ВЛИЯНИЕ УПРАВЛЕНИЯ ОБОРОТНЫМ КАПИТАЛОМ НА
advertisement
Правительство Российской Федерации Пермский филиал федерального государственного автономного образовательного учреждения высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики» Департамент экономики и финансов Допускаю к защите Руководитель департамента ________________________________ ученая степень, ученое звание «______» __________________20____ ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА на тему ВЛИЯНИЕ УПРАВЛЕНИЯ ОБОРОТНЫМ КАПИТАЛОМ НА ЭФФЕКТИВНОСТЬ ДЕЯТЕЛЬНОСТИ ПРОМЫШЛЕННЫХ КОМПАНИЙ В РОССИИ Студентка группы Э-11-2 Беляева Екатерина Игоревна ________________________ подпись Научный руководитель доцент кафедры финансового менеджмента, кандидат экономических наук Шелунцова Мария Александровна ________________________ подпись Пермь 2015 Оглавление Введение .........................................................................................................................................3 Глава 1. Теоретический обзор основных аспектов управления оборотным капиталом.........6 1.1. Понятия оборотного капитала, управления оборотным капиталом, эффективности деятельности компании .............................................................................................................6 1.2. Обзор эмпирических исследований на тему управления оборотным капиталом.........9 Глава 2. Анализ взаимосвязи управления оборотным капиталом и эффективности деятельности компаний...............................................................................................................14 2.1. Выбор и описание методов исследования ......................................................................14 2.2. Эконометрическое исследование влияния управления оборотным капиталом на эффективность деятельности компаний ................................................................................22 Заключение...................................................................................................................................32 Список использованной литературы .........................................................................................35 Приложения .................................................................................................................................38 2 Введение Представленная работа посвящена исследованию проблемы управления оборотным капиталом российских промышленных предприятий. Современные условия развития рыночных отношений на территории Российской Федерации характеризуются все более усиливающейся конкуренцией во всех отраслях производства, что в свою очередь требует от руководителей предприятий разработки и принятия управленческих решений, которые позволили бы компании укрепить свою позицию на рынке, а так же повысить эффективность деятельности. Особенно важную роль в данном контексте приобретает сфера финансового менеджмента, поскольку грамотная финансовая политика может послужить залогом стабильного роста и развития компании. Одним из наиболее значимых функциональных направлений системы финансового управления предприятием является управление оборотным капиталом. По мнению многих специалистов, эффективное управление оборотным капиталом заключается в том, чтобы обеспечить финансирование фондов, необходимых для текущей деятельности предприятия (Рудакова, Шатунов, 2010). Проблема управления оборотным капиталом приобретает особую актуальность именно для промышленных предприятий по ряду причин. Прежде всего, следует обратить внимание на тот факт, что именно в деятельности промышленных предприятий оборотный капитал проходит все стадии производственно-коммерческого цикла и характеризуется длительностью периода обращения (Курбано, Прозоров, 2012). Во-вторых, как эффективности отмечают управления авторы исследования, оборотным капиталом посвященного российских повышению промышленных предприятий, одной из важнейших проблем, с которыми сталкиваются руководители данных предприятий, является поддержание высокого уровня платежеспособности и финансовой устойчивости компании, что может быть достигнуто только при условии оперативности производственного и финансового циклов. Выработка грамотной стратегии управления оборотным капиталом и применение ее на практике может в свою очередь позволить решить проблему эффективного управления операционным циклом компании (Мулкиджанян, 2010). В-третьих, многие специалисты сходятся во мнении, что наличие эффективно функционирующего оборотного капитала может послужить гарантией для осуществления бесперебойного процесса производства. Это в свою очередь является важным фактором 3 для роста прибыли предприятия, а так же может позволить создать определенные накопления, которые в дальнейшем могут быть использованы для расширения и модернизации производственного процесса, что ведет к повышению конкурентоспособности и укреплению рыночных позиций предприятия (Лыгина, Рудакова, 2011). Еще одним фактором, определяющим актуальность изучения проблемы управления оборотным капиталом промышленных предприятий в России, является состояние этой отрасли на сегодняшний день. Так, по итогам последних исследований, посвященных анализу деятельности промышленности в Российской Федерации, финансовое состояние многих компаний в данной отрасли довольно сложное, что, по мнению авторов исследования, обусловлено проблемами, связанными с движением оборотного капитала, а так же его неэффективной структурой. Иными словами, на данном этапе развития рыночных отношений в стране система управления оборотным капиталом на промышленных предприятиях нуждается в совершенствовании с целью обеспечения стабильного роста производства в будущем (Крутин, 2011). Все эти факторы в совокупности послужили стимулом для более детального изучения выбранной темы. Если говорить о практической значимости проведения данного исследования, то полученные в ходе работы результаты могут оказаться полезными в первую очередь для руководителей промышленных предприятий, поскольку они могут позволить выработать методы управления оборотным капиталом, направленные на повышение эффективности деятельности компаний данной отрасли. Во-вторых, данное исследование может оказаться полезным и для работников других отраслей, либо даже других стран, имеющих схожие характеристики. Таким образом, целью данной работы является изучение влияния управления оборотным капиталом российских промышленных предприятий на эффективность их деятельности. Для достижения поставленной цели нам необходимо выполнить ряд следующих задач: 1. Определить суть значение понятия оборотного капитала, а так же управления оборотным капиталом компании 2. Изучить теоретическую литературу и результаты эмпирических исследований по выбранной теме 3. Сформулировать исследовательский вопрос и выбрать подходящие методы исследования 4. Собрать необходимые данные 5. На основе собранных данных построить эконометрическую модель. 4 Проинтерпретировать 6. полученные в результате исследования результаты Объектом исследования данной работы является финансово-экономическая деятельность компаний промышленной отрасли Российской Федерации. В качестве предмета исследования выступают факторы, характеризующие управление оборотным капиталом промышленных предприятий и способные в свою очередь оказать влияние на эффективность деятельности компаний выбранной отрасли. В качестве методической базы для данной работы служит литература, освещающая теоретические аспекты управления оборотным капиталом, а так же результаты эмпирических исследований отечественных и зарубежных авторов. Среди последних можно выделить работы таких авторов, как Deloof M., Alipour M., Gill A., Biger N., Mathur N. и других. Также стоит отдельно отметить работы, посвященные изучению влияния оборотным капиталом на эффективность деятельности компаний именно промышленной отрасли. К таким можно отнести исследования таких авторов, как Nimalathasan B., а так же исследования Akoto R.K., Awunyo-Vitor D., и Angmor P.L. Поскольку проведение данного исследования требует значительной выборки, содержащей информацию из достоверных источников, то в качестве базы для проведения эконометрического анализа выступают данные официальных финансовых отчетов предприятий промышленной отрасли, которые представлены в источнике Ruslana. Представленная работа состоит из введения, 2 глав, заключения и списка литературы. Первая глава посвящена обзору теоретической литературы, а так же обзору результатов эмпирических исследований по выбранной теме с целью определения понятий оборотного капитала компании, управления оборотным капиталом, а так же анализа существующих методов и подходов к оценке эффективности деятельности компаний. Вторая глава посвящена практической части данного исследования. В ней можно найти описание метода исследования, описание тестируемых гипотез, характеристику и анализ используемых при проведении исследования данных, а так же описание источников, которые использовались при составлении выборки. Во второй части также представлено описание проведенного эконометрического исследования, а так же приводится анализ полученных в ходе исследования результатов и их интерпретация. В заключительной части данной работы можно найти описание ограничений проведенного исследования, а так же описание различных направлений, для дальнейшего исследования. 5 Глава 1. Теоретический обзор основных аспектов управления оборотным капиталом 1.1. Понятия оборотного капитала, управления оборотным капиталом, эффективности деятельности компании Прежде чем вести рассуждение на тему влияния управления оборотным капиталом на деятельность компании необходимо уточнить несколько базовых понятий в данной области. Для того чтобы иметь возможность более точно раскрыть суть оборотного капитала, нелишним будет для начала дать определение самому термину «капитал». Не смотря на то, что данное понятие является одним из ключевых в экономической теории, трактовки его разными авторами несколько отличаются, поскольку суть термина «капитал» довольно широкая. В контексте данной работы под капиталом имеется в виду совокупность ресурсов, используемых в бизнесе, в предпринимательской деятельности, которые позволяют увеличивать производство новых благ в будущем и способны приносить прибавочную стоимость (Кураков, Якушин, 2000.). Что касается понятия «оборотный капитал», то в экономической литературе так же существует несколько различных формулировок. В работах многих российских экономистов, таких как Грызунова Н. В. под оборотным капиталом подразумеваются средства, с помощью которых создаются и используются оборотные производственные фонды и фонды обращения в минимально необходимых размерах, которые в свою очередь обеспечивают своевременное выполнение предприятием производственной программы и осуществление расчетов (Грызунова, 2013). Если рассматривать работы зарубежных авторов, то можно отметить, что чаще всего оборотный капитал определяется авторами, как операционные текущие активы за вычетом операционных текущих обязательств (Mueller, 1953). Однако стоит отметить, что данные определения приведены в несколько упрощенной форме и для того, чтобы получить наиболее полную трактовку оборотного капитала необходимо обратиться к словарям. Так, в словаре современных экономических терминов Райзберг Б.