Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Развитие методов оценки инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Подрезов, Павел Николаевич
Место защиты	Орел
Год	2008
Шифр ВАК РФ	08.00.05

Диссертация

Автореферат диссертации по теме "Развитие методов оценки инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей"

На правах рукописи

Подрезов Павел Николаевич

РАЗВИТИЕ МЕТОДОВ ОЦЕНКИ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ НА ОСНОВЕ МНОГОФАКТОРНЫХ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ

08.00.05 Ч Экономика и управление народным хозяйством (управление инновациями и инвестиционной деятельностью) 08.00.13 - Математические и инструментальные методы экономики (математические методы)

Автореферат диссертации на соискание ученой степени кандидата экономических наук

00316ВЬ>зы

Орел - 2008

003168538

Работа выпонена в государственном образовательном учреждении высшего профессионального образования "Орловский государственный технический университет"

Научный руководитель Официальные оппоненты:

Ведущая организация

доктор экономических наук, профессор Шуметов Вадим Георгиевич

доктор экономических наук, профессор Самостроенко Георгий Максимович

кандидат экономических наук, доцент Тинякова Виктория Ивановна

Государственная академия профессиональной переподготовки и повышения квалификации руководящих работников и специалистов инвестиционной сферы" (ГОУ ДПО ГАСИС)

Защита состоится 30 мая 2008 г. в 12 часов на заседании диссертационного совета Д 212.182.02 при ГОУ ВПО "Орловский государственный технический университет" в ауд. № 212 по адресу: 302020, г. Орел, Наугорское шоссе, 29

С диссертацией можно ознакомиться в библиотеке и на официальном сайте www.ostu.ru ГОУ ВПО "Орловский государственный технический университет"

Автореферат разослан 29 апреля 2008 г.

Ученый секретарь

диссертационного совета

доктор экономических наук, профессор

С.А. Измакова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В течение последних лет в отечественной практике большое внимание уделяется оценкам рейтинга предприятий различных отраслей промышленности. Рейтинг, по которому предприятие позиционируется в ряду предприятий родственных отраслей или находящихся на этой же территории, во многом определяет дальнейшую траекторию его развития, причем это относится не только к возможностям получения допонительных инвестиций со стороны потенциальных инвесторов, но и к мобилизации его внутренних ресурсов. В то же время, существующие методики оценки рейтинга инвестиционной привлекательности конкретного промышленного предприятия фактически предполагают лишь констатацию его места "в линейке" прочих, но не раскрывают возможности перемещения предприятия в этой линейке на более высокие позиции.

В связи с вышесказанным, возрастает актуальность разработки научно обоснованных методик оценки инвестиционной привлекательности действующих промышленных предприятий, позволяющих не только установить сравнительный рейтинг, но и оценить возможности его изменения за счет управления факторами, определяющими этот рейтинг, выпонить соответствующий прогноз. Подобная методика может быть создана на основе многофакторных эконометрических моделей, описывающих связь итоговых оценок инвестиционной привлекательности предприятий с факторами их производственной и финансовой деятельности, что требует проведения глубоких и детальных статистических исследований.

Степень разработанности проблемы. Важность обозначенной тематики обусловливает интерес отечественных исследователей к анализу факторов производственной и финансовой деятельности промышленных предприятий, определяющих их рейтинг. Эти факторы анализируют не только рейтинговые агентства; интерес к этим вопросам обусловлен и таким массовым явлением в российской экономике, как экономическая несостоятельность предприятий. В ряду отечественных исследований, раскрывающих факторы экономической несостоятельности, следует указать работы JI. Вокова, М. Делягина, В. Зубова, В. Иванова; в зарубежных исследованиях Ч работы А. Берли, М. Джен-сена, У. Меклинга, Г. Минза, Дж. Гэбрейта, Г. Саймона, Ю. Фама. Значительный интерес в ракурсе данной темы представляют также труды Л. Бляхмана, Г.Б. Клейнера, B.JI. Тамбовцева и P.M. Качалова.

В то же время, наблюдается некоторая двойственность указанных работ. С одной стороны, рейтинг получил своеобразный "знак качества". Бизнес растет, и у него возникает потребность позиционировать себя на национальном рынке. Это порождает определенную субъективность

подхода ряда аналитиков к критериям оценки составляющих рейтинга. С другой стороны, исследования факторов экономической несостоятельности, выпоненные на высоком теоретическом и эмпирическом уровнях, охватывают только те факторы производственной и финансовой деятельности промышленных предприятий, которые критичны именно в этом ракурсе.

Сказанное обусловливает необходимость статистических исследований, на основании которых можно отобрать основные факторы производственной и финансовой деятельности предприятий различных отраслей промышленности, установить их связь с итоговыми показателями инвестиционной привлекательности. Этим исследованиям дожен предшествовать теоретический анализ понятийного аппарата инвестиционных процессов, анализ методологических подходов и роли многофакторного эконометрического моделирования в оценке и прогнозировании инвестиционной привлекательности промышленного предприятия.

При теоретической и методологической проработке перечисленных вопросов могут быть использованы труды классиков зарубежной экономической теории и прикладных аспектов моделирования экономических процессов в области инвестиционной деятельности Г. Алексан-дера, Дж. Бэйли, Р. Гудвина, Е. Домара, JI. Иохансена, Н. Кадора, Дж. Кейнса, А. Маршала, М. Милера, Ф. Модильяни, А. Пигу, Я. Полака, Р. Солоу, Я. Тинбергена, П. Фишера, Е. Хагена, Э. Хансена, Р. Харрода, Д. Хикса, У. Шарпа и др.

В плане развития темы исследования содержательными являются также труды российских экономистов: С. Абрамова, В. Барда, H.A. Бланка, Ю. Богатина, В.В. Бочарова, В.К. Гуртова, В. Жданова, И. Зимина, Н. Колесникова, Д.С. Львова, Н. Мильчаковой, С. Никитина, В. Сад-кова, И. Сергеева, Г. Самостроенко, Ф. Тумусова, В.Е. Черкасова, В. Швандера и др.

Вопросы теории и практики эконометрического моделирования отражены не только в фундаментальных трудах известных экономистов Ч JI. Клейна, Д. Макфаддена, Ф. Модильяни, Д. Тобина, Я. Фриша, Т. Хаавельмо, Дж. Хэкмена и др., но и в изданиях учебного характера Ч С.А. Айвазяна, И.С. Енюкова и Л.Д. Мешакина; К. Доугерти;

A.M. Дуброва, B.C. Мхитаряна и Л.И. Трошина; И.И. Елисеевой; Я.р. Магнуса, П.К. Катышева и A.A. Пересецкого; В.П. Носко,

B.Г. Шуметова и др.

Объект исследования Ч отечественные интенсивно развивающиеся промышленные предприятия с позиций инвестиционной привлекательности.

Предмет исследования Ч методы оценки инвестиционной привлекательности промышленных предприятий Центральной России на основе эконометрических моделей.

Цель исследования состоит в разработке научно обоснованных методов анализа и прогнозирования инвестиционной привлекательности отечественных промышленных предприятий на основе многофакторных эконометрических моделей.

Достижение поставленной цели осуществлялось решением следующих основных задач исследования:

Ч выпонить анализ теоретико-методологических основ оценки и прогнозирования инвестиционной привлекательности российских промышленных предприятий;

Ч исследовать взаимосвязь факторов инвестиционной привлекательности предприятий различных отраслей промышленности;

Ч выпонить эконометрическое моделирование инвестиционной привлекательности предприятий ведущих отраслей промышленности Центральной России;

Ч разработать типологию интенсивно развивающихся предприятий ведущих отраслей промышленности Центральной России;

Ч разработать методику оценки и прогнозирования инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей.

Теоретической и методологической основой диссертационного исследования послужили методологические принципы, теоретические положения и выводы, содержащиеся в фундаментальных и прикладных исследованиях отечественных и зарубежных авторов по теории инвестиционных процессов и их связи с развитием предприятий, вопросам оценки, моделирования и прогнозирования инвестиционной привлекательности промышленного предприятия на различных уровнях, теории эко-нометрического моделирования, многомерного статистического анализа.

В процессе исследования применяся методический аппарат эко-нометрического моделирования, методы корреляционно-регрессионного, дискриминантного, факторного и кластерного анализов. Обработка эмпирической информации, эконометрическое моделирование и прогнозирование осуществлялись с использованием стандартных программ статистического анализа.

Эмпирическая база диссертации построена на материалах российских рейтинговых агентств, сети Интернет, данных Роскомстата.

Научная новизна проведенного исследования заключается в разработке методологических и методических подходов к моделированию и прогнозированию инвестиционной привлекательности российских промышленных предприятий в современных условиях развития экономики на основе многофакторных эконометрических моделей.

