Standard errors
in parentheses
*** p<0.01, **
p<0.05, * p<0.1
VARIABLES
tangibil
prof
lnsales
growth
2008
2009
2010
2008
2009
2010
2008
2009
2010
stdra
stdra
stdra
ltdra
ltdra
ltdra
tdra
tdra
tdra
-0.374***
(0.138)
-0.407**
(0.172)
0.0160
(0.0195)
-0.0138
(0.299)
-0.0222
(0.0838)
-1.196***
(0.296)
0.00108
(0.0218)
0.968
(0.663)
-0.437***
(0.105)
-0.522***
(0.129)
-0.00381
(0.0146)
-0.117
(0.224)
ndt
-1.082***
(0.160)
-0.00162
(0.0116)
0.750**
(0.336)
0.836**
(0.311)
-0.987***
(0.322)
-0.00817
(0.0111)
0.772**
(0.302)
1.241***
(0.452)
0.203***
(0.0426)
0.193***
(0.0551)
0.105
(0.0966)
0.0193*
(0.0106)
0.0572
(0.152)
-0.0781
(0.194)
0.0239*
(0.0128)
-0.933**
(0.358)
0.0152
(0.0124)
0.0856
(0.332)
0.993*
(0.505)
-1.921***
(0.522)
0.00710
(0.0180)
0.860*
(0.491)
2.234***
(0.734)
risk
assetuti
0.136***
(0.0419)
0.195**
(0.0895)
bod_inde
assetuni
maj_1
198
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
VARIABLES
tangibil
prof
lnsales
growth
0.500***
(0.115)
0.221**
(0.0956)
0.254**
(0.101)
0.00892
(0.0821)
0.0531
(0.0978)
0.194*
(0.104)
0.608***
(0.147)
0.657***
(0.166)
0.446***
(0.163)
49
0.572
43
0.738
44
0.426
49
0.119
47
0.074
44
0.222
49
0.247
36
0.423
44
0.377
2008
2009
2010
2008
2009
2010
2008
2009
2010
mstdr
mstdr
mstdr
mltdr
mltdr
mltdr
mtdr
mtdr
mtdr
-0.933***
(0.218)
-1.087***
(0.167)
0.0517*
(0.0274)
-0.474
(0.285)
0.0750
(0.0508)
-0.840***
(0.179)
-0.00896
(0.0132)
0.824*
(0.407)
-0.118**
(0.0425)
-1.563***
(0.235)
0.00360
(0.00843)
0.171
(0.215)
0.147
(0.137)
0.0627
(0.169)
0.0189
(0.0194)
0.0964
(0.295)
-0.896***
(0.282)
-0.940***
(0.221)
0.122***
(0.0372)
-0.116
(0.396)
0.0783
(0.0895)
-0.683**
(0.333)
-0.0209
(0.0251)
1.571**
(0.755)
-0.203
(0.125)
-3.803***
(0.682)
-0.00885
(0.0240)
0.814
(0.625)
ndt
risk
-0.214
(0.284)
0.0220
(0.0207)
0.161
(0.604)
-0.302
(0.557)
-2.405***
(0.480)
-0.0176
(0.0173)
0.606
(0.442)
0.455
(1.108)
1.544***
(0.420)
-4.569***
(1.633)
assetuti
-0.178*
(0.0921)
bod_inde
assetuni
maj_1
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
-0.896***
(0.241)
-0.303**
(0.129)
0.741***
(0.215)
-0.600**
(0.282)
0.280***
(0.100)
0.238***
(0.0763)
-0.0210
(0.145)
0.201
(0.173)
0.608***
(0.140)
26
0.722
35
0.547
25
0.774
47
0.076
42
0.165
29
0.547
0.232
(0.284)
0.408***
(0.139)
0.599***
(0.204)
0.935***
(0.200)
26
0.583
35
0.508
25
0.658
199
Индия
VARIABLES
2008
stdr
tangibil
prof
lnsales
growth
ndt
-0.265**
(0.112)
0.00142
(0.00738)
-0.0557
(0.137)
-0.480
(0.600)
Observations
R-squared
Standard errors
in parentheses
*** p<0.01, **
p<0.05, * p<0.1
VARIABLES
tangibil
prof
lnsales
growth
-0.00168
(0.0338)
-0.334**
(0.141)
-0.00526
(0.00812)
0.0535
(0.236)
2010
stdr
-0.322**
(0.126)
0.00394
(0.00755)
0.104
(0.186)
-0.419
(0.597)
