Дипломная работа: Оценка справедливой стоимости компании и её влияние на ценообразование на фондовом рынке

2) Мегафон - российская телекоммуникационная компания, предоставляющая услуги сотовой связи (GSM, UMTS и LTE), а также местной телефонной связи, широкополосного доступа в Интернет, кабельного телевидения и ряд сопутствующих услуг. Акции компании размещены на Московской бирже, а так же депозитарные расписки торгуются на Лондонской фондовой бирже. Бумаги относятся к категории «второго эшелона» российского фондового рынка. На конец 2017 года компания имеет капитализацию в 290 миллиардов рублей и долг в размере 220 миллиардов рублей. Компания ориентирована на выплату большей части прибыли для акционеров в виде дивидендов. Выручка компании за 2017 составила 370 миллиардов рублей.

3) Ростелеком - российская телекоммуникационная компания с преимущественно государственным участием. Предоставляет услуги широкополосного доступа в Интернет (первое место в России по количеству абонентов), интерактивного телевидения, сотовой связи, местной и дальней телефонной связи и др. По данным компании, её услугами пользуются более 100 млн. жителей России. Акции компании размещены на Московской бирже, а так же депозитарные расписки торгуются на Лондонской и Франкфурсткой фондовой бирже. Бумаги относятся к категории «второго эшелона» российского фондового рынка. На конец 2017 года компания имеет капитализацию в 180 миллиардов рублей и долг в размере 190 миллиардов рублей. Компания ориентирована на выплату большей части прибыли для акционеров в виде дивидендов. Выручка компании за 2017 составила 300 миллиардов рублей.

4) МГТС - российская телекоммуникационная компания. Предоставляет услуги широкополосного доступа в Интернет, цифрового телевидения, мобильной связи, местной телефонной связи, видеонаблюдения, охранной сигнализации и другие на территории Москвы и Московской области. Обладает крупнейшей в Москве магистральной сетью передачи данных общей протяжённостью около 45 тысяч км. Акции компании размещены на Московской бирже. Бумаги относятся к категории «второго эшелона» российского фондового рынка. На конец 2017 года компания имеет капитализацию в 70 миллиардов рублей и нулевой показатель долга. Компания не имеет значительной истории дивидендных выплат. Выручка компании за 2017 составила 40 миллиардов рублей.

Общая специфика российского телекоммуникационного сектора заключается в следующих пунктах:

· На рынке российской телекоммуникационной отрасли большая часть компаний носит частный характер

· В секторе присутствуют давно устоявшиеся игроки, рынок поделен между старейшими участниками

· В последнее время недавно принятые законы («закон Яровой») оказывает дополнительную нагрузку на бюджет компаний

Из более детальных наблюдений следует отметить, что компании телекоммуникационного сектора действуют в условиях рыночной конкуренции. За годы формирования они создали для себя устойчивые позиции, и основным процессом на текущий момент является переманивание конкурентов друг у друга. Существуют расходы на поддержания существующей структуры и новые проекты, но они не являются чрезмерными.

4.5 Необходимые данные для построения модели

справедливый рыночный инвестиционный стоимость компания

Основные вводные параметры, которые нам понадобятся для построения наших моделей, как общей, так и для отдельно взятых секторов, являются следующие:

· Цены акций компаний на конец каждого из кварталов за период с 2016 по 2017 год для получения квартальной капитализации для каждой из рассматриваемых нами компаний, получения дельты между квартальной текущей стоимостью акций и справедливой оценкой, оценки доли стоимости акционерного капитала в общей стоимости компании, получения переменной для расчета общей рыночной стоимости компании, а для дальнейшего получения коэффициента отношения долга компании к её рыночной стоимости и коэффициента EV/EBIT используемых для построения моделей

· Средневзвешенное годовое количество акций для каждого публичного эмитента в исследовании за период с 2016 по 2017 год для получения квартальной капитализации для каждой из рассматриваемых нами компаний, оценки доли стоимости акционерного капитала в общей стоимости компании, получения переменной для расчета общей рыночной стоимости компании и для дальнейшего получения коэффициента отношения долга компании к её рыночной стоимости

· Данные по квартальным значениям долговой нагрузки компании, с целью расчета квартальной ставки WACC для каждой из рассматриваемых компаний, определения рыночной стоимости компании, доли долгового капитала в рыночной стоимости компании, определения справедливой стоимости акций соответствующих компаний, а так же для расчета коэффициента долг/стоимость и коэффициента EV/EBIT используемых для построения моделей

· Для некоторых компаний так же необходимы средневзвешенные квартальные курсы валютной пары UDSRUB для перевода валютных результатов квартальной деятельности компаний в рублевый эквивалент (необходимо для приведения данных по компаниям к единой измерительной системе)

· Годовые данные по налогам на прибыль уплаченных компаниями за период с 2016 по 2017 год, для определения эффективной ставки процента налога с целью расчета квартальной ставки WACC для каждой из рассматриваемых компаний

· Данные по спрэду доходности корпоративных облигаций отрасли с целью расчета квартальной ставки WACC для каждой из рассматриваемых компаний

· Безрисковая рыночная ставка, определяемая как доходность пятилетних облигаций федерального займа с целью расчета квартальной ставки WACC для каждой из рассматриваемых мной компаний

· Бэтта для каждой из компаний, с целью расчета квартальной ставки WACC

· Норма рыночной доходности для российского фондового рынка, необходимая для расчета WACC

· Квартальные значения доналоговой прибыли для определения эффективной ставки процента, необходимые для расчета квартальных значений WACC

· Квартальные показатели операционной прибыли для каждой из рассматриваемых нами компаний для получения результата по определению справедливой стоимости акций соответствующих компаний и для расчета коэффициента EV/EBIT, необходимого для построения моделей

