Определение степени влияния данных консолидированной финансовой отчетности на принятие решений пользователями финансовой отчетности



В статье рассматриваются степень влияния данных консолидированной отчетности на процесс принятия управленческих решений. Для этого предложены две модели оценки влияния изменений данных в отчетности на рыночную стоимость организации.

Ключевые слова: консолидированный учет, консолидация, бухгалтерский и управленческий учет, консолидированные группы компаний, математическая модель

Современные условия бизнес-среды заставляют крупные компании проводить слияния и поглощения для повышения своей конкурентоспособности и защиты от рисков. Однако подобные объединения, которые традиционно называют «группы предприятий», требуют особого типа информационной базы для принятия управленческих решений. Эту роль в большинстве организаций выполняет консолидированная отчетность. Для использования консолидированного учета в деятельности организации важно понимать, каким образом данные консолидированной отчетности влияют на принятие решений пользователями данной отчетности. Данную задачу можно решить, используя математические модели оценки влияния финансовых показателей на рыночную стоимость организации.

Для оценки эффективности исполнения той или иной функции применяют такое понятие как «качество». Сам термин «качество» — многозначный. В стандарте ГОСТ ISO 9001-2011 «Системы менеджмента качества. Требования» он определен следующим образом: «Качество — степень соответствия совокупности присущих характеристик требованиям» [1].

Для решения поставленных задач требуется оценить качество информации, генерируемой системой бухгалтерского учета. Этого можно достичь двумя путями: качественной или количественной оценкой. Качественная оценка во многом базируется на экспертном суждении специалистов, например, аудиторов, проводящих проверку системы бухгалтерского учета данной организации. Количественно оценить качество информации несколько сложнее. Для этой цели необходимо разработать систему факторных и результирующих показателей [2-3].

Одной из основных функций бухгалтерского учета в системе менеджмента является информационная, которая заключается в формировании и предоставлении информационной базы для принятия управленческих решений. В соответствии с этим определим для целей исследования качество бухгалтерской информации как ее соответствие сложившейся на предприятии хозяйственной ситуации для целей принятия управленческих решений [6].

Очевидно, что опубликованный пакет бухгалтерской отчетности оказывает существенное влияние на принятие решения об инвестировании в компанию. Однако оценить такое влияние возможно лишь средствами регрессионного анализа. Также был проведен анализ изменения указанной зависимости во времени. Это связано с тем фактом, что бухгалтерская методология постоянно развивается, и качество информации должно потенциально возрастать. Так, за последние годы произошло несколько важных изменений: законодательное закрепление составления консолидированной отчетности, сближение РСБУ и МСФО и т.д.

Ключевым исследованием в данной области является работа американского экономиста Джеймса Олдсона «Использование показателей прибыли, балансовой стоимости и дивидендов для оценки стоимости капитала» [5]. В статье Олдсон разрабатывает математическую модель соотношения стоимости капитала компании, показателей прибыли и балансовой стоимости. В дальнейшем исследователи модифицировали модель Олсона. В данной работе используется модель со следующими допущениями: стоимость акции компании напрямую зависит от бухгалтерских показателей чистой прибыли за период и стоимости собственного капитала на отчетную дату [4].

Были рассмотрены две математические модели для расчета рыночной стоимости компании:

Модель 1 (индивидуальная отчетность):

Pit = a1*Рeq.it+ a2*Рpr.it + Eit, (1)

Модель 2 (консолидированная отчетность):

Pit = a1*Кeq.it+ a2*Кpr.it + Eit, (2)

Где Pit — средняя стоимость акций компании i за период t;

Рeq.it — стоимость собственного капитала материнской компании i в расчете на одну акцию за период t;

Рpr.it — чистая прибыль (убыток) материнской компании i в расчете на одну акцию за период t;

Кeq.it — стоимость собственного капитала группы компании i в расчете на одну акцию за период t;

Кpr.it — чистая прибыль (убыток) группы компании i в расчете на одну акцию за период t;

a1, a2 — коэффициенты регрессионной модели;

Eit — случайная величина для компании i за период t.

Описанные модели не имеют цели предсказать будущую стоимость акций компаний на фондовом рынке. Их цель — показать, насколько данные бухгалтерской отчетности были учтены при принятии пользователями данной отчетности решений, которые повлияли на текущую рыночную стоимость компании.

