Файл: Диплом Анализ инвестиционной привлекательности предприятийэмитентов металлургической отрасли России.doc

• 
  кто будет выступать в качестве экспертов;
  
• 
  какова степень компетентности лиц, выступающих в роли экспертов;
  
• 
  чем руководствуются эксперты, отводя тому либо другому индикатору большую степень значимости и др.
  

Иными словами, использование метода экспертных оценок для определения весовых нагрузок вновь формируемой модели представляется подходом, который не может претендовать на объективность. Поэтому модель, сформированная на основе использования описанного подхода формализации весовых нагрузок, изначально предполагает наличие погрешности.

В силу названных причин предполагается сформировать модель оценки инвестиционной привлекательности хозяйствующих субъектов, ориентированную на приоритеты инвестора универсального типа.

III этап. Кластеризация (ранжирование) предприятий по степени их инвестиционной привлекательности, проводимая на основе анализа их финансово-хозяйственной деятельности. Представление количественных оценок кластеризации предприятий в качестве результирующего признака их инвестиционной привлекательности.

Для построения любой регрессионной зависимости необходимо определиться не только с характером независимых параметров формируемой модели, но и с характером результирующего признака.

С этой целью предприятия, данные финансово-хозяйственной деятельности которых образуют базу данных, используемую для моделирования, подвергаются кластеризации (ранжированию) по степени их привлекательности для потенциального инвестора. В ходе кластеризации (ранжирования) предприятий учитываются следующие признаки:

• 
  абсолютный уровень включаемых в модель параметров;
  
• 
  поправка на динамику параметров модели.
  

Базовые критерии оценки параметров, составляющих формируемую модель, представлены в приведённой ниже таблице 2.1.
Таблица 2.1

Базовые критерии кластеризации хозяйствующих субъектов по параметрам

Показатели	Оценки параметров
	крайне неудовлетворительно	неудовлетворительно	в районе допустимых значений	удовлетворительно	хорошо
1. L3	<0,8	0,8-1,0	1,0-1,2	1,2-1,5	>1,5
2. L7	<-10%	-10-0%	0-10%	10-25%	>25%
3. FU1	<5%	5-10%	10-20%	20-50%	>50%
4. DA13	<0,4	0,4-0,6	0,6-0,8	0,8-1,0	>1,0
5. DA14	<0,2	0,2-0,4	0,4-0,6	0,6-0,8	>0,8
6. R1	<-20%	-20-0%	0-5%	5-20%	>20%
7. R4	<-30%	-30-0%	0-20%	20-50%	>50%
Оценки	-2	-1	0	+1	+2

---

Поправка на динамику используется по результатам оценки параметров за последние три года. В зависимости от характера этой динамики конечный уровень оценки корректируется в соответствии со следующими нормами:

• 
  «крайне положительная» – +20%;
  
• 
  «положительная» – +10%;
  
• 
  «стабильная» – 0%;
  
• 
  «отрицательная» – -10%;
  
• 
  «крайне отрицательная» – -20%.
  

В целом, результирующий признак представляет собой комплексный показатель, уровень которого определяется как сумма репрезентативных параметров, характеризующих различные аспекты эффективности деятельности и устойчивости финансового состояния предприятия. В качестве репрезентативных параметров в данном случае рассматриваются количественные оценки кластеризации хозяйствующих субъектов по параметрам.

Следует отметить тот факт, что для адекватной оценки результирующего признака необходимо использовать обоснованный алгоритм расчёта, позволяющий представить этот индикатор в качестве интегрального показателя. В настоящее время для подобных целей используются следующие подходы:

• 
  свод численных значений факториальных параметров на основе их сложения (с учётом весовых нагрузок рассматриваемых параметров или без их учёта);
  
• 
  свод численных значений факториальных параметров по формуле средней (с учётом весовых нагрузок рассматриваемых параметров или без их учёта);
  
• 
  свод численных значений факториальных параметров по формуле многомерной средней (с учётом весовых нагрузок рассматриваемых параметров или без их учёта).
  