· Годовые данные по амортизации и истощению для каждой из рассматриваемых нами компаний для получения результата по определению справедливой стоимости акций соответствующих компаний

· Годовые данные по капитальным затратам для каждой из рассматриваемых нами компаний, с целью получения результата по определению справедливой стоимости акций соответствующих компаний

· Годовые данные по изменению оборотного капитала по каждой из рассматриваемых нами компаний, для получения результата по определению справедливой стоимости акций соответствующих компаний

· Ставка ожидаемого роста денежного потока в прогнозный период для каждой из рассматриваемых нами компаний, для получения результата по определению справедливой стоимости акций соответствующих компаний

· Терминальная стоимость по кварталам для каждой из рассматриваемых нами компаний, для получения результата по определению справедливой стоимости акций соответствующих компаний. Рассчитывается как произведение показателя операционной прибыли EBIT на среднее значение EV/EBIT каждой из рассматриваемых отраслей

· Выручка компаний - необходима для расчета коэффициента темпов роста выручки компании относительно прошлого года. Годовые данные взяты для каждой компании в периоде с 2015 до 2017 года.

Определив все необходимые для расчетов и формирования модели входящие данные, мы можем переходить к основной части нашего

Получение необходимых коэффициентов

Получение необходимых коэффициентов для построения модели является следующим шагом моей работы. Следующие переменные необходимы для получения результата об их влиянии на разницу между справедливой стоимостью акций и их текущими рыночными ценами на фондовой бирже:

· Дельта - основной показатель нашей модели, который мы будем пытаться объяснить. Рассчитывается как отношение разницы между текущей и справедливой оценкой стоимостей акции на справедливую оценку акции

· Размер компании - относительные показатель размера компании к другим компаниям выборки. За каждый период определяется самая крупная компания рынка и рассчитывается отношение размера рассматриваемой компании к наибольшей (выполнено как для общей выборки, так и для каждой отрасли в отдельности).

· Долг/размер - показатель определяется как отношение чистой долговой нагрузки компании к её полной стоимости.

· Темпы роста выручки - показатель отношения выручки конца рассматриваемого года к выручке конца предыдущего года

· Ликвидность - процент акций рассматриваемых компаний находящихся в свободном обращении

· Дивидендная доходность - данные о дивидендных доходностях текущего года

Разумеется, можно было расширить наше исследование используя дополнительные переменные, такие как маржинальность показателей прибыли на различных этапах (отношение валовой прибыли к выручке, операционной прибыли к в выручке и отношение чистой прибыли к выручке), темпы роста основного капитала, темпы сокращения долга и т.д., что существенно расширило бы наше исследование. Однако из минусов данного подхода следует отметить существенное увеличение времени на исследование и возможное усложнение получения окончательных выводов, в связи с чем предполагается продолжение данной работы на более высоком уровне научного стажа.

5. Построение модели и полученные результаты

При построении модели мы наблюдаем некоторые неприятные особенности, связанные с недостатком информации на отечественном рынке.

А именно:

· Для компании ГМК присутствуют только полугодовые отчетности

· В сфере телекомов по компании МГТС присутствуют только 3 отчета: за второй, третий и четвертый квартал 2017 года

· По компании МТС так же присутствуют финансовые релизы, но в них недостаточно данных для получения необходимых нам расчетов

В связи с указанными факторами я решил исключить телекоммуникационные компании из выборки, и в этом случае можно не рассчитывать на работоспособность данной модели в указанном секторе.

В случае с ГМК я воспользовался усреднением значений для выпадающих кварталов, что считаю достаточно логичным и обоснованным.

Что касается полученных мной результатов, то у меня получились следующие выводы:

5.1 Результаты общей модели

Проведя анализ данных я получил следующее уравнение для всех исследуемых компаний:

Где:

Y - дельта

- относительный размер компании

- ликвидность компании

- коэффициент долг/размер

- темп роста выручки

- дивидендная доходность

- случайная ошибка

Значение коэффициента множественной корреляции равно 0,5416, что сообщает нам о довольно спорной тесноте связи между факторами в данном случае. Коэффициент детерминации, он же R квадрат имеет значение в 0,2933 , что показывает предсказывательную способность данной модели на уровне ниже 30%.

Полученные результаты для общего случая неудовлетворительны ни с точки зрение точных наук, ни для практической деятельности, поэтому в данном виде модель нежизнеспособна.

Данные результаты могут быть вызваны несколькими различными обстоятельствами:

Неприменимость данных факторов к значительной части выборки, что связанно с большим влиянием других, не учтенных в этом подходе факторов, которые в большей степени влияют на оценку дельты (как будет показано в дальнейшем, это справедливое замечание в большей степени относиться к акциям энергетического сектора)

5.2 Результаты модели для нефтегазового сектора

Проведя анализ данных я получил следующее уравнение для всех исследуемых компаний:

Где:

Y - дельта

- относительный размер компании

- ликвидность компании

- коэффициент долг/размер

- темп роста выручки

- дивидендная доходность

- случайная ошибка

Значение коэффициента множественной корреляции равно 0,7525 , что сообщает нам о достаточной тесноте связи между факторами в данном случае. Коэффициент детерминации, он же R квадрат имеет значение в 0,5631 , что показывает предсказывательную способность данной модели на уровне выше 56%.

Здесь можно заметить уже более интересные и практичные результаты, показываемые данной моделью. Связь между факторами больше, чем для общего случая, а предсказательная способность модели работает в 56% случаев. Должен признать, что опять же с точки зрения точных наук модель не жизнеспособна, однако для практического применения возможно её использование в качестве дополнительного аргумента. Разумеется строить свои предположения на данной основе не рекомендуется, но если использовать другие модели и посмотреть подтверждение в этой, то можно получить дополнительный ориентир малого значения.