Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

ВЛИЯНИЕ ОГРАНИЧЕНИЙ ЛИКВИДНОСТИ НА ВЛОЖЕНИЯ ПРОМЫШЛЕННЫХ КОМПАНИЙ В ИССЛЕДОВАНИЯ И РАЗРАБОТКИ И РЕЗУЛЬТАТИВНОСТЬ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ

https://doi.org/10.17747/2078-8886-2016-1-80-89

Полный текст:

Аннотация

Научные исследования и разработка новых технологий (ИР) приносят обществу в целом большую пользу, чем та прибыль, которую извлекает инноватор. Таким образом, ключевой особенностью анализа инноваций является рассмотрение эффекта перелива: поскольку доступ к разработанной технологии получат и другие фирмы (возможно, с временным лагом), предприятие-инноватор получает не всю прибыль от проведенных ИР. Следовательно, многие фирмы склонны ограничивать инвестиции в ИР, особенно в случае недостатка ликвидности.

В статье показаны результаты исследования влияния ограничения ликвидности на решение компаний инвестировать в ИР, объем инвестиций и результативность их инновационной деятельности. Жесткое ограничение ликвидности имеет место, когда компания не имеет доступа на рынки капитала (например, в связи с кризисным финансовым состоянием или нехваткой имущества для обеспечения залога по кредиту), мягкое – при наличии возможности получить кредит, но цена ссудного капитала выше, чем рентабельность ее деятельности. Для анализа использован прямой индикатор ограничения кредитов и эконометрическая модель, определяющая взаимосвязь между решением компаний инвестировать в ИР, объемом этих вложений и результативностью инновационной деятельности. Полученные результаты показывают, что ограничительный финансовый индикатор имеет положительную значимую взаимосвязь с решением фирм инвестировать в ИР и не влияет на объем этих вложений в случае положительного решения. Таким образом, в силу ограничения ликвидности далеко не все промышленные компании принимают решение инвестировать в ИР, но у тех, кто это делает, объем инвестиций не зависит от ограничения ликвидности. Это объясняется тем, что при принятии компаниями решения об инвестировании в ИР важнее наличие собственных фондов, чем возможность кредитования.

Также доказан кэш-эффект – эффект наличия больших свободных средств у крупной компании, что облегчает ей финансирование ИР и инноваций, и подтверждена обратная U-зависимость между уровнем конкуренции на рынке и инновациями.

Сделан вывод о том, что малые компании и компании низкотехнологичных отраслей нуждаются не в увеличении интенсивности ИР, а в инвестициях, упрощающих имитацию уже готовых технологий с развитых рынков.

Для цитирования:


Трачук А.В., Линдер Н.В. ВЛИЯНИЕ ОГРАНИЧЕНИЙ ЛИКВИДНОСТИ НА ВЛОЖЕНИЯ ПРОМЫШЛЕННЫХ КОМПАНИЙ В ИССЛЕДОВАНИЯ И РАЗРАБОТКИ И РЕЗУЛЬТАТИВНОСТЬ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ. Стратегические решения и риск-менеджмент. 2016;(1):80-89. https://doi.org/10.17747/2078-8886-2016-1-80-89

For citation:


Trachuk A.V., Linder N.V. LIQUIDITY LIMITATION INFLUENCE ON INDUSTRIAL COMPANIES’ INVESTMENTS IN INVESTIGATIONS AND DEVELOPMENT AND EFFECTIVENESS OF INNOVATIVE ACTIVITY. Strategic decisions and risk management. 2016;(1):80-89. (In Russ.) https://doi.org/10.17747/2078-8886-2016-1-80-89

Введение

Сегодня ситуация на рынке характеризуется быстрыми изменениями, сказывается и влияние нарастающей глобализации. Для сохранения кон­курентоспособности и создания новых конкурент­ных преимуществ компаниям необходимо посто­янно совершенствовать технологии производства, создавать новые продукты и формировать новые источники конкурентных преимуществ, связанные с созданием нематериальных активов. Все это тре­бует от компании немалых затрат как на ИР, так и в целом на финансирование инновационной дея­тельности [Трачук А. В., 2013].

Вместе с тем в настоящее время большинство российских компаний промышленного сектора ис­пытывает ограничение ликвидности, связанное с невозможностью или нерентабельностью привле­чения заемных средств, его причиной стали санк­ции в отношении России, введенные в действие Европейским Союзом и США после включения Крыма в состав РФ. В финансовом секторе санкции затрагивают 60% активов банковской системы РФ и весьма серьезно ограничивают развитие страны. Увеличение стоимости фондирования для россий­ских банков и организаций привело к росту ставок и повышению ставки кредита для российских ком­паний, что, в свою очередь, неминуемо сказалось на инвестициях компаний в текущую деятельность, в том числе и на вложения в ИР.

Еще более значимыми санкции оказались для промышленных компаний. Во-первых, стало меньше возможностей привлечения инвестиций на приемлемых условиях, а во-вторых, ограничен доступ к новым технологиям. Для создания соб­ственных аналогичных технологий или внедрения китайских потребуется время. Запрет на ввоз това­ров двойного назначения и ограничения невоенного высокотехнологичного импорта также могут уси­лить технологическое отставание России от веду­щих мировых держав.

На решения компаний инвестировать в иссле­дования и разработки, на объемы этих инвестиций и результативность инновационной деятельности российских промышленных компаний влияют огра­ничения ликвидности в двух формах:

  • в мягкой форме: норма доходности от дея­тельности компании ниже ссудной ставки процента;
  • в жесткой форме: компания не имеет доступа на рынок кредитования.