2008
ltdr
2009
ltdr
0.197***
(0.0731)
-0.612***
(0.136)
0.0199**
(0.00964)
-0.0971
(0.190)
0.0844**
(0.0398)
-0.649***
(0.166)
0.00763
(0.00957)
-0.446
(0.278)
2010
ltdr
-0.822***
(0.163)
-0.00823
(0.00976)
-0.634**
(0.240)
1.948**
(0.772)
2008
tdr
2009
tdr
0.173**
(0.0707)
-0.932***
(0.130)
0.0122
(0.00827)
-0.277
(0.181)
0.0783*
(0.0425)
-1.015***
(0.172)
-0.000297
(0.00937)
-0.421
(0.298)
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
-1.153***
(0.159)
-0.00464
(0.0101)
-0.516**
(0.230)
1.482**
(0.737)
0.137**
(0.0519)
0.0283**
(0.0119)
0.0851
(0.0523)
-0.0363**
(0.0168)
0.0774
(0.0613)
0.0777***
(0.0274)
0.182***
(0.0662)
-0.0303*
(0.0154)
0.246***
(0.0676)
0.214***
(0.0585)
0.295***
(0.0716)
0.334***
(0.0664)
70
0.083
62
0.165
62
0.172
69
0.479
62
0.479
62
0.477
70
0.568
62
0.489
62
0.499
2008
stdra
2009
stdra
2010
stdra
2008
ltdra
2009
ltdra
2010
ltdra
2008
tdra
2009
tdra
-0.285***
(0.107)
-0.194
(0.201)
-0.0131
(0.0142)
-0.174
(0.281)
-0.134***
(0.0500)
-0.497**
(0.209)
-0.0147
(0.0120)
0.00990
(0.346)
-0.0589
(0.0556)
-0.327
(0.248)
0.0147
(0.0141)
1.028***
(0.319)
0.383***
(0.0954)
-0.835***
(0.179)
0.0227*
(0.0127)
-0.0531
(0.251)
0.179***
(0.0588)
-0.608**
(0.246)
0.0114
(0.0142)
-0.0743
(0.407)
0.127**
(0.0545)
-0.984***
(0.228)
-0.0200
(0.0136)
-0.778***
(0.182)
0.146
(0.117)
-0.788***
(0.214)
0.0181
(0.0136)
-0.142
(0.298)
0.0455
(0.0674)
-1.105***
(0.282)
-0.00331
(0.0162)
-0.0644
(0.466)
0.0723***
(0.0247)
0.484***
(0.0892)
0.245***
(0.0345)
0.345***
(0.0838)
0.0761***
(0.0197)
0.315***
(0.109)
-0.0550**
(0.0221)
0.103
(0.0797)
-0.138***
(0.0406)
0.243**
(0.0986)
0.337***
(0.104)
0.511***
(0.0964)
0.107**
(0.0465)
0.588***
(0.113)
-1.284***
(0.258)
-0.00296
(0.0155)
0.0434
(0.381)
1.204
(1.224)
0.0434*
(0.0243)
0.659***
(0.107)
70
0.233
63
0.510
62
0.281
70
0.561
63
0.429
62
0.428
70
0.254
63
0.285
62
0.339
ndt
assetuti
2010
tdr
0.0602**
(0.0233)
0.109*
(0.0562)
assetuti
Constant
2009
stdr
2010
tdra
200
2008
mstdr
VARIABLES
tangibil
2009
mstdr
0.108
(0.113)
-0.416**
(0.208)
-0.00793
(0.0132)
0.258
(0.289)
prof
lnsales
growth
0.241**
(0.0935)
-0.604***
(0.198)
-0.0113
(0.0120)
0.0908
(0.353)
-0.418
(0.952)
0.0988***
(0.0347)
0.171**
(0.0780)
70
0.137
61
0.208
ndt
assetuti
Constant
Observations
R-squared
Standard errors in
parentheses
*** p<0.01, **
p<0.05, * p<0.1
2010
mstdr
2008
mltdr
2009
mltdr
2010
mltdr
0.00656
(0.00482)
-0.0278
(0.0199)
0.000418
(0.00119)
-0.0205
(0.0159)
0.545***
(0.131)
-1.009***
(0.247)
0.0276
(0.0175)
0.0620
(0.346)
0.141**
(0.0677)
-1.011***
(0.279)
-0.00376
(0.0161)
-0.763
(0.467)
0.00188
(0.00918)
-0.0572*
(0.0304)
0.0746
(0.110)
-0.0927**
(0.0459)
0.290**
(0.113)
60
0.103
70
0.516
61
0.439
2008
mtdr
2009
mtdr
2010