А. и Лозовский Л.Ш. утверждают, что оборотный капитал, который, по их мнению, является так же синонимом оборотных средств и оборотных фондов, это наиболее подвижная и легко преобразуемая в денежные средства часть капитала предприятия, которая целиком потребляется в течение одного производственного цикла (Райзберг, Лозовский, 2008). Наиболее полное и подходящее по контексту данной работы 6 определение оборотного капитала приведено в словаре Гавриленко В.Г. Автор определяет оборотный капитал, как часть капитала компании, рассчитываемая как разница между текущими активами и краткосрочными обязательствами, полностью переносящая свою стоимость на произведенную продукцию и позволяющая предприятию финансировать свою текущую деятельность (Гавриленко, 2009). Как уже было отмечено ранее, многие специалисты сходятся во мнении, что разработка адекватной политики управления оборотным капиталом оказывает далеко не последнее влияние на эффективность деятельности компании. Следует обратить внимание на тот факт, что для многих компаний, в особенности для тех, которые относится к промышленной отрасли, принятие управленческих решений в отношении оборотного капитала представляет особую важность, поскольку значительную часть от всех активов таких компаний, как правило, составляют оборотные активы (Van Horne, Wachowicz, 2000). Многие экономисты, занимающиеся исследованием данной проблемы, приходят к выводу, что выбор не подходящих методов управления оборотным капиталом может иметь крайне неблагоприятный последствия для компании. Так в частности при низком уровне оборотного капитала предприятия могут столкнуться со значительным снижением прибыли, а так же может возникнуть ситуация, когда предприятие окажется не в состоянии погасить свои текущие обязательства вовремя, что может повлечь за собой разрыв связей со многими экономическими агентами (Raheman, Nasr, 2007). С другой стороны, излишнее наращивание оборотных активов может на начальном этапе вызвать увеличение объемов производства и как следствие прибыли, однако в дальнейшем может так же привести к ситуации, когда у предприятия имеется много свободных и временно бездействующих активов, которые влекут за собой дополнительные расходы, а значит, используются неэффективно (Липчиу, Юрченко, 2012). Таким образом, в широком смысле к управлению оборотным капиталом можно отнести все управленческие решения и действия, которые способны оказать влияние на размер и структуру оборотного капитала (Kaur, 2010). Иными словами под эффективным управление оборотным капиталом следует понимать выбор и поддержание необходимого объема и структуры оборотных активов, которые служат гарантией для осуществления непрерывного производственного процесса и своевременных расчетов с экономическими агентами. Эти факторы в совокупности необходимы для обеспечения устойчивого финансового положения организации, а так же для роста прибыли и рентабельности. Поскольку задачей данной работы является выявить влияние управления оборотным капиталом на эффективность деятельности компаний, необходимо установить, какие результаты деятельности можно считать эффективными. Так как в экономической 7 литературе не существует единого общепринятого показателя эффективности, то каждый исследователь сам принимает решение о том, какие показатели будут использованы в его работе в качестве характеристик эффективности, исходя из основных целей, задач и контекста проводимого анализа. Тем не менее, стоит отметить, что наиболее широко в эмпирических исследованиях используется понимание эффективности, которое приводит Бланк И.А. По утверждению автора под эффективностью стоит понимать соотношение показателей, которые являются характеристиками результата (либо достигнутого эффекта) и показателей, которые характеризуют затраты (либо ресурсы), которые используются для достижения данного результата. Автор так же отмечает, что для того чтобы иметь возможность получить наиболее обобщенную оценку эффективности финансовой деятельности предприятия, можно использовать систему коэффициентов рентабельности (Бланк, 1999). В качестве примера показателей, относящихся к данной группе, можно привести коэффициент рентабельности активов предприятия, коэффициент акционерного капитала, коэффициент рентабельности инвестиций, а так же другие коэффициенты. Для того чтобы рассчитать перечисленные показатели, как правило, можно использовать данные, которые содержатся в официальной финансовой отчетности компаний. Стоит отметить, что в качестве характеристик эффективности может быть использован и ряд других показателей, к примеру, различные рыночные показатели, а так же другие, которые будут соответствовать целям и задачам проводимого исследования. 8 1.2. Обзор эмпирических исследований на тему управления оборотным капиталом В данной части представлен обзор основных статей, посвященных проблеме управления оборотным капиталом. Поскольку изучение данной темы, а так же исследование влияния управления оборотным капиталом на результаты деятельности компании всегда являлось одной из самых актуальных тем для представителей сферы финансового менеджмента, в современной экономической литературе можно найти немало работ посвященных данной проблеме как российских, так и зарубежных авторов. Стоит отметить, что не смотря на тот факт, что на развитых рынках представлено значительно большее количество компаний, в том числе и промышленных, а следовательно имеется значительно больший объем данных для проведения исследований, в экономической литературе можно встретить эмпирические исследования влияния управления оборотным капиталом на эффективность деятельности компаний, относящихся как к развитым, так и к развивающимся рынкам. В качестве примера работы, относящейся к последней категории, можно привести исследование автора Alipour M., который в 2011 году провел анализ влияния управления различными компонентами оборотного капитала на результаты деятельности компаний в Иране. Для проведения автором была составлена выборка, включающая в себя 2628 компании, представленные на фондовой бирже в Тегеране за период с 2001 по 2006 год. В качестве характеристик управления оборотным капиталом автором были выбраны такие широко используемые переменные, как средний период оборота дебиторской и кредиторской задолженности, средний период оборота запасов, а так же цикл конверсии денежных средств. Чтобы оценить эффективность деятельности компаний был использован показатель валовой операционной прибыли. Чтобы иметь возможность контролировать качество регрессионной модели автор включил в регрессионную модель такие контрольные переменные, как размер компании, соотношение собственных и заемных средств, а так же отношение текущих активов к краткосрочным обязательствам. Результаты проведенного корреляционного и регрессионного анализов свидетельствуют о наличии сильной отрицательной зависимости между переменными оборотного капитала и показателем эффективности деятельности компаний. Исследование позволило прийти к заключению, что увеличение цикла конверсии денежных средств вызывает снижение показателя эффективности деятельности иранских компаний и оптимальным решением для финансовых менеджеров будет поддержание цикла конверсии денежных средств, а 9 так же периодов оборота дебиторской, кредиторской задолженностей и запасов на оптимально минимальном уровне (Alipour, 2011). Что касается исследований данной проблемы, относящихся к развитым рынкам, то наиболее известными являются работы таких авторов, как Deloof M., который в своей работе, опубликованной в 2003 году, исследовал влияние управления компонентами оборотного капитала на результаты деятельности бельгийских компаний, а так же более поздняя работа, вышедшая в 2010 году, в которой авторы Gill A., Biger N. И Mathur N. изучали взаимосвязь между управлением оборотным капиталом и результатами деятельности компаний в США. В работе Deloof M., эконометрический анализ был проведен на выборке, состоящей из 1009 крупнейших нефинансовых бельгийских компаний за период с 1992 по 1996 год. При построении регрессионной модели в качестве зависимой переменной, отвечающей за эффективность деятельности компаний, автор использует валовой операционный доход (gross operating income). В качестве объясняющих переменных автор использует цикл конверсии наличности, периоды оборота дебиторской и кредиторской задолженности, а так же период оборота запасов. В ходе исследования было установлено, что между показателем эффективности деятельности компаний, который выражен операционным доходом валовым и такими объясняющими переменными как период оборота запасов, а так же период оборота дебиторской и кредиторской задолженности существует значительная отрицательная зависимость, следовательно, снижение данных периодов, по мнению автора, может позволить повысить показатели эффективности деятельности бельгийских компаний (Deloof, 2003). В исследовании, проведенном на американских компаниях, авторами была составлена выборка, включающая в себя 88 организаций, которые представлены на НьюЙоркской фондовой бирже. Временной промежуток исследования охватывает период с 2005 по 2007 год. В качестве показателя эффективности в данной работе выступает валовая прибыль от основной деятельности. Характеристики управления оборотным капиталом аналогичны предыдущему исследованию. Результаты проведения исследования свидетельствуют о существовании отрицательной зависимости между показателем эффективности деятельности