Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

Измерение эффективности сделок по слиянию и поглощению: особенности применения метода DEA

https://doi.org/10.17747/2078-8886-2017-6-58-65

Полный текст:

Аннотация

С каждым годом для российских компаний все более актуальным становится применение стратегий слияний и поглощений. Одним из наиболее важных вопросов является анализ эффективности сделок по слиянию и поглощению, что также подтверждается возрастающим числом работ в области оценки эффективности сделок по слияниям и поглощениям компаний.
В статье рассматриваются основные методы оценки эффективности сделок по слияниям и поглощениям, а также возможность использования метода DEA в определении эффективности сделок на примере нефтегазовых компаний. Проведен сравнительный анализ применения традиционных методов и метода DEA на примере оценки эффективности поглощения ОАО «НК «Роснефть». Результаты анализа показали, что необходимо проводить комплексную оценку результативности сделки M&A, используя несколько методов и подходов оценки, т.к. метод DEA не всегда подходит в разрезе оценки эффективности до и после сделки. Согласно приведенным расчетам, эффект поглощения в первый год после поглощения оказался положительным (0,001%), но к 2014 году составил 0,9%. Рентабельность активов также начала снижаться, и спустя два года общее изменение составило –5%. При этом рентабельность капитала увеличилась в первый год на 26%, однако через год это значение уменьшилось. Вместе с тем данный метод применим для экспресс-выбора компаний-целей из большого количества компаний.
Разработана последовательность шагов для применения метода DEA в оценке эффективности проведения сделок по слияниям и поглощениям, методика определения DMU для оценки эффективности одной сделки в рамках использования метода DEA, что придает исследованию высокую практическую значимость. Даны рекомендации по экспресс-выборке компаний-целей для проведения сделки M&A.

Для цитирования:


Вирабян С.Н. Измерение эффективности сделок по слиянию и поглощению: особенности применения метода DEA. Стратегические решения и риск-менеджмент. 2017;(6):58-65. https://doi.org/10.17747/2078-8886-2017-6-58-65

For citation:


Virabyan S.N. Measuring the effectiveness of mergers and acquisitions: features of the application of the DEA method. Strategic decisions and risk management. 2017;(6):58-65. (In Russ.) https://doi.org/10.17747/2078-8886-2017-6-58-65

Введение

В современной экономике компании зачастую не могут позволить себе долгосрочные перспекти­вы развития, проекты длиной в десятилетия, и им приходится придумывать способы более быстро­го расширения и роста в условиях глобализации [Трачук А. В., 2017]. В данной ситуации стратегия M&A1 дает возможность не тратить время и деньги на дорогостоящие исследования и разработки, будь то деятельность в области научно-технического прогресса или же развитие клиентской базы кре­дитных организаций. К числу достоинств стратегии отнесены рост производства, более быстрый темп развития национальных экономик развивающихся и развитых стран.

Проблемы, связанные со сделками M&A, актив­но дискутируются в научной литературе. Существу­ют противоположные точки зрения относительно эффективности и опасности, целесообразности и угроз реструктуризации данного типа. Некоторые исследователи считают, что слияния - это важный источник, повышающий результативность пред­приятия; другие рассматривают их только как про­явление агрессивной политики, которая не всегда может способствовать повышению эффективности.

В целом сделки M&A требуют исследования, анализа и подведения соответствующих выводов, с тем чтобы не повторять ошибки, неоднократно совершенные в прошлом. Данные интеграционные процессы сложны и неоднозначны как в теории, так и на практике. Последствия слияний распростра­няют свое влияние не только на игроков в отрасли или сферу деятельности, в которых они проводятся, но и на более крупные субъекты, например на на­циональные экономики и даже мировую экономи­ческую систему.

В данной статье рассматриваются возможности использования непараметрического метода DEA (анализа сверстки данных) для оценки эффектив­ности сделок M&A.

M&A как область исследований

Рынок слияний и поглощений имеет особен­ности, обусловленные страновыми факторами, к которым отнесены степень развитости экономи­ки, совершенство законодательной базы, разви­тость финансовых рынков и т.д. По ним россий­ский рынок слияний и поглощений существенно уступает рынкам M&A США или Европы. У нас он сформировался значительно позже, поло­жительная динамика по количеству и стоимо­сти наблюдалась до 2012 года, когда произошел экономический кризис, были введены санкции, с тех пор ограничен доступ к денежным ресур­сам для осуществления сделок M&A в прежних объемах.