mtdr
0.648***
(0.150)
-1.523***
(0.276)
0.00391
(0.0176)
0.164
(0.384)
0.209**
(0.0845)
-1.499***
(0.337)
-0.0116
(0.0184)
-0.476
(0.584)
0.0196
(0.0151)
-0.143**
(0.0624)
-0.00270
(0.00373)
-0.112**
(0.0498)
0.0462**
(0.0179)
0.345***
(0.124)
0.387***
(0.142)
0.0373
(0.0288)
60
0.195
70
0.558
61
0.421
60
0.183
-0.138***
(0.0427)
-0.00365
(0.00271)
-0.0639
(0.0627)
0.175
(0.204)
Китай
VARIABLES
tangibil
prof
lnsales
growth
2008
stdr
2009
stdr
2010
stdr
2008
ltdr
2009
ltdr
2010
ltdr
2008
tdr
2009
tdr
2010
tdr
0.0319
(0.0630)
-0.625***
(0.136)
0.00179
(0.00681)
-0.143
(0.230)
0.000827
(0.0441)
-0.499***
(0.147)
-0.00751
(0.00784)
-0.462
(0.301)
-0.0104
(0.0430)
-0.374**
(0.165)
0.000992
(0.00785)
-0.238
(0.190)
0.100*
(0.0578)
-0.243**
(0.116)
0.0194***
(0.00677)
0.00459
(0.195)
-0.00547
(0.0353)
-0.335**
(0.133)
0.0232***
(0.00650)
-0.503*
(0.255)
0.0612*
(0.0323)
-0.198
(0.151)
0.0251***
(0.00663)
0.149
(0.152)
0.201***
(0.0743)
-0.814***
(0.161)
0.00870
(0.00804)
-0.0820
(0.272)
0.0262
(0.0560)
-0.757***
(0.187)
0.00417
(0.00996)
-0.698*
(0.382)
-0.299
(0.581)
-0.690***
(0.194)
0.0328***
(0.00826)
-0.145
(0.184)
1.436***
(0.288)
-0.212**
(0.100)
1.045***
(0.295)
-0.239**
(0.119)
0.843**
(0.358)
1.219***
(0.366)
-0.340***
(0.128)
0.692*
(0.365)
ndt
risk
1.194***
(0.304)
assetuni
assetuti
0.0687***
(0.0203)
0.0804***
(0.0197)
0.0888***
(0.0202)
0.0743***
(0.0261)
bod_inde
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
0.0947*
(0.0483)
0.146**
(0.0606)
0.121*
(0.0628)
-0.0188
(0.0388)
-0.0116
(0.0406)
-0.0302
(0.0418)
0.0964*
(0.0570)
0.165**
(0.0770)
0.0554
(0.0574)
77
0.334
63
0.395
62
0.320
77
0.380
76
0.414
74
0.412
77
0.426
63
0.415
75
0.317
201
** p<0.05, *
p<0.1
VARIABLES
2008
stdra
tangibil
prof
lnsales
growth
ndt
-1.123***
(0.238)
0.000510
(0.0130)
-0.0142
(0.337)
-0.908
(0.821)
risk
2009
stdra
2010
stdra
2008
ltdra
2009
ltdra
2010
ltdra
-0.116*
(0.0628)
-0.978***
(0.240)
-0.174***
(0.0580)
-1.178***
(0.267)
0.119
(0.0822)
-0.472***
(0.157)
0.0150
(0.0516)
-0.397**
(0.194)
0.0958**
(0.0466)
-0.251
(0.218)
0.00918
(0.0116)
-0.417
(0.455)
0.0199*
(0.0117)
-0.399
(0.271)
0.0203**
(0.01000)
-0.268
(0.294)
0.0293***
(0.00951)
-0.674*
(0.372)
0.0308***
(0.00957)
0.237
(0.219)
-0.110***
(0.0288)
-0.122***
(0.0291)
-0.0137
(0.0594)
-0.0183
(0.0603)
2008
tdra
2009
tdra
2010
tdra
-1.601***
(0.250)
-1.294***
(0.252)
-0.105*
(0.0598)
-1.396***
(0.291)
0.0378***
(0.0124)
-0.546
(0.353)
-2.157**
(0.853)
0.0400***
(0.0121)
-0.770*
(0.440)
-1.413*
(0.733)
1.091*
(0.551)
0.0515***
(0.0114)
-0.237
(0.294)
0.365***
(0.0845)
0.263***
(0.0866)
0.267***
(0.0810)
74
0.355
1.264**
(0.492)
0.951*
(0.488)
0.135***
(0.0385)
0.135***
(0.0357)
0.126***
(0.0358)
0.381***
(0.0804)