компаний и оборота дебиторской задолженности. Регрессионный анализ так же показал, что между переменной цикл конверсии денежных средств и валовой прибылью от основной деятельности существует положительная зависимость, что отличается от результатов предыдущего исследования. Таким образом, для того, чтобы улучшить показатели эффективности деятельности 10 авторами было предложено сокращение периода погашения дебиторской задолженности (Gill, Biger, Mathur, 2010). Отдельного внимания заслуживают эмпирические исследования, посвященные изучению влияния управления оборотным капиталом на результаты деятельности компаний, относящихся непосредственно к промышленной отрасли. В качестве примера таких работ можно привести недавнюю статью автора Nimalathasan B., вышедшую в 2010 году. Целью данной работы является изучение влияния управления оборотным капиталом на результаты деятельности промышленных компаний на Шри Ланке. В качестве базы для проведения исследования автор использует данные по промышленным компаниям Шри Ланки за пятилетний период с 2003 по 2007 год. Выборка включает в себя 31 компанию, акции которых представлены на фондовой бирже в Коломбо. В качестве характеристики эффективности деятельности компаний автор использует показатель рентабельности активов (ROA). В качестве независимых переменных, отвечающих за управление оборотным капиталом, были использованы такие показатели, как цикл конверсии денежных средств, период оборота запасов, а так же периоды оборота дебиторской и кредиторской задолженности. Для выявления зависимости между выбранными показателями в работе представлен корреляционный, а так же регрессионный анализ. По результатам исследования автор приходит к выводу о том, что существует значительная отрицательная зависимость между периодом оборота запасов и зависимой переменной, что означает, что увеличение периода оборота запасов ведет к снижению рентабельности активов. В ходе исследования была так же установлена значительная отрицательная взаимосвязь между переменной цикл конверсии денежных средств и показателем рентабельности активов. Было выявлено в частности, что увеличение цикла конверсии денежных средств на 1 день повлечет за собой снижение рентабельности активов промышленных компаний на 5,03 %. Таким образом, эффективность деятельности промышленных компаний на Шри Ланке, по мнению автора, может быть увеличена путем сокращения периода оборота запасов и цикла конверсии денежных средств (Nimalathasan, 2010). Еще одним примером исследования влияния управления оборотным капиталом на результаты деятельности промышленных компаний является работа авторов Akoto R.K., Awunyo-Vitor D. И Angmor P.L., вышедшая в 2013 году. Целью данного исследования является изучение влияния управления оборотным капиталом на эффективность деятельности промышленных предприятий в Гане. На основе вторичных данных авторами была составлена выборка из 13 промышленных компаний. Исследование охватывает временной промежуток с 2005 по 2009 год. Используя методологию панельных данных, 11 авторы исследования пришли к заключению о том, что существует значительная отрицательная зависимость между периодом оборота дебиторской задолженности и показателем рентабельности. Исследование так же показало, что между такими переменными как цикл конверсии денежных средств, текущих активов, положительная размер компании зависимость. Авторы и показателем исследования коэффициент оборачиваемости рентабельности утверждают, что существует в случае промышленных предприятий в Гане одним из способов повышения эффективности деятельности компаний может послужить сокращения периода оборота дебиторской задолженности до 30 дней (Akoto, Awunyo-Vitor, Angmor, 2013) . Обзор эмпирических исследований, посвященных изучению влияния оборотным капиталом на эффективность деятельности компаний, позволяет прийти к следующим заключениям. Прежде всего, стоит обратить внимание на то, что существует ряд различных показателей, которые могут служить характеристиками управления оборотным капиталом, однако среди наиболее часто используемых показателей стоит отметить цикл конверсии денежных средств, период оборота запасов, а так же период оборота дебиторской и кредиторской задолженности. Что касается показателей эффективности деятельности компаний, то в качестве переменных могут быть использованы такие показатели, как чистый операционный доход, валовая операционная прибыль, рентабельность активов, рентабельность собственного капитала, доходность инвестиций и другие. Стоит так же отметить, что в качестве показателей эффективности можно использовать и различные рыночные показатели, однако необходимая для исследования информация не всегда находится в свободном доступе, что в значительной степени сокращает область исследования и выборку. Для того, чтобы иметь возможность контролировать качество построенных регрессионных моделей, а следовательно доверять полученным результатам, в исследовании необходимо использовать контрольные переменные. В качестве таких переменных могут быть использованы размер компании, соотношение собственных и заемных средств, соотношение текущих активов к краткосрочным обязательствам, коэффициент платежеспособности и другие. Во-вторых, не смотря на то, что многие исследователи в своих работах используют схожие методы исследования, а именно корреляционные и регрессионные анализ, а так же аналогичные показатели, результаты исследований, даже относящихся к рынкам со схожими характеристиками, несколько различаются. Не смотря на то, что в большинстве случаев взаимосвязь между рассматриваемыми переменными носила обратный характер, 12 встречаются так же и случаи, которые иллюстрируют прямую зависимость между показателями. В-третьих, следует отметить, что, не смотря на то, что проблема управления оборотным капиталом и изучение влияния этого управления на эффективность деятельности компаний довольно широко освещена в современной экономической литературе, работ, посвященных исследованию российских компаний не так много. Что касается исследования отдельных отраслей, то в данном вопросе также существует обширное поле для будущих исследований. Таким образом, исходя из выше перечисленного, а так же учитывая актуальность изучения данной темы именно для промышленных предприятий, исследовательский вопрос данной работы звучит следующим образом: каким образом управление оборотным капиталом российских промышленных компаний может повлиять на эффективность их деятельности? 13 Глава 2. Анализ взаимосвязи управления оборотным капиталом и эффективности деятельности компаний 2.1. Выбор и описание методов исследования В практической части данной работы в соответствии с представленной целью, а так же для того, чтобы иметь возможность ответить на исследовательский вопрос необходимо последовательно выполнить следующие этапы алгоритма исследования: 1. Учитывая особенности объекта исследования, а так же принимая во внимания основные выводы, полученные в ходе обзора теоретических и эмпирических работ, выбрать показатели, которые могут быть использованы в исследовании; 2. Сформулировать гипотезы, которые будут протестированы в ходе проведения дальнейшего анализа; 3. Собрать соответствующую задачам исследования и позволяющую проверить выдвинутые гипотезы базу данных; 4. Выбрать подходящий для имеющейся ситуации метод исследования; 5. Подготовить собранные данные для эконометрического исследования, проведя их предварительный анализ; 6. Провести непосредственно эконометрическое исследование; 7. Дать интерпретацию полученным результатам. Приступим к реализации заявленного алгоритма исследования. Прежде всего, учитывая цель данной работы, а именно изучение влияния управления оборотным капиталом российских промышленных компаний на эффективность их деятельности, необходимо выбрать факторы, характеризующие управления оборотным капиталом. Учитывая результаты обзора эмпирических исследований, посвященных данной теме, в качестве одной из характеристик управления оборотным капиталом можно выбрать период обращения товарно-материальных запасов. Данный показатель отражает среднюю продолжительность времени, которая требуется компании для того, чтобы превратить сырье и материалы в готовую продукцию и получить средства от ее реализации. Рассчитывается данный коэффициент, как отношение себестоимости реализованной продукции к средней стоимости товарно-материальных запасов за период (Shubita, 2013). Следующими двумя показателем, которые довольно широко используются в качестве 14 характеристик управления оборотным капиталом, являются период обращения дебиторской задолженности и период обращения кредиторской задолженности. Средняя продолжительность оплаты дебиторской задолженности рассчитывается как отношение дебиторской задолженности к выручке от реализованной продукции, умноженной на 365 дней. Данный коэффициент показывает, какое число дней в среднем требуется компании для того, чтобы погасить имеющуюся задолженность дебиторов. Изменить длительность данного периода возможно путем принятия решений о предоставлении клиентам возможности покупки товара в кредит, а так же оговаривая сроки погашения данных отсроченных платежей. Что касается периода обращения кредиторской задолженности, то рассчитывается данный показатель соответственно, как отношение кредиторской задолженности коэффициент к себестоимости средний временной реализованной промежуток продукции. между Отражает закупкой данный предприятием необходимого сырья и материалов и моментом начисления расходов по оплате труда, а так же погашением других соответствующих краткосрочных обязательств. Все рассмотренные выше характеристики позволяют вычислить еще один важный показатель, который широко используется в эмпирических исследованиях управления оборотным капиталом, а именно цикл конверсии денежных средств. Данный показатель отражает продолжительность времени, за который компания проходит стадию закупки сырья и материалов, стадию получения выручки от реализации и так же момент погашения дебиторской задолженности. Таким образом, вычислить длину данного цикла можно путем сложения периода обращения товарно-материальных запасов и периода обращения дебиторской задолженности и вычитания из получившейся суммы периода погашения кредиторской задолженности (Shubita, 2013). Поскольку в течение периода, который отражен показателем цикл конверсии наличности, для фирмы возникает