Дипломная работа: Структура капитала и механизмы корпоративного управления в российских компаниях

Подробное описание всех использованных переменных представлено в таблице 1.

Таблица 1. Описание переменных

2.4 Эконометрический анализ

В таблице 2 приведена описательная статистика переменных, включенных в модель настоящего исследования.

Таблица 2. Описательная статистика переменных модели

Согласно собранным данным, присутствие женщин в Советах Директоров оставалось неизменным - на уровне 8%, в то время как доля независимых директоров возрастала равномерно на протяжении трехлетнего периода: с 24% до 30%. Последнее может быть связано с высокой частотой корпоративных конфликтов в российских компаниях. Показатель владения акциями членами находится на низком уровне - сущетвенно стремится к 0. Однако есть и заметные отклонения: в трех компаниях выборки акционер с блокирующим пакетом акций входит в состав СД - «Магнит», «Русал» и «Русская Аквакультура», что иллюстрирует типичную для российского рынка картину неполного отделения управления от собственности.

Средний размер Советов Директоров на протяжении трех лет равнялся 10, Минимальный размер Совета Директоров в выборке компаний составил 5 членов, что соответствует минимальным законодательным требованиям (компания «Ависма» в 2015 г., «Газкон», «Газ-сервис», «Газ-Тек»). Максимальный размер Совета Директоров в выборке, равный 18 членам, был зафиксирован у компании «Русал». Наиболее часто встречающимся размером СД оказалось количество, равное одиннадцати членам.

Анализируя переменные, относящиеся к корпоративному управлению, отдельно по отраслям, можно сделать несколько наблюдений: во-первых, в Советах Директоров компаний нефтегазовой отрасли наблюдается низкий уровень присутствия женщин (одна женщина была зарегистрирована в составе СД трех компаний из этой отрасли в одном из наблюдаемых годов), доля независимых директоров в основном удовлетворяет требованиям (около трети от размера СД), средний возраст членов СД равен 60 годам. Для компаний телекоммуникационной индустрии в большей степени характерно присутствие более молодых членов СД (средний возраст - 50 лет), доля независимых членов выше - около 40%, а вот присутствие женщин находится также на низком уровне. Для компаний, функционирующих в отрасли добычи драгоценных металлов, характерен еще более молодой состав СД - средний возраст равен 48 годам. Для одной из самых традиционных отраслей российской экономики - металлургической характерен средний возраст членов СД, равный 53 годам. Например, ПАО «Норильский никель» средний возраст членов СД равен 45 годам. Однако присутствие женщин в СД сохраняется на низком уровне - в 5 из 10 компаний женщины были зарегистрированы в СД в наблюдаемом периоде. В энергетическом секторе российской экономики наблюдается низкое присутствие независимых членов в СД (13%), что объясняется, во-первых, высоким уровням контроля государства и государственного владения долей в компаниях, а также тем, что некоторые компании в данном секторе, котирующиеся на бирже, находятся под контролем других компаний. Большая часть компаний (11 из 21) имеют хотя бы одну женщину в СД, а средний возраст членов в наблюдаемом периоде составил 44 года. Компании из отрасли «Недвижимость и девелопмент» в большей степени удовлетворяют требованиям московской биржи относительно минимальной доли независимых директоров в составе - в среднем 40% директоров являются независимыми; также доля женщин в составе выше, чем данный показатель в других отраслях (24%).

Также наблюдаются российские компании в выборке, у которых степень независимости Советов Директоров составляет больше 50%. Примерами являются Группа Черкизово и Челябинский Цинковый Завод, в котором в 2014 году независимыми директорами были признаны 6 из 7.

Средний рыночный показатель финансового левериджа находится на уровне 32% на протяжении 3-х наблюдаемых лет (рис. 3). Если же проанализировать данный показатель по отраслям, то можно сделать выводы о том, что в отрасли «Нефть и газ» средний уровень равен всего 18%, тогда как в металлургической отрасли этот показатель равен 37%, а самые высокие показатели долговой нагрузки у компаний ПАО «Мечел» и ПАО «Трубная Металлургическая компания», в среднем на протяжении трех лет 72% и 58% соответственно.

