Современные исследования, посвященные вопросам оптимизации структуры капитала, показывают, что для компаний различных отраслей значимые факторы и степень их влияния на выбор источника финансирования различны. При этом конкретный вид зависимости мультипликатора Z собственного капитала от ключевых детерминант (ROE, ROS, Y, Ib, Tb и др.) оставался, как правило, невыясненным. Статья посвящена построению регрессионной модели, позволяющей прогнозировать структуру капитала с заданным уровнем доходности с учетом влияния рентабельности продаж, ресурсоотдачи, стоимости долга и налогов на соотношение источников финансирования компаний определенных отраслей российской промышленности. Методологической основой исследования являлся регрессионный анализ. В качестве информационной базы использовались данные российских кондитерских предприятий и строительных фирм, наблюдаемых за последние пять лет (2017–2021 гг.). В результате предложена мультипликативная пятифакторная модель множественной регрессии, которая дает возможность осуществлять сравнительный анализ степени влияния перечисленных выше нормализованных детерминант на мультипликатор Z. Наибольшим влиянием на структуру капитала обладает нормализованная величина рентабельности продаж ROS, затем по степени влияния идут ресурсоотдача, стоимость долга, а наименьшим – нормализованная величина налогового бремени. Апробация регрессионной модели прогнозирования структуры капитала на примере предприятия кондитерской отрасли позволила найти структуру капитала конкретной компании с заданным значением ROE. Качество построенных моделей структуры капитала было обосновано с разных позиций.
Идентификаторы и классификаторы
- SCI
- Информатика
Вопросы формирования структуры капитала широко обсуждаются российскими и зарубежными учеными-экономистами. Теории структуры капитала и их эмпирическая проверка на различных массивах данных относятся к одному из самых дискуссионных аспектов современного финансового менеджмента [1–7], а исследования компаний разных стран и отраслей показывают как схожие, так и различные результаты определения значимых факторов, влияющих на структуру капитала.
Список литературы
1. Pires Capobianco H. M., Fernandes E. Capital structure in the world airline industry. Transportation Research Part A: Policy and Practice. 2004. Vol. 38, iss. 6, pp. 421-434. DOI: 10.1016/j.tra.2004.03.002
2. Viviani J. -L. Capital structure determinants: an empirical study of French companies in the wine industry. International Journal of Wine Business Research. 2008. Vol. 20, no. 2, pp. 171-194. DOI: 10.1108/17511060810883786
3. Islam S. Z., Khandaker S. Firm leverage decisions: Does industry matter? The North American Journal of Economics and Finance. 2015. Vol. 31, pp. 94-107. DOI: 10.1016/j.najef.2014.10.005
4. Макарова С. Г., Великороссова Е. Н. Особенности формирования структуры капитала компаний в различных отраслях российской экономики // Аудит и финансовый анализ. 2014. № 2. С. 425-438. EDN: TJSHZV
5. Федорова Е. А., Персидская Е. Ю. Исследование влияния внутренних факторов на структуру капитала на разных стадиях жизненного цикла российских компаний // Финансы и кредит. 2016. Вып. 42 (714). С. 2-12.
6. Zhang D., Cao H., Zou P. Exuberance in China’s renewable energy investment: Rationality, capital structure and implications with firm level evidence. Energy Policy. 2016. Vol. 95, pp. 468-478. DOI: 10.1016/j.enpol.2015.12.005
7. Филатова Т. В., Попов В. В. Структура капитала компании и пути ее оптимизации в современных условиях // Наука без границ. 2017. № 12 (17). С. 20-26. EDN: YLPGSD
8. Frank M. Z., Goyal V. K. Capital structure decisions: which factors are reliably important? Financial Management. 2009. Vol. 38, no. 1, pp. 1-37.
9. Booth L., Aivazian V., Demirguc-Kunt A., Maksimovic V. Capital structures in developing countries. The Journal of Finance. 2001. Vol. 56, no. 1, pp. 87-130. EDN: DYROXB
10. Федорова Е. А., Муратов М. А. Влияние внутренних и внешних факторов на структуру капитала в российских компаниях: эмпирический анализ // Финансы и кредит. 2015. № 1 (625). С. 9-18.