задача обеспечивать свою текущую деятельность и непрерывный производственный процесс либо используя собственные средства, либо, в случае недостаточности собственных, прибегать к использованию краткосрочных заимствований, то большинство компаний, как правило, стремится сократить длительность данного цикла. По утверждению некоторых специалистов, в большинстве случаев (однако, существуют и исключения) сокращение периода конверсии денежных средств может привести к увеличению прибыли предприятия, поскольку в данном случае происходит снижение себестоимости реализованной продукции за счет того, что у компании реже возникает потребность во внешних источниках финансирования (Banomyong R., 2005). Таким образом, учитывая все выше перечисленное, а так же принимая во внимания тот факт, что описанные коэффициенты довольно часто используются исследователями в качестве характеристик 15 управления оборотным капиталом, такие показатели, как период обращения товарноматериальных запасов, периоды обращения дебиторской и кредиторской задолженности, а так же цикл конверсии денежных средств логично использовать в данной работе, в качестве переменных, отражающие управление оборотным капиталом российских промышленных компаний. После выбора показателей, которые могут выступать в качестве объясняющих переменных в данном исследовании, логично перейти к выбору зависимой переменной, которая отражает эффективность деятельности компаний. Ранее уже было сказано о том, что в экономической литературе не существует единого показателя эффективности, однако в качестве показателей, которые позволяют отразить результаты финансовоэкономической деятельности предприятия, довольно часто используют различные коэффициенты рентабельности. В данном исследовании в качестве характеристики эффективности деятельности российских промышленных компаний было решено использовать показатель рентабельности активов. Данный коэффициент показывает соотношение прибыли после уплаты налогов, но до выплаты процентов к стоимости активов предприятия. Рассчет данного коэффициента может быть произведен по следующей формуле: Рентабельность активов = (Прибыль до уплаты налогов – Налог) / Средняя стоимость активов (Shin, Soenen, 1998). Предполагается, что эффективное управление элементами оборотного капитала приведет к повышению показателя рентабельности активов. Стоит отметить, что, не смотря на тот факт, что при изучении влияния управления оборотным капиталом на эффективность деятельности компаний некоторыми исследователями в качестве показателя эффективности используются различные рыночные показатели, в данной работе решено было использовать бухгалтерские показатели, поскольку данные, необходимые для расчета, скажем, рыночной стоимости компании доступны, как правило, только для довольно крупных предприятий, открытых акционерных обществ. Таким образом, выбор рыночных показателей в качестве характеристики эффективности российских промышленных компаний значительно бы сократил возможный диапазон исследования. Поскольку на практике значения какого-либо показателя зависят, как правило, от довольно значительного количества факторов, то для изучения характера влияния неких факторов на зависимую переменную необходимо использовать так называемые контрольные переменные, чтобы иметь возможность повысить качество проводимого исследования и иметь возможность получить более достоверные результаты. Первым фактором, который необходимо учесть при анализе влияния выбранных объясняющих переменных на показатель эффективности является, разумеется, размер компании. Не 16 секрет, что на любом рынке, в любой отрасли существуют как компании-лидеры, масштабы деятельности которых значительно отличаются от среднеотраслевых показателей, так и небольшие предприятия, либо компании-новички, которые только начинают свою деятельность и соответственно не могут иметь, скажем, такие показатели прибыли, как у крупнейших представителей на рынке. Таким образом, в качестве одной из контрольных переменных при проведении данного исследования решено было использовать размер компании, который может быть рассчитан, как натуральный логарифм от выручки от продаж. Следующий показатель, который необходимо учесть при проведении анализа это коэффициент ликвидности. Данный показатель довольно часто используется экономистами для того, чтобы определить вероятность того, что у фирмы могут возникнуть сложности с погашением своих текущих обязательств, и рассчитывается, как отношение текущих активов к текущим обязательствам. На практике очень высокие значения коэффициента ликвидности могут свидетельствовать о том, что предприятие не в состоянии быстро конвертировать свои товарно-материальные запасы в денежные средства, что может говорить о не очень здоровом финансовом состоянии компании (Дамодаран, 2004). Еще одной важной группой показателей, которую нельзя игнорировать при проведении данного исследования, является группа коэффициентов, которые отражают финансовую устойчивость компании, а так же ее способность рассчитываться по своим обязательствам. При вычислении данных коэффициентов, как правило, используется соотношение доходности компании и объема платежей по обслуживанию долгов. Одним из наиболее часто используемых коэффициентов, относящихся к данной группе, является коэффициент покрытия, а точнее коэффициент покрытия процентов, который рассчитывается, как отношение прибыли до уплаты налогов и процентов (EBIT) за период к затратам на выплату процентов за тот же период времени. Более высокие значения данного показателя, как правило, свидетельствуют о том, что фирма способна осуществлять процентные выплаты из прибыли, а значит, ее финансовое положение можно назвать устойчивым (Дамодаран, 2004). Таким образом, исходя из всего выше перечисленного можно перейти к формулировки гипотез, которые будут протестированы в ходе дальнейшего исследования. Если учесть описание выше перечисленных показателей, а так же принять во внимание результаты исследований, рассмотренные в предыдущей части работы, а так же результаты обзора теоретической литературы в данной области, то в данном случае логично выдвинуть следующие гипотезы: Гипотеза 1: влияние управления компонентами оборотного капитала оказывает влияние на эффективность деятельности российских промышленных компаний; 17 Гипотеза 2: период обращения товарно-материальных запасов, а так же периоды погашения дебиторской и кредиторской задолженности находятся в отрицательной зависимости с показателем эффективности деятельности компаний; Гипотеза 3: цикл конверсии денежных средств оказывает влияние на показатель эффективности, причем существует некоторый диапазон наиболее выгодных для компании значений данного цикла. Для того чтобы иметь возможность протестировать выдвинутые гипотезы, следует перейти к составлению соответствующей базы данных, на которой непосредственно будет проводиться сам анализ. При этом стоит отметить, что точность результатов исследования во много зависит от количества числа наблюдений, поэтому в данной работе было решено использовать так называемые панельные данные. То есть в данном случае это будет набор перечисленных выше показателей, относящихся к группе отобранных компаний, который будет прослеживаться во времени на протяжении нескольких лет. Панельные данные не случайно довольно часто используются многими исследователями при проведении анализа влияния неких факторов на зависимый показатель. Использование панельных данных обладает рядом преимуществ, таких как большая степень информативности, а так же возможность получения более робастных и более эффективных оценок по сравнению с использованием, скажем, кроссекционного типа данных (Baltagi, 2001). Таким образом, для составления необходимой базы данных, которая послужит основой для изучения влияния управления оборотным капиталом на эффективность деятельности российских промышленных компаний, необходима достоверная информация, которая содержится в основном в финансовой отчетности компаний, причем за несколько временных промежутков. В качестве источника такой информации в данной работе выступает база данных Руслана. В данном источнике представлена различная финансовая информация по российским компаниям, содержащаяся в отчетах о прибылях и убытках, в статьях бухгалтерского баланса, а так же в отчетах о движении денежных средств за период, охватывающий более чем 10 лет. В данном источнике можно получить информацию по типам и размерам компаний, по юридическому состоянию компаний, а так же по отраслям. Для данной работы была составлена выборка, которая включает в себя консолидированную информацию (нет отдельного рассмотрения филиалов) о действующих российских компаниях, относящихся к промышленной отрасли за период с 2008 по 2013 год. Таким образом, изначальная выборка составила 350 компаний. После составления необходимой для данной работы базы данных, можно перейти к следующему этапу алгоритма исследования, а именно к выбору метода исследования. 