Эконометрический анализ связи между структурой совета директоров и эффективностью предприятий в российской экономике

Исходные статистические данные (экономические показатели и персональный состав совета директоров) для верификации выдвинутых гипотез собраны и обработаны автором самостоятельно. Источники данных - официальный сайт Федеральной комиссии по ценным бумагам http://fcsm.ru , коммерческий сайт www.scrin.ru, данные Госкомстата по российским предприятиям. Размер выборки - почти 800 наблюдений: данные по более чем 270-ти крупнейшим предприятиям России за 6 лет с 1999 по 2004 гг. (панель имеет пропуски). Предприятия на основе шестизначного классификатора отраслей (ОКОНХ) разделены автором на 6 агрегированных отраслевых групп: 1) электроэнергетика; 2) топливная промышленность; 3) металлургия (черная и цветная); 4) химическая и нефтехимическая; 5) машиностроение; 6) прочие отрасли: пищевая, легкая, лесная, строительная и проч.

Классификация категорий участников совета директоров основана на устоявшемся в российской специальной литературе разделении собственников и скорректирована под задачи настоящего исследования: 1) менеджмент предприятия; 2) представители органов государственной власти; 3) представители крупных холдингов; 4) представители финансовых структур; 5) представители промышленных структур; 6) представители торговых посредников; 7) прочие участники совета директоров (представители различных общественных организаций, в т. ч. независимые директора (аутсайдеры) составляют свыше половины этой категории). Персональный состав советов директоров классифицирован автором самостоятельно на основе отчетной информации.

Для измерения структуры совета директоров (представительство категорий) использован общепринятый в специальной литературе показатель - доля мест в совете директоров, принадлежащих конкретной категории.

При рассмотрении двух основных используемых показателей экономической эффективности (Q-Тобина и валовой рентабельности продаж), исходя из возможности получения в российских условиях адекватных количественных данных, выбран второй, рассчитываемый как: валовая рентабельность продаж = валовая прибыль за отчетный год (строка 50 формы 2 бухгалтерского баланса) / валовая выручка за отчетный год (строка 10 формы 2 бухгалтерского баланса).

Исследование эконометрической связи между структурой совета директоров и эффективностью предприятия с помощью выделения типов советов директоров методами кластерного анализа

Процедура выделения типов советов директоров (кластеров) предусматривает первоначальное определение их числа, которое в настоящем исследовании обосновывается как теоретически, так и статистически. В западной и отечественной литературе показано, что ключевым критерием выделения кластеров может служить доминирование определенной категории участников совета директоров или собственника, то есть число кластеров связано с количеством основных категорий.

Первоначальное число кластеров, выделенных с помощью иерархических кластер-процедур (см. рис.1 Дендрограмма исследуемой выборки), было определено на уровне 5. Тем самым заданы границы перебора на следующем этапе.

На основе анализа Таблицы №1, отражающей результаты расчетов по методу k-средних с различным числом кластеров (от 3 до 8), определено требуемое для исследования число кластеров – 5, которое совпало с первоначальным. При таком разбиении, во-первых, в каждом из кластеров доминирует только одна из основных категорий участников совета директоров, что соответствует в корпоративном управлении принципу группирования предприятий по доминирующей категории собственников. Во-вторых, из Таблицы №1 следует, что дальнейшее увеличение числа кластеров (более 5) происходит в основном за счет дробления кластера №2 (с доминированием представителей крупных холдингов), тем самым не приводит к выделению из них принципиально новых (в смысле структуры) кластеров. При сокращении их числа (менее 5), наоборот, происходит последовательное укрупнение кластеров и смешение в них разных категорий участников.

Таблица №1

Изменения в составе типов советов директоров (кластеров) в зависимости от их числа при разбиении

В Таблице №2 представлены данные о центрах выделенных кластеров.

Таблица №2

Характеристики центров кластеров (в %)

В кластере №1 доминируют представители органов государственной власти (45%) и менеджмент (28%). В кластере №2 преобладают представители менеджмента (34%), однако две другие группы – представители финансовых структур (28%) и прочие представители (15%) в сумме превосходят долю менеджмента. В кластере №3 подавляющее большинство принадлежит представителям крупных холдингов (63%). В кластере №4 преобладают представители различных промышленных структур (45%), однако доля менеджмента также существенна (31%). В кластере №5 подавляющее большинство - у менеджмента компании (81%).

Проверка гипотезы о статистической значимости различий в значениях валовой рентабельность, численности совета директоров, численности работников для разных кластеров.

Дополнительно установлено, что средние значения таких показателей как валовая рентабельность продаж, численность совета директоров, численность работников для разных кластеров статистически различны (данные приведены в Таблице №3).

Таблица №3

Средние значения некоторых показателей выделенных кластеров

Для установления этого статистического факта применено сравнение средних и стандартных квадратических отклонений значений показателей, рассчитанных для каждого кластера (t-тест сравнения средних выполнен в программном пакете Statistica). Наибольшее число различий по рассматриваемым показателям у кластеров №1 и №3.