Теоретические исследования влияния ограничений ликвидности

В отечественной литературе влияние ограниче­ния ликвидности на инвестиции в ИР не получило особого освещения. На Западе эта тема достаточно хорошо изучена, однако результаты исследований неоднозначны и противоречивы. Большинство ис­следований доказали отрицательный эффект огра­ничения ликвидности на вложения в ИР [напри­мер, Aghion P, Askenazy P, Berman N. et al., 2012; Mancusi M. L., Vezzulli A., 2012; Bellone F., Musso Р, Nesta L. et al., 2013] и в инновации [Savignac F., 2008]. Для решения компании направлять инве­стиции в ИР более важным оказывается наличие собственных источников средств, чем возмож­ность привлечения заемных источников финанси­рования, следовательно, такие решения нечувстви­тельны к ограничению ликвидности [Czarnitzki D., Hottenrott H., 2011]. Решения об инвестировании в ИР во многом зависят от наличия ограничений лик­видности, но не значительно больше, чем решения об инвестициях в текущую деятельность [Mulkay B., Hall B. H., Mairesse J., 2001]. Инвестиции в исследо­вания и разработки не зависят от потока денежной наличности, и, следовательно, финансовые ограни­чения не оказывают большого влияния на решения фирм инвестировать в ИР [Bond S., Harhoffand D., Van Reenen J., 2003].

В западных исследованиях спорным является вопрос о том, как определить, измерить и дока­зать влияние ограничений ликвидности. Исполь­зуемые косвенные инструменты: инвестиционная чувствительность к потоку наличности [Fazzari S., Hubbard R. G., Petersen B. C., 1988], коэффици­енты левереджа и коэффициенты ликвидности [Greenaway D., Guariglia A., Kneller R., 2007] были подвергнуты критике [Kaplan S., Zingales L., 2007] в связи с тем, что в большей степени отражают эффективность функционирования самой компа­нии и не обязательно свидетельствуют о наличии ограничений ликвидности. В других исследова­ниях это ограничение игнорировано за счет от­бора только тех компаний, которые напрямую испытывали финансовые ограничения (банки не одобрили им кредиты) [Tiwari A. K., Mohnen P., Palm F. C. et al., 2007; Hajivassiliou V, Savignac F., 2011; Mancusi M. L., Vezzulli A., 2012], или компа­ний, которые не имели доступа на рынки капита­ла из-за плохой репутации (кредитной истории), или достаточного капитала для обеспечения за­лога, или большого опыта работы на рынке (на­ходились в начале жизненного цикла) [Aghion P., Askenazy P. BermanN. etal., 2012].

В данной статье для анализа использова­на методология, заключающаяся в использова­нии индекса [Whited T M., Wu G., 2006], рас­считанного далее. Она применялась в ряде исследований [Mancusi M. L., Vezzulli A., 2010; Altomonte C., Gamba S., Mancusi M. L. et al., 2013].

Выборка данных

В исследовании использованы данные россий­ских компаний, работающих в обрабатывающей промышленности, за 2013-2014 годы. Согласно рекомендациям Росстата, компании разделены по уровню технологического обеспечения соответ­ствующих отраслей:

  • высокотехнологичные: производство фарма­цевтической продукции, производство офис­ного оборудования и вычислительной техни­ки, электронных компонентов и аппаратуры для радио, телевидения и связи, производство медицинских изделий, летательных аппара­тов, включая космические;
  • среднетехнологичные: химическое производ­ство, производство машин и оборудования, производство электрических машин и обору­дования, производство автомобилей, нефтепро­дуктов, резиновых и пластмассовых изделий, металлургическое производство, производство готовых металлических изделий;
  • низкотехнологичные: производство пищевых продуктов, табачных изделий, текстильное производство, производство одежды, об­работка древесины и производство изделий из дерева, производство целлюлозы, бумаги, картона, издательская и полиграфическая де­ятельность, обработка вторичного сырья. Отобраны те компании, которые испытывают ограничение ликвидности определенного типа: Высокая стоимость ссудного капитала. У ото­бранных компаний показатель рентабельности2 ин­вестированного капитала был ниже средней ставки процента по кредитам. Сами компании разделены на малые и средние численностью (до 500 чел.) и крупные (более 500 человек), что обусловлено раз­личной стоимостью кредитов для данных категорий компаний. По статистике Центрального банка РФ, в 2014 году средняя процентная ставка по кредитам составляла: для крупных компаний - 15,8%, для ма­лых и средних предприятий - 17,3%; а в 2013-м - 11,4 и 14,2% соот­ветственно [Сведе­ния, 2014].

 

Таблица 1

Показатели оценки финансового состояния и их нормати­вы согласно российскому законодательству

Показатель

Нормативное значение

Коэффициент текущей ликвидности

≥ 1

Коэффициент быстрой ликвидности

≥ 1

Коэффициент маневренности собственных оборотных средств

0,2-0,5

Коэффициент соотношения собственных и заемных средств

≤ 0,7

Плохое финан­совое состояние компании и соот­ветствующее от­сутствие доступа к рынку капитала. Для отбора исполь­зован нормативный подход к определе­нию уровня финан­сового состояния - сравнение расчетного финансо­вого показателя с нормативным значением [Единые 2013; Постановление 2003; Приказ 2010]. Если зна­чение отдельного показателя находилось вне диа­пазона нормативного значения, то предполагалось, что финансовое положение компании плохое и она испытывает ограничение ликвидности, обусловлен­ное невозможностью доступа на рынки капитала.

Отобраны те компании, у которых значение хотя бы двух коэффициентов ниже нормативного. В табл. 1 показаны используемые показатели финансового состояния для отбора компаний и их нормативные значения.