Научная новизна подтверждается научными выводами и результатами, выносимыми на защиту:

Ч обосновано, что при оценке инвестиционной привлекательности промьппленного предприятия необходимо учитывать не только показатели производственной и финансовой деятельности, но и его отраслевую принадлежность. Составляющие инвестиционной привлекательности предприятий могут иметь различную значимость для разных отраслей, при этом она во многом определяется инвестиционной привлекательностью региона (п. 4.15 Паспорта специальности ВАК 08.00.05);

Ч на основании анализа ряда методик оценок рейтинга инвестиционной привлекательности промышленных предприятий установлено, что данные Рейтингового агентства АК&М, несмотря на субъективный характер выбора составляющих итогового рейтинга и агоритма его расчета, могут быть использованы в качестве эмпирической базы для многофакторного эконометрического моделирования. Эффективным инструментом моделирования и прогнозирования являются дискри-минантный, факторный и кластерный анализы, агоритмы которых поддерживаются широко распространенным в региональных органах статистики базовым модулем пакета программ статистического анализа данных общественных наук SPSS Base (п. 4.15 Паспорта специальности ВАК 08.00.05);

Ч сравнение средних значений и интервалов изменения информативных показателей инвестиционной привлекательности интенсивно развивающихся предприятий двух ведущих отраслей Центральной России Ч машиностроения и пищевой промышленности Ч показало невозможность объединения эмпирических данных по отраслям с целью повышения общности и надежности статистических выводов. Выявлен асимметрический характер распределения показателей и обосновано, что симметризация их распределений может быть достигнута логарифмическим преобразованием. Предложена новая статистическая характеристика вариабельности Ч коэффициент квартальной вариации, применимый в качестве относительной меры изменчивости количественных признаков с любым распределением (п. 1.4 Паспорта специальности ВАК 08.00.13);

Ч разработаны многофакторные степенные мультипликативные эконометрические модели инвестиционной привлекательности предприятий машиностроения и пищевой промышленности Центральной России, адекватно отражающие зависимость итогового рейтинга от составляющих его компонент. По значениям параметров моделей Ч коэффициентам эластичности Ч определена степень влияния каждой компоненты на итоговый рейтинг, выявлены приоритетные факторы, определяющие инвестиционную привлекательность промышленных предприятий, определена их взаимосвязь. Обоснована возможность сведения исходных показателей инвестиционной привлекательности к двум латентным факторам Ч экономическому фактору,

объясняющему половину общей дисперсии показателей изучаемых выборок, и фактору финансовой устойчивости (п. 1.4 Паспорта специальности ВАК 08.00.13);

Ч по результатам кластерного анализа, допоненного визуальными методами типологизации, предложена типология интенсивно развивающихся предприятий Центральной России Ч четырехкластерная для машиностроительных предприятий и пятикластерная для предприятий пищевой промышленности. Показано, что для идентификации кластеров достаточно использовать двухфакторное представление составляющих инвестиционной привлекательности предприятий (п. 1.4 Паспорта специальности 08.00.13);

Ч разработана методика оценки и прогнозирования инвестиционной привлекательности промышленных предприятий, на примере интенсивно развивающихся машиностроительных предприятий Центральной России. В основу методики положена линейная дискриминантная функция, позволяющая по значениям информативных показателей Ч чистой прибыли, рентабельности и ликвидности Ч проводить классификацию предприятий по степени успешной деятельности, а также рассчитывать вероятность этой классификации, что существенно в целях управления их инвестиционной привлекательностью (п. 4.15 Паспорта специальности ВАК 08.00.05).

Практическая значимость результатов исследования заключается в том, что разработанные в результате теоретических и эмпирических исследований методологические и методические подходы к моделированию и прогнозированию инвестиционной привлекательности промышленных предприятий позволяют научно обоснованно определять основные направления совершенствования их производственной и финансовой деятельности с учетом специфических условий отрасли.

Основные выводы и рекомендации работы могут служить методической базой для дальнейших исследований в области моделирования и прогнозирования инвестиционной привлекательности промышленных предприятий, а также предлагаются к использованию в учебном процессе при чтении дисциплин "Инвестиционный менеджмент", "Экономико-математические методы и модели" студентам и слушателям экономических специальностей вузов.

Аиробация и реализация результатов исследования. Основные результаты диссертационного исследования обсуждались и были одобрены на конференциях и семинарах различного уровня. Среди них: научно-практические семинары профессорско-преподавательского состава Орловского государственного технического университета и Орловской региональной академии государственной службы, VII Всероссийская научно-практическая конференция "Экономика, управление, финансы" (Тула: Тульский государственный университет, 2004),

Всероссийская научно-практическая конференция "Современная Россия: экономика и государство" (Москва, Государственная академия специалистов инвестиционной сферы, 2005), Международная интернет-конференция "Менталитет, общество, экономика: проблемы развития России" (Орел, Орловский государственный технический университет, 2006), II Международная научно-практическая конференция "Экономическое прогнозирование: модели и методы" (Воронеж, Воронежский государственный университет, 2006), Международная научно-практическая конференция "Моделирование и прогнозирование в управлении: методы и технологии" (Орел, Орловская региональная академия государственной службы, 2007). Методика прогнозирования инвестиционной привлекательности промышленных предприятий на основе многофакторных эконометрических моделей внедрена в учебный процесс ГОУ ВПО "Орловский государственный технический университет".

Публикации. По результатам выпоненного исследования опубликовано 9 работ, в том числе две работы в изданиях, рекомендованных ВАК. Общий объем публикаций 5,3 п. л., из которых 4,25 п. л. Ч авторские.

Объем и структура диссертации. Диссертация содержит 159 страниц основного текста, в том числе 25 рисунков и 37 таблиц Работа состоит из введения, трех глав, заключения, списка использованных источников, приложений.

Во введении обоснована актуальность темы исследования, определены цель и задачи, объект и предмет исследования, раскрыты научная новизна и практическая значимость работы.

В первой главе "Теоретико-методологические основы оценки инвестиционной привлекательности промышленного предприятия" рассмотрен понятийный аппарат исследования инвестиционных процессов, выпонен анализ методологических подходов к оценке инвестиционной привлекательности предприятия, выявлены роль и место эконометрического моделирования в оценке и прогнозировании инвестиционной привлекательности.

Во второй главе диссертации "Факторы и эконометрические модели инвестиционной привлекательности промышленного предприятия" на примере интенсивно развивающихся предприятий машиностроительной и пищевой промышленности Центральной России выпонен анализ факторов их инвестиционной привлекательности, представлены результаты статистических исследований по разработке многофакторных эконометрических моделей, связывающих итоговый рейтинг предприятий с его компонентами.

Третья глава диссертации "Оценка и прогнозирование инвестиционной привлекательности промышленного предприятия на основе

многофакторных эконометрических моделей" содержат результаты разработки типологии интенсивно развивающихся промышленных предприятий Центральной России машиностроения и пищевой промышленности, методики оценки и прогнозирования инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей.

В заключении приведены основные выводы и результаты, полученные в ходе исследования.

ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ РАБОТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Обосновано, что в методологическом плане при оценке инвестиционной привлекательности промышленного предприятия необходимо учитывать не только показатели производственной и финансовой деятельности, но и, преясде всего, его отраслевую принадлежность. Составляющие инвестиционной привлекательности предприятий могут иметь различную значимость для разных отраслей, при этом она во многом определяется инвестиционной привлекательностью региона.

Экономическая деятельность отдельных хозяйствующих субъектов, отраслей, регионов и страны в целом в значительной мере определяется объемом и формами осуществляемых инвестиций. Актуальная задача привлечения инвестиций в развитие социально-экономических систем любого уровня сводится к привлечению инвестора к объекту инвестиций, при этом одним из основных инструментов управления инвестиционным процессом является инвестиционная привлекательность.

Принятие инвестором решения зависит от информации о состоянии инвестиционного климата и факторов риска. Факторы риска подразделяются на факторы внешней среды и факторы риска инвестора. Факторы внешней среды Ч это, прежде всего, политический, правовой, ресурсно-сырьевой, производственный, потребительский, инфраструктурный, экологический, макроэкономический, финансовый, кадровый, социальный и инновационный факторы; учет факторов риска инвестора направлен на экономическую, социально-политическую и иную безопасность инвестора. Исходя из этого, инвестиционные процессы необходимо рассматривать не только на уровне конкретного предприятия, но и на государственном, межрегиональном и региональном уровнях.

Неравномерность экономического развития регионов обусловливает их значительную дифференциацию по инвестиционной привлекательности, и в этой связи значительный интерес представляет рейтинговая методика агентства "Эксперт РА", согласно которой инвестиционная привлекательность регионов определяется по двум основным показателям: инвестиционному риску и инвестиционному потенциалу.

Первый показатель Ч инвестиционный риск Ч показывает вероятность потери инвестиций и дохода с них на основании общей оценки следующих видов опасности: законодательной, политической, социальной, экономической, финансовой, криминальной и экологической. Второй показатель Ч инвестиционный потенциал Ч определяется на основании макроэкономических характеристик: насыщенность территории факторами производства, потребительский спрос населения и др.; соответственно оцениваются частные инвестиционные потенциалы: трудовой, потребительский, инфраструктурный, производственный, инновационный, финансовый, институциональный и природно-ресур-сный. Привлекательность российских регионов для инвесторов определяется выбором между риском инвестирования и доходностью, и, как следствие, наиболее информативным для каждого региона и страны в целом в настоящее время является ситуация в плоскости "инвестиционный риск Ч инвестиционный потенциал".