В первой половине 2016 года активность на российском рынке M&A была высокой, но в июле-августе снизилась: в июле проведено 36 сделок на 2,4 млрд долл., что в 2,3 раза мень­ше, чем в июле 2015 года (5,55 млрд долл.), в ав­густе объем сделок снизился на 15%, до 1,7 млрд долл. против 2,0 млрд долл. за тот же месяц годом ранее.

Российский рынок слияний и поглощений имеет ряд особенностей. Сложилась тенденция к укрупнению хозяйственных активов, подкон­трольных государству [Карлик А. Е., Кармазино- ва Я. Ф., Трачук А. В., 1999]. В последние годы слияния и поглощения часто обусловлены реструк­туризацией бизнеса в сочетании с уменьшением доли государства в экономике [Трачук А. В., 2011].

Главенствующее место на рынке слияний и поглощений по-прежнему занимают сделки не­фтегазовой отрасли, несмотря на снижение цен на нефть и санкции. В 2015 г. сокращение коли­чества сделок в нефтегазовом секторе на 43%, до 15,6 млрд долл.,отчасти стало результатом рез­кого снижения цены на нефть и влияния санкций.

Также наблюдается тенденция к повышению доли трансграничных сделок (на 20% в 2015 году по сравнению с 2013 годом). Из-за девальвации рубля трансграничные сделки обходятся дороже, их количество уменьшилось на 3%, стоимость - на 10%. В общей сложности сумма трансгра­ничных сделок составила 19,7 млрд долл. Одно­временно существенно уменьшилась сумма вну­тренних сделок M&A (на 61%) на фоне снижения суммы трансграничных сделок (на 15%).

Следует рассмотреть основные причины ди­намики сделок M&A. Во-первых, компания-поку­патель оплачивает приобретение компании-цели авансом, до сделки. Любые временные задерж­ки при реализации синергии могут оказывать и оказывают существенное влияние на выгоды от сделок M&A [Трачук А. В., 2009]. Во-вторых, сами по себе сделки являются сложными, в даль­нейшем компании-покупателю нужно провести интеграцию приобретения [Линдер Н. В., 2014]. В-третьих, компании-покупатели всегда платят премии акционерам компании-цели. В состав премии входит премия за контроль компании и премия за ожидаемые выгоды, за ожидаемый синергический эффект. В большинстве случаев компании-покупатели переплачивают за компа­нии-цели, снижая, таким образом, собственные выгоды. В-четвертых, эффективность сделок M&A снижается из-за того, что компания-покупа­тель не учитывает расходы, необходимые для ре­ализации запланированной синергии. В итоге оценка эффективности сделок M&A является сложным, многоаспектным процессом.

Оценка эффективности сделок по слиянию и поглощению

Как правило, для оценки эффективности сде­лок по слияниям и поглощениям используются традиционные перспективные и ретроспектив­ные методы [Колмаков В. В., Коокуева В. В., Чапкина Е. Г и др., 2013] (табл. 1).

 

Таблица 1

Традиционные методы оценки

Перспективные методы

Ретроспективные методы

Сравнительный подход - оценка на базе компаний-аналогов

Бухгалтерский подход - сравнение финан­совых показателей до и после сделки

Затратный подход - оценка с точки зрения имеющихся у компании активов

Рыночный подход - сравнение доходности акций до и после сделки

Доходный подход - прогнозирование денежных потоков и приведение их к на­стоящему времени по ставке дисконти­рования

Комбинированный подход - корреляция между изменениями финансовых показате­лей и доходности акций компании

Ретроспективные методы с использованием фактических данных применяются для оценки эффекта после интеграции. В рамках ретроспек­тивной оценки существуют следующие подходы:

  • бухгалтерский подход: сравниваются финан­совые показатели до и после проведения сдел­ки, которые рассчитываются по данным бух­галтерской отчетности;
  • рыночный подход: изучается реакция фондово­го рынка на сделку, анализируется доходность акций компании до и после сделки, после чего можно сделать вывод о результативности;
  • комбинированный подход: изучается корреля­ция между изменением финансовых показате­лей и изменением доходности акций компании.