Методика исследования заключается в математическом моделировании системы показателей: стоимости акций компании, балансовой стоимости собственного капитала и чистой прибыли как консолидированной группы предприятий, так и отдельно родительской компании [7]. Период наблюдений — 2010-2013 года. В качестве стоимости акций компаний использовалась средняя цена за период с 1 по 30 апреля следующего года. Данный период был выбран для того, чтобы учесть в расчетах временной лаг, который связан с публикацией отчетности компаний в течение первых трех месяцев, следующих за отчетным годом. Данные были подготовлены по официальным источникам компаний в сети Интернет. Список компаний, отобранных для наблюдения, представлен в таблице 1.

Таблица 1

Отобранные для моделирования компании

№п/п	Наименование компании	Отрасль	Отобранный листинг на бирже
1	Лукойл	Нефтеперерабатывающая промышленность	Московская биржа
2	Сургутнефтегаз	Нефтегазодобыча	Московская биржа
3	Вымпелком	Телекоммуникации	Нью-Йоркская биржа
4	Магнит	Розничная торговля	Московская биржа
5	Северсталь	Чёрная металлургия	Московская биржа
6	Башнефть	Нефтегазодобыча	Московская биржа
7	МТС	Телекоммуникации	Московская биржа
8	Норильский никель	Цветная металлургия	Московская биржа
9	НЛМК	Чёрная металлургия	Московская биржа
10	Мегафон	Телекоммуникации	Московская биржа
11	ММК	Чёрная металлургия	Московская биржа
12	ТМК	Чёрная металлургия	Московская биржа
13	Дикси	Розничная торговля	Московская биржа
14	М-Видео	Розничная торговля	Московская биржа
15	Камаз	Автомобильная промышленность	Московская биржа

Для оценки модели были использованы следующие коэффициенты: значимость F, стандартная ошибка и скорректированный коэффициент детерминации. С помощью критерия Фишера оценивают качество регрессионной модели в целом. Для этого выполняется сравнение полученного и табличного F-значения. Стандартная ошибка регрессии рассматривается в качестве меры разброса данных наблюдений от смоделированных. Результирующим показателем был выбран скорректированный коэффициент детерминации, показывающий меру зависимости одной величины от ряда других показателей в моделях с разным количеством факторов.

Результаты расчета регрессионных коэффициентов представлены в таблицах 2 и 3.

Таблица 2

Результаты математического моделирования на уровне отчетности материнской компании

Год	Число наблюдений	Полученная модель	F-значимость	Стандартная ошибка	Скорректированный коэффициент детерминации
2013	14	3,04* Рeq.it -1,57* Рpr.it	3,93E-03	1865,4	49,88 %
2012	15	1,35* Рeq.it +3,28* Рpr.it	2,89E-03	1509,0	49,62 %
2011	15	1,58* Рeq.it -0,29* Рpr.it	6,88E-05	887,6	69,09 %
2010	14	3,78* Рeq.it -5,2* Рpr.it	5,13E-06	884,4	78,89 %

Таблица 3

Результаты математического моделирования на уровне консолидированной отчетности группы компаний

Год	Число наблюдений	Полученная модель	F-значимость	Стандартная ошибка	Скорректированный коэффициент детерминации
2013	14	3,05* Кeq.it -6,33* Кpr.it	2,84E-07	514,1	84,09 %
2012	14	2,79* Кeq.it -5,70* Кpr.it	3,97E-08	357,6	86,36 %
2011	12	-1,44* Кeq.it+12,18* Кpr.it	1,67E-09	195,4	88,63 %
2010	12	4,21* Кeq.it -11,38* Кpr.it	5,97E-07	530,5	84,96 %