С учетом этого, при оценке инвестиционной привлекательности промышленного предприятия необходимо также учитывать его местонахождение Ч размещение предприятия в регионе с высоким инвестиционным потенциалом и низким инвестиционным риском существенно повышает его инвестиционную привлекательность. Этот аспект необходимо рассматривать при анализе территориального размещения интенсивно развивающихся предприятии различных отраслей промышленности.

2. Эффективным инструментом моделирования и прогнозирования являются дискриминаптный, факторный и кластерный анализы, агоритмы которых поддерживаются широко распространенным в региональных органах статистики базовым модулем пакета программ статистического анализа данных общественных наук SPSS Base.

Как и на региональном уровне, вопросы разработки методики оценки инвестиционной привлекательности промышленных предприятий рассматривались многими отечественными экономистами, причем эти методики постоянно совершенствовались. Одной из таких методик является методика Рейтингового агентства АК&М оценки рейтинга инвестиционной привлекательности предприятий ЦФО, основанная на сравнительном анализе финансовых показателей, большинство из которых рекомендованы в качестве аналитических методическими рекомендациями по разработке финансовой политике предприятия. В методическом плане оценка инвестиционной привлекательности предприятий сводится к расчету рейтинговых балов.

Основной недостаток рейтинговой системы в том, что эти оценки определяются одновременно по всему массиву данных, что практически исключает оценки инвестиционной привлекательности предприятий, не включенных ранее в рассматриваемый перечень. Другой существенный недостаток в том, что выбор включаемых в анализ показателей и формы

их свертки в итоговый рейтинг не имеют достаточного обоснования. Недостатком рейтинговой системы является также введение в расчетные формулы значений весовых коэффициентов, назначаемых в значительной степени субъективно.

В то же время, несмотря на определенную нестабильность набора составляющих рейтинга инвестиционной привлекательности предприятий и субъективный характер агоритма его расчета, данные Рейтингового агентства АК&М могут быть использованы при разработке методики оценки инвестиционной привлекательности предприятий, свободной от указанных недостатков. Один из путей решения этой задачи Ч разработка базовых эконометрияеских моделей инвестиционной привлекательности предприятий, относящихся к одной отрасли или смежных отраслей и учитывающих специфику формирования их инвестиционной привлекательности. Важным методологическим принципом здесь является статистический характер базовых эконометрических моделей Ч их спецификация и значения параметров определяются статистическими свойствами выборочных эмпирических данных.

Выпоненный в диссертации обзор методов статистического анализа показал, что для моделирования и прогнозирования инвестиционной привлекательности предприятия применимы множественный линейный регрессионный анализ, дискриминатный, кластерный и факторный анализы постольку, поскольку формирование инвестиционной привлекательности Ч многомерный процесс, описываемый не одним, а комплексом многих показателей.

Важен также вопрос реализации методов многомерного статистического анализа, агоритмы которых предполагают операции с многомерными матрицами или трудоемкие вычисления итеративного характера, что требует выпонения сложных вычислительных операций. Анализ информационных технологий показал, что для эконометри-ческого моделирования инвестиционной привлекательности промышленного предприятия наиболее подходящим инструментарием является базовый модуль системы анализа данных общественных наук, начиная от версии SPSS Base 8.0. Этот модуль представляет собой пакет программ, реализующих разнообразные графические и аналитические процедуры статистического анализа и, что особенно важно, позволяет применять их в комплексе, в пределах одного пакета.

3. Сравнение средних значений и интервалов изменения информативных показателей рейтинга инвестиционной привлекательности интенсивно развивающихся предприятий двух ведущих отраслей Центральной России Ч машиностроения и пищевой промышленности Ч показало невозможность объединения эмпирических данных по отраслям с целью повышения надежности статистических выводов. Выявлен асимметрический характер распределения

показателей и обосновано, что симметризация их распределений может быть достигнута логарифмическим преобразованием. Предложена новая статистическая характеристика вариабельности Ч коэффициент квартильной вариации, применимый в качестве относительной меры изменчивости количественных признаков с любым распределением.

Эмпирической базой статистических исследований источник служил наиболее полный сводный рейтинг инвестиционной привлекательности 200 интенсивно развивающихся промышленных предприятий ЦФО по результатам экономической деятельности, определяемый по следующим показателям: 1) чистая прибыль; 2) общая рентабельность отчетного периода; 3) рентабельность основной деятельности; 4) рентабельность активов; 5) производительность труда; 6) коэффициент текущей ликвидности; 7) коэффициент абсолютной ликвидности; 8) коэффициент автономии. Из 200 интенсивно развивающихся предприятий 18 отраслей большинство относятся к машиностроению и пищевой промышленности, поэтому дальнейший статистический анализ проводили по этим дьум отраслям.

Поскольку практически для всех показателей характерна правосторонняя асимметрия распределения, сравнение выборок интенсивно развивающихся предприятий этих отраслей проводили по непараметрическим статистикам Ч медиане, как мере центральной тенденции, и коэффициенту квартильной вариации, как мере вариабельности. Для расчета коэффициента квартильной вариации предложена формула:

^ = ) / (ЗМе) х 100, (1)

где Q3 и Q1 третья и первая квартиль, Ме Ч медиана, равная второй квартили (32. Постоянная "3" введена согласно правилу "трех сигм": среднее квадратическое отклонение в случае нормального распределения показателя может быть оценено как размах, деленный на б, а так как в пределах Ч находится половина наблюдений, то в (1) используется постоянная "3".

Сравнение статистических характеристик выборок показало невозможность объединения предприятий рассматриваемых отраслей в единую выборку с целью повышения надежности статистических выводов: сравниваемые выборки существенно различаются по значениям медианы и коэффициента квартильной вариации, поэтому выборки по каждой отрасли в дальнейшем анализировали раздельно.

В работе обосновано, что путем логарифмирования показателей достигается симметризация их распределения, что является одним из требований эконометрического моделирования.

4. Разработаны многофакторные степенные мультипликативные эконометрические модели инвестиционной привлекательности предприятий машиностроения и пищевой промышленности

Центральной России, адекватно отражающие зависимость итогового рейтинга от составляющих его компонент. По значениям параметров моделей Ч коэффициентам эластичности Ч определена степень влияния каждой компоненты на итоговый рейтинг, выявлены приоритетные факторы, определяющие инвестиционную привлекательность промышленных предприятий, определена их взаимосвязь. Обоснована возможность сведения исходных показателей инвестиционной привлекательности к двум латентным факторам Ч экономическому, объясняющему половину общей дисперсии показателей изучаемых выборок, и фактору финансовой устойчивости.

Результаты статистических исследований позволили перейти к разработке моделей инвестиционной привлекательности предприятий машиностроительной и пищевой промышленности ЦФО. Задачи формулировались так:

1) найти статистическую зависимость результирующего показателя инвестиционной привлекательности предприятий, в качестве которого можно принять их итоговый рейтинг, от составляющих рейтинга, рассматриваемых в качестве предикторов;

2) определить степень влияния составляющих рейтинга на результирующий показатель инвестиционной привлекательности предприятий;

3) выявить приоритетные факторы, определяющие инвестиционную привлекательность промышленных предприятий;

4) определить взаимосвязь составляющих рейтинга с целью сведения комплекса информативных показателей к меньшему числу латентных факторов и упрощения моделей развития промышленных предприятий.

Первую задачу решали с помощью процедуры пошаговой множественной линейной регрессии пакета SPSS Base 8.0, в результате реализации которой в модели для предприятий машиностроения осталось семь предикторов, а в модели для предприятий пищевой промышленности Ч шесть:

Ч для предприятий машиностроения

у = 9,67 (х/'05е(хз)0'231(х4)0'058(.г5)0'061 (х6)

Ч для предприятий пищевой промышленности

у = 15,15 (x1)

В моделях (2) и (3) приняты обозначения: у - интегральный рейтинг предприятия; х1 Ч чистая прибыль, мн. руб.; х3 Ч рентабельность основной деятельности, %; х4 Ч рентабельность активов, %; х5 Ч производительность труда, тыс. руб. на человека; х6 Ч коэффициент текущей ликвидности; х7 Ч коэффициент абсолютной ликвидности; х& Ч коэффициент автономии.