18 Если вернуться к результатам обзора эмпирический исследований, посвященных изучению влияния управления оборотным капиталом на эффективность деятельности компаний на разных ранках и для разных стран, то можно заметить, что в рассмотренных работах в качестве метода исследования был представлен регрессионный и корреляционный анализ, который был реализован в различных эконометрических пакетах. Таким образом, основываясь на предыдущих исследовательских работах, в качестве метода исследования в нашем случае будет так же реализован эконометрический анализ имеющихся данных, который будет проведен при помощи эконометрического пакета EViews. Для проведения регрессионного анализа необходимо выбрать форму зависимости объясняющей переменной от факторов, оказывающих влияние на нее. Иными словами необходимо выбрать нужный вид непосредственно самого регрессионного уравнения. При выборе вида регрессионного уравнения особое внимание уделялось эмпирическим исследованиям, посвященным предприятиям промышленной отрасли, чтобы в итоге проведения анализа иметь возможность в какой-то степени сравнить полученные результаты с результатами предыдущих исследований. Таким образом, учитывая характер выбранных для исследования показателей, а так же принимая во внимание существующие в современных работах методы анализа, было принято решение описать влияние управления элементами оборотного капитала на показатель эффективности деятельности компании регрессионным уравнением, которое было использовано такими авторами как Raheman and Nasr (2007), а так же взято за основу при моделировании регрессионного уравнения в работе авторов Akoto R.K., Awunyo-Vitor D. и Angmor P.L. (2013). Общий вид данного уравнения выглядит следующим образом: 𝑄𝑖𝑡 = 𝛼 + 𝑋𝑖𝑡 + 𝜀𝑖𝑡 , (1) Где: 𝑄𝑖𝑡 – показатель эффективности деятельности i-той промышленной компании в момент времени t; 𝑋𝑖𝑡 – показатель, характеризующий управление оборотным капиталом компании i в момент времени t; – коэффициент при объясняющей переменной; 𝜀𝑖𝑡 – коэффициент ошибок. В нашем случае, учитывая тот факт, что показатель цикл конверсии денежных средств рассчитывается на основе таких показателей, как период оборота запасов, а так же периоды оборота дебиторской и кредиторской задолженности, что может вызвать сильную взаимную зависимость между переменными, было принято решение рассмотреть 19 влияние данного показателя на эффективность деятельности компаний отдельно. Таким образом, в данной работе будет построено 2 регрессионных уравнения. Первая модель, которая будет использована для выявления влияния периода оборота запасов, а так же периодов оборота дебиторской и кредиторской задолженностей на показатель эффективности деятельности компаний, имеет следующий вид: 𝑅𝑂𝐸𝑖𝑡 = α + 𝛽1 𝐼𝑇𝐷𝑖𝑡 + 𝛽2 𝐴𝐶𝑃𝑖𝑡 + 𝛽3 𝐴𝑃𝑃𝑖𝑡 + 𝛽4 𝑆𝑖𝑧𝑒𝑖𝑡 + 𝛽5 𝐿𝑅𝑖𝑡 +𝛽6 𝐶𝑅𝑖𝑡 + 𝜀𝑖𝑡 , (2) Где: 𝑅𝑂𝐸𝑖𝑡 – показатель рентабельности активов i-той промышленной компании за период времени t; 𝐼𝑇𝐷𝑖𝑡 – период обращения товарно-материальных запасов i-той промышленной компании за период времени t, выпаженный в днях; 𝐴𝐶𝑃𝑖𝑡 – средний период обращения дебиторской задолженности i-той задолженности i-той промышленной компании за период времени t, выраженный в днях; 𝐴𝑃𝑃𝑖𝑡 – средний период обращения кредиторской промышленной компании за период времени t, выраженный в днях; 𝑆𝑖𝑧𝑒𝑖𝑡 – размер i-той промышленной компании за период времени t; 𝐿𝑅𝑖𝑡 – коэффициент ликвидности i-той промышленной компании за период времени t; 𝐶𝑅𝑖𝑡 – коэффициент покрытия i-той промышленной компании за период времени t; 𝛽1 … 𝛽6 – коэффициенты, характеризующие взаимосвязь объясняющих переменных с зависимой переменной; 𝜀𝑖𝑡 – коэффициент ошибок. Второе регрессионные уравнение, которые построено с целью выявления влияния цикла конверсии денежных средств на показатель рентабельности активов предприятий, и используется так же для проверки предположения о том, что между рассматриваемым показателем и циклом конверсии наличности может существовать квадратичная зависимость и имеет следующий вид: 20 𝑅𝑂𝐸𝑖𝑡 = α + 𝛽1 𝐶𝐶𝐶𝑖𝑡 +𝛽2 𝐶𝐶𝐶𝑖𝑡2 + 𝛽3 𝑆𝑖𝑧𝑒𝑖𝑡 + 𝛽4 𝐿𝑅𝑖𝑡 + 𝛽5 𝐶𝑅𝑖𝑡 + 𝜀𝑖𝑡 , (3) Где: 𝑅𝑂𝐸𝑖𝑡 – показатель рентабельности активов i-той промышленной компании за период времени t; 𝐶𝐶𝐶𝑖𝑡 – цикл конверсии денежных средств i-той промышленной компании за период времени t, выраженный в днях; 𝑆𝑖𝑧𝑒𝑖𝑡 – размер i-той промышленной компании за период времени t; 𝐿𝑅𝑖𝑡 – коэффициент ликвидности i-той промышленной компании за период времени t; 𝐶𝑅𝑖𝑡 – коэффициент покрытия i-той промышленной компании за период времени t; 𝛽1 … 𝛽6 – коэффициенты, характеризующие взаимосвязь объясняющих переменных с зависимой переменной; 𝜀𝑖𝑡 – коэффициент ошибок. Оба описанные выше уравнения является моделями множественной линейной регрессией, поскольку в них присутствует несколько факторов (регрессоров) которые оказывают влияние на зависимую переменную. Таким образом, принимая во внимание линейный характер зависимости, которые присутствует в обеих описанных моделях, для оценивания полученных в результате регрессионного анализа параметров, будет использован такой широко распространенный метод оценивания, как метод наименьших квадратов (Себер, 1980). Следует так же отметить, что данные метод оценивания был использован в исследовании таких авторов, как Akoto R.K., Awunyo-Vitor D., Angmor P.L., (2013), а так же в работе Nimalathasan B., (2010). 21 2.2. Эконометрическое исследование влияния управления оборотным капиталом на эффективность деятельности компаний Прежде чем приступить непосредственно к реализации регрессионного анализа, необходимо провести предварительный анализ данных. Для начала необходимо проверить данные по каждому из показателей на наличие выбросов, то есть наличие отдельных слишком больших или наоборот слишком низких значений переменных, а так же значений, которые противоречат экономическому смыслу. Для проверки данных на наличие существенных выбросов построим ящичковые диаграммы для переменных (с построенными диаграммами можно более подробно ознакомиться в приложении 1). По графикам можно заметить, что во всех представленных переменных имеются значительные выбросы. С экономической точки зрения подобное явление может быть обусловлено тем, что в исследуемой выборке присутствуют компании разного размера, а значит и показатели, характеризующие их деятельность, так же будут значительно отличаться. Тем не менее, в данном исследовании существенные выбросы решено было удалить, поскольку их наличие может повлиять на однородность данных, а так же на характер их распределения, что в свою очередь может сделать результаты эконометрического исследования не точными. После удаления выбросов количество компаний составило 326. Теперь перейдем к анализу описательных статистик для переменных, которые представлены в таблице 1 (с подробными характеристиками анализируемых данных можно ознакомиться в приложении 2). Таблица 1 Описательные статистики для переменных CCC, ITD, ACP, APP, ROA, SIZE, LR, CR Переменная CCC ITD ACP APP ROA SIZE LR CR Среднее значение 16.246 7.842 66.397 57.993 10.592 14.499 1.109 1.971 Максимальное Минимальное значение значение 306.0 -268.62 260.9 0.27 359.41 0 364.88 0 138.27 0.03 18.412 8.639 4.67 0.05 5.42 0.19 22 Стандартное отклонение 58.928 11.771 55.657 57.644 10.879 11.514 0.784 1.107 Значение Probability 0 0 0 0 0 0 0 0 Исходя из данных, представленных в таблице, можно прийти к следующим заключениям. Прежде всего, рассмотрим значения, характеризующие зависимую переменную – показатель рентабельности активов (ROA). Среднее значение данного коэффициента для предприятий промышленной отрасли составляет 10.59, максимальное значение коэффициента рентабельности активов по отрасли составляет 138.3, в то время как минимальное значение составляет 0.03. Высокие значения показателя рентабельности активов могут говорить а том, что компания ведет свою деятельность эффективно. Теперь перейдем к анализу объясняющих переменных. По данным таблицы можно заметить, что для российских промышленных компаний средний период оборачиваемости товарно-материальных запасов (ITD) составляет 8 дней, в то время как максимальное и минимальное значение данной переменной составляет 260 и 0.27дней соответственно. Стоит отметить, высокое значение данного показателя может служить одним из признаков того, что компания ведет свою деятельность достаточно эффективно. Что касается периода оборота дебиторской задолженности (ACP), то в среднем для промышленных компаний требуется 66 дней для того, чтобы получить денежные средства от своих кредиторов. Максимальный периода сбора дебиторской задолженности составляет 359 дней, в то время как минимальное значение денного показателя 0, то есть такие компании не предоставляют своим клиентами возможность оплаты товара в кредит. Среднее значение показателя, отражающего период оборота кредиторской задолженности (APP), составляет 57 дней, в то время как максимальный и минимальный период, который требуется рассматриваемым компаниям для оплаты своих краткосрочных обязательств, составляет 364 и 0 дней соответственно. Еще одной зависимой переменной является цикл конверсии денежных средств (CCC), среднее значение которого для промышленных компаний, представленных в данной выборке, составляет 16 дней. Наибольшая продолжительность данного цикла составляет 306 дней, а минимальное значение этого показателя -268 дней. Далее рассмотрим характеристики контрольных переменных, первой из которой является размер компании. Напомним, что в данном случае этот показатель был рассчитан, как натуральный логарифм от продаж. Таким образом, максимальное и минимальное значение данного показателя составляет 18 и 8 соответственно, в то время как среднее значение для представленной выборки составляет 14. Перейдем к анализу коэффициента ликвидности, среднее значение которого составляет 1.1, что является нормальным значением для предприятий промышленной отрасли и свидетельствует о том, что в среднем, компании, рассматриваемые в данной выборке, обладают достаточным уровнем оборотных активов для погашения текущих обязательств. Тем не менее, в 23 выборке так же присутствуют компании, значения коэффициента ликвидности которых составляет 4.6 (максимальное значение) и 0.05 (минимальное значение). Последней контрольной переменной является коэффициент покрытия, который в среднем для рассматриваемых компаний составляет 1.9, что так же может свидетельствовать о том, что такие компании обладают достаточным уровнем прибыли до уплаты процентов и налогов для своевременной выплаты процентных платежей. Максимальное и минимальное значения данного показателя составляет 5.4 и 0.2 соответственно. Теперь приступим к проверке исследуемых данных на нормальность распределения. Для этого протестируем следующие гипотезы: Н0: переменные распределены нормально Н1: переменные не имеют нормального распределения Из данных таблицы можно заметить, что значение Probability для всех переменных равно нулю, что меньше всех трех уровней значимости (1%, 5%, 10%). Это значит, что мы принимаем гипотезу H1, то есть, на все трех уровнях значимости можно утверждать, что распределение данных переменных далеко от нормального. Тем не менее, было принято решение не продолжать дальнейшее удаление выбросов с целью достижения нормального распределения, поскольку это может привести к существенному сокращению количества наблюдений, что так же может искажать результаты эконометрического анализа. Кроме этого, можно отметить, что распределение переменных асимметричное, поскольку значение коэффициентов асимметрии (Skewness) для этих переменных отличны от нуля, а так же носит островершинный характер, поскольку значения коэффициентов куртозиса (Kurtosis) для всех переменных больше трех. Перейдем к проверке имеющихся данных на однородность. Для этого необходимо рассчитать коэффициент вариации