В качестве источников информации использова­ны базы данных системы профессионального анали­за рынков и компаний «СПАРК», база данных «Рус­лана», центральная база статистических данных ЦБ, а также данные с веб-сайтов промышленных компаний, показатели, отраженные в программах инновационного развития, статистической форме отчетности 4 «Инновации», дополненные данными бухгалтерской финансовой отчетности. Из исследо­вания исключены малые и средние фирмы, бухгал­терские финансовые отчеты которых недоступны. Всего было проанализировано 970 промышленных компаний, отобрано 198 (табл. 2). В табл. 3 показано распределение отобранных компаний по секторам обрабатывающей промышленности.

Переменными явились размер компании, отрас­левая принадлежность, вложения в ИР и показатели экспортной деятельности. Для отражения вложений в ИР и экспортной деятельности введены фиктив­ные переменные:

  • R$D - переменная, отражающая наличие вло­жений компании в ИР и равная 1, если компа­ния имеет вложения в ИР, и 0 - если нет;
  • EXP - переменная, отражающая наличие у компании экспортной деятельности и рав­ная 1, если компания имеет выручку от реали­зации на зарубежных рынках, и 0 - если нет.

Для отображения влияния ограничений лик­видности на инновации введена переменная RDint, показывающая долю выручки от реализации, на­правленную на инновации. Для анализа влияния ограничений ликвидности на экспортную деятель­ность введена переменная EXPint, отражающая долю выручки от экспортной деятельности в общей выручке от реализации. Статистика введенных пе­ременных отображена в табл. 4.

 

Таблица 2

Число отобранных компаний, распределенных по численности

Численность персонала, чел.

Общее количество компаний

Компании, испытывающие ограничения ликвидности

Итого

Рентабельность ниже средней ставки по кредитам

Неустойчивое финансовое состояние

До 250

183

20

17

37

250-499

194

31

14

45

500-999

198

26

12

38

1000-4999

127

17

11

28

5000-9999

196

22

9

31

10000 и более

72

14

5

19

Итого

970

130

68

198

 

Таблица 3

Число отобранных компаний, распределенных по секторам обрабатывающей промышленности

Сектор

Компании, испытывающие ограничения ликвидности

Итого

Рентабельность ниже сред­ней ставки по кредитам

Неустойчивое финансо­вое состояние

Высокотехнологичый

Среднетехнологичный:

высокого уровня

низкого уровня

Низкотехнологичный

Итого

44

 

31

34

28

137

18

 

9

15

19

61

62

 

40

49

47

198

Таблица 4

Описательная статистика переменных исследуемых компаний

Сектор

Фиктивная переменная R$D = 1, % компаний

Фиктивная переменная EXP = 1, % компаний

Доля выручки от реализации от экспортной дея­тельности EXPint*

Стандартное

отклонение

Доля выручки от ре­ализации, направ­ленная на инновации RDint*

Стандартное отклонение

До 250 чел. (37 компаний)

Высокотехнологичный

37

8

0,04

0,0031

0,0012

0,00054

Среднетехнологичный: высокого уровня низкого уровня

48

31

7

6

0,043

0,026

0,0025

0,0038

0,0013

0,0015

0,00038

0,00041

Низкотехнологичный

34

4

0,019

0,0024

0,00039

0,000071

250-499 чел. (45 компаний)

Высокотехнологичный

41

19

0,064

0,0028

0,00112

0,00054

Среднетехнологичный: высокого уровня низкого уровня

54

28

16

14

0,058

0,076

0,0036

0,0071

0,00124

0,00105

0,00038

0,00041

Низкотехнологичный

31

11

0,019

0,0063

0,00009

0,000071

500-999 чел. (38 компаний)

Высокотехнологичный

43

32

0,123

0,0027

0,001092

0,000302

Среднетехнологичный: высокого уровня низкого уровня

37

18

19

9

0,143

0,226

0,0034

0,0027

0,00213

0,00109

0,00008

0,00021

Низкотехнологичный

13

14

0,311

0,0032

0,00113

0,000107

1000-4999 чел. (28 компаний)

Высокотехнологичный

53

38

0,19

0,00118

0,00209

0,00023

Среднетехнологичный: высокого уровня низкого уровня

44

35

24

16

0,21

0,18

0,00217

0,00318

0,00103

0,00215

0,000108

0,000411

Низкотехнологичный

11

17

0,11

0,00204

0,000107

0,0000173

5000-9999 чел. (31 компания)

Высокотехнологичный

51

41

0,214

0,0031

0,00117

0,00052

Среднетехнологичный: высокого уровня низкого уровня

64

23

32

11

0,243

0,216

0,0027

0,00232

0,00114

0,00119

0,00083

0,000191

Низкотехнологичный

12

15

0,119

0,00114

0,000139

0,0000012

10000 чел и более (19 компаний)

Высокотехнологичный

67

75

0,344

0,0041

0,00217

0,000126

Среднетехнологичный: высокого уровня низкого уровня

69

61

64

52

0,343

0,226

0,0015

0,0028

0,00176

0,00195

0,000153

0,000815

Низкотехнологичный

37

38

0,219

0,0014

0,00139

0,0000237

* Средневзвешенное значение.

Методология исследования

Для анализа влияния ограничений ликвид­ности на решения компаний об инвестировании в ИР, объем этих вложений и результативность инновационной деятельности использована систе­ма одновременных эконометрических уравнений, особенности построения которой заключаются в том, что каждая независимая переменная y рас­сматривается как функция одного и того же набо­ра факторов x. В качестве независимых факторов рассматривались традиционные показатели, пред­ложенные в исследованиях по данной тематике: размер фирмы S, доля выручки от экспортной дея­тельности в общей выручке от реализации EXPint, доля выручки от реализации, направленная на ин­новации RDint, полная факторная производитель­ность компаний LTF2014, инвестиции в основной капитал CI.