Следующую задачу моделирования Ч выявление степени влияния составляющих рейтинга на показатель инвестиционной привлекательности предприятий Ч решали путем сравнения коэффициентов эластичности в моделях (2) и (3). Из моделей следует, что в наибольшей мере на рейтинг предприятий машиностроения оказывает влияние рентабельность основной деятельности: соответствующий коэффициент эластичности равен 0,231, т. е. одному проценту прироста рентабельности основной деятельности, в среднем, отвечает прирост сводного рейтинга на 0,23%. Значимыми являются также показатели финансовой устойчивости: коэффициент текущей ликвидности (эластичность 0,165), коэффициент автономии (эластичность 0,158). Менее значимы производительность труда, рентабельность активов и величина чистой прибыли (коэффициенты эластичности 0,061; 0,058 и 0,056, соответственно), и на последнем месте - коэффициент абсолютной ликвидности (эластичность 0,019)

Приоритеты составляющих рейтинга предприятий пищевой промышленности распределены несколько иначе. В соответствии с моделью (3), инвестиционную привлекательность предприятий в большей мере определяет коэффициент текущей ликвидности Ч эластичность 0,169. Второе и третье по значимости места занимают коэффициент автономии и рентабельность активов (коэффициенты эластичности 0,123 и 0,116). Далее следуют чистая прибыль и рентабельность основной деятельности (эластичность 0,090 и 0,088). Замыкает ранжированный перечень составляющих рейтинга коэффициент абсолютной ликвидности Ч как и для предприятий машиностроения, эластичность рейтинга по данному показателю минимальна Ч 0,023.

Последнюю задачу Ч выявление структуры исходных показателей инвестиционной привлекательности предприятий Ч решали с помощью факторного анализа по схеме метода главных компонент. Выявлено, что исходное множество предикторов может быть представлено в виде двух главных факторов, первый из которых, более информативный (объясняющий более половины общей дисперсии), сильнее коррелирует с экономическими показателями (рентабельностью, прибылью), второй Ч с показателями финансовой устойчивости (рисунок 1).

На обеих диаграммах рисунка 1 просматривается сходная группировка показателей: 1) группа показателей прибыли и рентабельности (метками лог_приб, л_рен_ак, л_рен_од, л_о_ре обозначены логарифм чистой прибыли, логарифм рентабельности активов, логарифм рентабельности основной деятельности и логарифм общей рентабельности отчетного периода), 2) группа показателей финансовой устойчивости (метками л_ктликв, л_каликв, л_автон обозначены логарифм коэффициента текущей ликвидности, логарифм коэффициента абсолютной ликвидности и логарифм коэффициента автономии, соответственно). Третья "группа" представлена одним показателем Ч логарифмом производительности труда (метка л__пр_тру).

Машиностроение

Пищевая промышленность

а иЫ/'Щ

Главный фактор 1

Главный фактор 1

Рисунок 1 - Факторная структура исходных показателей инвестиционной привлекательности предприятий (в логарифмической форме) а Ч машиностроения, б - пищевой промышленности

Эти три группы показателей достаточно хорошо разделены для предприятий обеих отраслей. Отличие Ч в противоположной направленности оси второго главного фактора: если на диаграмме для показателей инвестиционной привлекательности предприятий машиностроения положительный полюс оси направлен в сторону показателя "логарифм производительности труда", то на диаграмме для показателей предприятий пищевой промышленности Ч напротив, в сторону этого показателя направлен отрицательный полюс оси второго главного фактора. Однако это Ч факт чисто математического плана, который не носит какого-либо экономического смысла.

5. По результатам кластерного анализа, допоненного визуальными методами типологизации, предложена типология интенсивно развивающихся предприятий Центральной России Ч четырехкластерная для предприятий машиностроения и пятикластерная Ч для предприятий пищевой промышленности. Показано, что для идентификации кластеров достаточно использовать двухфакторное представление множества составляющих инвестиционной привлекательности предприятий.

Для типологии интенсивно развивающихся предприятий ЦФО использовали комбинацию различных методов кластеризации. Основной метод Ч формальный Ч осуществляли с помощью кластерного анализа, допонительный Ч визуальный Ч служил для проверки получаемого кластерного решения. Для проверки кластерного решения рассматривали также ящичковые диаграммы, отражающие распределение по кластерам значений главных факторов, а также значений исходных

показателей развития предприятий. Все аналитические и графические процедуры выпоняли в программной среде пакета SPSS Base 8.0.

В результате кластерного анализа по методу Уорда с квадратичной евклидовой метрикой выявлено, что для машиностроительных предприятий характерна четырехкластерная модель, а для предприятий пищевой промышленности Ч пятикластерная. Распределение кластеров на плоскости главных факторов представлено на рисунке 2. Как можно судить по диаграммам рисунка, постулируемые кластерные решения визуально не противоречат представлениям о сходстве комбинаций значений главных факторов внутри кластеров и их различии между кластерами.

Машиностроение

Пищевая промышленность

-4 -3 -2

Главный фактор 1

Значение главного фактора 1

Рисунок 2 - Распределение кластеров предприятий на плоскости главных факторов а Ч машиностроения; б Ч пищевой промышленности

В работе выпонена идентификация кластеров. Так, машиностроительные предприятия, отнесенные на рисунке 2 а к первому кластеру, отличаются повышенными значениями первого главного фактора Ч фактора рентабельности и финансовой устойчивости. Машиностроительные предприятия кластера 2, при среднем уровне фактора рентабельности и финансовой устойчивости, имеют повышенные значения второго главного фактора Ч фактора производительности труда. Кластер 3, как и кластер 1, также достаточно большой Ч в него входит 16 машиностроительных предприятий. Предприятия этого кластера характеризуются близкими к средним значениями фактора рентабельности и финансовой устойчивости и значениями фактора производительности труда ниже среднего уровня. К четвертому кластеру отнесены семь предприятий машиностроения с наименьшими по выборке значениями фактора рентабельности и финансовой устойчивости.

Аналогично, выпонена идентификация кластеров интенсивно развивающихся предприятий пищевой промышленности.

Кластер 1 находится в четвертом квадранте диаграммы рисунка 2 б. Это означает, что отнесенные к нему предприятия отличаются наиболее высокими показателями производительности труда и значениями фактора рентабельности и финансовой устойчивости несколько выше среднего уровня. Другая группа предприятий образует кластер 2. Эти предприятия характеризуются средним уровнем производительности труда и пониженными значениями прибыли, рентабельности и финансовой устойчивости, и по этой причине находятся в конце рейтинга-200. Предприятия кластера 3 занимают среднее положение по обоим факторам, и его можно охарактеризовать как кластер центральной тенденции. Здесь восемь предприятий, причем половина из них Ч в Москве, два Ч в Липецкой области и по одному Ч в Бегородской и Воронежской областях. Предприятия кластера 4, при близких к среднему уровню производительности 1руда, имеют повышенные значения прибыли, рентабельности и финансовой устойчивости. К этому кластеру отнесены семь предприятий, среди которых по два Ч в Московской и Ярославской областях, по одному Ч в Москве, а также в Липецкой и Тамбовской областях. Кластер 5, наряду с наиболее низкой производительностью труда, характеризуется средним уровнем прибыли, рентабельности и финансовой устойчивости. Этот кластер наиболее представительный Ч он включает 13 предприятий: по два Ч в Брянской, Липецкой, Смоленской и Тамбовской областях, по одному Ч в Воронежской, Ивановской, Калужской, Курской и Орловской областях.

6. Разработана методика оценки и прогнозирования инвестиционной привлекательности промышленных предприятий, на примере интенсивно развивающихся машиностроительных предприятий Центральной России. В основу методики положена линейная дискрими-нантная функция, позволяющая по значениям информативных показателей Ч чистой прибыли, рентабельности и ликвидности Ч проводить классификацию предприятий по степени успешной деятельности, а также рассчитывать вероятность этой классификации, что существенно в целях управления их инвестиционной привлекательностью.

В математическом плане методика основана на построении диск-риминантной функции показателей инвестиционной привлекательности интенсивно развивающихся предприятий машиностроения, позволяющей разделить более и менее благополучные предприятия (группы 1 и 2 соответственно). Особенность этого подхода в том, что коэффициенты линейной дискриминантной функции определяются методом наименьших квадратов по выборке предприятий, характеризующейся определенным набором показателей инвестиционной привлекательности, без каких-либо априорных предположений, кроме предварительного их отнесения к указанным группам.

Методику отрабатывали на примере машиностроительных предприятий, что обусловлено, во-первых, надежностью априорного отнесения предприятий к группам 1 и 2 по результатам кластерного анализа, во-вторых, достаточной напоненностью этих групп: в кластере 1, отнесенном к группе 1, 18 предприятий, в кластере 4 Ч семь, т. е. всего имеется 25 классифицированных предприятий. Второй и третий кластеры имеют медианные значения итогового рейтинга инвестиционной привлекательности выше и ниже медианы поной выборки, они включают в себя предприятия групп 1 и 2, отнесенные по этой причине к группе 0 неклассифицированных предприятий.

Допонительным формальным критерием отнесения машиностроительных предприятий к группам 1 и 2 служило "правило двух сигм" Ч на уровне доверительной вероятности 0,95 интервал +25<с^.ггог является критическим для классификации предприятий по рассматриваемому признаку Ч логарифму итогового рейтинга (рисунок 3).