Необходимо отметить, что в рамках ретро­спективной оценки (после интеграции) также возможно использование методов перспективной оценки (доходный, сравнительный, затратный подходы), при замене в них прогнозных данных на фактические.

Перспективные методы применяются для рас­чета эффекта до слияния/поглощения с целью опре­делить оптимальную цену объекта до его покуп­ки. Так можно оценить целесообразность сделки. В рамках перспективных методов выделяют доход­ный, сравнительный и затратный подходы.

Доходный подход. Составляется прогноз де­нежных потоков, их приводят к настоящему вре­мени по ставке дисконтирования. В зависимости от горизонта планирования используются следу­ющие методы:

  • метод дисконтирования денежных потоков подходит при наличии четких временных ра­мок, применяется в большей степени для оцен­ки проектов; денежные потоки детально рассчитываются на каждый год по ставке дис­контирования;
  • метод капитализации подходит при отсут­ствии временных ограничений, применяется для оценки действующего бизнеса; средний денежный поток рассчитывается и капитали­зируется по ставке дисконтирования;
  • комбинирование методов, самый распростра­ненный способ оценки компаний в сделках M&A, применяется при расчетах денежных потоков в течение некоторого периода после интеграции компании, в дальнейшем рассчи­тывают на стабильное развитие компании; для определения синергического эффекта определяют разницу между стоимостью объ­единенной фирмы и совокупной стоимостью фирм до объединения.

Сравнительный подход. Оценка проводится с привлечением компаний-аналогов, которые со­поставимы по размеру, обслуживаемым рынкам, отрасли, финансовым результатам и т.д. Основ­ными считаются метод рынка капитала, метод сделок, метод отраслевой специфики. Для всех методов, как правило, используется схожая тех­нология расчета:

  • сбор информации по схожим сделкам у компа­ний-аналогов и выбор сопоставимых аналогов;
  • расчет отношения рыночной цены компании- аналога и выбранного финансового параметра, в качестве последнего используется чистая прибыль, прибыль до уплаты процентов и на­логов, денежный поток, выручка, дивиденды и др.;
  • определение стоимости компании-цели путем умножения аналогичного финансового пара­метра компании-цели на соответствующий по­казатель.

Синергетический эффект можно оценить с по­мощью показателей компании-аналога. Для этого разницу между показателями компании до и по­сле сделки необходимо умножить на соответству­ющий показатель компании-цели.

Затратный подход. Оценочная стоимость собственного капитала определяется как разница скорректированной балансовой стоимости акти­вов и текущих обязательств компании-цели. Си­нергетический эффект выразится в увеличении стоимости имущественного комплекса компании.

 

Рис. 1. Основные методы эконометрического подхода анализа эффективности

Измерение эффективности с использованием метода DEA

В литературе бытует мнение, что «некоторые из проанализированных случаев слияний и по­глощений ошибочно считаются эффективными при использовании традиционных моделей» [Kumar S., 2009]. «Эффективность процесса от­ражается в соотношении достигнутых результа­тов с использованными результатами» [Мазор- чук М. С., Добряк В. С., Емельянов П. С., 2015]. Существуют различные эконометрические мето­ды оценки эффективности (рис. 1), исходя из бли­зости значений показателей отдельно взятого объ­екта к потенциальной или фактической границе. Граница эффективности рассчитывается на осно­ве производственной функции.

В рамках непараметрического подхода рас­смотрим метод DEA. Он интересен тем, что нет четких ограничений к исходным данным, кото­рые могут иметь различную природу [Cook W D., Seiford L. M., 2009].