Детерминанта размера компании [Cohen W M., Klepper S., 1996] была объяснена тем, что инвести­ции в ИР требуют достаточно больших затрат, ко­торые крупные фирмы могут распределить на боль­ший объем продукции, и поэтому, вероятно, они будут менее склонны отказаться участвовать в ИР. Кроме того, крупные фирмы имеют более сложив­шиеся отношения с инвесторами, что также облег­чает их доступ к финансированию. Среди других подобных исследований можно выделить те, где на основе эмпирических исследований подтвержда­ется положительная взаимосвязь между размером компании и вероятностью принятия решения об ин­вестициях в ИР [CreponB., Duguet E., Mairesse J., 1998; Bond S., Harhoffand D. VanReenenJ., 2003]. Показано воздействие полной факторной производительности на инвестиции в ИР и инновации [Blundell R., Griffith R., Van Reenen J., 2009], при­чем доказана значимая связь между факторной производительностью фирмы и решением вложе­ний в ИР В исследовании [Altomonte C., Gamba S., Mancusi M. L. et al., 2013] показана положительная взаимосвязь между экспортной деятельностью и инвестициями в ИР. В нашем исследовании для анализа эффекта экспортной деятельности была введена переменная EXPint.

 

Таблица 5

Описательная статистика переменных, используемых для расчета индекса

Переменная

Средне­взвешенное значение

Стандартное отклонение

Значение

min

maх

Отношение денежного потока к общей стоимости имущества CF

0,3553

0,01637

0,1645

0,7644

Фиктивная переменная, равная 1, если компания выплачивает дивиденды, и 0 - если нет DIVPOS

0,442

-

0

1

Отношение долгосрочной задолженности к собствен­ным средствам TLTD

0,5302

0,02139

0,2332

0,7828

Балансовая стоимость имущества компании LNTA

8,1274

1,2576

3,7301

16,0951

Прирост выручки от реа­лизации ISG

0,0493

0,002596

0,03078

0,07134

Выручка от реализации SG

1,408

0,02174

0,1222

1,7444

Построение эконометрической модели

Эконометрическая модель состоит из трех ча­стей. В первой части уравнение оценивает потреб­ность фирмы во внешнем финансировании. Вторая часть состоит из двух уравнений, объясняющих решение компании к вложениям в ИР и их объем. Третья часть показывает взаимосвязь результатив­ности инновационной деятельности и объема рас­ходов на инновации.

Математически модель выглядит следующим образом:

где WWi - индекс, измеряющий потребность во внешнем финансировании i-й компании; β - на­правление вектора изменения параметров; LTF2014i - полная факторная производительность i-й ком­паний в 2014 году; Si - размер i-й компании, опре­деляемый среднесписочной численностью сотруд­ников; CIi - инвестиции i-й компании в основной капитал; Vli - остаточный член, характеризующий влияние всех остальных факторов, не вошедших в модель; yi - вероятность принятия компанией решения об инвестировании в ИР i-й компании; ωi - объем инновационных расходов при решении i-й компании инвестировать в ИР; gi - результаты ин­новационной деятельности, выражающиеся в объ­еме выпущенной инновационной продукции i-й компании.

Индекс потребности фирмы во внешнем финансировании

Для оценки влияния ограничения ликвидности использован индекс WW, измеряющий потребность фирмы во внешнем финансировании [Whited T. M., Wu G., 2006]. Индекс WW получен как функция максимизации структурно-инвестиционной моде­ли, имеет вид:

где LNTA - балансовая стоимость имущества компании; ISG - прирост выручки от реализации; CF - отношение денежного потока к общей стоимости имущества; DIVPOS - фиктивная переменная, равная 1, если компания выплачивает дивиденды, и 0 - если нет; TLTD - отношение долгосрочной задолженности к собственным средствам; SG - вы­ручка от реализации.

Расчет индекса производился на основе данных, представленных в табл. 5.

Инвестиции в инновации

Вторая часть модели оценивает влияние факто­ров на решение инвестиций в ИР и - при положи­тельном решении - объем вложений в ИР в расче­те на одного сотрудника, занятого ИР. Для анализа использована модель цензурированной регрессии Хекмана, которая позволяет не только оценить склонность компании к вложениям в инновации, но и определить объем этих вложений. Модель со­стоит из модели бинарного выбора, определяющей, инвестировать или нет, и линейной модели, которая оценивает объем вложений в ИР.

Таким образом, в модели Хекмана имеются две латентные переменные, которые объясняют реше­ние фирм инвестировать в ИР:

где yi - наблюдаемая бинарная переменная, ко­торая равняется 1, если компания принимает реше­ние инвестировать в инновации, и 0 - если нет; у*i, латентная (ненаблюдаемая) эндогенная перемен­ная, измеряющая факторы, влияющие на решение компании инвестировать в ИР, может интерпре­тироваться как критерий выбора, в нашем случае ожидаемая величина прибыли фирмы от иннова­ционной деятельности. βij - векторы параметров, ха­рактеризующие изменение анализируемых данных, vij - остаточный член, показывающий влияние всех остальных факторов, не вошедших в модель.

Случайные ошибки модели предполагаются нормально распределенными.

Компании принимают решение об инвестиро­вании в исследования и разработки, если yt* - не­наблюдаемая эндогенная переменная, характери­зующая решение компании инвестировать в ИР, при величине определенного порога  - ожидаемо­го объема прибыли от реализации инновационной продукции.

Второе уравнение модели Хекмана отражает объем расходов при выборе «инвестировать», кото­рая выражена как величина вложений в ИР в расче­те на одного сотрудника, занятого ИР:

где Wt*— ненаблюдаемая переменная, оценива­ющая объем инновационных расходов на ИР в рас­чете на одного сотрудника, занятого ИР.

Если в первом уравнении был выбран вариант «не инвестировать», Wt* принимается равной нулю.