Неклассифицированные Менее успешные

Более успешные

Неклассифшхиров&нные Менее успешные

Более успешные

Группа предприятий

Группа предприятий

Рисунок 3 - Принцип классификации предприятий машиностроения по показателям инвестиционной привлекательности, а - логарифму итогового рейтинга; б - итоговому рейтингу (пунктирными линиями отмечены границы группы 0 - неклассифицированных предприятий)

Дискриминантный анализ осуществляли по схеме "шагового отбора" наиболее информативных переменных в пакете программ SPSS Base 8.0. В результате получена дискриминантная функция Фишера, включающая пять предикторов Ч lnjct, lnx2,1пл3, 1пх4 и 1пх6 (предикторы 1ш;5 Ч логарифм производительности труда, 1пхТ Ч логарифм коэффициента абсолютной ликвидности и lnxg Ч логарифм коэффициента автономии в процессе шагового отбора были исключены из анализа):

ДФ=-6,305+0,5951x1^-1,4121пл:2+1,5691па;3+1Д061пх4+1Д141пд;6, (4)

где х1 Ч чистая прибыль, мн. руб., х2Ч общая рентабельность отчетного периода, %, хъ Ч рентабельность основной деятельности, %, хА~ рентабельность активов, %, х6~ коэффициент текущей ликвидности.

Оценку точности классификации по функции (4) производили на обучающей выборке Обобщенным результатом является таблица 1 классификации с указанием частоты верных и неверных классификаций, из которой следует, что все 100% исходных классифицированных предприятий классифицировано правильно. Большинство Ч три четверти неклассифицированных предприятий Ч отнесены к группе 2 "менее успешные", и одна четверть Ч к группе 1 "более успешные" предприятия. Таким образом, функция (4) может быть использована в целях прогнозирования инвестиционной привлекательности машиностроительных предприятий, расположенных в регионах ЦФО.

Таблица 1 - Результаты классификации машиностроительных предприятий

Статистика Группа предприятий Предсказанная принадлежность к группе Итого

Группа 1 Ч более успешные 20 0 20

Частота Группа 2 Ч менее успешные 0 19 19

Несгруппированные наблюдения 3 9 25

Группа 1 Ч более успешные 100,0 0,0 100,0

% Группа 2 Ч менее успешные 0,0 100,0 100,0

Несгруппированные наблюдения 25,0 75,0 100,0

Отметим следующие преимущества дискриминантной функции перед итоговым рейтингом.

1. Значения рейтинга инвестиционной привлекательности предприятий в методике Рейтингового агентства АК&М определяются одновременно по всему массиву данных, что исключает или затрудняет возможность оценки инвестиционной привлекательности предприятия, не включенного ранее в перечень. Этот недостаток поностью преодолен при расчетах дискриминантной функции.

2. Согласно методике Рейтингового агентства АК&М, агоритм расчета значений итогового рейтинга инвестиционной привлекательности предприятий предполагает введение в расчетные формулы значений весовых коэффициентов, назначаемых субъективно. Коэффициенты линейной дискриминантной функции Фишера (4) определены по выборке предприятий, характеризующейся определенным набором показателей инвестиционной привлекательности, без серьезных априорных предположений. Следовательно, дискриминантная функции носит значительно меньший субъективный характер.

3. Предлагаемый подход к оценке инвестиционной привлекательности предприятия имеет общеметодологическое значение, поскольку он основан на статистических свойствах реально существующих выборок. При этом, "шаговый отбор" переменных дискриминантной функции позволяет не ограничивать круг исходных показателей, как это проявляется в эволюции методик Рейтингового агентства АК&М Использование "шагового отбора" позволяет отобрать наиболее информативные показатели инвестиционной привлекательности, причем адекватность получаемой дискриминантной функции устанавливается строгими статистическими методами.

4. Дискриминантный анализ позволяет выпонить также оценки вероятностей отнесения предприятия в ту или иную группу, что важно для определения устойчивости и перспектив его развития.

5. Использование дискриминантной функции в качестве результирующего показателя позволяет осуществлять управление инвестиционной привлекательностью предприятий, поскольку появляется возможность просчета различных вариантов развития предприятия, оценки опасности неплатежеспособности и банкротства и т. п.

Итоги дискриминантного анализа для некоторых неклассифицированных ранее предприятий приведены в таблице 2.

Таблица 2 Ч Итоги дискриминантного анализа для неклассифицированных машиностроительных предприятий

Предприятие Область Наивероятнейшая ipyima Квадрат расстояния Махалонобиса до центра альтернативной группы Дискриминант- ная функция (ДФ)

Предсказанная группа Вероятность отнесения к предсказанной группе Квадрат расстояния Махалонобиса до центра предсказаний группы

Машиностроительный завод "ЗЙО-Пододьск" Московская 1 0,850 2,347 5,817 0,389

Владимирский электромоторный завод Владимирская 1 0,609 3,459 4,342 0,061

Скопинский авто-а!регатный завод Рязанская 2 0,589 3,535 4,258 -0Д42

Ракетно-космическая корпорация "Энергия" Московская 2 0,871 2,211 6,035 -0,535

Электроконтакт Ивановская 2 0,895 2,039 6,329 -0,594

Поясним данные, приведенные в таблице 2, на следующем примере. Владимирский электромоторный завод апостериорно отнесен к группе 1 "более успешных" предприятий Согласно таблице 2,

этому предприятию отвечает значение дискриминантной функции -0,061, что ближе к центроиду группы 1 (ДФср1 = 1,921), чем к центроиду группы 2 (ДФср2 = -2,022). Соответственно, апостериорная вероятность принадлежности данного предприятия к группе 1 больше апостериорной вероятности его принадлежности к группе 1: 0,609 против 0,391 (их сумма равна единице). Но надежность этого отнесения не высока: квадрат расстояния Махалонобиса до центроида группы 1 D2(1) = 3,459 сравним с квадратом расстояния Махалонобиса до центроида группы 2 составляет D2(2) = 4,258. Следовательно, руководству Владимирского электромоторного завода необходимо выпонить анализ ситуации с целью корректировки политики развития предприятия. В частности, надо обратить внимание на улучшение таких показателей, как рентабельность основной деятельности, рентабельность активов, коэффициент текущей ликвидности.

Таким образом, в результате дискриминантного анализа получена функция, позволяющая проводить классификацию предприятий машиностроения по степени успешной деятельности, а также рассчитывать вероятность этой классификации, что существенно в целях управления их инвестиционной привлекательностью. Все необходимые при этом аналитические расчеты и графические построения производятся программными средствами пакета статистического анализа данных общественных наук SPSS Base, являющегося "стандартом де факто" для региональных статистических органов и широко распространенного в учебных заведениях. Наличие в регионах достаточного опыта использования данного пакета позволяет рассчитывать на внедрение методики оценки и прогнозирования инвестиционной привлекательности промышленных предприятий, предлагаемой в данной работе.

ОБЩИЕ ВЫВОДЫ И ПРЕДЛОЖЕНИЯ

На основании выпоненных исследований можно сделать следующие выводы и предложения.

1. Существующие методики расчета рейтинга инвестиционной привлекательности промышленных предприятий направлены на констатацию места конкретного предприятия "в линейке" прочих, но не позволяют оценить возможность изменения инвестиционной привлекательности за счет управления факторами, определяющих этот рейтинг, а также выпонить соответствующий прогноз. Подобная методика может быть создана на основе многофакторных эконометричес-ких моделей, раскрывающих связь итоговых оценок инвестиционной привлекательности промышленных предприятий с показателями их производственной и финансовой деятельности.

2. Анализ ряда методик расчета рейтинга инвестиционной привлекательности промышленных предприятий показал, что, несмотря на субъективный характер выбора составляющих итогового рейтинга и агоритма расчета, данные Рейтингового агентства АК&М по интенсивно развивающимся предприятиям двух ведущих отраслей Центральной России Ч машиностроения и пищевой промышленности Ч могут быть использованы в качестве эмпирической базы для разработки методики оценки инвестиционной привлекательности промышленных предприятий, свободной от отмеченных недостатков.

3. Установлена спецификация эконометрических моделей инвестиционной привлекательности предприятий Ч многофакторная степенная мультипликативная регрессия, выявлены приоритетные факторы, определяющие инвестиционную привлекательность, их взаимосвязь. Эмпирически доказана возможность сведения показателей инвестиционной привлекательности к двум латентным факторам Ч экономическому и фактору финансовой устойчивости, что важно для решения задач типологии предприятий различных отраслей.

4. Разработанная типология интенсивно развивающихся машиностроительных предприятий Центральной России позволила выпонить их классификацию на группы по степени инвестиционной привлекательности, образующие обучающую выборку при расчете дискриминантной функции Ч основы методики оценки инвестиционной привлекательности предприятий. Данная методика позволяет по значениям входящих в дискриминантную функцию показателей Ч чистой прибыли, рентабельности и ликвидности Ч рассчитывать вероятность этой классификации и определять основные направления совершенствования производственной и финансовой деятельности конкретных предприятий машиностроительной отрасли.

5. Предложенные в работе методические подходы к моделированию и прогнозированию инвестиционной привлекательности машиностроительных предприятий носят общий характер и рекомендуются к использованию в других отраслях промышленности с учетом специфических условий отрасли. Основные выводы и рекомендации работы предлагаются в качестве методической базы дальнейших исследований в области моделирования и прогнозирования инвестиционной привлекательности промышленных предприятий.