Подход DEA основан на идеях Фаррелла, изложена модель измерения эффективности де­ятельности организации относительно имеющихся у нее производственных возможностей. Данная модель была расширена А. Чарнсом (A. Chames), В. Купером (W. W. Cooper) и Е. Род- зом (E. Rhodes) в 1978 году и получила название CCR по первым буквам их фамилий. Чарнс впер­вые затронул эту тему, когда Чарнс, Купер и Родз разработали новую модель измерения эффектив­ности для государственных программ [Charnes A., Cooper W. W., Rhodes E., 1978]. Позже появилось другое название - метод охвата свертки данных (Data Envelopment Analysis, DEA). Метод актив­но используется для анализа эффективности ор­ганизаций различных типов в разных условиях, развивает стандартный подход к понятию эффек­тивности в виде отношения отдачи к затратам [Dekker D., Post T. A., 2001]. Основная идея - оцен­ка относительной эффективности функциониро­вания объектов и построение границы эффектив­ности, которая имеет форму выпуклой оболочки и используется в качестве эталона для оценки эффективности объектов в исследуемой совокуп­ности [Kohers T., Huang M.-H., Kohers N., 2000]. Математически эффективность каждого объекта представляется как отношение взвешенной сум­мы «выходов» к взвешенной сумме «входов».

Общий вид модели DEA, ориентированной на вход:

где θ - эффективность объекта; x, y - вирту­альные «входы» и «выходы» для объекта соответ­ственно; v- «входы», и - «выходы»; s, m - количе­ство «выходов» и «входов» соответственно.

 

Рис. 2. Интерпретация эффективности в моделях CCR иВСС [Мазорчук М. С., До­бряк В. С., Емельянов П. С., 2015]

Если модель DEA ориентирована на выход, то значение эффективности объекта минимизиру­ется [Doyle P., 2011].

Для получения оценки эффективности необ­ходимо решить задачу дробного линейного про­граммирования, то есть определить значения ве­совых коэффициентов для входов v и для выходов и, рассматривая и и v как переменные. Если имеет­ся два объекта и более, необходимо рассматривать данную задачу как задачу оптимизации с ограни­чениями. Под ограничениями нужно понимать невозможность получить максимальную оценку дроби больше единицы [Ghulam M. C., Syed Z., Shujahat H., 2016]. Отношение виртуальных ре­зультатов к виртуальным затратам не может быть больше100%. Необходимо найти такие весовые коэффициенты для рассматриваемого объекта, чтобы частное стремилось к максимальной оцен­ке, но в то же время соотношение для остальных объектов не могло превысить 100%.

«Данная методика позволяет оценить сравни­тельную эффективность DMU (decision making unit), т.е. «блок принятия решений», аналогич­ные другим DMU» [Rahman M., Lambkin M., Hussain D., 2016]. Все DMU с наилучшим по­казателем эффективности образуют границу эффективности» [Weiguo X., Ming L., 2008]. Он определяет подмножество эффективных лучших практик DMU и для остальных DMU, величина их неэффективности измеряется по сравнению с границей, построенной из эффективных DMU. DMU может быть любой набор объектов. Метод DEA сравнивает эффективность компаний, рас­сматривая то, как входные данные превращаются в выходные.

«В отличие от регрессии, DEA может вклю­чать несколько входов и выходов, а также опреде­лить границы эффективности и расстояния неэф­фективных значения этой границы» [Rahman M., Lambkin M., Hussain D., 2016]. На рис. 2 изо­бражены границы эффективности согласно CCR и BCC моделям. Следует отметить, что ключевое в CCR модели - это допущение о постоянстве отдачи от масштаба, это означает, что модель не допускает возможности ни возрастающей, ни убывающей отдачи от масштаба. Учитывая это ограничение модели, в 1984 году Р. Бенкер, А. Чарнс и В. Купер разработали ее модифика­цию - BCC модель. Граница производственных возможностей CCR является линейной функци­ей, в то время как граница производственных воз­можностей BCC имеет не только линейную часть, но и вогнутую, так как эта модель учитывает и возрастающую, и убывающую отдачу.

Пунктирная линия - эффек­тивная граница, построенная в соответствии с моделью CCR.

Граница модели BCC - лома­ная, проходящая через точки, являющиеся эффективными в соответствии с моделью BCC.

Точка эффективна, так как че­рез нее проходит эта ломаная.

Эффективность по модели BCC рассчитывается как отношение PR/PD, которое будет превос­ходить значение эффективности CCR, определен­ное как PQ/PD.