0.257***
(0.0754)
0.245***
(0.0765)
0.0837***
(0.0269)
-0.227*
(0.133)
0.0808
(0.0781)
77
0.357
76
0.376
74
0.459
47
0.516
76
0.386
74
0.385
77
0.410
76
0.366
2008
mstdr
2009
mstdr
2010
mstdr
2008
mltdr
2009
mltdr
2010
mltdr
2008
mtdr
2009
mtdr
0.0491**
(0.0231)
-0.514***
(0.112)
0.000731
(0.00452)
-0.401***
(0.113)
0.191**
(0.0890)
-0.615***
(0.179)
0.0155
(0.0104)
-0.0676
(0.300)
0.0337
(0.0494)
-0.504***
(0.186)
0.0174*
(0.00915)
-0.418
(0.362)
0.0223
(0.0199)
-0.209**
(0.0932)
0.00513
(0.00418)
-0.124
(0.0936)
0.259*
(0.133)
-1.778***
(0.293)
-0.00601
(0.0146)
-0.381
(0.486)
0.0502
(0.0948)
-1.110***
(0.311)
-0.0108
(0.0178)
-0.318
(0.653)
assetuni
assetuti
bod_inde
Constant
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
VARIABLES
tangibil
prof
lnsales
growth
0.000791
(0.108)
-1.256***
(0.233)
-0.00349
(0.0117)
-0.301
(0.394)
ndt
risk
1.094**
(0.519)
assetuni
-0.846***
(0.205)
-0.0226*
(0.0121)
-0.287
(0.388)
-0.0673
(0.680)
0.862*
(0.441)
-0.367**
(0.168)
2010
mtdr
-0.711***
(0.146)
0.00301
(0.00582)
-0.514***
(0.137)
-0.596
(0.439)
-0.481**
(0.218)
assetuti
0.0941***
(0.0312)
0.0872***
(0.0275)
0.0348***
(0.0125)
0.0493
(0.0597)
0.0378
(0.0574)
0.0166
(0.0267)
-0.0846*
(0.0467)
bod_inde
Constant
0.248***
(0.0826)
0.335***
(0.0918)
0.0730**
(0.0323)
0.358***
(0.0982)
0.449***
(0.128)
0.0878**
(0.0431)
202
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
77
0.319
61
0.327
69
0.325
77
0.405
74
0.339
69
0.286
77
0.424
61
0.363
70
0.362
2008
stdr
2009
stdr
2010
stdr
2008
ltdr
2009
ltdr
2010
ltdr
2008
tdr
2009
tdr
2010
tdr
tangibil
-0.116***
(0.0377)
-0.0112
(0.0142)
-0.00894
(0.0133)
-0.0175
(0.0201)
-0.0161
(0.0180)
-0.109**
(0.0507)
prof
-0.158**
(0.0660)
-0.00897
(0.00628)
-0.312***
(0.104)
-0.0107*
(0.00579)
-0.131
(0.155)
0.0228***
(0.00870)
-0.314**
(0.156)
0.0158*
(0.00909)
-0.106
(0.0870)
0.000860
(0.00874)
-0.559***
(0.137)
0.0176**
(0.00842)
-0.562***
(0.171)
0.0112
(0.00934)
-0.0619
(0.137)
-0.121
(0.209)
-0.200*
(0.115)
-0.00314
(0.00624)
0.0373**
(0.0179)
0.0310
(0.0412)
0.000766
(0.0706)
0.00868
(0.00710)
-0.0595
(0.155)
0.236
(0.304)
0.0481**
(0.0238)
-0.138
(0.191)
-0.0106
(0.283)
-0.271
(0.319)
0.0172
(0.0268)
0.0263**
(0.0109)
0.0415***
(0.0152)
Восточная Европа
VARIABLES
lnsales
growth
ndt
assetuti
assetuni
0.0857*
(0.0449)
0.108**
(0.0471)
-0.0211
(0.0199)
risk
Constant
0.200***
(0.0447)
0.150***
(0.0381)
0.128***
(0.0407)
0.0446
(0.0483)
-0.00944
(0.0564)
0.0300
(0.0605)
0.277***
(0.0595)
0.148***
(0.0508)
0.196***
(0.0609)
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
161
0.143
123
0.167
113
0.149
161
0.017
110
0.108
102
0.123
161
0.034
162
0.104
113
0.122
2008
stdra
2009
stdra
2010
stdra
2008
ltdra
2009
ltdra
2010