Основные публикации по теме диссертации:

Статьи, опубликованные в журналах, рекомендованных ВАК России

1. Подрезов П.Н., Шуметов В.Г. Оценка инвестиционной привлекательности промышленных предприятий на основе современных информационных технологий // Известия ОГТУ. Серия "Экономика и гуманитарные науки". Ч 2007. Ч № 3 (0,5 п. л., авт. 0,25 п. л ).

2. Подрезов П.Н. Методические подходы к моделированию инвестиционной привлекательности промышленных предприятий // Известия ОГТУ. Серия "Экономика и гуманитарные науки". Ч 2008. - № 2 (0,4 п. л.).

Статьи в научных изданиях, доклады

3. Подрезов П.Н. Применение информационных систем для анализа эффективности развития промышленных предприятий // Моделирование и прогнозирование в управлении: методы и модели: Матер. междунар. н.-практ. конф. Ч Орел: ОРАГС, 2007. Ч С. 225Ч230 (0,35 п. л.)

4. Шуметов В.Г., Подрезов А.Н., Подрезов П.Н., Замосковный Н.О. Методические аспекты анализа территориального распределения и динамики структуры инвестиций // Наука и образование. Межвуз. сб. науч. трудов. Вып. 1 "Экономика и управление". Ч М.: ИИЦ МГУДТ, 2006. - С. 197-207 (0,6 п. л., авт. 0,15 п. л.).

5. Подрезов П.Н. Анализ факторов инвестиционной привлекательности промышленных предприятий // Наука и образование. Межвузовский сборник научных трудов. Вып. 2 "Общество и экономика". Ч М.: ИИЦ МГУДТ, 2006. - С. 51-61 (0,6 п. л.).

6. Подрезов П.Н. Оценка инвестиционной привлекательности промышленного предприятия: методические подходы // Наука и образование. Межвузовский сборник научных трудов. Вып. 2 "Общество и экономика". М.: ИИЦ МГУДТ, 2006. - С. 41-50 (0,6 п. л.).

7. Подрезов П.Н. Эконометрические модели инвестиционной привлекательности промышленных предприятий // Наука и образование. Межвузовский сборник научных трудов. Вып. 2 "Общество и экономика". М.: ИИЦ МГУДТ, 2006. - С. 62-72 (0,65 п. л.).

8. Подрезов П.Н. Типология интенсивно развивающихся промышленных предприятий Центральной России // Наука и образование. Межвузовский сборник научных трудов. Вып. 4 "Общество и экономика". М.: ИИЦ МГУДТ, 2006. - С. 3-15 (0,8 п. л.).

9. Подрезов П.Н., Шуметов В.Г. Оценка инвестиционной привлекательности промышленных предприятий на основе современных информационных технологий // Наука и образование. Межвузовский сборник научных трудов. Вып. 4 "Общество и экономика". Ч М.: ИИЦ МГУДТ, 2006. - С. 16-29 (0,8 п. л., авт. 0,4 п. л.).

Объем 1,0 уел ц. л Формат 60x84 У16. Тираж 100 экз Подписано в печать 28.04 2008 г. Заказ № 155 Отпечатано с готового оригинал-макета на полиграфической базе Орловского государственного технического университета 302030, г Орел, ул. Московская, 65

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Подрезов, Павел Николаевич

ВВЕДЕНИЕ.

Глава 1 ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ОЦЕНКИ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ.

1.1 Понятийный аппарат исследования инвестиционных процессов

1.2 Методологические подходы к оценке инвестиционной привлекательности промышленного предприятия.

1.3 Многофакторное эконометрическое моделирование в оценке и прогнозировании инвестиционной привлекательности промышленного предприятия.

Глава 2 ФАКТОРЫ И ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ.

2.1 Анализ факторов инвестиционной привлекательности промышленных предприятий.

2.2 Эконометрическое моделирование инвестиционной привлекательности промышленных предприятий Центральной России (на примере машиностроительной и пищевой промышленности)

Глава 3 ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ НА ОСНОВЕ МНОГОФАКТОРНЫХ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ

3.1 Типология интенсивно развивающихся промышленных предприятий Центральной России.

3.2 Методика оценки и прогнозирования инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей.

Диссертация: введение по экономике, на тему "Развитие методов оценки инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей"

Актуальность темы исследования. В течение последних лет в отечественной практике большое внимание уделяется оценкам рейтинга предприятий различных отраслей промышленности. Рейтинг, по которому предприятие позиционируется в ряду предприятий родственных отраслей или находящихся на этой же территории, во многом определяет дальнейшую траекторию его развития, причем это относится не только к возможностям получения допонительных инвестиций со стороны потенциальных инвесторов, но и к мобилизации его внутренних ресурсов. В то же время, существующие методики оценки рейтинга инвестиционной привлекательности конкретного промышленного предприятия фактически предполагают лишь констатацию его места в линейке прочих, но не раскрывают возможности перемещения, предприятия в этой линейке на более высокие позиции.

В связи с вышесказанным, возрастает актуальность разработки научно обоснованных методик оценки инвестиционной привлекательности действующих промышленных предприятий, позволяющих не только установить сравнительный рейтинг, но и оценить возможности его изменения за счет управления факторами, определяющими этот рейтинг, выпонить соответствующий прогноз. Подобная методика может быть создана на основе многофакторных эконометрических моделей, связывающих итоговые оценки инвестиционной привлекательности предприятий с факторами их производственной и финансовой деятельности, что требует проведения глубоких и детальных статистических исследований.

Степень разработанности проблемы. Важность обозначенной тематики обусловливает интерес отечественных исследователей к анализу факторов производственной и финансовой деятельности промышленных предприятий, определяющих их рейтинг. Эти факторы анализируют не только рейтинговые агентства; интерес к этим вопросам обусловлен и таким массовым явлением в российской экономике, как экономическая несостоятельность предприятий. В ряду отечественных исследований, раскрывающих факторы экономической несостоятельности, следует указать работы JL Вокова, М. Делягина, В. Зубова, В. Иванова; в зарубежных исследованиях - работы А. Берли, М. Дженсена, У. Меклинга, Г. Минза, Дж. Гэбрейта, Г. Саймона, Ю. Фама. Значительный интерес в ракурсе данной темы представляют также труды JI. Бляхмана, Г.Б. Клейнера, B.JI. Тамбовцева и P.M. Качалова.

В то же время, наблюдается некоторая двойственность указанных работ. С одной стороны, рейтинг получил своеобразный знак качества. Бизнес растет, и у него возникает потребность позиционировать себя на национальном рынке. Это порождает определенную субъективность подхода ряда аналитиков к критериям оценки составляющих рейтинга. С другой стороны, исследования факторов экономической несостоятельности, выпоненные на высоком теоретическом и эмпирическом уровнях, охватывают только те из многочисленных факторов производственной и финансовой деятельности промышленных предприятий, которые критичны именно в этом ракурсе.

Сказанное обусловливает необходимость статистических исследований, на основании которых можно отобрать основные факторы производственной и финансовой деятельности предприятий различных отраслей промышленности, установить их связь с итоговыми показателями инвестиционной привлекательности. Этим исследованиям дожен предшествовать теоретический анализ понятийного аппарата инвестиционных процессов, анализ методологических подходов и роли многофакторного эконометрического моделирования в оценке и прогнозировании инвестиционной привлекательности промышленного предприятия.

При теоретической и методологической проработке перечисленных вопросов могут быть использованы труды классиков зарубежной экономической теории и прикладных аспектов моделирования экономических процессов в области инвестиционной деятельности: Г. Александера, Дж. Бэйли, Р. Гудвина, Е. Домара, JL Иохансена, Н. Кадора, Дж. Кейнса, А. Маршала,

М. Милера, Ф. Модильяни, А. Пигу, Я. Полака, Р. Солоу, Я. Тинбергена, П. Фишера, Е. Хагена, Э. Хансена, Р. Харрода, Д. Хикса, У. Шарпа и др.

В плане развития темы исследования содержательными являются также труды российских экономистов: С. Абрамова, В. Барда, Н.А. Бланка, Ю. Богатина, В.В. Бочарова, В.К. Гуртова, В. Жданова, И. Зимина, Н. Колесникова, Д.С. Львова, Н. Мильчаковой, С. Никитина, В. Садкова, И. Сергеева, Г. Самостроенко, Ф. Тумусова, В.Е. Черкасова, В. Швандера и др.

Вопросы теории и практики эконометрического моделирования отражены не только в фундаментальных трудах известных экономистов - JI. Клейна, Д. Макфаддена, Ф. Модильяни, Д. Тобина, Я. Фриша, Т. Хаавельмо, Дж. Хэкмена и др., но и в изданиях учебного характера - С.А. Айвазяна, И.С. Енюкова и Л.Д. Мешакина; К. Доугерти; A.M. Дуброва, B.C. Мхитаряна и Л.И. Трошина; И.И. Елисеевой; Я.Р. Магнуса, П.К. Катышева и А.А. Пере-сецкого; В.П. Носко; В.Г. Шуметова и др.

Объект исследования - отечественные интенсивно развивающиеся промышленные предприятия с позиций инвестиционной привлекательности.

