Финансовые показатели, нематериальные активы и стоимость бизнеса

Никитин С.А.*,
студент магистратуры Финансового университета
Павленко Д.А.**,
студент магистратуры Финансового университета
* Научный руководитель: Попов В.Ю.,
доктор физико-математических наук, профессор.
** Научный руководитель: Шуремов Е.Л.,
доктор экономических наук профессор
Научные записки молодых исследователей
№2 2014

Введение

Согласно типологии Фишера-Кларка выделяют три сектора экономики:

1. первичный (primary) — сектор, связанный с добыванием природных ресурсов, ассоциируемых с факторами производства типа «земля» (сельское и лесное хозяйство, рыболовство, горнодобывающая промышленность);
2. вторичный (secondary) — сектор отраслей обрабатывающей промышленности;
3. третичный (tertiary) — сектор, охватывающий сферу услуг [3].

Если первичный и вторичный секторы экономики довольно хорошо изучены и в них на протяжении последних десятилетий прослеживается тенденция замедления роста количества новых компаний, то по мере продвижения к третичному сектору, охватывающему сферу услуг и сервиса, наблюдается активная динамика появления и развития новых компаний. Особое место в данном секторе занимают отрасль электронной коммерции и сфера оказания интернет-услуг, в которых компаниям свойственно увеличение доли и значимости нематериальных активов, в том числе нематериальной собственности и человеческого капитала в структуре активов компании. Стабильный рост отрасли создает дополнительную привлекательность для инвестиционного сектора, что подтверждается отчетами многих аналитических компаний, таких как Morgan Stanley, PwC, ЦСИ Enter.ru, InSales и т.д.

Рынок электронной коммерции

В целом электронная коммерция — это сфера экономики, которая включает в себя все финансовые и торговые транзакции, осуществляемые при помощи компьютерных сетей, и бизнес-процессы, связанные с проведением таких транзакций.

В России рынок электронной коммерции переживает стадию бурного подъема. По данным J'son & Partners Consulting, среднегодовые темпы роста этого рынка в 2008-2012 г. составили в среднем 29%, и к 2012 г. объем рынка достиг отметки в 1,9 трлн руб. [7]. В дальнейшем эксперты предсказывают стабильный рост на 10-15% в год (рисунок).

График объема рынка электронной коммерции

Также стоит отметить, что данные показатели позволяют отрасли электронной коммерции по темпам развития обогнать ритейл в России в целом. На основании прогноза Morgan Stanley, в 2016 г. отрасль электронной коммерции составит 5% всей розничной торговли страны (в 2012 г. было 2%) [8].

Ключевыми факторами роста рынка электронной коммерции являются проникновение высокоскоростного доступа в Интернет и все более широкое распространение банковских карт и сервисов электронных платежей.

В отличие от добывающих и промышленных компаний, представители электронной коммерции характеризуются большей долей нематериальных активов и совсем небольшой долей материальных. К примеру, любая компания, работающая в сфере интернет-торговли, по мере ее развития сталкивается с потребностью в создании точной и быстродействующей учетной системы и впоследствии с необходимостью инвестирования в нематериальные активы. И чем больше бизнес, тем острее подобная необходимость. Системы IT-поддержки, сложные ERP-системы, синхронизированные с web-сайтом, системы использования «облачных» технологий, WMS-системы управления складом и многие другие информационные системы являются продуктом серьезных и долгосрочных разработок. Стоимость внедрения базовой версии ERP-системы SAP Business One для среднего бизнеса в России, к примеру, достигает 500 тыс. руб., а в случае комплексного внедрения — до 1 млн руб.¹.

¹ http://www.systemconcept.ru/implementation/price.php.

Для крупных компаний и международных корпораций стоимость автоматизированных систем управления бизнесом может составлять десятки миллионов евро. Безусловно, внедрение сложных информационных систем должно быть экономически обосновано, чтобы минимизировать риски, и учет ликвидационной стоимости подобного нематериального актива в данном случае играет важную роль.

Исходя из консультационной практики, электронная коммерция, разработка программных обеспечений и интернет-сервис — отрасли, в которых чаще всего встречаются компании с высокой долей нематериальных активов.