ltdra
2008
tdra
2009
tdra
2010
tdra
-0.332***
(0.0567)
-0.321***
(0.0983)
-3.16e-05
(0.00943)
0.0439
(0.206)
0.0562**
(0.0237)
-0.741***
(0.174)
0.00160
(0.00969)
0.121
(0.349)
0.0696***
(0.0243)
-0.642***
(0.212)
0.0155
(0.0123)
-0.00647
(0.0330)
0.135**
(0.0534)
0.0644
(0.0926)
0.0133
(0.00888)
0.109
(0.194)
0.0961***
(0.0316)
-0.856***
(0.236)
0.0297**
(0.0130)
0.0699
(0.476)
0.0964***
(0.0284)
-0.897***
(0.246)
0.0293**
(0.0134)
0.0345
(0.0385)
0.0850***
0.137***
0.0276*
0.0401**
VARIABLES
tangibil
prof
lnsales
growth
ndt
assetuti
-0.215
(0.181)
0.0281**
(0.0110)
-0.00687
(0.358)
0.00752
(0.535)
0.0618**
-0.362*
(0.183)
0.0181*
(0.0101)
0.0519
(0.0315)
-0.00549
(0.383)
-0.358***
(0.120)
0.0202
(0.0124)
0.121
(0.267)
-1.340***
(0.465)
0.0388***
0.0344*
203
(0.0165)
(0.0254)
(0.0142)
-0.155**
(0.0647)
Constant
0.416***
(0.0669)
0.276***
(0.0635)
0.311***
(0.0823)
Observations
R-squared
Standard
errors in
parentheses
*** p<0.01,
** p<0.05, *
p<0.1
167
0.375
124
0.362
103
0.302
assetuni
(0.0155)
(0.0278)
0.110**
(0.0489)
(0.0135)
(0.0184)
0.0801
(0.0630)
0.0393
(0.0684)
0.134**
(0.0609)
0.456***
(0.0843)
0.444***
(0.0835)
0.438***
(0.0875)
167
0.111
136
0.126
156
0.097
168
0.125
124
0.204
114
0.220
2009
mtdr
2010
mtdr
risk
VARIABLES
tangibil
prof
lnsales
growth
2008
mstdr
-0.173**
(0.0801)
-0.496***
(0.140)
-0.0264**
(0.0133)
0.136
(0.291)
ndt
assetuti
2009
mstdr
-0.547***
(0.160)
-0.0188*
(0.00980)
0.469
(0.329)
-0.641*
(0.371)
0.0674***
(0.0232)
2010
mstdr
0.0524**
(0.0232)
-0.0940
(0.158)
0.0216**
(0.00823)
-0.129
(0.347)
2008
mltdr
2009
mltdr
2010
mltdr
0.0501
(0.0715)
-0.340***
(0.123)
-0.00963
(0.0319)
-0.419*
(0.234)
-0.0386
(0.0417)
-0.534*
(0.271)
0.00821
(0.0123)
-0.0891
(0.269)
0.0329**
(0.0130)
0.574
(0.469)
0.0159
(0.0151)
1.178*
(0.611)
0.0166*
(0.00970)
2008
mtdr
-0.693***
(0.171)
-0.0114
(0.0173)
-0.0142
(0.372)
-1.388**
(0.648)
-1.057***
(0.249)
0.000229
(0.0153)
0.435
(0.514)
-0.675
(0.579)
-0.0678
(0.0466)
-0.717**
(0.309)
-0.0111
(0.0164)
1.006
(0.709)
-0.104***
(0.0341)
assetuni
0.191**
(0.0820)
risk
Constant
0.422***
(0.0950)
0.340***
(0.0591)
-0.784**
(0.337)
0.280***
(0.0569)
Observations
R-squared
Standard errors
in parentheses
*** p<0.01, **
p<0.05, * p<0.1
161
0.174
162
0.174
98
0.188
0.138
(0.0839)
0.120
(0.0855)
0.0970
(0.0983)
0.610***
(0.113)
0.424***
(0.0922)
0.427***
(0.104)
161
0.054
123
0.128
87
0.202
161
0.134
162
0.136
98
0.177
204
Приложение 11. Результаты эмпирического тестирования динамической компромиссной
модели на данных компаний стран БРИК и Восточной Европы
Бразилия
stdr
ltdr
tdr
stdra
ltdra
tdra
mstdr
mltdr
mtdr
Total
0.163*
-0.0620
0.447***
0.0649
0.165
0.560***
0.332***
-0.0329
0.184***
Lending
0.152
-0.0320
0.245**