Предмет исследования - методы оценки и модели инвестиционной привлекательности промышленные предприятий Центральной России.

Цель исследования состоит в разработке научно обоснованных методов анализа и прогнозирования инвестиционной привлекательности отечественных промышленных предприятий, на основе многофакторных экономет-рических моделей.

Достижение поставленной цели осуществлялось решением следующих основных задач исследования:

- выпонить анализ теоретико-методологических основ оценки и прогнозирования инвестиционной привлекательности российских промышленных предприятий;

- исследовать взаимосвязь факторов инвестиционной привлекательности предприятий различных отраслей промышленности;

- выпонить эконометрическое моделирование инвестиционной привлекательности предприятий ведущих отраслей промышленности Центральной России;

- разработать типологию интенсивно развивающихся предприятий ведущих отраслей промышленности Центральной России;

- разработать методику оценки и прогнозирования инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей.

Теоретической и методологической основой диссертационного исследования послужили методологические принципы, теоретические положения и выводы, содержащиеся в фундаментальных и прикладных исследованиях отечественных и зарубежных авторов по теории инвестиционных процессов и их связи с развитием предприятий, вопросам оценки, моделирования и прогнозирования инвестиционной привлекательности промышленного предприятия на различных уровнях, теории эконометрического моделирования, многомерного статистического анализа.

В процессе исследования применяся методический аппарат эконометрического моделирования, методы корреляционно-регрессионного, дискри-минантного, факторного и кластерного анализов. Обработка эмпирической информации, эконометрическое моделирование и прогнозирование осуществлялись с использованием стандартных программ статистического анализа.

Эмпирическая база диссертации построена на материалах российских рейтинговых агентств, Интернета, данных Роскомстата.

Научная новизна проведенного исследования заключается в разработке методологических и методических подходов к моделированию и прогнозированию инвестиционной привлекательности российских промышленных предприятий в современных условиях развития экономики на основе многофакторных эконометрических моделей.

Научная новизна подтверждается научными выводами и результатами, выносимыми на защиту:

- обосновано, что при оценке инвестиционной привлекательности промышленного предприятия необходимо учитывать не только показатели производственной и финансовой деятельности, но и, прежде всего, его отраслевую принадлежность. Составляющие инвестиционной привлекательности предприятий могут иметь различную значимость для разных отраслей, при этом она во многом определяется инвестиционной привлекательностью региона (п.4.15 Паспорта специальности ВАК 08.00.05);

- на основании анализа ряда методик оценок рейтинга инвестиционной привлекательности промышленных предприятий установлено, что данные Рейтингового агентства АК&М, несмотря на субъективный характер выбора составляющих итогового рейтинга и агоритма его расчета, могут быть использованы в качестве эмпирической базы для многофакторного экономет-рического моделирования. Эффективным инструментом моделирования и прогнозирования являются дискриминантный, факторный и кластерный анализы, агоритмы которых поддерживаются широко распространенным в региональных органах статистики базовым модулем пакета программ статистического анализа данных общественных наук SPSS Base (п.4.15 Паспорта специальности ВАК 08.00.05);

- сравнение средних значений и интервалов изменения информативных показателей инвестиционной привлекательности интенсивно развивающихся предприятий двух ведущих отраслей Центральной России Ч машиностроения и пищевой промышленности Ч показало невозможность объединения эмпирических данных по отраслям с целью повышения надежности статистических выводов. Выявлен асимметрический характер распределения показателей и обосновано, что симметризация их распределений может быть достигнута логарифмическим преобразованием. Предложена новая статистическая характеристика вариабельности - коэффициент квартальной вариации, применимый в качестве относительной меры изменчивости количественных признаков с любым распределением (п. 1.4 Паспорта специальности ВАК 08.00.13);

- разработаны многофакторные степенные мультипликативные эконо-метрические модели инвестиционной привлекательности предприятий машиностроения и пищевой промышленности Центральной России, адекватно отражающие зависимость итогового рейтинга от составляющих его компонент. По значениям параметров моделей определена степень влияния каждой компоненты на итоговый рейтинг, выявлены приоритетные факторы, определяющие инвестиционную привлекательность промышленных предприятий, определена их взаимосвязь. Обоснована возможность сведения исходных показателей инвестиционной привлекательности к двум латентным факторам -экономическому, объясняющему половину общей дисперсии показателей изучаемых выборок, и фактору финансовой устойчивости (п. 1.4 Паспорта специальности ВАК 08.00.13);

- по результатам кластерного анализа, допоненного визуальными методами типологизации, предложена типология интенсивно развивающихся предприятий Центральной России Ч четырехкластерная для машиностроительных предприятий и пятикластерная для предприятий пищевой промышленности. Показано, что для идентификации кластеров достаточно использовать двухфакторное представление составляющих инвестиционной привлекательности предприятий (п. 1.4 Паспорта специальности 08.00.13);

- разработана методика оценки и прогнозирования инвестиционной привлекательности промышленных предприятий, на примере интенсивно развивающихся машиностроительных предприятий Центральной России. В основу методики положена линейная дискриминантная функция, позволяющая по значениям информативных показателей - чистой прибыли, рентабельности и ликвидности Ч проводить классификацию предприятий по степени успешной деятельности, а также рассчитывать вероятность этой классификации, что существенно в целях управления их инвестиционной привлекательностью (п.4.15 Паспорта специальности ВАК 08.00.05).

Практическая значимость результатов исследования заключается в том, что разработанные в результате теоретических и эмпирических исследований методологические и методические подходы к моделированию и прогнозированию инвестиционной привлекательности промышленных предприятий позволяют научно обоснованно определять основные направления совершенствования их производственной и финансовой деятельности с учетом специфических условий отрасли.

Основные выводы и рекомендации работы могут служить методической базой для дальнейших исследований в области моделирования и прогнозирования инвестиционной привлекательности промышленных предприятий, а также предлагаются к использованию в учебном процессе при чтении дисциплин Инвестиционный менеджмент, Экономико-математические методы и модели студентам и слушателям экономических специальностей вузов.

Апробация и реализация результатов исследования. Основные результаты диссертационного исследования обсуждались и были одобрены на конференциях и семинарах различного уровня. Среди них: научно-практические семинары профессорско-преподавательского состава Орловского государственного технического университета и Орловской региональной академии государственной службы, VII Всероссийская научно-практическая конференция Экономика, управление, финансы (Тула: Тульский государственный университет, 2004), Всероссийская научно-практическая конференция Современная Россия: экономика и государство (Москва, Государственная академия специалистов инвестиционной сферы, 2005), Международная интернет-конференция Менталитет, общество, экономика: проблемы развития России (Орел, Орловский государственный технический университет, 2006), II Международная научно-практическая конференция Экономическое прогнозирование: модели и методы (Воронеж, Воронежский государственный университет, 2006), Международная научно-практическая конференция Моделирование и прогнозирование в управлении: методы и технологии (Орел, Орловская региональная академия государственной службы, 2007). Методика прогнозирования инвестиционной привлекательности промышленных предприятий на основе многофакторных эконометрических моделей внедрена в учебный процесс ГОУ ВПО Орловский государственный технический университет.

Публикации. По результатам выпоненного исследования опубликовано 9 работ, в том числе две работы в изданиях, рекомендованных ВАК. Общий объем публикаций 5,3 п.л., из которых 4,25 п.л. Ч авторские.

Объем и структура диссертации. Диссертация содержит 159 страниц основного текста, в том числе 25 рисунков и 37 таблиц. Работа состоит из введения, трех глав, заключения, списка использованных источников, приложений.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Подрезов, Павел Николаевич

ЗАКЛЮЧЕНИЕ

Результаты выпоненных исследований, направленных на разработку научно обоснованных методов анализа и прогнозирования инвестиционной привлекательности российских интенсивно развивающихся промышленных предприятий, на основе многофакторных эконометрических моделей, позволяют сделать следующие выводы.

1. Анализ литературных данных показал, что в методологическом плане при оценке инвестиционной привлекательности промышленного предприятия необходимо учитывать не только показатели его производственной и финансовой деятельности, но также отраслевую принадлежность и местонахождение. Составляющие рейтинга могут иметь различную значимость для инвестиционной привлекательности предприятий разных отраслей, при этом она во многом определяется инвестиционной привлекательностью региона.

2. Из выпоненного в работе анализа методик оценок рейтинга инвестиционной привлекательности промышленных предприятий следует, что данные Рейтингового агентства АК&М, несмотря на субъективный характер выбора составляющих итогового рейтинга и агоритма его расчета, могут быть использованы в качестве эмпирической базы для многофакторного эко-нометрического моделирования. Эффективным инструментом моделирования и прогнозирования являются многомерные статистические методы анаI лиза - корреляционно-регрессионный, дискриминантный, факторный и кластерный анализы, агоритмы которых поддерживаются широко распространенным в региональных органах статистики базовым модулем пакета программ статистического анализа данных общественных наук SPSS Base.