Поскольку для расчёта интегрального показателя результирующего признака используются количественные оценки кластеризации хозяйствующих субъектов по параметрам, то особой разницы в использовании того или иного подхода оценки интегрального результирующего признака не наблюдается.

Это обуславливается абсолютной унифицированностью размерности количественных оценок кластеризации и идентичностью количества и характера возможных кластерных групп по параметрам, формирующим модель оценки инвестиционной привлекательности хозяйствующих субъектов.

Таким образом, интегральный показатель результирующего признака определяется в виде суммы репрезентативных параметров без учёта факторных нагрузок последних. Отказ от взвешивания репрезентативных параметров обусловлен отсутствием научно обоснованных подходов учёта степени приоритетности отдельных параметров в их совокупности. Использование экспертных оценок для решения проблемы обоснованных факторных весовых нагрузок представляется неприемлемым, поскольку данный подход предполагает применение методов, ориентированных на личностные приоритеты экспертов. Использование экспертных оценок отнюдь не решает проблемы отсутствия факторных нагрузок, а скорее переводит её в плоскость проблемы достоверности экспертных оценок.

---

Если спроецировать интегральный показатель результирующего признака на вектор оценки инвестиционной привлекательности хозяйствующих субъектов и придать его интерпретации качественный характер, то степень привлекательности хозяйствующих субъектов для потенциальных инвесторов можно оценивать в соответствии с критериями представленной ниже таблицы.

Таблица 2.2

Критерии оценки индекса инвестиционной привлекательности хозяйствующих субъектов

Показатели	Оценки индекса инвестиционной привлекательности
	крайне неудовлетворительно	неудовлетворительно	в районе допустимых значений	удовлетворительно	хорошо
Индекс инвестиционной привлекательности	-8 – -14	-2 – -8	-2 – 2	2 – 8	8 – 14

IV этап. Построение модели оценки инвестиционной привлекательности хозяйствующих субъектов.

На сегодняшний день большинство моделей оценки и прогнозирования финансовых и экономических преференций носят линейных характер. Однако для них характерен один весьма существенный недостаток – они не позволяют учесть разнонаправленность векторов динамики финансовых и экономических составляющих этих моделей.

Поэтому при построении модели оценки инвестиционной привлекательности хозяйствующих субъектов рассматриваются два альтернативных алгоритма моделирования:

• 
  формирование модели оценки индекса инвестиционной привлекательности хозяйствующих субъектов на основе использования алгоритма мультипликативного регрессионного анализа (линейный тип модели);
  
• 
  формирование модели оценки индекса инвестиционной привлекательности хозяйствующих субъектов на основе использования регрессии экспоненциального типа (нелинейный тип модели).
  

Выбор регрессионной зависимости экспоненциального типа для формирования нелинейного типа модели обусловлен результатами эмпирических исследований, которые показали, что динамика индекса инвестиционной привлекательности хозяйствующих субъектов наиболее полно и наиболее точно описывается экспоненциальной зависимостью.

---

Таким образом, общий вид формируемой модели представлен следующими зависимостями:

• 
  для линейного типа модели оценки инвестиционной привлекательности хозяйствующих субъектов
  

;

• 
  для нелинейного типа модели оценки инвестиционной привлекательности хозяйствующих субъектов
  

.

В ходе моделирования конечная модель должна быть ориентирована на достижение максимальной достоверности ожидаемых результатов.

Далее в зависимости от типа формируемой модели используется соответствующий алгоритм моделирования индекса инвестиционной привлекательности хозяйствующих субъектов.

1. 
   Алгоритм формирования модели оценки индекса инвестиционной привлекательности хозяйствующих субъектов на основе использования мультипликативного регрессионного анализа (линейный тип модели).
   

Как правило, методом оценки, на основании которого производится поиск скрытой регрессионной зависимости, описывающей индекс инвестиционной привлекательности организаций, является метод наименьших квадратов.