Для применения моделей в оценке эффектив­ности слияний и поглощений предлагаются сле­дующие шаги:

  • идентификация проблемы, например оценка эффективности с помощью экономических по­казателей;
  • сбор данных: определение DMU, выбор вход­ных и выходных параметров;

Для оценки эффективности сделок M&A мо­гут быть использованы:

  • ликвидность: общая ликвидность (GL) и теку­щая ликвидность (CL);
  • долг: профиль долга (ДП), уровень финансо­вого долга (LFD) и участие Третьего капитала (TPC);
  • рентабельность: рентабельность активов (ROA), рентабельность собственного капитала (ROE) и прибыль на акцию (EPS);
  • синергия: валовая маржа (GM), чистая маржа (NM) и общие и административные расходы в отношении доходов (GAR);
  • моделирование с использованием специально­го программного обеспечения;
  • модельное решение: анализ по всем перемен­ным с использованием классических моделей DEA (BCC и CCR), а также с помощью много­целевых методов DEA;
  • проверка: подтверждение информации, полу­ченной в ходе исследования с помощью специ­алистов в области экономической оценки пу­тем сопоставления анализов с использованием различных методов.

Таким образом, основными преимуществами метода DEA являются отсутствие ограничений на природу исходных данных и объективность результатов (не используется единый унифициро­ванный набор весовых коэффициентов). В насто­ящее время DEA является эффективным инстру­ментом для оценки производительности DMU.

Применение различных методов для оценки эффективности поглощения ОАО «НК «Роснефть»

Рассмотрим пример сделки и сравним резуль­таты оценки эффективности сделок M&A с при­менением разных методов. В 2012 году ОАО «НК «Роснефть» приобрело компанию ТНК-BP, что стало крупнейшей объявленной сделкой в России за всю историю рынка M&A, а также второй по величине сделкой в мире, ее стоимость составила 54 980 млн долл. Передача активов за­вершилась в марте 2013 года. Данная сделка была выбрана потому, что деятельность компаний не­фтегазовой отрасли оказывает большое влияние на экономику страны. Учитывая масштаб по­глощения, можно говорить о влиянии не только на экономику страны, но и мира в целом. Также было важно рассчитать эффективность реальной сделки для оценки на основе фактических дан­ных.

 

Таблица 2 Исходные данные для расчетов методом DEA, млрд руб.

DMU

Входные значения

Выходные значения

Активы

расходы

Выручка от реализации

Чистая

прибыль

ТНК-BP 2010

929

1005

1253

207

Роснефть 2010

2160

1535

1915

301

ТНК-BP 2011

1112

1394

1139

278

Роснефть 2011

3377

2269

2702

319

ТНК-BP 2012

1157

1500

1241

280

Роснефть 2012

3971

2696

3078

342

Роснефть 2013

7531

4139

4694

555

Роснефть 2014

8736

4910

5503

350

Роснефть 2015

9638

4442

5141

356

Метод DEA. Анализируются показатели двух компаний нефтегазовой отрасли до и после по­глощения.

Идентификация проблемы. Проблема опре­делена как оценка эффективности деятельно­сти ОАО «НК «Роснефть» и ТНК-BP за два года до и после сделки с помощью экономических по­казателей.

Сбор данных. Определен DMU, выбраны входные и выходные параметры. В данном ис­следовании каждый параметр DMU представля­ет собой компании ТНК-BP и «Роснефть» (мы принимаем каждую компанию в конкретный год за отдельную единицу) за 2010-2015 годы (до и после поглощения). Это необходимо, что­бы оценить, сколько было эффективных DMU до и после поглощения.

Для адекватности расчетов необходимо, что­бы входные и выходные параметры были выбра­ны следующим образом:

  • численные значения должны быть доступны­ми для каждого «входа» и «выхода», положи­тельными для всех объектов;
  • значения (вход, выход, выбранный объект для расчета эффективности) должны отражать аналитический или управленческий смысл по­казателя (отвечать здравому смыслу), которые входят в относительную оценку эффективно­сти объектов;
  • меньшие суммы входных данных предпочти­тельнее, как и большие суммы выходных дан­ных;
  • единицы измерения для входов и выходов не обязательно должны совпадать, это может быть численность персонала, площадь про­странства, денежные расходы и т.д.