11. Боровков П. С. Финансовая структура как современный инструмент управления экономикой предприятия // Проблемы теории и практики управления. 2007. № 2. С. 109-115.
12. Myers S. C., Majluf N. S. Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics. 1984. Vol. 13, iss. 2, pp. 187-221. DOI: 10.1016/0304-405X(84)90023-0
13. Titman S., Wessels R. The determinants of capital structure choice. The Journal of Finance. 1988. Vol. 43, no. 1, pp. 1-19. DOI: 10.1111/j.1540-6261.1988.tb02585.x
14. Harris M., Raviv A. The theory of capital structure. The Journal of Finance. 1991. Vol. 46, no. 1, pp. 297-355. DOI: 10.2307/2328697
15. Lintner, J. Distribution of Incomes of Corporations among Dividends, Retained Earnings, and Taxes. The American Economic Review. 1956. Vol. 46, no. 2, pp. 97-113.
16. Graham J. R., Harvey C. R. The theory and practice of corporate finance: evidence from the field. Journal of Financial Economics. 2001. Vol. 60, no. 2-3, pp. 187-243. DOI: 10.1016/S0304-405X(01)00044-7 EDN: ANVHPX
17. Krištofík P., Medzihorský J. Capital structure determinants of wood-processing enterprises in Slovakia. Acta facultatis xylologiae zvolen. 2022. Vol. 64, no. 1, pp. 135-146. DOI: 10.17423/afx.2022.64.1.12
18. Al-Shubiri F. Determinants of Capital Structure Choice: A Case Study of Jordanian Industrial Companies. An-Najah University Journal for Research - B (Humanities). 2010. Vol. 24, no. 8, pp. 2457-2494. DOI: 10.35552/0247-024-008-011
19. Vo X. V., Ellis C. An empirical investigation of capital structure and firm value in Vietnam. Finance Research Letters. 2017. Vol. 22, pp. 90-94. DOI: 10.1016/j.frl.2016.10.014
20. Mutua M. M., Kori B. Growth Strategies and Performance of Commercial Banks in Nairobi County, Kenya. Journal of Strategic Management. 2022. Vol. 6, no. 6, pp. 22-34. DOI: 10.53819/81018102t2102 EDN: YWHQKM
21. Li L., Islam S. Z. Firm and industry specific determinants of capital structure: Evidence from the Australian market. International Review of Economics and Finance. 2019. Vol. 59, pp. 425-437. DOI: 10.1016/j.iref.2018.10.007
22. Almazan A., Molina C. A. Intra-Industry Capital Structure Dispersion. Journal of Economics & Management Strategy. 2005. Vol. 14, iss. 2, pp. 263-297. DOI: 10.1111/j.1530-9134.2005.00042.x
23. Salim M. N., Susilowati R. The effect of internal factors on capital structure and its impact on firm value: empirical evidence from the food and baverages industry listed on Indonesian stock exchange 2013-2017. International Journal of Engineering Technologies and Management Research. 2019. Vol. 6, iss. 7, pp. 173-191. DOI: 10.29121/ijetmr.v6.i7.2019.4344 EDN: RZBGUN
24. Jaworski J., Czerwonka L. Determinants of Enterprises’ Capital Structure in Energy Industry: Evidence from European Union. Energies. 2021. Vol. 14, iss. 7, 1871, pp. 1-21. DOI: 10.3390/en14071871
25. Amin M. The regression effect of capital structure and firm growth on the firm value. Golden Ratio of Finance Management. 2021. Vol. 1, iss. 1, pp. 33-50. DOI: 10.52970/grfm.v1i1.202
26. Toader D. A., Vintilă G., Gherghina Ş. C. Firm- and Country-Level Drivers of Capital Structure: Quantitative Evidence from Central and Eastern European Listed Companies. Journal of Financial Studies and Research. 2022. Vol. 2022, 572694. 11 p. DOI: 10.5171/2022.572694
27. Jensen M. C., Meckling W. H. Theory of the firm: managerial behavior, agency costs and ownership structure. Journal of Financial Economics. 1976. Vol. 3, iss. 4, pp. 305-360. DOI: 10.1016/0304-405X(76)90026-X
28. Akoto R. K., Awunyo-Vitor D., Angmor P. L. Working Capital Management and Profitability: Evidence from Ghanaian Listed Manufacturing Firms. Journal of Economics and International Finance. 2013. Vol. 5 (9), pp. 373-379. DOI: 10.5897/JEIF2013.0539
29. Zeitun R., Tian G. G. Capital structure and corporate performance: evidence from Jordan. Australasian Accounting, Business and Finance Journal. 2007. Vol. 1 (4), pp. 40-61. DOI: 10.14453/aabfj.v1i4.3
30. Лядащев С. А. Повышение финансовой устойчивости акционерных обществ путем оптимизации структуры капитала: дис. … канд. экон. наук. Орел. 2005. 163 с. EDN: NNLDWR