Результаты инновационной деятельности

Третья часть модели показывает зависимость результатов инновационной деятельности как про­изводную функции:

где gi - результаты инновационной деятельно­сти, выражающиеся в объеме выпущенной иннова­ционной продукции.

Результаты исследования

В табл. 6-8 показаны результаты расчетов вли­яния ограничения ликвидности на решения компа­нии об инвестировании в ИР, интенсивности этих инвестиций и результативности инновационной деятельности компаний.

Согласно произведенным расчетам, размер компании, объем экспорта и вложения в иннова­ции отрицательно коррелируют с потребностью во внешнем финансировании. Чем больше ком­пания, тем меньше вероятность ограничений лик­видности для фирмы. Это можно объяснить тем, что крупная компания может использовать имею­щиеся накопления и имеет взаимосвязи с банками. Банки также предпочитают кредитовать крупные фирмы из-за меньшей асимметрии в информации, т. е. наличия большего объема информации о де­ятельности крупных компаний из разных источ­ников. Меньшие по размеру фирмы сравнительно ограничены в средствах. Это объясняется недоста­точностью размеров собственных фондов, более высокой стоимостью заемных средств и больши­ми потребностями в финансировании ИР. Таким образом, финансирование при наличии ограни­чений ликвидности для компаний меньшего раз­мера имеет большее значение, чем для крупных компаний. Экспортная деятельность также сни­жает значимость ограничения ликвидности, так как компания-экcпортер может получить кредит на внешнем рынке.

Более крупные или более производительные фирмы меньше нуждаются во внешнем финанси­ровании. Эти тенденции характерны и для показа­телей процента товарооборота, который компания инвестировала в инновации RDint, и процента това­рооборота, полученного от экспорта EXPint.

Приведенные расчеты показывают, что наличие ограничений ликвидности оказывает негативное влияние на решения компании инвестировать в ИР, причем данная зависимость более всего выраже­на для компаний среднетехнологичных секторов высокого уровня (0,548) и низкого уровня (0,492) (в скобках указана эластичность влияния индекса потребности во внешнем финансировании (WW) на вероятность решения компании инвестировать в ИР). В то же время для компаний высокотехноло­гичных и низкотехнологичных секторов эта зави­симость характерна в меньшей степени. При этом ограничения ликвидности больше влияют на реше­ние компании об инвестировании в ИР, чем на объ­ем расходов на ИР в расчете на одного сотрудни­ка, занятого ими. Во всех секторах ограничение ликвидности оказывает незначительное влияние на объем вложений в ИР, последнее больше зави­сит от наличия собственных фондов. Об этом сви­детельствуют и показатели эластичности влияния инвестиций в основной капитал (0,311; 0,392; 0,255; 0,259 соответственно, см. табл. 7, строка Cl).

Фирмы-экспортеры с большей вероятностью примут решение об инвестировании в ИР, посколь­ку работают в более конкурентной среде.

 

Таблица 6

Детерминанты индекса потребности е финансировании

Детерминанта

Сектор обрабатывающей промышленности

высокотехнологичный

среднетехнологичный

низкотехнологичный

высокого уровня

низкого уровня

Доля выручки от реализации, на­правленная на инновации RDint

-0,00893***

(0,00159)

- 0,00857*** (0,00161)

-0,00422***

(0,00157)

-0,00267*

(0,00158)

Доля выручки от экспортной деятельности в общей выручке от реализации EXPint

-0,000521

(0,00100)

-0,000851

(0,00100)

-0,000592

(0,00100)

-0,00805***

(0,00162)

Инвестиции компании в основ­ной капитал CI

0,0213

(0,0113)

0,0445

(0,0097)

0,0347

(0,0202)

0,0211***

(0,0146)

Полная факторная производи­тельность LTF2014

-0,0466***

(0,00227)

-0,0456***

(0,00237)

-0,0464***

(0,00236)

-0,0455***

(0,00236)

Размер компании S

-0,0412***

(0,00105)

-0,0406***

(0,00105)

-0,0407***

(0,00106)

-0,0403***

(0,00106)

Constant

0,110***

(0,00610)

0,109***

(0,00606)

0,110***

(0,00609)

0,110***

(0,00606)

Число наблюдений

62

40

49

47

Псевдокоэффициент детермина­ции Rpseudo

0,446

0,449

0,447

0,449

Примечания: 1) Представленные числа имеют значения маржинального эффекта.

2)  Статистическая значимость коэффициентов: *** р<0,001; ** р<0,01; * р<0,05.

3) В скобках указаны стандартные ошибки, отражающие уровень искажения используемой модели за счет наличия выбросов данных.

Все это служит подтверждением обратной U-зависимости между конкуренцией и инновация­ми. Кроме того, секторальный анализ показывает, что в высокотехнологичных секторах с небольшим количеством игроков идет конкуренция по качеству (что создает благоприятную почву для инноваций), и можно наблюдать положительное влияние уве­личения конкуренции на производительность, а на рынке низкотехнологичных секторов с боль­шим числом игроков преобладает конкуренция по цене, и мы наблюдаем обратную тенденцию, ког­да компания отказывается от вложений в ИР и ин­новации.

Как и ожидалось, ограничения ликвидности оказывают отрицательное воздействие на продажи инновационной продукции, прежде всего в высоко­технологичных и среднетехнологичных секторах высокого уровня (0,772 и 0,857 соответственно).

Также доказана положительная корреляция между конкурентностью рынков и результатив­ностью инновационной деятельности. Так, ком­пании-экспортеры отличаются большей резуль­тативностью инновационной деятельности, даже в условиях ограничения ликвидности. Эта зависи­мость сильнее выражена в высокотехнологичных и среднетехнологичных секторах (0,472; 0,441; 0,315 соответственно) и чуть менее в низкотехно­логичном секторе (0,201). Большая численность со­трудников, полная факторная производительность не оказывают значительного эффекта на результа­тивность инновационной деятельности.