Проблемы инвестирования в компании с большой долей нематериальных активов

С точки зрения профиля рисков, большая доля нематериальных активов в компаниях не является привлекательным для инвесторов фактором, так как при оценке ликвидационной стоимости² нематериальных активов необходимо определить внешние факторы, способные изменять их стоимость. К таковым можно причислить экономический и социально-политический фон страны, глубину специфики бизнес-модели компании, колебания на фондовом рынке. Но наибольшее влияние оказывают финансовое состояние и устойчивость самой компании. Более того, эластичность стоимости большинства нематериальных активов к внешним факторам является очень высокой, особенно в критических для компании случаях (несостоятельность, банкротство или просто финансовые затруднения). Например, продать бизнес-модель, бренд, различные ноу-хау производства, товарный знак компании, идущей к банкротству, практически невозможно. Сильнее всего в подобной ситуации страдает такой нематериальный актив, как деловая репутация (разность цены купленной компании и стоимости ее чистых активов — гудвил).

Но есть и другая часть нематериальных активов, которые имеют меньшую эластичность относительно внешних факторов: различные продукты интеллектуальной собственности (прагматический аспект), домен компании, практические изобретения и патенты, интеллектуальные и деловые качества персонала. Базы данных компании (клиентские, поставщиков и т.д.) менее эластичны к внешним факторам, что позволяет их причислить к группе активов, наименее подверженных риску. В отношении ликвидационной стоимости автоматизированных систем управления бизнесом есть два варианта: в случае готового решения информационной системы ее лицензию можно продать или перерегистрировать на другое юридическое лицо. Но если данный продукт является результатом внедрения (содержит бизнес-логику, индивидуальную специфику и схему работы бизнеса, интегрирован в информационную систему или сайт собственной разработки), то его ликвидационная стоимость будет близка к нулю. Таким образом, стоимость нематериальных активов при действии предпосылки о продолжающейся деятельности (going concern), при прочих равных условиях, должна быть существенно выше, чем их ликвидационная стоимость. Исходя из вышесказанного, можно сделать вывод, что в большинстве случаев инвестирование в компании электронной коммерции и занимающиеся разработкой программных обеспечений и интернет-сервисов связано с большим риском. Также важно отметить, что низкая ликвидационная стоимость активов компаний с высокой долей нематериальных активов не единственный специфический фактор, характеризующий эти области бизнеса.

Таблица 1. Компании авиакосмической и оборонной отраслей

Компания	Страна	Выручка, млрд $	Прибыль, млрд $	Активы, млрд	Рыночная стоимость, млрд $
Boeing	США	16,6	3,9	88,9	65,4
EADS	Голландия	74,5	1,6	115,5	46
Lockheed Martin	США	47,2	2,7	38,7	29,9
Rolls-Royce Holdings	Великобритания	19,8	3,7	28,9	30,7
BAE Systems	Великобритания	26,3	1,7	36,2	18,8
Raytheon	США	24,4	1,9	26,7	18,9
Northrop Grumman	США	25,2	2	26,5	16,3
Safran	Франция	18	1,7	30	19,6
Precision Castparts	США	7,9	1,3	16,7	28,5
Thales	Франция	18,2	0,7	28,2	8,8
General Вynamics	США	31,5	-0,3	34,3	24,7
Bombardier	Канада	16,8	0,6	25,8	7,3
L-3 Communications	США	13,1	0,8	13,8	7,3
Dassault Aviation	Франция	5,1	0,7	13,7	11,9
Finmeccanica	Италия	22,4	-3	38,4	3
ST Engineering	Сингапур	5,2	0,5	6,5	10,4
Кockwell Сollins	США	4,7	0,6	5,3	8,7
SAIC	США	11,2	0,5	5,9	4,3
Embraer	Бразилия	6,2	0,3	9,5	6,3
Zodiac Aerospace	Франция	4,3	0,4	5,1	6,4
Transdigm Group	США	1,8	0,3	5,6	7,9