-0.0340
0.111
0.264**
0.195***
-0.161*
-0.0741
gdpgrowt
0.183**
-0.112
0.458***
0.0967
0.142
0.579***
0.336***
-0.237*
0.157**
infl
0.167*
-0.0616
0.272**
0.0427
0.0682
0.311**
0.187***
-0.130
-0.0375
cpgdp
0.138
-0.0741
0.336***
-0.0377
0.128
0.306**
0.330***
-0.0335
0.172***
def
0.169*
-0.0325
0.452***
0.0528
0.164
0.555***
0.405***
0.0181
0.232***
def + Lev
0.322**
0.221
0.322**
0.0988
0.0816
0.394**
0.308***
-0.0128
0.229**
0.135*
-0.0582
0.342***
0.0563
0.152
0.501***
0.318***
-0.0712
0.140**
mtb +lev
0.420***
0.0595
0.369**
0.250**
-0.0704
0.593***
0.303***
0.0586
0.217***
ratio_mt
0.147**
-0.0862
0.449***
0.0692
0.160
0.544***
0.332***
-0.0201
0.183***
ratio_mt+ lev
0.453***
0.0355
0.519***
0.238**
-0.0373
0.635***
0.327***
0.0716
0.273***
precrisis
0.0154
-0.0940
0.427**
-0.126
0.150
0.697***
0.437***
-0.150
0.567***
postcrisis
0.284
-0.0421
0.102
0.154
0.137
0.0569
-0.0129
-0.220*
-0.309**
mtb
205
Россия
stdr
ltdr
tdr
stdra
ltdra
tdra
mstdr
mltdr
mtdr
Total
-0.0357
0.132
0.221
0.120
0.147
0.321***
0.00846
0.175**
Lending
-0.0538
0.114
0.225
0.126
0.132
0.329***
0.0585
-0.00897
0.448***
gdpgrowt
-0.0150
0.157
0.219
0.155*
0.161
0.316***
0.0450
-0.430**
0.170
infl
-0.0756
0.0879
0.279*
0.101
0.0937
0.350***
-0.00555
0.0170
0.152*
cpgdp
-0.0482
0.107
0.318**
0.120
0.110
0.369***
0.0107
0.00865
0.168**
def
0.0169
-0.0664
0.385***
-0.0422
0.0661
0.260**
-0.0952
0.0915
def + Lev
-0.0144
0.0904
0.506***
-0.267**
0.581*
0.467***
-0.0654
0.230***
0.124
-0.0138
mtb
-0.163*
0.000489
-0.0219
-0.0705
0.0941
-0.0254
-0.00852
0.171**
mtb +lev
-0.0624
0.183*
0.269**
-0.0355
0.226
-0.0189
0.00840
0.260***
0.234
-0.00261
ratio_mt
-0.165*
-0.00255
-0.00573
-0.0893
0.0734
-0.00133
-0.0247
0.170**
ratio_mt+ lev
-0.0680
0.114
0.166
-0.0473
0.208
-0.0606
0.00655
0.262***
0.227
-0.00566
0.0902
precrisis
0.144
0.248
0.0912
0.454**
0.101
0.428**
0.283**
0.348
0.675***
postcrisis
-0.202**
-0.0163
0.0183
-0.159*
0.108
0.0373
-0.0171
-0.0973
0.106
206
Индия
stdr
ltdr
tdr
stdra
ltdra
tdra
mstdr
mltdr
mtdr
Total
0.301***
0.301***
0.621***
0.568***
0.182*
0.0884
0.186***
0.164***
0.0422
Lending
0.274***
0.274***
0.594***
0.567***
0.121
-0.00997
0.164***
0.106**
-0.110
gdpgrowt
0.296***
0.296***
0.624***
0.560***
0.178*
0.100
0.193***
0.195***
0.156*
infl
0.288***
0.288***
0.603***
0.537***
0.174*
0.0958
0.191***
0.160***
0.0813
cpgdp
0.300***
0.300***
0.575***
0.549***
0.178*
0.114
0.182***
0.130***
0.0798
def
0.306***
0.306***
0.636***
0.551***
0.201**
0.0787
0.203***
0.176***
0.0762
def + Lev
0.513***
0.513***
0.791***
0.482***
0.395***
0.226*
0.395***
0.384***
0.174
mtb
0.274***
0.274***
0.621***
0.527***
0.180*
0.0855
0.186***
0.164***
0.0431
mtb +lev
0.480***
0.480***
0.714***