Также можно сделать вывод о том, что малые компании и компании низкотехнологичных секто­ров нуждаются не в увеличении интенсивности ИР, а в инвестициях, упрощающих заимствование гото­вых технологий на развитых рынках.

Выводы и дальнейшие исследования

Научные исследования и разработка новых тех­нологий приносят обществу в целом большую поль­зу, чем та прибыль, которую извлекает инноватор, что приводит к склонности компаний недостаточно недоинвестировать в ИР Особое значение данный эффект приобретает в условиях, когда компания ис­пытывает ограничения ликвидности.

Наша эмпирическая модель позволяет сделать несколько выводов о взаимосвязи ограничений лик­видности, решении компании инвестировать в ИР и результативности инновационной деятельности.

 

Таблица 7

Предельные эффекты для модели бинарного выбора Хекмана (результаты расчетов второй части модели)

 

Высокотехнологичный сектор

Среднетехнологичный сектор

Низкотехнологичный сектор

высокого уровня

низкого уровня

Зависимая переменная

Решение вложений в иннова­ции

Объем вло­жений в ИР в расчете на 1 сотруд­ника

Решение вложений в иннова­ции

Объем вло­жений в ИР в расчете на 1 сотруд­ника

Решение вложений в иннова­ции

Объем вло­жений в ИР в расчете на 1 сотрудника

Решение вложений в иннова­ции

Объем вло­жений в ИР в расчете на 1 сотруд­ника

Метод анализа - цензу­рированная регрессия Хекмана

Уравне­ние 1

Уравнение 2

Уравне­ние 1

Уравнение

2

Уравне­ние 1

Уравнение 2

Уравне­ние 1

Уравнение 2

Индекс потребности фирмы во внешнем финансировании WW

-0 299*** (0,111)

-0,0013*

(0,108)

-0,548

(0,124)

-0,0029***

(0,111)

-0,492*

(0,108)

-0,0098

(0,124)

_0 149*** (0,111)

-0,0024*

(0,108)

Доля выручки от экс­портной деятельности в общей выручке от ре­ализации EXPint

0,193***

(0,041)

0,119

(0,139)

0,298**

(0,030)

0,116***

(0,122)

-0,183***

(0,071)

-0,174**

(0,298)

-0,158*

(0,030)

-0,076***

(0,122)

Инвестиции компании в основной капитал CI

0,311**

(0,055)

0,271**

(0,117)

0,392**

(0,123)

0,2142**

(0,144)

0,255**

(0,172)

0,308***

(0,132)

0,259***

(0,145)

0,273***

(0,115)

Полная факторная производительно сть LTF2014

0,350***

(0,034)

0,405

(0,111)

0,148***

(0,025)

0,224***

(0,078)

0,281***

(0,051)

0,438*

(0,246)

0,261***

(0,019)

0,401***

(0,096)

Размер компании S

0,186***

(0,012)

0,001***

(0,037)

0,063***

(0,044)

0,078***

(0,062)

0,175***

(0,021)

0,092***

(0,043)

0,257***

(0,032)

0,014***

(0,022)

Constant

0 471***

(0,0179)

0,457***

(0,012)

0,371**

(0,286)

0,261**

(0,112)

0,493**

(0,115)

0,467**

(0,107)

0,398**

(0,134)

0,331**

(0,017)

Число наблюдений

62

40

49

47

Оценка качества моде­ли - лямбда Хекмана

0,167

(0,103)

0,7319**

(0,2741)

0,9674**

(0,3986)

0,5012***

(0,108)

Коэффициент корреля­ции для совокупности rh0

0,263**

(0,082)

0, 328** (0,079)

0,2271***

(0,2104)

0,309***

(0,065)

Тест Вальда для HO при rh0 = 0

2,42

1,98**

6,77**

21,78***

Примечания:1) Представленные числа имеют значения маржинального эффекта.

2)  Статистическая значимость коэффициентов: *** /><0,001; ** /><0,01; * /><0,05.

3)     В скобках указаны стандартные ошибки, отражающие уровень искажения используемой модели за счет наличия выбросов данных.

Показано, что при наличии больших свободных средств у крупной компании облегчается финан­сирование ИР и инноваций. Компании, отличаю­щиеся большим размером и более значительными вложениями в текущую деятельность, с большей вероятностью будут вкладывать средства в ИР даже при наличии ограничений ликвидности. Меньшие по размеру фирмы более чувствительны к ограни­чениям ликвидности для инвестиций в ИР.

Еще одним важным выводом является значи­мость собственных средств для финансирования ИР Фирма, которая больше инвестирует в текущую деятельность, скорее всего, будет вкладывать и в ИР

Из-за ограничения ликвидности уменьшается количество компаний, принимающих решение ин­вестировать в ИР, особенно в среднетехнологич­ных секторах, и оказывает незначительное влияние на объем вложений компании в ИР из расчета на од­ного сотрудника, занятого инновационной деятель­ностью. Эта зависимость характерна для всех рас­смотренных секторов промышленности.