В качестве входных параметров выбраны ак­тивы и расходы, в качестве выходных - выруч­ка от реализации и чистая прибыль. Считается, что для оценки оптимально брать четыре пара­метра. Большое количество входных и выходных данных может искажать результаты [Трачук А. В., Линдер Н. В., 2016б]. Таким образом, устанав­ливается связь между входными данными (ре­сурсами) и выходными (отдачей, потенциалом). Исходные данные брались из открытых источ­ников, в частности из финансовой отчетности по МСФО. Однако в 2010 году ТНК-BP использо­вала отчетность в соответствии с общеприняты­ми принципами бухгалтерского учета США, ва­лютной основой которой является доллар США, следовательно, данные компании за 2010 год от­ражены в рублях по курсу по состоянию на 31 декабря 2010 года. Исходные данные отражены в табл. 2.

Моделирование. Для анализа использовано программное обеспечение D. E. A. O.S - веб­приложение, которое позволяет оценивать дан­ные с помощью моделей DEA.

Модельное решение. Проведен анализ всех переменных с использованием классических мо­делей DEA. При анализе эффективности процес­сы считаются положительными или отрицатель­ными для вовлеченных компаний. Данные были рассчитаны как отношение между значениями до и после поглощения (см. табл. 2).

Результаты эффективности компаний до и по­сле поглощения, полученные при использовании специального программного обеспечения, рас­считывающего методом DEA, отражены в табл. 3. Согласно методу DEA, эффективной оказалась деятельность ТНК-BP в 2010-2011 годах и «Рос­нефти» в 2010 году. Наименее эффективной ока­залась деятельность «Роснефти» в 2014 году.

Проверка. Необходимо сопоставить получен­ные результаты анализа эффективности сделки путем использования различных методов. Резуль­таты данного анализа рассмотрены далее.

Традиционные методы оценки эффектив­ности сделки. Для сравнения также были при­менены метод оценки доходности акций и метод анализа финансовой отчетности (табл. 4, 5).

Для оценки доходности акции используется показатель аномальной доходности акций, кото­рая превышает обычную для этой ценной бумаги в период возникновения информации о сделке. Ее определяют как разницу доходности акций ком­пании и доходности рынка (на основе индекса ММВБ).

В данном случае измеряется реакция рын­ка в течение недели до появления информации о сделке (для учета инсайдерской информации) и после сообщения, которая отражается на коти­ровках. Положительный показатель 12,8% озна­чает, что доходность акций с учетом изменения доходности рынка увеличилась, следовательно, сделка была оценена инвесторами как эффектив­ная (см. табл. 4). Тем не менее некоторые авторы выражают сомнения в части использования ано­мальных» результатов в оценке синергетического прироста. Для оценки компаний требуется боль­шое количество данных.

 

Таблица 3 Результаты оценки эффек­тивности методом DEA

DMU

Эффективность,

%

DMU1

100,00

DMU2

100,00

DMU3

100,00

DMU4

95,50

DMU5

98,80

DMU6

90,60

DMU7

90,90

DMU8

90,00

DMU9

92,80

Примечание. Выделены слу­чаи полной эффективности.

В случае использования метода оценки эф­фективности на основании финансовой отчет­ности выводы несколько иные. В качестве показателя эффективности взята динамика рентабельности продаж на основе EBITDA.

Для вычисления эффекта поглощения была рассчитана разница между рентабельностью за 2014 год и рентабельностью до поглоще­ния (табл. 5).

Согласно расчетам, эффект поглощения в первый год после поглощения оказался по­ложительным (0,001%), но к 2014 году со­ставил -0,9%. Рентабельность активов также начала снижаться, и спустя два года общее изменение составило -5%. В первый год рен­табельность капитала увеличилась на 26%, однако через год это значение уменьшилось.

Таким образом, необходимо проводить комплексную оценку результативности сдел­ки M&A, используя несколько методов и под­ходов оценки. Безусловно, у каждого метода имеются свои преимущества и недостатки: анализ бухгалтерской отчетности рассматривает состояние компании в конкретный момент, без учета динамики, в то время как рыночные показатели подвержены влиянию рынка. Следует учитывать взаимосвязь показателей между собой [Трачук А. В., Линдер Н. В., 2016 а].