0.481***
0.368***
0.257**
0.378***
0.374***
0.137
ratio_mt
0.275***
0.275***
0.625***
0.552***
0.199**
0.0843
0.185***
0.161***
0.0404
ratio_mt+ lev
0.490***
0.490***
0.694***
0.484***
0.367***
0.255**
0.380***
0.372***
0.133
precrisis
0.250**
0.250**
0.674***
0.618***
-0.219
-0.109
0.290***
0.177***
0.0712
postcrisis
0.371***
0.371***
0.232
0.466***
0.141
-0.0633
0.0940
-0.0726
0.0514
207
Китай
stdr
ltdr
tdr
stdra
ltdra
tdra
mstdr
mltdr
mtdr
Total
0.584***
0.527***
0.354**
0.389***
0.479***
0.431***
-0.262***
0.287***
-0.00421
Lending
0.580***
0.528***
0.363**
0.431***
0.471***
0.374***
-0.248***
0.101
0.00594
gdpgrowt
0.579***
0.535***
0.377**
0.434***
0.476***
0.352***
-0.273***
0.178
-0.0101
infl
0.622***
0.519***
0.359**
0.380***
0.476***
0.436***
0.189*
0.122
0.0131
cpgdp
0.558***
0.532***
0.346**
0.410***
0.484***
0.412***
-0.162*
0.207*
0.156**
def
0.576***
0.518***
0.270**
0.404***
0.479***
0.381***
-0.209**
0.309***
0.0107
def + Lev
0.509***
0.619***
0.252**
0.443***
0.665***
0.431***
-0.438***
-0.0642
0.132
mtb
0.358***
0.454***
0.236
0.356***
0.289***
-0.310**
-0.264***
0.203*
-0.0194
mtb +lev
0.224***
0.569***
0.248*
0.402***
0.608***
-0.460***
-0.171
0.0835
ratio_mt
0.333***
0.399***
0.187
0.280**
0.221***
0.0892
0.436***
-0.196**
0.274**
-0.0262
ratio_mt+ lev
0.216***
0.593***
0.212*
0.320***
0.608***
0.0834
-0.480***
-0.140
0.0959
precrisis
0.534***
0.379**
0.199
0.205
0.516***
0.379**
-0.254
0.753***
-0.224
postcrisis
0.460***
0.571***
0.546**
0.433**
0.364***
0.269
-0.356***
-0.0429
-0.00659
208
Восточная
Европа
stdr
ltdr
tdr
stdra
ltdra
tdra
mstdr
mltdr
mtdr
Total
0.0499
0.266**
0.296***
0.313***
0.304**
0.416***
-0.113
-0.00671
0.0346
Lending
0.206
0.00370
0.144
0.401***
-0.171
0.557***
-0.225**
-0.338**
-0.159
gdpgrowt
0.0999
0.265**
0.397***
0.324***
0.302**
0.449***
-0.121
-0.0489
0.00737
infl
0.0510
0.270**
0.341***
0.308***
0.301**
0.359***
-0.0820
0.115
0.140*
cpgdp
0.0471
0.262**
0.297***
0.295***
0.301**
0.357***
-0.114*
0.0348
0.0518
def
-0.203*
0.204
0.395***
0.140
0.252*
0.304***
-0.133
-0.131
0.133
def + Lev
0.0969
0.460**
0.386***
0.474***
0.184
0.499***
-0.261***
-0.569***
0.0551
mtb
-0.00965
0.328**
0.272***
0.374***
0.384**
0.364***
-0.114
-0.00519
0.0337
mtb +lev
0.352***
0.331*
0.327*
0.529***
0.274*
0.508***
-0.362***
-0.322**
0.0371
ratio_mt
-0.00320
0.314**
0.274***
0.355***
0.349**
0.362***
-0.118*
0.00955
0.0365
ratio_mt+ lev
0.362***
0.334*
0.318*
0.496***
0.251*
0.518***
-0.360***
-0.325**
0.0369
precrisis
-0.747*
-0.00297
0.110
0.676***
0.0857
0.586***
0.369
-0.0173
0.217
postcrisis
0.0619
0.355**
0.362***
0.0188
0.403**
0.170
-0.118
-0.00300
0.0278
209
Приложение 12. Результаты определения границ оптимального диапазона.