Таблица 2. Компании отрасли биотехнологий

Компания	Страна	Выручка, млрд $	Прибыль, млрд $	Активы, млрд $	Рыночная стоимость, млрд $
Amgen	США	17,3	4,3	54,3	68,7
Gilead Sciences	США	9,7	2,6	21,2	68,4
Celgene	США	5,5	1,5	11,7	47,1
Biogen Idec	США	5,5	1,4	10,1	41,8
CSL	Австралия	4,5	1	5,8	32
Regeneron Pharmaceuticals	США	1,4	0,8	1,7	16,7
Life Technologies	США	3,8	0,4	8,6	10,9
Grifols	Испания	3,5	0,3	7,4	12,1
Novozymes	Дания	2	0,4	2,6	11
Alexion	США	1,1	0,3	2,6	18,2

Существует ряд проблем, с которыми сталкиваются компании в процессе операционной деятельности: отсутствие в России надежного логистического партнера, в полной мере покрывающего все субъекты РФ; наличие временного лага в поступлении средств за реализацию товара (в том числе из-за проблемы в логистике); зарождающаяся культура онлайн-платежей (по статистике не более 8-10% оплат совершаются онлайн-переводом) [5].

Все эти факторы имеют специфическое влияние на эффективность компаний, и в том числе на ее стоимость, что усложняет процесс принятия решений, как инвестиционных, так и управленческих. Прослеживается неочевидная динамика изменения стоимости компании от роста таких показателей эффективности, как прибыль, стоимость активов или выручка, что можно проследить на регрессионных моделях, приведенных ниже.

Регрессионная статистика
Множественный R	0,697034
R-квадрат	0,485857
Нормированный R-квадрат	0,458797
Стандартная ошибка	11,36891
Наблюдения	21

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	2320,681417	2320,681417	17,95468245	0,00044574
Остаток	19	2455,790964	129,252156
Итого	20	4776,472381

	Коэффициент	Стандартная ошибка	t-статистика	Р-Значение	Нижние 95%	Верхние 95%	Нижние 95%	Верхние 95%
Y-пересечение	10,12673	3,120582457	3,245140502	0,004259986	3,595274375	16,65818267	3,595274375	16,65818267
Переменная X 1	7,45304	1,758913897	4,237296597	0,00044574	3,771590774	11,13448897	3,77159077	11,1344889

Регрессия 1. Зависимость стоимости компаний авиакосмической и оборонной отраслей от их прибыли (Регрессия построена в Microsoft Excel)

Регрессионная статистика
Множественный R	0,915785725
R-квадрат	0,838663493
Нормированный R-квадрат	0,81849643
Стандартная ошибка	9,733582331
Наблюдения	10

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	3939,948	3939,948	41,58580153	0,000198583
Остаток	8	757,941	94,742625
Итого	9	4697,889

	Коэффициенты	Стандартная ошибка	t-статистика	Р-Значение	Нижние 95%	Верхние 95%	Нижние 95%	Верхние 95%
Y-пересечение	11,40714286	4,512919436	2,527663748	0,03538393	1,000331976	21,81395374	1,000331976	21,81395374
Переменная X 1	16,37142857	2,538715528	6,448705415	0,000198583	10,51714007	22,22571708	10,51714007	22,22571708

Регрессия 2. Зависимость стоимости компаний биотехнологической отрасли от их прибыли (Регрессия построена в Microsoft Excel)

Модель Гордона и зависимость стоимости бизнеса от финансовых показателей компании

Одним из методов вычисления справедливой стоимости акции является метод вариации дисконтирования бесконечного потока дивидендов — модель Гордона.

Данная модель подразумевает, что компания на текущую дату выплачивает дивиденды в размере D, которые в будущем будут увеличиваться с неизменной ставкой g. Ставка дисконтирования в данной модели остается постоянной на уровне r. В таком случае стоимость акции P:

P = D x (1 + g)/(r - g). (1)

Из данной модели видно, что прибыль компании напрямую зависит от дивидендов и от ставки g. Дивиденды же, в свою очередь, равны:

D = p x E, (2)

где p — доля выплат дивидендов;
E — прибыль, которую принесла акция в течение года.