31. Спицын В. В. Моделирование оптимальной структуры капитала промышленных предприятий России в условиях кризиса // Финансы и кредит. 2019. Т. 25, № 6 (786). С. 1297-1313. DOI: 10.24891/fc.25.6.1297 EDN: ROLOIY
32. Кузьмин Д. А. Методические подходы к комплексной оценке формирования и эффективности использования акционерного капитала на примере отрасли черной металлургии РФ // Молодой ученый. 2017. № 8 (142). С. 168-176. EDN: XXKBLV
33. Федорова Е. А., Неврединов А. Р., Черникова Л. И. Влияние санкций на капитализацию российских компаний: отраслевой аспект // Корпоративные финансы. 2023. Т. 17, № 2. С. 50-67. DOI: 10.17323/j.jcfr.2073-0438.17.2.2023.50-67 EDN: SHHWFU
34. Myers S. C. The Capital Structure Puzzle. The Journal of Finance. 1984. Vol. 39, no. 3, pp. 575-592. DOI: 10.2307/2327916
35. Асхабова М. А., Сулейманова Д. А. Финансовая устойчивость российских предприятии в условиях санкций // Региональная и отраслевая экономика. 2023. № 6. С. 145- 151. EDN: KDKJLA
36. Muhammad Ali P. J. Investigating the Impact of min-max data normalization on the regression performance of K-nearest neighbor with different similarity measurements. ARO-The Scientific Journal of Koya University. 2022. Vol. 10, no. 1, pp. 85-91.
37. Gujarati D. N. Basic Econometrics. Fourth Edition. McGraw-Hill Companies. 2004. 1032 p.
38. Айвазян С. А. Прикладная статистика. Основы эконометрики. Том 2. М.: Юнити-Дана, 2001. 432 с.
39. Tudose M. B. Game theory: minimising the cost of capital vs. Maximising the return of investors. Studies and Scientific Researches. Economics Edition. 2014. No. 20, pp. 103-108. DOI: 10.29358/sceco.v0i20.264
40. Демидова Е. Г., Богатов Е. М. Моделирование структуры корпоративного капитала с применением формулы приращений // Вопросы экономики. 2023. № 6. С. 62-75. DOI: 10.32609/0042-8736-2023-6-62-75 EDN: NLLEYC
41. Tellez Gaytan J. C., Ateeq K., Rafiuddin A. et al. AI-based prediction of capital structure: Performance comparison of ANN SVM and LR models. Computational intelligence and neuroscience. 2022. No. 1, 8334927. DOI: 10.1155/2022/8334927 EDN: AXNMMR
Выпуск
Другие статьи выпуска
Актуальность исследований особенностей партнерского взаимодействия независимых участников в рамках экосистем розничной торговли обусловлена существенным увеличением роли цифровых платформ в объемах реализации товаров населению. Ввиду этого возникают сложности в процессах товародвижения, координируемых в рамках цифровых экосистем, которые могут сказаться на параметрах экономической безопасности территории. Статья посвящена выявлению элементов экономической модели деятельности предпринимателей в экосистемной модели онлайн-торговли. Использовался метод сочетания функционального анализа участников партнерской экосистемы и оценки показателей эффективности их совместной работы. Результаты функционального анализа показали, что ведущая роль интегратора заключается в создании единой технологической среды, поддерживающей взаимодействие участников, а также в маркетинговой поддержке продавцов и управлении товародвижением, что обеспечивает ему наибольший доход среди участников экосистемы розничной торговли. Анализ показателей эффективности выявил, что интегратор обладает самой высокой рентабельностью, при этом рост числа партнеров способствует ее увеличению благодаря эффектам цифрового масштабирования: новый партнер не влечет дополнительных затрат, но приносит доход от участия в продажах на цифровой платформе
В статье исследуются современные методы применения искусственного интеллекта (ИИ) в системе образования Кыргызстана. Особое внимание уделено потенциалу технологий ИИ, в частности трансферного обучения как одного из наиболее эффективных методов, для персонализации учебного процесса, автоматизации оценки знаний и повышения его общей эффективности. Целью работы является анализ возможностей и разработка практических рекомендаций по интеграции данных технологий. Методы исследования включают сравнительный анализ международного опыта, анкетирование участников образовательного процесса и педагогический эксперимент. Результаты подтверждают, что применение инструментов ИИ способствует повышению качества образования. Делается вывод о необходимости комплексного внедрения инноваций для развития кадрового потенциала страны.