По результатам исследования были сформированы несколько основных выводов. Так, представленные модели достаточно точно описывают фактически полученные значения. Интересна динамика изменения скорректированного коэффициента детерминации. На уровне индивидуальной отчетности материнской компании приемлемыми модели оказались лишь в период 2010-2011годов (>50 %). В то же время данный показатель на уровне отчетности группы компаний во всех периодах наблюдения остается достаточно высоким для того, чтобы признать сильную зависимость результирующего показателя стоимости акций компании от данных бухгалтерской отчетности. Полученные результаты можно объяснить тем, что, во-первых, инвестор, приобретая акции материнской компании, делает вклад во всю группу (холдинг), поэтому логично, что данным консолидированной отчетности уделяется больше внимания, чем индивидуальным отчетностям входящих в группу компаний. Во-вторых, консолидированная отчетность, согласно Федеральному Закону № 208-ФЗ «О консолидированной финансовой отчетности», составляется по Международным Стандартам Финансовой Отчетности (МСФО), что, как было продемонстрировано в аналогичных исследованиях по европейским компаниям [2-3], значительно повышает качество информации, полученной из бухгалтерского учета.

Однако описанная выше модель обладает некоторыми недостатками, в частности:

1. Аддитивная модель плохо подходит для оценки большого количества компаний, т. к. величина случайной переменной Eit может колебаться в широком диапазоне в зависимости от однородности результатов индивидуальных компаний в выборке;
2. Так как в состав собственного капитала входит в том числе и нераспределенная прибыль, происходит задвоение значения прибыли за период;
3. Собственный капитал зачастую существенно отличается от капитализации компании из-за особенностей функционирования фондовых рынков.

Поэтому авторами предлагается скорректированная модель оценки качества бухгалтерской информации в консолидированной и индивидуальной отчетностях.

Скорректированная модель должна обладать следующими свойствами:

1. Иметь мультипликативный тип;
2. Включать в расчет прибыль за период только один раз;
3. Учитывать отклонения между собственным капиталом и рыночной капитализацией.

Для этого предлагается ввести коэффициент отклонения капитализации от собственного капитала, который рассчитывается следующим образом:

Ккорр = Кi / Eq.i, (3)

Где К — капитализация компании i по рыночной стоимости ее акций на определенный момент времени;

Eq. — собственный капитал компании i, взятый из бухгалтерской отчетности (III раздел бухгалтерского баланса).

Капитализация компании К в свою очередь рассчитывается как:

К= Ni * Pi, (4)

Где Ni — количество акций компании i в обращении;

Pi — средняя стоимость акций компании i.

Рассчитанные для отобранных компаний коэффициенты отклонения капитализации от собственного капитала представлены в таблице 4.

Таблица 4

Коэффициенты отклонения капитализации от собственного капитала

№п/п	Наименование компании	Ккорр по данным материнской компании	Ккорр по данным группы компаний
1	Лукойл	2,6	0,7
2	Сургутнефтегаз	0,6	0,6
3	Вымпелком	5,7	1,8
4	Магнит	11,9	5,4
5	Северсталь	1,3	1,4
6	Башнефть	2,4	1,2
7	МТС	4,8	4,2
8	Норильский никель	2,0	2,5
9	НЛМК	1,4	1,4
10	Мегафон	3,5	4,5
11	ММК	0,8	0,5
12	ТМК	3,2	1,7
13	Дикси	3,6	1,8
14	М-Видео	5,8	3,8
15	Камаз	0,8	1,0

Результаты исследования показывают, что корректировочный коэффициент отклонения собственного капитала от капитализации в среднем изменяется в диапазоне от 0,5 до 12. Эти отклонения связаны со спекулятивными операциями на рынке ценных бумаг, которые приводят к завышению стоимости компании, не подтвержденному увеличением активов предприятия. Так, оптимистичные ожидания инвесторов приводят к покупке большого количества ценных бумаг, что увеличивает их стоимость. В дальнейшем это может быть подтверждено благоприятными финансовыми результатами деятельности компании. Тогда собственный капитал будет увеличиваться за счет нераспределенной прибыли и увеличится до уровня капитализации. Однако ожидания инвесторов могут не оправдаться, после чего цены на акции компании снизятся, и рыночная капитализация приблизится к собственному капиталу. Ситуация, когда коэффициент меньше единицы, объясняется неэффективностью политики предприятия на рынке ценных бумаг.

С учетом всего вышесказанного, скорректированная модель оценки качества бухгалтерской информации примет следующий вид:

Скорректированная модель 1 (индивидуальная отчетность):

Pit = a*Ккорр*Рpr.it + Eit, (5)

Скорректированная модель 2 (консолидированная отчетность):

Pit = a*Ккорр*Кpr.it + Eit, (6)

Результаты расчета регрессионных коэффициентов представлены в таблицах 5 и 6.