 

Таблица 8

Детерминанты результатов инновационной деятельности промышленных компаний в 2014 году (результаты расчетов третьей части модели)

Зависимая переменная

Сектор обрабатывающей промышленности

Высокотехнологичный

Среднетехнологичный

Низкотехнологичный

высокого уровня

низкого уровня

Доля выручки от реализации, направленная на инновации RDint

0,567**

(0,00781)

0,439

(0,00780)

0,368**

(0,00757)

0,215

(0,00863)

Индекс потребности фирмы во внешнем финансировании WW

- 0,772*** (0,00173)

- 0,857*** (0,00161)

- 0,422*** (0,00157)

- 0,267* (0,00158)

Доля выручки от экспортной деятельности в общей выручке от реализации EXPint

0,472***

(0,00120)

0,441**

(0,00110)

0,315***

(0,00120)

0,201***

(0,00182)

Инвестиции компании в основ­ной капитал CI

0,114

(0,081)

0,162

(0,093)

0,119

(0,041)

0,121***

(0,0229)

Полная факторная производи­тельность LTF2014

0,0703***

(0.0234)

0,0276

(0.0173)

0,0371**

(0.0171)

0,0312

(0.0196)

Размер компании S

0,0217***

(0,00205)

0,0308***

(0,00105)

0,1403***

(0,00226)

0,0503***

(0,00291)

Constant

0,209***

(0,00610)

0,221***

(0,00606)

0,142***

(0,00609)

0,1670***

(0,00606)

Число наблюдений

62

40

49

47

Псевдокоэффициент детерми­нации R2pseudo

0,114

0,147

0,115

0,147

Примечания:1) Представленные числа имеют значения маржинального эффекта

2)  Статистическая значимость коэффициентов: *** р<0,001; ** р<0,01; * р<0,05

3)  В скобках указаны стандартные ошибки, отражающие уровень искажения используемой модели за счет наличия выбросов данных.

Подтверждена обратная U-зависимость между конкуренцией и инновациями. Так, фирмы-экс­портеры с большей вероятностью примут решение об инвестировании в ИР, поскольку находятся в бо­лее конкурентной среде. Кроме того, секторальный анализ показывает, что в высокотехнологичных секторах с небольшим количеством игроков име­ет место конкуренция по качеству (складывается благоприятная ситуация для инноваций) и можно наблюдать положительное влияние увеличения конкуренции на производительность. В низкотех­нологичных секторах с большим числом игроков преобладает конкуренция по цене, и мы наблюда­ем обратную тенденцию: компания отказывается от вложений в ИР, предпочитая заимствовать тех­нологии. Малые компании (независимо от сектора) и компании, работающие в низкотехнологичных секторах, нуждаются не в увеличении объема ин­вестиций в ИР, а в инвестициях, упрощающих за­имствование уже готовых технологий на развитых рынках.

Вместе с тем наше исследование имеет ряд ограничений. Для анализа нами был использо­ван прямой ограничитель ликвидности, который только косвенно идентифицирует ограничения ликвидности (см. критический анализ [Kaplan S., Zingales L., 2007]), что связано с отсутствием у нас более детальных данных о доступности кредито­вания для исследуемых компаний и фактического размера потребности во внешнем финансирова­нии. Следовательно, в дальнейшем целесообразно провести анкетирование компаний промышлен­ного сектора и дать более точную оценку инве­стиционных моделей, основанных на уравнении Эйлера, модели акселератора или модели устра­нения ошибки, которые позволяют определить оптимальную модель соотношения собственного и заемного капитала.

Также представляется интересным сравнить полученные нами данные с помощью индекса по­требности в финансировании с методологией рас­чета регрессионных уравнений на основе индекса кредитного рейтинга, который непосредственно показывает возможность доступа к получению кредита (используется, например, в исследовании [Canepa A., Stoneman P., 2013]).

И наконец, перспектива государственной под­держки финансирования исследований и разрабо­ток требует дальнейшего анализа эффективности существующих моделей государственного финан­сирования: трансферы конкурирующим на одном технологическом уровне фирмам, субсидии, про­порциональные вложениям компаний в ИР, гранты за внедрение новых изобретений.

Список литературы

1. Единые отраслевые методические указания по расчету обеспеченности финансовыми ресурсами участников закупок. В ред. приказа Госкорпорации «Росатом». Приложение № 3 к приказу Госкорпорации «Росатом» от 13.12.2013 № 1/1204-П (2013) // Росатом. URL: zakupki.rosatom.ru/file.ashx?oid=1965418/.

2. Постановление Правительства РФ от 25.06.2003 № 367 «Об утверждении Правил проведения арбитражным управляющим финансового анализа» (2003) // КонсультантПлюс. URL: http://www.consultant.ru/document/cons_doc_LAW_42901/.

3. Приказ Минрегиона РФ от 17.04.2010 № 173 «Об утверждении Методики расчета показателей абсолютной и относительной финансовой устойчивости, которым должны соответствовать коммерческие организации, желающие участвовать в реализации проектов, имеющих общегосударственное, региональное и межрегиональное значение, с использованием бюджетных ассигнований Инвестиционного фонда Российской Федерации» (2010) // КонсультантПлюс. URL: https://goo.gl/Z5fnY7/.

4. Сведения по кредитам в рублях, долларах США и евро ([2014]) // Центральный банк РФ. URL: http://www.cbr.ru/statistics/?PrtId=int_rat. Дата обращения 15.01.2016.

5. Трачук А.(2013) Инновационная стратегия компании // Проблемы теории и практики управления. № 9. С. 75–83.

6. Aghion P., Askenazy P. Berman N. et al. (2012)CreditConstraintandtheCyclicalityof R&D Investment: EvidencefromFrance // JournaloftheEuropeanEconomicAssociation. Vol. 10, N 5. P. 1001–1024.

7. Altomonte C., Gamba S., Mancusi M. L. et al.( 2013) R&D investments, Financial Constraints and Export // KITeS Working Papers 030, KITeS, Centre for Knowledge, Internationalization and Technology Studies / Universita’ Bocconi. Milano. P. 377–395.

8. Bellone F., Musso, P., Nesta L. et al. (2013)Financial Constraintsand Firm ExportBehaviour // WorldEconomy. Vol. 33, N 3. P. 347–373.