по следующей формуле: v = Std.Dev. / Mean * 100% (4) Где: V - коэффициент вариации; Std.Dev. – стандартное отклонение; Mean – среднее значение показателя. Таким образом, получим следующие значения коэффициента вариации для переменных: 24 v(ROA) = 10.87 / 10.59*100% = 102.64, v(ITD) = 11.77 / 7.84*100% = 150.12, v(ACP) = 55.65 / 66.39*100% = 88.82, v(APP) = 57.64 / 57.99*100% = 99.39, v(ССС) = 58.92 / 16.24*100% = 362.8, v(SIZE) = 11.51/ 14.49*100% = 79.43, v(LR) = 0.78 / 1.1*100% = 70.9, v(CR) = 1.1 / 1.97*100% = 55.83. Поскольку значения данного коэффициента для всех переменных по модулю больше 33 процентов, то можно сделать вывод о том, что имеющиеся данные не однородны. Стоит отметить, что однородный характер данных на практике довольно редкое явление. Что касается данного случая, то неоднородность данных может быть объяснена тем, что выборка включает в себя компаний разного размера, а значит и обладающими разными характеристиками. Таким образом, полученные результаты не противоречат здравому смыслу. Для того чтобы ответить на исследовательский вопрос и на основе имеющихся данных выяснить, каким образом управления компонентами оборотного капитала способно оказать влияние на эффективность деятельности российских промышленных компаний, в качестве спецификации моделей была выбрана модель множественной линейной регрессии. Однако, прежде чем преступить непосредственно к регрессионному анализу необходимо для начала провести анализ переменных. Это нужно сделать, поскольку расчет коэффициентов корреляции между объясняющими переменными необходим для того, чтобы убедиться, что между объясняющими переменными отсутствует мультиколлинеарность. Под мультиколлинеарностью имеется в виду ситуация, когда между объясняющими переменными присутствует взаимозависимость. Присутствие мультиколлинеарности в модели множественной линейной регрессии не позволит достоверно проинтерпретировать полуученые в результате исследования коэффициенты, поскольку МНК-оценки становятся неэффективными и могут иметь чрезмерно большие случайные ошибки, а значит, в данной ситуации не имеет смысла проведение регрессионного анализа (Егоршин, Малярец, 2005). Построим корреляционную матрицу для исследуемых переменных. Таблица 2 Корреляционная матрица для переменных ITD ACP APP CCC SIZE LR CR ITD 1 -0.046 -0.107 0.260 -0.034 0.183 -0.048 ACP 1 0.494 0.451 -0.027 0.215 0.069 APP 1 -0.532 -0.042 -0.181 -0.226 CCC 1 0.009 0.417 0.277 25 SIZE 1 -0.014 -0.111 LR 1 0.823 CR 1 Значения коэффициентов корреляции, согласно шкале Чеддока свидетельствуют о том, что между рассматриваемыми переменными не наблюдается высокой степени взаимозависимости. Однако стоит отметить, что между переменной цикл конверсии денежных средств (CCC) и переменной средний период обращения кредиторской задолженности (APP) все же присутствует заметная обратная зависимость, что еще раз подтверждает целесообразность рассмотрения влияния цикла конверсии наличность на показатель рентабельности активов компании в отдельности. Прежде, чем приступить к построению непосредственно самих регрессионных уравнений, необходимо сказать несколько слов о некоторых проблемах, которые могут возникнуть в ходе проведения исследования и повлиять так же на его результаты. Стоит напомнить, что для оценки коэффициентов, полученных в ходе построения регрессионных уравнений, будет использоваться метод наименьших квадратов (МНК). Однако для того, чтобы получить достоверные МНК-оценки, необходимо соблюдение условий Гаусса-Маркова, а именно, эконометрическая модель должна удовлетворять предпосылкам о наличии таких свойств оценок, как линейность, несмещенность, состоятельность и эффективность. Нарушение данных условий влечет за собой получение неэффективных оценок и как следствие невозможность получить достоверные результаты при исследовании (Брандт, 1975). Одной из наиболее часто возникающих на практике проблем, при проведении эмпирических исследований, является проблема гетероскедастичности. Под гетероскедастичностью имеется в виду такая ситуация, когда между остатками присутствует взаимозависимость. Иными словами, когда дисперсия возмущений сильно коррелирует со значениями рассматриваемых факторов. Как отмечают некоторые исследователи, в данном случае, стандартные отклонения ошибок параметров регрессионного уравнения могут при расчете показать слишком низкие значения и при проведения анализа на значимость полученных коэффициентов значения Probability могут оказаться недостоверным. То есть может возникнуть ситуация, когда влияние рассматриваемого фактора на зависимую переменную не значимо, однако рассчитанные неверным образом значения Probability свидетельствуют об обратном. Таким образом, исследователь не может доверять полученным результатам. Вторым часто встречающимся фактором, который препятствует точности проведения исследования, является наличие в модели автокорреляции остатков первого порядка. В отличие от описанной выше ситуации, наличие в модели автокорреляции позволяет получить оценки параметров регрессионного уравнения, которые обладают свойствами состоятельности и несмещенности, однако при этом не являются эффективными. В данном случае стандартные ошибки коэффициентов уравнения при расчете показывают слишком 26 большие значения. Таким образом, при анализе значимости рассчитанных коэффициентов, завышенные значения Probability могут привести исследователя к выводу о том, что рассматриваемый параметр не значим, что на самом деле не является достоверным (Мусатов, Львов, 2009). Таким образом, для того чтобы иметь возможность доверять полученным в ходе регрессионного анализа оценкам, а так же иметь возможность получить достоверную интерпретацию полученных результатов исследования, при построении моделей необходимо ввести поправку в форме Вайта. Таким образом, мы можем избежать проблем, вызванных присутствием в модели гетероскедастичности или автокорреляции и получить эффективные оценки параметров уравнения. Теперь приступим к анализу параметров построенных уравнений. Результаты модели, описывающей взаимосвязь периода обращения товарно-материальных запасов, периодов обращения дебиторской и кредиторской задолженности и показателя рентабельности активов российских промышленных компаний представлены в таблице 3. Параметры уравнения, описывающего взаимосвязь цикла конверсии денежных средств, а так же значения данной переменной в квадрате и рентабельность активов представлены в таблице 4 (с полным анализом параметром построенных уравнений можно ознакомиться в приложениях 3 и 4 соответственно). Таблица 3 Анализ параметров первого регрессионного уравнения Переменная Значение коэффициента Значение Probability C ITD ACP APP SIZE LR CR 4.839 -0.088 -0.029 -0.015 0.321 2.746 0.124 0.078 0.078 0.0 0.002 0.074 0.001 0.81 27 Таблица 4 Анализ параметров второго регрессионного уравнения Переменная Значение коэффициента Значение Probability CCC CCC^2 0.0007 -0.0001 0.078 0.0 Следующим этапом необходимо протестировать следующие гипотезы о значимости найденных параметров регрессионных уравнений: Н0: коэффициент уравнения не значим Н1: коэффициент уравнения значим Начнем с анализа параметров первой модели. Исходя из данных, представленных в таблице 3, мы можем заметить, что значение Probability для переменной период обращения товарно-материальных запасов = 0.07 < 0,1 (уровень значимости 10 %), значение Probability для переменной период обращения дебиторской = 0 < 0.05 (уровень значимости 5 %), а значение Probability для переменной период обращения кредиторской задолженности = 0 < 0.05 (уровень значимости 5 %). Эти данные позволяют нам с вероятностью 90% утверждать, что показатель период обращения товарно-материальных запасов значим, а так же можно с вероятностью 95% утверждать о значимости таких показателей, как период обращения дебиторской и кредиторской задолженности. Теперь приступим к анализу параметров второй модели. Как можно заметить по данным, представленным в таблице 4, то значение Probability для переменной цикл конверсии денежных средств = 0.07 < 0.1 (уровень значимости 10 %), а значение Probability для квадрата этой переменной = 0 < 0.05 (уровень значимости 5 %). Таким образом, мы с вероятностью 90% можем говорить о значимости переменной цикл конверсии денежных средств. После анализа значимости параметров уравнений логично перейти к анализу значимости самих построенных моделей. Для оценки значимости моделей множественной линейной (Adjusted регрессии R-squared). используют скорректированный Протестируем следующие коэффициент гипотезы детерминации о значимости скорректированного коэффициента детерминации: Н0: Adjusted R-squared =0 (не значим) Н1: Adjusted R-squared ≠0 (значим) Исходя из данных, представленных в приложениях 3 и 4 мы можем заметить, что значения Probability для скорректированного коэффициента детерминации, как в первой, 28 так и во второй модели = 0 < 0.05 (уровень значимости 5 %). Таким образом, полученные значения позволяют нам принять гипотезу Н1 и с вероятностью 95 % позволяют говорить о значимости как первой, так и второй построенной модели. Что касается значений самого скорректированного коэффициента детерминации, то исходя из данных таблицы 3, мы можем заметить, что значение Adjusted R-squared = 0.197 для первой модели. Это может позволить нам сделать вывод о том, что мы можем объяснить 19.7 % общей дисперсии объясняемой переменной, при помощи дисперсии построенной модели. Что касается второй модели, то значение Adjusted R-squared = 0.149 дает нам возможность объяснить 14.9 % общей дисперсии объясняемой переменной, при помощи дисперсии данной модели. Следует отметить, однако, что в обеих построенных моделях имеют место некоторые ограничения, а именно, после анализа имеющихся данных и после удаления существенных и противоречащих экономическому смыслу выбросов изначальная выборка сократилась и получилась несбалансированной. Несбалансированность так же объясняется тем, что по всем рассматриваемым показателям за рассматриваемый шестилетний временной промежуток имеются не все данные. Чтобы улучшить качество проводимого исследования в дальнейшем можно попробовать использовать более длительный временной отрезок, что существенно увеличит число наблюдений, а так же можно попробовать протестировать построенные модели на другой выборке. После анализа качество построенных моделей можно приступить к