Таблица 5

Результаты математического моделирования на уровне отчетности материнской компании по скорректированной модели

Год	Число наблюдений	Полученная модель	F-значимость	Стандартная ошибка	Скорректированный коэффициент детерминации
2013	14	4,1*Рpr.it	1,82E-09	545,4	95,17 %
2012	15	5,7* Рpr.it	1,66E-07	681,9	87,77 %
2011	15	4,1* Рpr.it	2,36E-04	944,3	63,32 %
2010	14	4,0* Рpr.it	1,48E-05	989,7	78,57 %

Таблица 6

Результаты математического моделирования на уровне консолидированной отчетности группы компаний по скорректированной модели

Год	Число наблюдений	Полученная модель	F-значимость	Стандартная ошибка	Скорректированный коэффициент детерминации
2013	14	8,4* Kpr.it	1,42E-04	949,2	69,03 %
2012	14	5,4* Kpr.it	8,16E-09	342,1	93,80 %
2011	12	3,1* Kpr.it	6,44E-11	173,1	98,67 %
2010	12	5,7* Kpr.it	7,67E-11	253,6	98,62 %

Таким образом, скорректированная модель улучшила прогнозы как модели для индивидуальной отчетности, так и для консолидированных данных. Единственное исключение — консолидированная модель за 2013 год. Падение качества модели в этом случае можно объяснить множеством факторов, например, общей макроэкономической ситуацией.

Предложенная скорректированная модель обладает несколькими преимуществами:

1. Позволяет сравнивать разнородные компании между собой благодаря мультипликативному типу модели;
2. Учитывает связанное с функционированием фондовых рынков отклонение собственного капитала от капитализации.

Выводы и направления дальнейших исследований

Авторами была рассмотрена предложенная Олдсоном модель оценки качества бухгалтерской информации на основании регрессионного анализа рыночной цены акции компании в зависимости от бухгалтерских показателей собственного капитала и прибыли за период. Модель Олдсона подтвердила предположение о повышении качества информации при использовании в качестве информационной базы не индивидуальной отчетности, а консолидированной. В качестве альтернативы была предложена модель, учитывающая отклонение величины собственного капитала компании от ее рыночной капитализации.

В качестве дальнейших направлений исследования предлагается рассмотреть возможность применения коэффициента отклонения собственного капитала от рыночной капитализации для расчета других управленческих показателей. В качестве примера можно привести рентабельность компании, рассчитанную двумя методами: на основе собственного капитала и рыночной капитализации. Сравнение двух видов рентабельности предлагается производить как между собой, так и с альтернативной базой сравнения: ставкой рефинансирования, средней ставкой по депозитам и другими относительными показателями.

Rкi = Pr.i / Кi, (7)

Req.i = Pr.i / Eq.i, (8)

Литература:

1. ГОСТ ISO 9001-2011. Системы менеджмента качества. Требования. — Москва: ФГУП "СТАНДАРТИНФОРМ", 2012. — 36 с.;
2. Victor-Octavian Müller. The impact of IFRS adoption on the quality of consolidated financial reporting // Procedia — Social and Behavioral Sciences. 2014. Vol. 109. P. 976-982;
3. Victor-Octavian Müller. Value relevance of consolidated versus parent company financial statements: evidence from the largest three European capital markets // Accounting and Management Information Systems. 2011. Vol.10(3). P. 326-350;
4. Березинец И.В., Волков Д.Л. Управление ценностью: анализ, основанный на бухгалтерских показателях моделей оценки: Научные доклады НИИ менеджмента СПбГУ. — 2006. — № 3.;
5. James A. Ohlson. Earnings, book values and dividends in equity valuation // Contemporary Accounting Research. 1995. Vol.11(2). P. 661-687;
6. Соколова Е.С. Методология оценки качества учетной информации: дис. канд. эк. наук. Москва, 2011;
7. Halonen Elisa, Pavlovic Jelena, Persson Rickard. Value relevance of accounting information and its impact on stock prices: Evidence from Sweden // Journal of Contemporary Accounting & Economics. 2013. Vol.9(1). P. 47-59.