В зависимости от характера интерпретации алгоритма метода наименьших квадратов для построения регрессионных зависимостей используются стандартный метод или пошаговый (включения и исключения) метод.

Стандартный метод моделирования (Standardmethod) состоит в использовании стандартных функций ограничений процесса моделирования.

Пошаговый метод предусматривает построение модели последовательно по шагам. Для пошагового метода включения (Forwardstepwisemethod) на каждом шаге оценивается вклад в регрессионную функцию не включённых в модель переменных. Переменная, обеспечивающая наибольший вклад, включается в модель, после чего производится переход к следующему шагу. Для пошагового метода исключения (Backwardstepwisemethod) характерно включение в модель на первом этапе всех переменных, после чего производится их последовательное исключение. Для пошаговых методов предусмотрена возможность использования нестандартных функций ограничений процесса моделирования. К их числу относятся:

• 
  толерантность модели;
  
• 
  значения статистики F для включения переменной в модель;
  
• 
  значения статистики F для исключения переменной из модели;
  
• 
  число шагов моделирования.
  

2. 
   Алгоритм формирования модели оценки индекса инвестиционной привлекательности хозяйствующих субъектов на основе использования регрессии экспоненциального типа (нелинейный тип модели).
   

---

В первую очередь выбирается метод оценки, на основании которого производится поиск скрытой экспоненциальной зависимости, описывающей индекс инвестиционной привлекательности хозяйствующих субъектов. В качестве такого метода оценки используется метод Квази-Ньютон (Quasi-Newtonmethod). В случае если процесс оценки параметров вновь формируемой модели сошёлся, необходимо определить насколько оценённая модель подходит к данным, т.е. проверить степень её адекватности. Если же процесс оценки параметров формируемой модели не сошёлся, необходимо выполнить следующие операции:

• 
  изменить метод оценки параметров, т.е. провести оценку параметров симплекс методом (Simplexmethod), методом Розенброка (Rosenbrockmethod) или методом Хука-Джевиса (Hooke-Jeevesmethod);
  
• 
  изменить вид вновь формируемой математической зависимости, т.е. придать ей вид линейной регрессии, кусочно-линейной регрессии, логистической регрессии или регрессии специфического (частного) характера.
  

Первичный анализ результатов моделирования заключается в оценки таких параметров как:¹⁰

• 
  точечные оценки параметров модели(B);
  
• 
  стандартные ошибки оценки параметров модели(Std. Error of B);
  
• 
  стандартизированные коэффициенты регрессионного уравнения(Beta);
  
• 
  стандартные ошибки оценки стандартизированных коэффициентов регрессионного уравнения(Std. Error of Beta);
  
• 
  t-критерий, который используется для проверки гипотезы о равенстве 0 свободного члена регрессии(t(df));
  
• 
  уровень значимости(p-level), представляющий вероятность ошибки, связанной с распространением наблюдаемого результата на совокупную популяцию.
  

V этап. Проверка построенной модели на значимость и адекватность. Гипотеза о незначимости регрессионной модели проверяется на основе использования дисперсионного анализа. Индикаторами оценки значимости модели и весовых факторных нагрузок её параметров являются статистика критерия Фишера F и уровень значимости p.

Линейная регрессионная зависимость называется адекватной, если предсказанные по ней значения переменной Y согласуются с результатами наблюдений. Грубая оценка адекватности модели может быть проведена непосредственно по графику остатков, которые представляют собой разницу между наблюдаемыми значениями и спрогнозированными с помощью модели. Если модель адекватна, то остатки ведут себя достаточно хаотично, в известном смысле напоминая белый шум, т.е. являются следствием случайных ошибок наблюдений, которые должны быть независимыми нормально распределёнными случайными величинами с нулевыми средними и равными дисперсиями. При этом в остатках не наблюдаются систематическая составляющая и резкие выбросы, в чередовании их знаков нет никаких закономерностей, остатки являются независимыми друг от друга. Всякое отклонение от названных условий отражается на поведении остатков.

---