 

Таблица 4

Метод оценки доходности акций (дата объявления о сделке: 23.10.2012)

Показатель

Обыкновенная акция

Индекс ММВБ

Доходность акций за неделю до объявления о сделке, руб.

210,02

1455,5

Доходность акций через неделю после объявления о сделке, руб.

232,09

1421, 75

Доходность акций компании

0,105

-

Доходность рынка (на основе индекса ММВБ)

-0,023

Доходность, которая превышает обычную для этой ценной бумаги

0,128

0,128

*По данным Investfunds.ru

 

Таблица 5

Метод анализа финансовой отчетности

Показатель

2012

2013

2014

EBITDA, млрд руб.*

618

947

1057

Выручка, млрд руб.*

3078

4694

5503

EBITDA/выручка

0,2008

0,2017

0,1921

Эффект поглощения**

0,001

-0,009

Рентабельность активов, %

9

7

4

Рентабельность собственного капитала, %

15

41

26

* На основании отчетности ОАО «НК «Роснефть».

** Для эффекта поглощения была рассчитана разница между рентабельностью за 2014 год и рентабельностью до поглощения.

Если применять несколько методов, результа­ты могут быть неоднозначными. Путем оценки результатов с разных точек зрения (например, эффективность для бизнеса, для акционеров или иных заинтересованных сторон) можно ко­личественно измерить стратегические или ка­кие-либо долгосрочные параметры, достижение которых являлось целью сделки. Также необхо­димо разделять эффекты, возникшие непосред­ственно в результате слияния, поглощения и дру­гих событий, не связанных с ними.

Выводы и практическое использование результатов

Проведенные нами расчеты показали, что ме­тод DEA не всегда подходит в разрезе оценки эффективности до и после сделки. Данный ме­тод применим для экспресс-выбора компаний- целей среди большого количества компаний. В рамках оценки методом DEA рекомендуется использовать представленную последователь­ность действий. После выбора нескольких ком­паний из списка потенциальных целесообразно провести комплексную оценку традиционными методами, обязательно учитывать мотивы и цели сделки (эффективность для бизнеса, для акционе­ров и т.д.).

На примере оценки эффективности поглоще­ния ОАО «НК «Роснефть» ТНК-BP мы получили неоднозначные результаты. Поначалу прогнозы были положительными. Во-первых, метод оцен­ки доходности акции в недельный промежуток до и после объявления новости о поглощении пока­зал, что инвесторы положительно оценили данную сделку. По оценкам самого ОАО «НК «Роснефть», синергический эффект от сделки должен был со­ставить 10 млрд долл. Однако метод DEA показал, что после приобретения ТНК-BP эффективность ОАО «НК «Роснефть» уменьшилась, наибольшая эффективность достигнута в 2010-2011 годах.

Оценка эффективности на основе финансовой отчетности также демонстрирует двойственные результаты. С одной стороны, эффект слияния оказался положительным в первый год после по­глощения, увеличилась рентабельность капитала. С другой стороны, показатель рентабельности активов постепенно снижался с 2012 по 2014 год.

Таким образом, необходимо проводить ком­плексную оценку эффективности, чтобы учесть все аспекты. Результаты такой оценки могут при­вести к неоднозначным выводам.

Существует множество мотивов, руководству­ясь которыми, компания может выбрать страте­гию M&A. Перед тем как заключить сделку, ком­пании следует четко определить, какие цели она преследует, оценить реакцию инвесторов, реаль­но оценить стоимость сделки и отдачу от сдел­ки. Только после этого стоит проводить слияние или поглощение

Об авторе

С. Н. Вирабян
ОАО «Севернефтегазпром»
Россия

Экономист ОАО «Севернефтегазпром». Область научных интересов: стратегический менеджмент, оценка эффективности и результативности, непараметрические методы анализа



Список литературы

1. Карлик А. Е., Кармазинова Я. Ф., Трачук А. В. (1999) Региональное регулирование деятельности предприятий субъектов естественных монополий. СПб.: Изд-во СПбГУЭФ. 50 с.

2. Колмаков В. В., Коокуева В. В., Чапкина Е. Г. и др. (2013) Теория и практика управления финансовой деятельностью / Под ред. А. Г. Поляковой; МЭСИ. М.: Ист Консалтинг. 196 с.