Для показателя долговой нагрузки TDRA
Китай (TDRA)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
-1.793*
-8.226***
0.208
-2.733
0.551
-1.382
-10.54***
0.468***
6.764**
-0.308
(1.061)
(2.962)
(0.153)
(2.903)
(0.889)
(0.957)
(3.358)
(0.143)
(3.205)
(0.812)
604
604
604
604
604
604
604
604
604
604
R-squared
Бразилия
(TDRA)
0.885
0.885
0.885
0.885
0.885
0.885
0.885
0.885
0.885
0.885
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
1.016
-22.23
-0.389
-8.119
4.360**
0.810
-5.859
-0.393*
-7.958
3.268**
(1.458)
(14.29)
(0.342)
(12.17)
(1.931)
(1.435)
(10.65)
(0.226)
(9.242)
(1.324)
Constant
Observations
Constant
Observations
R-squared
265
265
265
265
265
265
265
265
265
265
0.938
0.938
0.938
0.938
0.938
0.938
0.938
0.938
0.938
0.938
210
Россия (TDRA)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
Constant
Observations
R-squared
6.355
10.14
-1.033
-8.469
-1.814
1.910
31.81**
-0.918*
-10.66*
2.169
(5.282)
(8.639)
(0.840)
(11.85)
(1.696)
(3.351)
(12.70)
(0.494)
(6.102)
(2.395)
303
303
303
303
303
303
303
303
303
303
0.931
0.931
0.931
0.931
0.931
0.931
0.931
0.931
0.931
0.931
Индия (TDRA)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
13.82
-8.588
-1.501
-8.331
-13.81
113.2
14.76
-13.43
70.28
-78.77
(13.67)
(7.858)
(1.648)
(5.593)
(10.08)
(85.98)
(18.15)
(10.30)
(61.16)
(58.31)
535
535
535
535
535
535
535
535
535
535
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
-3.274
-2.533
0.854
12.57*
-0.118
11.20**
-11.19**
2.876**
9.205
-0.354
(4.924)
(3.940)
(1.230)
(6.468)
(0.819)
(4.722)
(5.058)
(1.122)
(8.334)
(0.584)
Observations
1,007
1,007
1,007
1,007
1,007
1,007
1,007
1,007
1,007
1,007
R-squared
0.935
0.935
0.935
0.935
0.935
0.935
0.935
0.935
0.935
0.935
Constant
Observations
R-squared
VARIABLES
ВЕ (TDRA)
Constant
211
Для показателя долговой нагрузки TDR
Китай (TDR)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
-2.418*
-6.048*
0.273
1.100
0.989
-1.427*
-8.215***
0.363***
6.424**
-0.172
(1.422)
(3.373)
(0.230)
(3.890)
(1.428)
(0.818)
(2.158)
(0.105)
(2.939)
(0.681)
560
560
560
560
560
560
560
560
560
560
R-squared
Бразилия
(TDR)
0.877
0.877
0.877
0.877
0.877
0.877
0.877
0.877
0.877
0.877
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
3,116***
-6,704
478.4***
1,890***
110.9***
-74.90
91.56
6.873
-186.5
10.46
(1.220)
(0)
(0.347)
(43.61)
(0.693)
(131.8)
(228.1)
(11.65)
(378.5)
(24.46)
265
265
265
265
265
265
265
265
265
265
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
Россия (TDR)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
-2,922
64.81
543.1
-6,259
-1,566
-38.04**
19.00
7.062**
-96.13**
-29.60***
(6,633)
(135.3)
(1,232)
(14,229)
(3,543)
(17.39)
(12.43)
(3.072)
(38.21)
(11.18)
301
301
301
301
301
301
301
301
301
301
0.932
0.932
0.932
0.932
0.932
0.932
0.932
0.932
0.932
0.932
Constant
Observations
Constant
Observations
R-squared
Constant
Observations
R-squared
212
Индия (TDR)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
VARIABLES
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
6,184
66.10
-392.4
8,196
-3,798
3.975**
-1.360
-0.173
12.60**
-1.831
(0)
(0)
(0)
(0)
(0)
(1.670)
(2.853)
(0.138)
(5.520)
(1.280)
517
517
517
517
517
517
517
517
517
517
0.097
0.097
0.097
0.097
0.097
0.097
0.097
0.097
0.097
0.097
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
b0
b1
b2
b3
b4
g0
g1
g2
g3
g4
30.37
9.092
-6.830
-46.98
-1.186*
3.091*
-4.967***
-0.440
-0.292
-1.022
(18.85)
(8.623)
(4.419)
(42.88)
(0.696)
(1.694)
(1.890)
(0.374)
(2.548)
(0.650)
982
982
982
982
982
982
982
982
982
982
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
0.936
Constant
Observations
R-squared
VARIABLES
ВЕ (TDR)
Constant
Observations
R-squared
213