9. Blundell R., Griffith R., Van Reenen J.(2009)MarketShare, Market value and Innovation in a Panel of British Manufacturing Firms // Review of Economic Studies. Vol. 66. P. 529–554.

10. Bond S., Harhoff D., Van Reenen J. (2005) Investment, R&D and Financial Constraints in Britain and Germany // Annales d'Economie et de Statistique. N 79/80. P. 1–28.

11. Canepa A., Stoneman P. (2013) Do Financial Factors Constrain Innovation?: A European cross country study, forthcoming // Competition, Monopoly and Corporate Governance: Essays in Honour of Keith Cowling / Ed. M. Waterson. London: Edward Elgar.

12. Cohen W. M., Klepper S. (1996) A Reprise of Size and R&D // The Economic Journal. Vol. 106, N 437. P. 925–951.

13. Crépon B., Duguet E., Mairesse J. (1998)Research, Innovation and Productivity: An Econometric Analysis at the Firm Level // Economics of Innovation and New Technology. Vol. 7, N 2. P. 115–158.

14. Czarnitzki D., Hottenrott H. (2011) R&D investment and financing constraints of small and medium sized firms // Small Business Economics. Vol. 36, N 1. P. 65–83.

15. Fazzari S., Hubbard R. G., Petersen B. C. (1988) Financing constraints and corporate investment // NBER Working Papers 2387. Brookings Papers on EconomicActivity, 1 / National Bureau of Economic Research. P. 141–206.

16. Greenaway D., Guariglia A., Kneller R. (2007) Financial factors and exporting decisions // Journal of International Economics. Vol. 73, № 2. P. 377–395.

17. Hajivassiliou V., Savignac F. (2011) Novel Approaches to Coherency Conditions in LDV Models with an Application to Interactions between Financing Constraints and a Firms Decision and Ability to Innovate, mimeo // The London School of Economics and Politicfl Science. URL: https://econ.lse.ac.uk/staff/vassilis/pub/papers/pdf/financing_constraints_innovation.pdf.

18. Kaplan S., Zingales L. (2007) Do Investment- Cash Flow Sensitivities Provide Useful Measures of Financing Constraints? // Quarterly Journal of Economics. Vol. 112, N 1. P. 169–215.

19. Mancusi M. L., Vezzulli A. (2010)R&D, innovation and liquidity constraints // KITeS Working Papers 030, KITeS, Centre for Knowledge, Internationalization and Technology Studies / Universita’ Bocconi. Milano. P. 108–123.

20. Mancusi M. L., Vezzulli A. (2012) R&D, innovation and liquidity constraints // KITeS Working Papers 030, KITeS, Centre for Knowledge, Internationalization and Technology Studies / Universita’ Bocconi, Milano, Italy.

21. Mulkay B., Hall B.H., Mairesse J. (2001) Investment and R&D in France and in the United States // Investing Today for the World of Tomorrow / Deutsche Bundesbank. Berlin; Heidelberg; New York: Springer. P. 227–251.

22. Savignac F. (2008) Impact of Financial Constraints on Innovation: What Can Be Learned from a Direct Measure? // Economics of Innovation and New Technology. Vol. 17, N 6. P. 553–569.

23. Tiwari A. K., Mohnen P., Palm F.C. et al. (2007) Financial Constraints and R&D Investment: Evidence from CIS // UNU-MERIT Working Paper. N 11. P. 337–349.

24. Whited T. M., Wu G. (2006) Financial Constraints Risk // Review of Financial Studies. Vol. 19, № 2. P. 531–559.


Об авторах

А. В. Трачук
ФГБОУ ВПО «Финансовый университет при правительстве Российской Федерации»; ФГУП «Гознак»
Россия

Доктор экон. наук, профессор кафедры «Стратегический и антикризисный менеджмент», научный руководитель факультета менеджмента Финансового университета при Правительстве Российской Федерации, генеральный директор ФГУП «Гознак». Область научных интересов: стратегия и управление развитием компании, инновации, предпринимательство и современные бизнес-модели в финансовом и реальном секторах экономики, динамика и развитие электронного бизнеса, опыт функционирования и перспективы развития естественных монополий.



Н. В. Линдер
ФГБОУ ВПО «Финансовый университет при правительстве Российской Федерации»
Россия

Кандидат экон. наук, доцент кафедры «Стратегический и антикризисный менеджмент», заместитель декана факультета менеджмента Финансового университета при Правительстве Российской Федерации. Область научных интересов: стратегия и управление развитием компании, стратегические альянсы, формирование бизнес-моделей в различных сферах предпринимательской деятельности, динамика и развитие электронного бизнеса, стратегии интеграции и диверсификации российских и международных компаний, инновационно ориентированное межфирменное взаимодействие.



Для цитирования:


Трачук А.В., Линдер Н.В. ВЛИЯНИЕ ОГРАНИЧЕНИЙ ЛИКВИДНОСТИ НА ВЛОЖЕНИЯ ПРОМЫШЛЕННЫХ КОМПАНИЙ В ИССЛЕДОВАНИЯ И РАЗРАБОТКИ И РЕЗУЛЬТАТИВНОСТЬ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ. Стратегические решения и риск-менеджмент. 2016;(1):80-89. https://doi.org/10.17747/2078-8886-2016-1-80-89

For citation:


Trachuk A.V., Linder N.V. LIQUIDITY LIMITATION INFLUENCE ON INDUSTRIAL COMPANIES’ INVESTMENTS IN INVESTIGATIONS AND DEVELOPMENT AND EFFECTIVENESS OF INNOVATIVE ACTIVITY. Strategic decisions and risk management. 2016;(1):80-89. (In Russ.) https://doi.org/10.17747/2078-8886-2016-1-80-89

Просмотров: 498


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)