3. Линдер Н. В. (2014) Стратегии диверсифицированного роста и определение оптимальных границ крупных промышленных бизнес-групп // Эффективное Антикризисное Управление. №1. С. 90–99.

4. Мазорчук М. С., Добряк В. С., Емельянов П. С. (2015) Анализ практического применения метода «охвата данных» для оценки эффективности образовательного процесса // Открытые информационные и компьютерные интегрированные технологии. № 69. С. 234–246.

5. Трачук А. В. (2017) Акционерное общество «Гознак»: пути развития // Деньги и кредит. № 1. С. 61–64.

6. Трачук А. В. (2009) Методы стимулирования инвестиций в инфраструктурные проекты (на примере электроэнергетики) // Проблемы современной экономики. № 4. С. 350–353.

7. Трачук А. В. (2011) Реформирование естественных монополий: цели, результаты и направления развития. М.: Экономика. 319 с.

8. Трачук А. В., Линдер Н. В. (2016а) Влияние ограничений ликвидности на вложения промышленных компаний в исследования и разработки и результативность инновационной деятельности // Эффективное Антикризисное Управление. №1. С. 80–89.

9. Трачук А. В., Линдер Н. В. (2017) Инновации и производительность российских промышленных компаний // Инновации. № 4 (222). С. 53–65.

10. Трачук А. В., Линдер Н. В. (2016б) Методика многофакторной оценки инновационной активности холдингов в промышленности // Научные труды Вольного экономического общества России. Т. 198. С. 298–308.

11. Charnes A., Cooper W. W., Rhodes E. (1978) Measuring the efficiency of decision making units // European Journal of Operational Research. Vol. 2, № 6. P. 429–444.

12. Cidália L. P., Pérez J. P. (2013) El uso de la metodología DEA (Data Envelopment Analysis) para la evaluación del impacto de las TIC en la productividad del sector hotelero //Varia. Vol.1. P. 1–13.

13. Cook W. D., Seiford L. M. (2009) Data envelopment analysis (DEA) – Thirty years on // European Journal of Operational Research. Vol. 192, № 1. P. 1–17.

14. Dekker D., Post T. A. (2001) Quasi concave DEA model with an application for bank branch performance evaluation // European Journal of Operational Research. Vol. 132, № 2. P. 296–311.

15. Doyle P. (2011) Value-Based Marketing. Chichester: Wiley.

16. Ghulam M. C., Syed Z., Shujahat H. (2016) Impact of Mergers & Acquisitions upon Banking Efficiency in Pakistan: A Data Envelopment Analysis Approach, Journal of Business Studies Quarterly. Vol. 8, № 1. P. 46–59.

17. Junior P., Junior P., Pamplona E. et al. (2013) Mergers and Acquisitions: An Efficiency Evaluation // Applied Mathematics.

18. Vol. 4, № 11. P. 1583–1589.

19. Kohers T., Huang M.‑H., Kohers N. (2000) Market Perception of Efficiency in Bank Holding Company Mergers: the Roles of the DEA and SFA Models in Capturing MergerPotential // Review of Financial Economics. Vol. 9, № 2. P. 101–120.

20. Kumar S. (2009) Post-Merger Corporate Performance: An Indian Perspective. Management Research. Vol. 32, № 2. P. 145–157.

21. Rahman M., Lambkin M., Hussain D. (2016) Value creation and appropriation following M&A: A data envelopment analysis // Journal of Business Research. Vol. 69. P. 5628–5635.

22. Weiguo X., Ming L. (2008) Empirical research of M&A impact on Chinese and American commercial banks’ efficiency based on DEA method // Management Science and Engineering. Vol.2, № 1. P. 38–47.


Для цитирования:


Вирабян С.Н. Измерение эффективности сделок по слиянию и поглощению: особенности применения метода DEA. Стратегические решения и риск-менеджмент. 2017;(6):58-65. https://doi.org/10.17747/2078-8886-2017-6-58-65

For citation:


Virabyan S.N. Measuring the effectiveness of mergers and acquisitions: features of the application of the DEA method. Strategic decisions and risk management. 2017;(6):58-65. (In Russ.) https://doi.org/10.17747/2078-8886-2017-6-58-65

Просмотров: 333


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