Из формул (1) и (2) получим:

P = p x E x (1 + g)/(r - g). (3)

Исходя из формулы (3) делаем вывод, что согласно модели Гордона справедливая стоимость акции зависит от прибыли компании E, от доли выплат дивидендов и от нормы доходности g. Попробуем подтвердить эту модель, построив регрессии для различных отраслей бизнеса. Для этого проверим гипотезу на компаниях с преобладающей долей нематериальных активов, которым свойствен быстрый рост, и на компаниях из тех отраслей экономики, которым присущи большая доля материальных активов и стабильный, плановый рост.

Принимая во внимание, что на российском биржевом рынке торгуются малое количество компаний из отрасли интернет-услуг, данные для исследования брались из списка Forbes global 2000 по состоянию на май 2013 г.³.

³ http://www.forbes.com/global2000/.

Таблица 3. Компании отраслей электронной коммерции, разработки программных обеспечений и интернет-сервиса

Сфера деятельности	Компания	Страна	Выручка, млрд $	Прибыль, млрд $	Активы, млрд $	Рыночная стоимость, млрд $
РПО*	Symantec	США	6,8	1,1	14	16,9
РПО	VMware	США	4,6	0,7	10,6	35,9
РПО	CA	США	4,7	0,9	11,6	11,6
РПО	Adobe Systems	США	4,4	0,7	10,2	20,6
РПО	Intuit	США	4,2	0,8	5,1	19,4
РПО	Fiserv	США	4,5	0,6	8,5	11,4
РПО	Amadeus IT Holdings	Испания	3,8	0,7	6,8	11,9
РПО	Check Point Software	Израиль	1,4	0,6	4,5	10,3
РПО	Dassault Systemes	Франция	2,7	0,4	4,8	14,2
РПО	HCL Technologies	Индия	3,8	0,4	3,2	10,2
РПО	Citrix Systems	США	2,6	0,4	4,8	13,8
РПО	Salesforce.com	США	3	-0,3	5,5	25,8
РПО	Sage Group	Великобритания	2,2	0,5	4	6,1
ИТ**	Ebay	США	14,1	2,6	37,1	65,4
ИТ	Liberty Interactive	США	10,1	1,5	26,3	14,6
ИТ	Amazon.com	США	61,1	0	32,6	199
ИТ	Rakuten	Япония	5,6	0,2	24,3	13,1
ИС***	Yahoo	США	5	3,9	17,1	24,3
ИС	Tata Consultancy Services	Индия	9,6	2	8,1	56,9
ИС	Infosys	Индия	6,6	1,6	7,5	30,5
ИС	Wipro	Индия	7,3	1,1	8,5	20,1
ИС	Cognizant Technology	США	7,3	1,1	6,5	23,6
ИС	Capgemini	Франция	13,5	0,5	12,6	8,1
ИС	Computer Sciences	США	15,5	0,5	11,3	7,5
ИС	Baidu	Китай	3,5	1,7	7,3	29,7
ИС	Facebook	США	5,1	0,1	15,1	63,5
ИС	Atos	Франция	11,7	0,3	9,3	6,4
ИС	NHN	Южная корея	2,1	0,5	2,8	10,4
ИС	CGI Group	Канада	6,3	0	10,8	8
ИС	Teradata	США	2,7	0,4	3,1	9,6
ИС	Netease	Китай	1,3	0,6	3,1	6,8
ИС	LinkedIn	США	1	0	1,4	19,1
ИС	AOL	США	2,2	1	2,8	2,6
ИС	Iliad	Франция	4,2	0,2	6,3	11

* РПО — разработка программного обеспечения.
** ИТ — интернет-торговля.
*** ИС — интернет-сервис.

Компании с большой долей материальных активов

По статистике компании из авиакосмической и оборонной отрасли имеют большую долю материальных активов.

В табл. 1 приведены данные о 21 компании авиакосмической и оборонной отраслей.

Построим регрессию и найдем зависимость рыночной стоимости компаний авиакосмической и оборонной отраслей от их прибыли согласно модели Гордона.

Из полученных данных видно, что регрессия значима на 95% уровне. Соответственно компании авиакосмической и оборонной отраслей поддаются описанию посредством модели Гордона и их стоимость можно выразить следующей формулой:

EV₁ = 10,12 + 7,45 х E, (4)

где EV — стоимость компании;
E — прибыль компании.