Формирование технологического суверенитета и инновационное развитие промышленности охватывает все сектора этой сферы, в том числе среднетехнологичный. Статья посвящена выявлению факторов роста инновационной активности среднетехнологичного сектора промышленных производств высокого уровня. Информационной базой послужили статистические данные Росстата Российской Федерации за 2019–2023 гг. Использовались статистические методы исследования. На основе теоретического анализа выделены структурные и системные отраслевые факторы, внутриотраслевые экономические факторы развития инноваций в среднетехнологичном секторе высокого уровня промышленности. Эмпирический анализ показал, что наибольшее влияние за 2019–2023 гг. на уровень инновационной активности среднетехнологичного сектора высокого уровня оказывают внешние структурные факторы, связанные с типом рынка, уровнем конкурентной среды и размером данного рынка. Полученные результаты имеют большое значение для формирования модели технологического развития российской экономики
Статья посвящена эконометрической оценке влияния санкционного давления и макроэкономических факторов на активность участников фьючерсного рынка USD/RUB. Целью исследования является выявление и количественное сопоставление различий в поведении физических и юридических лиц с 2020 по 2025 гг. Методологической базой выступает модель множественной линейной регрессии (OLS), построенная на основе еженедельных данных. Информационной базой послужили сведения сервиса Московской Биржи (FUTOI) об открытых позициях, а также данные Банка России по ключевой ставке и уровню инфляции. Основным результатом является статистическое подтверждение разнонаправленной реакции участников рынка. Доказано, что введение санкций стало доминирующим фактором, спровоцировавшим резкий рост объема позиций юридических лиц. В то же время активность физических лиц не показала значимой реакции на санкции, но продемонстрировала отрицательную зависимость от уровня ключевой ставки. Выводы подчеркивают фундаментальные различия в драйверах поведения профессиональных и розничных инвесторов, что имеет высокую практическую значимость для анализа и прогнозирования рыночных процессов
Статья посвящена проблеме моделирования динамики случайных процессов, возникающих при планировании системы управления запасами. Целью исследования является анализ возможностей математического аппарата теории массового обслуживания в сфере управления запасами, используемого для моделирования систем в том случае, когда состояние системы меняется скачкообразно, однако время между этими изменениями непрерывно. Методологическая основа исследования опирается на принципы построения системы уравнений Колмогорова применительно к описанию случайных процессов в управлении запасами. Предлагаемый вероятностный подход может быть применен для описания и формирования стратегии управления двухуровневой системой регулирования запасов в условиях нестабильного спроса. Научная новизна работы состоит в расширении области применения многоканальных систем массового обслуживания как способа описания случайных характеристик систем управления запасами, что вносит вклад в развитие научно-практических аспектов управленческого анализа
Издательство
- Издательство
- УрГЭУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- Юр. адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- ФИО
- Силин Яков Петрович (РЕКТОР)
- E-mail адрес
- odo@usue.ru
- Сайт
- https://www.usue.ru/