интерпретации полученных коэффициентов. Начнем анализ с результатов, полученных при помощи первой модели. Напомним, что данная модель описывает взаимосвязь между такими показателями как период обращения товарно-материальных запасов, период обращения дебиторской и кредиторской задолженности и показателем рентабельности активов российских промышленных компаний. Исходя из данных, представленных в таблице 3 можно заметить, что коэффициент перед объясняющей переменной период обращения товарно-материальных запасов равен - 0.088, что может свидетельствовать о том, что данный коэффициент находится в отрицательной зависимости с коэффициентом рентабельности активов, иными словами исследование показало, что снижение периода обращения товарно-материальных запасов, пусть и в незначительной степени влечет за собой увеличение показателя рентабельности активов российских промышленных компаний. Данный результат находится в соответствии с результатами исследования, проведенного для промышленных компаний на Шри Ланке (Nimalathasan, 2010). Что касается периодов обращения дебиторской и кредиторской задолженности, то значения коэффициентов перед данными объясняющими переменными составляют -0.029 и -0.016 29 соответственно. Знак перед полученными коэффициентами позволяет нам так же сделать вывод, о наличии отрицательной зависимости между данными объясняющими переменными и показателем рентабельности активов. Стоит напомнить, что в исследовании, проводимом для бельгийских компаний (Deloof, 2003) так же была выявлена отрицательная взаимосвязь между периодом погашения дебиторской и кредиторской задолженности и показателем эффективности деятельности компаний, которая в данном исследовании была выражена показателем валовой операционный доход. Таким образом, согласно полученным при помощи первой модели результатам, можно прийти к выводу о том, что среднем, для финансовых менеджеров рассматриваемых российский промышленных компаний одним из способов повышения эффективности деятельности может служить сокращение периодов погашения дебиторской и кредиторской задолженностей, а так же сокращение периода оборота товарно-материальных запасов. Стоит так же сказать несколько слов об используемых контрольных переменных, а именно размер компании, а так же коэффициент ликвидности и коэффициент покрытия. Знак коэффициента перед данными показателями, согласно данным таблицы 3 положительных, что говорит нам о положительной взаимосвязи данных переменной с показателем рентабельности активов. Однако, рассчитанные значения Probability для данных показателей позволяет нам сделать утверждение о том, что значимое влияние (на уровне значимости 5%) на зависимую переменную в данной модели оказывает только показатель ликвидности. Таким образом, для компаний в исследуемой выборке увеличение значения коэффициента, отражающего соотношение текущих активов к текущим обязательствам, оказывает положительной влияние на показатель рентабельности активов, чего нельзя сказать о других используемых контрольных переменных. Хотя в исследовании промышленных компаний в Гане (Akoto, Awunyo-Vitor, Angmor, 2013) авторами была установлена положительная зависимость между размером компании (который так же был рассчитан, как натуральный логарифм от продаж) и эффективностью ее деятельности. Одним из возможных объяснений таких результатов, может служить тот факт, что характеристики, которыми обладает отрасль промышленности в России и Гане существенно отличается После анализа результатов первой модели. Приступим к обсуждению результатов, полученных при помощи второй модели, которая описывает взаимосвязь цикла конверсии денежных средств, а так же значения данной переменной в квадрате и показателя рентабельности активов. Прежде всего, заметим, что при построении данного регрессионного уравнения были использованы те же контрольные переменные, которые использовались при построении первого уравнения. Что касается влияния этих 30 переменных на показатель рентабельности активов, то аналогично результатам, полученным в первой модели, значимое влияние (на уровне значимости 5%) на зависимую переменную так же оказывает только коэффициент ликвидности. Теперь приступим к анализу влияния цикла конверсии денежных средств на показатель рентабельности активов российских промышленных компаний. Прежде всего, стоит отметить, что согласно полученным результатам, мы можем сделать вывод о том, что период конверсии денежных средств действительно оказывает влияния на значения показателя рентабельности активов, что находится в логическом соответствии с результатами, полученными в ходе проведения предыдущих работ, посвященных данной теме. Кроме того, следует отметить, что результаты данного исследования свидетельствуют о наличии квадратичной зависимости между циклом конверсии наличности и рентабельностью активов. То есть, можно предположить, что для компаний в рассматриваемой выборке существуют некоторые оптимальные значения цикла конверсии денежных средств, которые способны максимизировать эффективности деятельности данных компаний. Используя формулу, описывающую данный вид зависимости между переменными, а так же значения коэффициентов, приблизительную представленных в таблице 4, можно вычислить продолжительность исследуемого цикла, которая в данном случае будет принимать значение 3.47. Напомним, что в начале исследования было установлено, что средняя продолжительность цикла конверсии денежных средств для российских промышленных компаний, представленных в данной выборке, составляет 16 дней. Учитывая результаты, полученные при помощи второго регрессионного уравнения, можно прийти к заключению, что снижение цикла конверсии наличности до значений, близких к рассчитанному, может привести к повышению эффективности деятельности рассматриваемых компаний. Таким образам, можно сказать, что в среднем, для рассматриваемых промышленных компаний, спектр показателей цикла конверсии денежных средств, близкий к вычисленному значению будет наиболее выгодным в целях максимизации эффективности их деятельности. Так же можно отметить, что выводы, которые были сделаны в ходе проведения эконометрического анализа, говорят нам о том, что выдвинутые изначально гипотезы подтвердились. 31 Заключение В ходе проведения данного исследования был выполнен ряд поставленных задач, а именно, в результате обзора теоретической литературы, была определена суть значения оборотного капитала компании, а так же установлено, что подразумевается под управлением оборотным капиталом. Кроме того, было рассмотрено, какими показателями может быть охарактеризована эффективная деятельность предприятия. В работе так же были рассмотрены и проанализированы результаты эмпирических исследований различных авторов, которые занимались изучением влияния управления оборотным капиталом компаний на результаты их деятельности. Затем, учитывая результаты анализа рассмотренных эмпирических исследований, а так же учитывая основные теоретические положения в области управления оборотным капиталом, был выбран ряд показателей, которые могут быть использованы в данном исследовании. В качестве характеристик управления оборотным капиталом компаний были выбраны такие показатели, как цикл конверсии денежных средств, период обращения дебиторской и кредиторской задолженности, а так же период обращения товарно-материальных запасов, а в качестве показателя эффективности деятельности компаний был использован коэффициент рентабельности активов. В работе был так же использован ряд контрольных переменных, таких как размер компании, а так же коэффициенты ликвидности и покрытия. Далее, была составлена база данных, включающая в себя информацию по выбранным показателям для российских промышленных компаний за период с 2008 по 2013 год. На основании этой базы было проведено эконометрическое исследование, чтобы иметь возможность ответить на исследовательский вопрос и выяснить, каким образом управление оборотным капиталом российских промышленных компаний может повлиять на эффективность их деятельности? При проведении эконометрического исследования были построены две регрессионных модели, первая из которых описывает зависимость между периодом обращения товарно-материальных запасов, а так же периодами оборота дебиторской и кредиторской задолженности и рентабельностью активов российских промышленных компаний. Вторая модель описывает взаимосвязь между циклом конверсии денежных средств и показателем рентабельности активов. По результатам проведенного исследования было выявлено, что такие переменные как период обращения дебиторской и кредиторской задолженности, а так же период обращения товарно-материальных запасов находятся в отрицательной зависимости с показателем рентабельности активов 32 российских промышленных компаний, следовательно, снижение продолжительности данных периодов может служить одним из способов повышения эффективности деятельности компаний данной выборки. Полученные выводы находятся в соответствии с результатами некоторых эмпирических исследований управления оборотным капиталом, которые в том числе посвящены компаниям промышленной отрасли. Таким образом, полученные выводы могут оказаться полезными для представителей сферы финансового менеджмента, для руководителей компаний промышленной отрасли, а так же для тех специалистов, которые заинтересованы в повышении эффективности деятельности российских промышленных компаний. Результаты эконометрического исследования так же выявили зависимость между циклом конверсии денежных средств и показателем рентабельности активов рассматриваемых компаний. Кроме того было установлено, что для компаний в исследуемой выборке существует некий оптимальный спектр значений цикла конверсии денежных средств, который может привести к максимизации эффективности деятельности данных компаний. Что касается применения полученных результатов, то они могут так же быть использованы представителями сферы финансового менеджмента при краткосрочном финансовом планировании. Подводя итог всему выше сказанному, можно отметить, что результаты проводимого анализа подтвердили выдвинутые изначально предположения. Таким образом, в ходе данной работы была достигнута поставленная цель, а именно на примере российских промышленных компаний было изучено влияние управления оборотным капиталом на эффективность их деятельности. Тем не менее, стоит сказать несколько слов об ограничениях проведенного