Регрессионная статистика
Множественный R	0,029298264
R-квадрат	0,000858388
Нормированный R-квадрат	-0,030364787
Стандартная ошибка	35,02058612
Наблюдения	34

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	33,71735708	33,71735708	0,027492023	0,869351834
Остаток	32	39246,12647	1226,441452
Итого	33	39279,84382

	Коэффициенты	Стандартная ошибка	t-статистика	Р-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	23,6683341	8,458474421	2,798180017	0,008631279	6,43898552	40,89768269	6,43898552	40,89768269
Переменная X 1	1,229913571	7,417733759	0,165807187	0,869351834	13,87951566	16,3393428	13,87951566	16,3393428

Регрессия 3. Зависимость стоимости компаний отраслей электронной коммерции, разработки программных обеспечений и интернет-сервиса от их прибыли (Регрессия построена в Microsoft Excel)

Так же как и у компаний авиакосмической и оборонной отрасли, у компаний отрасли биотехнологий большую часть активов составляют материальные активы.

В табл. 2 приведены 10 компаний отрасли биотехнологий.

Построим регрессию и оценим зависимость рыночной стоимости компаний отрасли биотехнологий от их прибыли согласно модели Гордона.

Из полученных данных видно, что данная регрессия значима на 95% уровне. Соответственно компании биотехнологической отрасли также поддаются описанию с помощью модели Гордона и их стоимость можно выразить следующей формулой:

EV₂ = 11,41 + 16,37 х E. (5)

Компании с большой долей нематериальных активов

Как мы уже отметили, компаниям электронной коммерции и занимающимся разработкой программных обеспечений присущи высокая доля нематериальных активов и быстрые темпы роста. А теперь проверим, поддаются ли они описанию посредством модели Гордона.

В табл. 3 приведены данные о 34 компаниях из отраслей электронной коммерции, разработки программных обеспечений и интернет-сервиса.

Построим регрессию и найдем зависимость рыночной стоимости компаний электронной коммерции, разработки программных обеспечений и интернет-сервиса от их прибыли согласно модели Гордона.

Из полученных данных видно, что регрессия является незначимой. Принимая во внимание, что коэффициент детерминации R² = 0,0008, можно сделать вывод о неприменимости модели Гордона для описания зависимости в исследуемых отраслях экономики.

Заключение

Специфика компаний с преобладающей долей нематериальных активов создает актуальные проблемы инвестиционной политики в данной сфере. Применение модели Гордона для оценки стоимости бизнеса в рассматриваемых областях представляется сомнительным. В этих условиях очевидной становится необходимость поиска иной методологии оценки с учетом описанных особенностей исследуемых отраслей.

Литература

1. Асват Д. Инвестиционная оценка. Инструменты и методы оценки любых активов. М.: Альпина Паблишер, 2011.

2. Гуров И.Н., Никитин С.А., Павленко Д.А. Нематериальные активы и риски банкротства как факторы распределения доходности акций/ Сборник научных трудов по материалам международной научно-практической конференции «Современная наука и образование: инновационный аспект». М., 2013.

3. Коробко В.И. Экономика городского хозяйства. М.: Академия, 2006.

4. Никитин С.А., Павленко Д.А. Проблемы инвестирования в компании электронной коммерции/Сборник научных трудов по материалам международной научно-практической конференции «Наука, образование, общество: современные вызовы и перспективы». Часть II. М., 2013.

5. Павленко Д.А. Современные тенденции привлечения дополнительных инвестиций в Интернет-торговлю/Сборник научных трудов по материалам международной научной конференции «Информационные технологии в финансово-экономической сфере: прошлое, настоящее, будущее». М., 2013.

6. Юрасов А.В. Основы электронной коммерции. М.: Горячая линия - Телеком, 2008.

7. J'son & Partners Consulting, «Рынок электронной коммерции», 2013.

8. Morgan Stanley Blue Papers eCommerce Disruption: A Global Theme Transforming Traditional Retail, 2013.