В Таблице №4 представлены данные по статистической значимости различий кластеров. Например, кластер №1 по всем рассматриваемым показателям отличен от кластера №3, №3 – от №5, а №2 – от №3. Таким образом, кластеры, выделенные по одному критерию (доли категорий в совете директоров), статистически различны и по другим показателям. Тем самым полученные результаты косвенно подтверждают гипотезу о существовании зависимости между эффективностью компании и особенностями ее корпоративного управления, с одной стороны, и типом советов директоров (кластером) - с другой.

Таблица №4

Сводные данные уровней значимости (в %) статистической гипотезы о различии средних значений некоторых показателей выделенных кластеров

Интерпретация полученных результатов.

В специальной литературе отмечается различие в целевых функциях отдельных категорий участников совета директоров (собственников). Независимых директоров больше интересуют выплаты по дивидендам и курс акций; финансовые структуры - стабильность и долгосрочность денежного потока, ликвидность активов; органы государственной власти – занятость, социальная защищенность, налоговые отчисления; трудовой коллектив – стабильность, уровень зарплаты; промышленные структуры (контрагентов) – качество и цена продукции, устойчивость хозяйственных связей; менеджмент - прибыль, курс акций, размер предприятия, зарплата, бонусы и т.п.

В основе выделенных типов советов директоров (кластеров) лежит доминирование определенных категорий участников совета директоров, имеющих различные целевые функции.

Можно предположить, что они влияют как на целевую функцию предприятия, так и на характер поведения остальных категорий участников совета директоров, тем самым, определяя уже их характер влияния на деятельность предприятия. Конкретные каналы влияния нуждаются в дальнейшей проработке. Возможна и обратная причинно-следственная связь: предприятия с определенными результирующими показателями, например, высокой рентабельностью, интересны определенным категориям лиц. Таким образом, можно считать подтвержденной гипотезу о существовании типов советов директоров (кластеров), характеризующихся специфическими параметрами эконометрической связи между структурой советов директоров и эффективностью предприятия.

Применение аппарата цепей Маркова для прогноза устойчивой структуры типов совета директоров в российской экономике

Для исследования динамики типов советов директоров в работе использованы элементы теории цепей Маркова. В данном контексте использование этого аппарата заключается в поиске финального (стационарного) распределения кластеров, так называемых финальных точек динамики - x1, x2, x3, x4, x5, где xi – это “вес” кластера, т.е. доля предприятий, советы директоров которых принадлежат i-му кластеру. Объект (в данном случае предприятие) ”забывает” откуда начато движение, т.к. рассматриваемые вероятности переходов не связаны с начальным состоянием, т.е. вероятность перейти в любой кластер не зависит от нахождения в текущем кластере. В результате складывается устойчивое распределение предприятий между кластерами.

На основе собранных данных для каждых двух последовательных периодов рассчитаны оценки вероятностей переходов из i-го кластера в j – pij, после чего получена оценка усредненной матрицы финальных вероятностей (A) за 6 лет. Далее, для нахождения стационарного решения (X) решена система (1):

где матрица A:

(1)

.

Решение системы (прогноз распределения предприятий между кластерами) и оценка исходного распределения в 2004 г. представлены ниже в Таблице №5:

Таблица №5

Оценка текущего и прогноз будущего распределения типов советов директоров

В соответствии с прогнозом: доля кластера №1 существенно снизится (-65%); доля кластера №3 возрастет (+27%), а доля кластера №5 сократится (-29%); доли кластеров №2 и №4 сократятся менее существенно (соответственно –15% и –11%). Прогноз распространяется только на отдельные промышленные предприятия, не затрагивая структуры советов директоров холдингов.

Содержательно это означает, что со временем доля предприятий, в советах директоров которых доминируют представители органов государственной власти, существенно сократится. Доля предприятий с преобладанием в советах директоров представителей крупных холдингов вырастет, таких советов станет большинство. Доля предприятий с доминированием менеджмента снизится, а доли предприятий, в советах директоров которых доминируют другие категории, изменятся незначительно. Тенденции в российской экономике в целом это подтверждают: прямое участие органов государственной власти в советах директоров отдельных предприятий снижается, промышленная интеграция возрастает, а единоличное управление менеджмента на предприятии размывается.

Для проверки устойчивости составляющих прогноза к ошибкам при оценивании параметров была разработана имитационная модель, определяющая вероятность его реализации (надежность). В модели с заданным значением коэффициента вариации (выступал в качестве величины влияния ошибок) все недиагональные элементы матрицы А изменялись по нормальному закону распределения, а диагональные элементы рассчитывались вычитанием недиагональных элементов из единицы. Число итераций составило 62500 для каждого варианта значения коэффициента вариации. Каждому такому случайному значению матрицы А соответствовало свое стационарное решение системы (1). Прогноз считался подтвержденным, если случайное значение попадало в эвристически установленные интервалы различий между получаемым стационарным решением и оценкой исходного распределения в 2004 г. Для кластера №1 под таким интервалом понималось любое сокращение прогнозируемого значения от оценки исходного распределения в 2004 г. более, чем на 40%; для кластера №3 - рост в пределах 20%-40%; для кластера №5 - сокращение в пределах 20%-40%; для кластеров №2 и №4 - любые изменения в пределах 20% (см. Таблица №6).