Рис.3. Средний уровень долговой нагрузки компаний по годам

Однако, стоит отметить, что доля материальных активов в совокупных активах у компаний вышеописанных отраслей в среднем примерно одинакова - 55% у компаний отрасли «Нефть и газ» и 52% у металлургических компаний. Самая многочисленная группа энергетических гигантов представлена компаниями со средним уровнем долговой нагрузки, равным 42%. Самые высокие показатели долга в этой группе у компаний «Квадра» (70%) и «ФСК ЕЭС» (60%). Доля основных фондов в структуре активов компаний данной отрасли - на уровне 64%, однако стоит отметить, что у энергетических компаний с наиболее высоким рыночным рычагом доля материальных активов относительно низкая (приблизительно 20% и 40% соответственно). У компаний, представленных в отрасли добычи драгоценных металлов средняя долговая нагрузка находится на относительно низком уровне - всего 24%. Для сравнения, компании в более наукоемкой отрасли «Технологии и коммуникации» имеют в среднем значение рыночного рычага, равное 33%, а долю материальных активов на уровне, сопоставимом с капиталоемкими отраслями - 50%. У компаний, оперирующих в отрасли «Недвижимость и девелопмент», рыночный показатель долга находится на относительно невысоком уровне - 12%, как и доля материальных активов в общей структуре активов компании - 15%.

Рис.4. Рыночный показатель долговой нагрузки компаний по отраслевой принадлежности компаний

Если же рассмотреть показатель долговой нагрузки по отношению к балансовой стоимости капитала, то он более вариативен внутри отраслей - например, в отрасли «Нефть и газ» он в среднем равен 32%, однако эта цифра не репрезентативна, так как у компании «Сургутнефтегаз» коэффициент долга колеблется около 1%, а у «Башнефти» в 2015 и 2016 году он был равен 241% и 120% соответственно. В металлургической отрасли представлены компании со средним значением совокупных долговых обязательств к капиталу также на среднем уровне 30%, в то время, как компании отраслей «Технологии и коммуникации» и «добыча драгоценных металлов» имеют долю совокупных процентных обязательств к СК на уровне приблизительно 42%.

Анализируя динамику данного показателя на горизонте 3-х лет (рис. 5), можно наблюдать следующее: самый высокий уровень долга был зафиксирован в нефтегазовой отрасли в 2015 году, что может быть связано с геополитической обстановкой в стране, ослабеванием рубля и резким удорожанием валютных кредитов для российских крупных компаний, а также повсеместная индексация экспортных соглашений и договоров о поставках, связанная с валютной ситуацией. Также высокий уровень долговой нагрузки был зафиксирован среди компаний добывающей промышленности в 2016 году, что может быть связано с вышеописанными обстоятельствами. Наименьший балансовый уровень финансового левериджа наблюдается в строительной отрасли, а в металлургической и энергетической отраслях уровни долговой нагрузки находятся на среднем уровне.

Рис.5. Балансовый коэффициент долговой нагрузки по отраслям

Рентабельность активов также сильно варьируется в зависимости от отраслевой принадлежности компаний - так нефтегазовые компании имеют относительно высокий показатель ROA - 10%, а компании, принадлежащие к металлургическому и энергетическому секторам экономики, имеют отрицательную рентабельность - -3% и -1% соответственно. Данные по отраслям отражены на графике ниже (рис. 6).

Рис.6. Средняя рентабельность активов компаний по отраслевой принадлежности

Перед тем, как провести регрессионный анализ выбранных переменных они были проверены на коррелированность между собой. В результате данной проверки не обнаружено коэффициентов корреляции, превышающих 0,5. Также был проведен VIF-тест (Variation Inflation Factor) - результаты теста продемонстрировали отсутствие мультиколлинеарности в моделях.

Регрессионный анализ основывался на построении двух указанных в начале главы моделей. Каждая из двух моделей была построена по панельным данным, необходимо было выяснить, какая модель является более предпочтительной - модель сквозной регрессии, модель с фиксированными эффектами и модель со случайными эффектами. Для решения данной задачи, были использованы тесты Вальда, Бреуша-Пагана и тест Хаусмана. В приложениях приведена процедура выполнения тестов и полученные на основе тестов результаты. Ниже в таблице 3 представлены результаты регрессионного анализа тестирования первой модели:

Таблица 3. Регрессионный анализ первой модели исследования