исследования. Прежде всего, стоит отметить, что в данной работе исследование на ограниченной выборке и для получения более достоверных результатов в перспективе можно расширить спектр рассматриваемых компаний. Следует так же иметь в виду тот факт, что сам регрессионный анализ, который непосредственно был использован для проверки поставленных гипотез, тоже не лишен недостатков. Стоит напомнить, что на практике существует довольно значительное количество факторов, которые могут оказывать влияние на значения некоего рассматриваемого показателя. Сбор, анализ и измерение всех возможных объясняющих переменных не всегда на практике представляется возможным, поэтому при построении регрессионной модели всегда существует некоторая вероятность, что какие-то из факторов, которые могут повлиять на значения зависимой переменной могут быть не включены в исследование. Тем не менее, одним из способов получения более точных результатов при дальнейшем исследовании влияния управления оборотным капиталом на эффективность деятельности компаний 33 может быть поиск дополнительных показателей, которые могут оказывать влияние на эффективность и включение их в модель. Что касается направления для дальнейшего исследования, данная работа может послужить основой для изучения проблемы управления оборотным капиталом, а так же влияния этого управления на эффективность деятельности компаний в будущем. Однако, в качестве базы для исследования могут послужить другие данные, охватывающие, к примеру, более обширный временной промежуток. Так же определенный интерес может представлять рассмотрение влияния управления оборотным капиталом на эффективность деятельность компаний, ведущих свою деятельность в другой отрасли. В данном случае можно сравнить полученные результаты с уже имеющимися выводами и выяснить, будут ли отличаться способы управления оборотным капиталом для компаний разных отраслей. Еще одним направлением для исследования может послужить изучение влияния управления оборотным капиталом на эффективность деятельности компаний, ведущих свою деятельность в других странах. Полученные данные можно так же будет сравнить с результатами, которые были получены в ходе изучения российских компаний. Стоит отметить, что в современной литературе можно встретить довольно значительное количество исследований, анализирующих данную проблему как для компаний, ведущих свою деятельность на развитых рынках, так и для компаний, которые функционируют на развивающихся рынках. Это свидетельствует о том, что изучение проблемы управления оборотным капиталом является весьма актуальной темой для исследователей во многих странах, причем в качестве рассматриваемого объекта могут выступать компании, обладающие различными характеристиками. Таким образом, данная тема имеет немало весьма интересных направлений для будущих исследований. 34 Список использованной литературы 1. Бланк И.А., (1999), Основы финансового менеджмента, Т2 – К Ника-Центр – 512 с 2. Брандт З., (1975), Статистические методы анализа наблюдений / Пер. с англ.: издательство «Мир», Москва 3. Гавриленко В.Г., (2009), Капитал. Энциклопедический словарь, "Право и 4. Грызунова Н. В., (2013), «Моделирование структуры оборотного капитала экономика" предприятия на основе регулирования налоговой нагрузки», Бизнес в законе, №6. С.257-260. 5. Дамодаран А., (2004), Инвестиционная оценка. Инструменты и техника оценки любых активов./Пер. с анг. – М.: Альпина Бизнес Букс, Москва – 1342 с. 6. Егоршин А. А., Малярец Л. М., (2005), «Проблемы эконометрического оценивания», Коммунальное хозяйство городов. – №. 61. – С. 267-273 7. Крутин Ю.В., (2011), «Проблемы финансового менеджмента промышленных предприятий по управлению оборотным капиталом», Вестник УдмГУ, Выпуск № 2-1. С.52-57 8. Кураков В.Л., Якушин А.В., (2000), Экономический словарь для предпринимателей. – Чебоксары: Изд-во Чуваш. ун-та, – 277 с. 9. Курбано Л.М., Прозоров А.С., (2012), «Методы и инструменты управления оборотным капиталом промышленного предприятия», Современная наука: актуальные проблемы теории и практики — № 8-9 10. Липчиу Н.В., Юрченко А.А., (2012), «Модели управления оборотным капиталом организаций в современных условиях», Научный журнал кубгау, №76. С.10381050. 11. Лыгина Н.И., Рудакова О.В. (2011), «Управление оборотным капиталом промышленных предприятий», Вестник ОрелГИЭТ — №4(18) 12. Мулкиджанян В.С., (2010), «Повышение эффективности управления оборотным капиталом российских промышленных предприятий на основе регулирования операционного цикла в существующих условиях кризиса», Известия ЮФУ. Технические науки — № 4 Вып. 105 — с. 70-76 13. Мусатов М.В., Львов А.А., (2009), «Анализ моделей метода наименьших квадратов и методов получения оценок», Вестник СГТУ , №2с (43), С.137-140 35 14. Райзберг Б.А., Лозовский Л.Ш., (2008), Словарь современных экономических терминов/ – 4-е изд. – М.: Айрис-пресс – 480 с. 15. Рудакова О.В., Шатунов А.Н. (2010), «Оборотный капитал предприятия: управление и оптимизация», Российское предпринимательство — № 9 Вып. 1 (166). — c. 77-81 16. Себер Дж., (1980), Линейный регрессионный анализ/Пер. с англ.: издательство «Мир», Москва 17. Akoto R.K., Awunyo-Vitor D., Angmor P.L., (2013), «Working capital management and profitability: Evidence from Ghanaian listed manufacturing firms», Journal of Economics and International Finance, Vol. 5(9), pp. 373-379 18. Alipour M., (2011), «Working Capital Management and Corporate Profitability: Evidence from Iran», World Applied Sciences Journal, Vol. 12, pp.181-195 19. Baltagi B. H., (2001), Econometric Analysis of Panel Data. 2nd Edition, John Wiley & Sons. Chichester 20. Banomyong R., (2005), «Measuring the Cash Conversion Cycle in an International Supply Chain», Annual Logistics Research Network (LRN) Conference Proceedings, Plymouth, UK. 21. Deloof M., (2003), «Does working capital management affect profitability of Belgian firms», Journal of Business Finance and Accounting, Vol 30, pp. 573-588 22. Gill A., Biger N., Mathur N., (2010), «The Relationship Between Working Capital Management And Profitability: Evidence From The United States», Business and Economics Journal, Vol. 10 23. Kaur J., (2010), «Working Capital Management in Indian Tyre Industry», Int. Res. J. Financ. Econ., Vol. 46, pp. 7-15. 24. Mueller F., (1953), «Corporate Working Capital and Liquidity», The Journal of Business of the University of Chicago, Vol 6(3), pp. 157-158. 25. Nimalathasan B., (2010), «Working capital management and its impact on profitability: A study of selected listed manufacturing companies in Sri Lanka», Information management, Vol. 10, pp. 76-83 26. Raheman A., Nasr M., (2007), «Working Capital Management and Profitability - Case Of Pakistani Firms», Intl. Rev. Business Research Papers, Vol 3(1), pp. 279-280. 27. Shin H.H., Soenen L., (1998), «Efficiency of working capital management and corporate profitability», Financial Practice and Education, Vol 8, pp. 37-45 28. Shubita M.F. (2013), «WCM and Profitability: A Case of Industrial Jordanian Companies», International Journal of Business and Social Science, Vol. 4, pp. 86-98 36 29. Van Horne J. C., Wachowicz J.M., (2000), Fundamentals of Financial Management. Eleventh edition, Prentice Hall Inc. 30. База данных «Ruslana» [Эл. ресурс]. Режим доступа: http://www.bvdep.com/ 37 Приложения Приложение 1 Ящичковые диаграммы для переменных CCC, ITD, ACP, APP, ROA, SIZE, LR, CR CCC 50,000 ITD APP ACP 50,000 8,000 10,000 7,000 40,000 40,000 8,000 6,000 30,000 30,000 5,000 6,000 20,000 4,000 20,000 4,000 10,000 2,000 3,000 10,000 2,000 0 1,000 0 -10,000 0 0 ROA LR SIZE CR 160 20 120 120 120 18 100 100 80 80 60 60 40 40 20 20 0 0 16 80 14 40 12 0 10 -40 -80 8 6 38 Приложение 2 Описательные статистики для переменных CCC, ITD, ACP, APP, ROA, SIZE, LR, CR CCC Mean 16.2467 Median 17.3050 Maximum 306.000 Minimum -268.620 Std. Dev. 58.9286 Skewness -0.32339 Kurtosis 6.63665 JarqueBera 776.547 Probability 0.00000 Sum 22193.01 Sum Sq. Dev. 474008 Observatio ns 1366 ITD 7.84273 5.18000 260.900 0.27000 11.7719 10.0438 174.721 ACP 66.39780 49.48000 359.4100 0.00000 55.6579 1.73655 6.755148 APP 57.9938 39.1800 364.880 0.00000 57.64475 2.18022 8.78648 ROA SIZE 10.5922 14.4996 7.75500 14.5824 138.270 18.4126 0.03000 8.63976 10.87907 11.5144 3.473495 -0.325765 25.9206 3.16060 LR 1.10939 0.89000 4.67000 0.05000 0.78423 1.509283 5.43344 CR 1.97165 1.65000 5.42000 0.19000 1.1076 1.14248 3.71104 1701346. 1489.14 2987.95 32648.4 25.6287 855.651 325.940 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 10713.18 90699.39 79219.56 14468.95 19806.47 1515.430 2693.28 18915 422850 453578 161553 1366 1366 1366 1366 39 3130.53 839.513 1674.67 1366 1366 1366 Приложение 3 Результаты первой регрессионной модели Dependent Variable: ROA Method: Panel Least Squares Periods included: 6 Cross-sections included: 316 Total panel (unbalanced) observations: 1366 White diagonal standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error C ITD ACP APP SIZE LR CR 4.839932 -0.088393 -0.029747 -0.015971 0.321917 2.746557 0.124628 2.744178 1.763709 0.065714 1.345125 0.005896 -5.045455 0.005210 -3.065639 0.180191 1.786528 0.872170 3.149107 0.519733 0.239792 R-squared 0.110974 Adjusted R-squared 0.197004 S.E. of regression 10.33795 Sum squared resid 145240.7 Log likelihood -5125.493 F-statistic 25.43923 Prob(F-statistic) 0.000000 t-Statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 40 Prob. 0.0780 0.0788 0.0000 0.0022 0.0742 0.0017 0.8105 10.59220 10.87907 7.514632 7.541380 7.524643 1.066390 Приложение 4 Результаты второй регрессионной модели Dependent Variable: ROA Method: Panel Least Squares Periods included: 6 Cross-sections included: 316 Total panel (unbalanced) observations: 1366 White diagonal standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error C CCC CCC^2 SIZE LR CR 3.049447 0.000798 -0.000115 0.313575 2.998984 0.042857 3.209388 0.950164 0.005218 0.152919 2.66E-05 -4.318545 0.206712 1.516970 0.732442 4.094498 0.433589 0.098843 R-squared 0.152890 Adjusted R-squared 0.149408 S.E. of regression 10.60691 Sum squared resid 153008.9 Log likelihood -5161.080 F-statistic 15.18934 Prob(F-statistic) 0.000000 t-Statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 41 Prob. 0.3422 0.0785 0.0000 0.1295 0.0000 0.9213 10.59220 10.87907 7.565271 7.588198 7.573852 1.047187