Таблица №6

Зависимость надежности (в %) составляющих прогноза от коэффициента вариации оценок вероятностей переходов между кластерами

Из Таблицы №6 видно, что вероятность реализации прогноза изменения только доли кластера №1 очень высокая: даже при распределении недиагональных элементов матрицы А с коэффициентом вариации 30% она cоставляет 98%. Вероятность одновременного выполнения прогноза для кластеров №1, №3 и №5 при 10%-м коэффициенте вариации - 91%, А вероятность одновременной реализации всех составляющих прогноза при 7.5%-м коэффициенте вариации - 80%. Таким образом, при 80%-м уровне вероятности выполнения прогноза и 7.5%-м коэффициенте вариации построенный прогноз можно рассматривать как устойчивый.

Влияние типа совета директоров (кластера) на эконометрическую связь между долей менеджмента в составе этого совета и эффективностью предприятия

Для исследования эконометрической связи между структурой совета директоров и эффективностью российских предприятий построены три вида регрессионных моделей: общая (базовая) модель для всей выборки, модели конкретных кластеров, модели для конкретной отрасли.

В общей (базовой) модели исследована зависимость показателя эффективности (валовой рентабельности продаж) P от следующих переменных, характеризующих структуру совета директоров: доли менеджеров (M), представителей государственных органов власти (S), представителей крупных холдингов (H), финансовых (F) и промышленных структур (I), прочих участников (O) в совете. Для тех моделей, в которых присутствие последних четырех категорий незначительно, в качестве замены использованы соответствующие фиктивные переменные DS, DF, DL, DO принимающие значения 1, если, соответственно, S>0, F >0, L >0, O >0 и 0, если S=0, F =0, L =0, O =0.

Для учета нелинейного характера связей включены квадраты переменных: доля менеджмента () и доля представителей крупных холдингов (). Нелинейный характер связи других переменных из-за некоторых характеристик выборки (в первую очередь, недостаточный объем данных) в работе не исследовался.

В качестве экономических объясняющих переменных в модель включены LS, LЕ, LG – соответственно, логарифмы выручки, численности рабочих, темпа роста выручки предприятий. Для учета принадлежности к периоду, отрасли, кластеру использованы соответствующие фиктивные переменные: – равна 1 для наблюдений, относящихся, соответственно, к 1999 и 2000 гг., к 2001 и 2002 гг., и 0 для всех прочих периодов; - равна 1 для предприятия, относящегося k-й отрасли, и 0 в противном случае; - равна 1 для предприятий, относящихся к кластеру j, и 0 в противном случае.

Общая (базовая) модель №1:

(1)

и ее дополнение:

Общая (базовая) модель №2

(2)

Общая модель - самая детальная из трех видов разработанных моделей. Модели кластеров и отраслевые модели получены путем модификации общей модели исходя из содержательных соображений. Однако иногда это диктовалось стремлением сохранить на приемлемом уровне соотношение число наблюдений/число переменных.

При построении модели кластеров из общей модели исключены фиктивные кластерные и отраслевые переменные. В модели кластеров включены только переменные доминирующих категорий участников данного кластера (формализовано с помощью булевой переменной – для j-го кластера и z-го типа представителей равная 1, если данный тип является доминирующим для данного кластера (см. Таблицу №7) и 0 в противном случае. Так для первого кластера, где доминируют представители категории №2 -представители органов государственной власти = 1, для четвертого, где доминируют представители промышленных структур (категория №5) - =1). Из моделей кластеров исключены фиктивные кластерные и отраслевые переменные.

Модели кластеров:

(3)

В отраслевых моделях не рассматривались фиктивные кластерные и отраслевые переменные. В некоторых случаях исключалась переменная LG, так как это позволяло увеличить размер выборки до полутора раз (поскольку не требовалось наблюдений за два последовательных периода), и, следовательно, получить более репрезентативные результаты.

Общая отраслевая модель

(4)

где - номер кластера, – номер категории, – номер отрасли, - номер периода, - год; - номер предприятия

Общая модель оценена с помощью панельных данных. Выбор между моделями с фиксированным и случайным эффектом проведен на основе, как формальных критериев, так и исходя из содержательных соображений. Тест Бреуша-Пагана отверг нулевую гипотезу о возможности игнорировать индивидуальные эффекты и объединить данные в пользу модели случайных эффектов. Однако тест Хаусмана отверг гипотезу о значимости различия между оценками модели случайных и фиксированных эффектов. Таким образом, каждый из тестов указывал на необходимость применения альтернативной модели.

Таблица №7

Результаты оценивания общих моделей №1 и №2 и моделей кластеров