3. На основании сравнительного анализа средних значений и интервалов изменения информативных показателей рейтинга инвестиционной привлекательности интенсивно развивающихся предприятий двух ведущих отраслей Центральной России - машиностроения и пищевой промышленности, обоснована невозможность объединения эмпирических данных по отраслям с целью повышения надежности статистических выводов. Выявлен асимметрический характер распределения составляющих рейтинга и обосновано, что симметризация распределений показателей рейтинга может быть достигнута логарифмическим преобразованием. Предложена новая статистическая характеристика вариабельности - коэффициент квартальной вариации, применимый в качестве относительной меры изменчивости количественных признаков с любым распределением.

4. Разработаны многофакторные степенные мультипликативные эко-нометрические модели инвестиционной привлекательности интенсивно развивающихся предприятий машиностроения и пищевой промышленности Центральной России, адекватно отражающие зависимость итогового рейтинга от значений составляющих его компонент. По величине параметров моделей Ч коэффициентам эластичности - определена степень влияния каждой компоненты на итоговый рейтинг, выявлены приоритетные факторы, определяющие инвестиционную привлекательность промышленных предприятий, определена их взаимосвязь. Обоснована возможность сведения множества исходных показателей инвестиционной привлекательности к двум латентным факторам - фактору рентабельности, прибыли и финансовой устойчивости, объясняющему большую часть - половину общей дисперсии показателей изучаемых выборок, и фактору производительности труда.

5. По результатам многомерного кластерного анализа, допоненного визуальными методами типологизации, предложены кластерные решения интенсивно развивающихся предприятий Центральной России Ч четырехкла-стерное для машиностроительных предприятий и пятикластерное для предприятий пищевой промышленности. Показано, что для идентификация кластеров может быть выпонена на основе двухфакторного представления множества составляющих рейтинга инвестиционной привлекательности предприятий.

6. На примере интенсивно развивающихся машиностроительных предприятий Центральной России, разработана методика оценки и прогнозирования инвестиционной привлекательности промышленных предприятий. Методика предполагает расчет значений линейной дискриминантной функции по значениям информативных показателей - чистой прибыли, рентабельности и ликвидности. Предлагаемая методика выгодно отличается от методики расчета рейтинга - она основана на статистических свойствах выборки и в этой связи результаты оценки не зависят от субъективно назначаемых весовых коэффициентов. Методика позволяет проводить классификацию предприятий по степени успешной деятельности, а также рассчитывать вероятность этой классификации, что существенно в целях управления их инвестиционной привлекательностью.

Теоретическое значение полученных научных результатов заключается в разработке и обосновании методологических и методических подходов к моделированию и прогнозированию инвестиционной привлекательности российских промышленных предприятий на основе многофакторных эконо-метрических моделей, что предоставляет возможность управления их инвестиционной привлекательностью.

Практическая ценность работы заключается в том, что разработанные в результате исследования что разработанные в результате теоретических и эмпирических исследований методологические и методические подходы к моделированию и прогнозированию инвестиционной привлекательности промышленных предприятий позволят научно обоснованно определять основные направления совершенствования их производственной и финансовой деятельности с учетом специфических условий отрасли.

Результаты апробации методики оценки и прогнозирования инвестиционной привлекательности предприятий на примере интенсивно развивающихся предприятий машиностроения Центральной России показывают, что все этапы и процедуры, входящие в ее состав, могут быть успешно реализованы на практике. Основные положения работы могут служить методической базой для дальнейших исследований в области оценки инвестиционной привлекательности российских промышленных предприятий, а также использованы в учебном процессе при чтении дисциплин Инвестиционный менеджмент и Экономико-математические методы и модели студентам и слушателям экономических и других специальностей вузов.

Диссертация: библиография по экономике, кандидат экономических наук , Подрезов, Павел Николаевич, Орел

1. Абрамов А.Е. Основы анализа финансовой, хозяйственной и инвестиционной деятельности предприятия. Спецвыпуск. 4.1. М.: АКДИ, Экономика и жизнь, 1994.

2. Абрютина М.С., Грачев А.В. Анализ финансово-экономической деятельности предприятия: Учебно-практическое пособие. 2-е изд., исправл. М.: Дело и Сервис, 2000.

3. Агарков С.А. Формирование региональной системы оптимизации инвестиционных решений.

4. Айвазян С.А., Енюков И.С., Мешакин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.

5. Акофф Р. Планирование будущего корпораций. М.: Прогресс,1985.

6. Алексеева М.М. Планирование деятельности фирмы. М.: Финансы и статистика, 1997.

7. Андреенков В.Г., Агрунова К.Д., Паниотто В.И. и др. Математические методы анализа и интерпретация социологических данных. М.: Наука, 1989.

8. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2001.

9. Ансофф Н. Стратегическое управление: Пер. с англ. / Науч. ред. и вступ. слово Л.И. Евенко. М.: Экономика, 1989.

10. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении: Учеб. пособие / Под ред. А.А. Емельянова. М.: Финансы и статистика, 2002.

11. Аптон Г. Анализ таблиц сопряженности. М.: Финансы и статистика, 1982.

12. Беренс В., Хавранек П.М. Руководство по оценке эффективности инвестиционных проектов.

13. Берзинь И.Э., Калинин В.П. Экономика машиностроительного производства: Учебник. М.: Высшая школа, 1988.

14. Бернштам Е. Сравнительный анализ инвестиционных преимуществ федеральных округов.

15. Блауберг И.В., Юдин Э.Г. Становление и сущность системного подхода. М.: Мысль, 1973.

16. Бовыкин В.И. Новый менеджмент: управление предприятиями на уровне высших стандартов: теория и практика эффективного управления. М.: Экономика, 1997.

17. Боровиков В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. М.: Инф.-изд. дом "Филинъ",1998.

18. Боумен К. Основы стратегического менеджмента. М.: ЮНИТИ,1997.

19. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО ДиаСофтЮП, 2002.

20. Васильков Ю.В., Василькова Н.Н. Компьютерная технология вычислений в математическом моделировании. М.: Финансы и статистика,1999.

21. Венецкий И.Г., Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе: Справочник. М.: Статистика, 1979.

22. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика: Учеб. пособие. 2-е изд., перераб. и доп. М: Дело, 2002.

23. Виханский О.С. Стратегическое управление: Учебник. 2-е изд., перераб. и доп. М.: Гардарики, 1999.

24. Виханский О.С., Наумов А.И. Менеджмент: Учебник. 3-е изд. М.: Гардарики, 2002.

25. Воронова Т.А. Инвестиционная активность в стратегии экономического роста (методологические аспекты): Автореф. дис. . д-ра экон. наук.

26. Газета "КоммерсантЪ" № 93(3669) от 31.05.2007.

27. Гласс Дж., Стенли Дж. Статистические методы в педагогике и психологии. М.: Прогресс, 1976.

28. Глотов В.А., Павельев В.В. Экспертные методы определения весовых коэффициентов (обзор) // Автоматика и телемеханика. 1976. №12.

29. Глухов В.В. Менеджмент. Учебник. 2-е изд. СПб.: Лань, 2002.

30. Грабауров В.А. Информационные технологии для менеджеров. М.: Финансы и статистика, 2001.

31. Гранберг А.Г. Проблемы и принципы стратегии территориального развития России. М.: СОПС. 2001.

32. Гришина И., Шахназаров А., Ройзман И. Комплексная оценка инвестиционной привлекательности и инвестиционной активности российских регионов: методика определения и анализ взаимосвязей.

33. Грузинов В.П. Экономика предприятия: Учебник. М.: Банки и биржи, ЮНИТИ, 1998.

34. Доугерти К. Введение в эконометрику. М.: ИНФРА-М, 1997.

35. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 1998.

36. Дэвид Г. Метод парных сравнений / Под ред. Ю.П. Адлера. М.: Статистика, 1978.

37. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М: Радио и связь, 1990.

38. Егоров А.Ю., Валинурова JI.C. Концепция эффективного управления инвестиционным процессом в социально-экономических системах // Инновации и инвестиции, 2004. №3.

39. Егоров А.Ю., Валинурова Л.С. Методологические проблемы управления инвестиционным процессом в социально-экономических системах // Инновации и инвестиции, 2004. №2.

40. Егоров А.Ю., Валинурова JI.C. Механизм эффективного управления инвестиционными процессами в регионах и отраслях экономики // Инновации и инвестиции, 2004. №4.

41. Егоров А.Ю., Валинурова JI.C. Современная Россия: ситуация в инвестиционной сфере // Инновации и инвестиции, 2004. №1.

42. Жикин А.А. Управление промышленными предприятиями с использованием эффективных информационных технологий: Автореф. дис. . к-та экон. наук. Орел: ОреГТУ, 2002.

43. Замков О.О., Черемных Ю.А., Тостопятенко А.В. Математические методы в экономике: Учебник, 2-е изд. М.: МГУ, Дело и Сервис, 1999.

44. Иванилов Ю.П., Лотов А.В. Математические модели в экономике. М.: Наука, 1979.

45. Имитационное моделирование экономических процессов: Учеб. пособие / А.А. Емельянов, Е.А. Власова, Р.В. Дума; Под ред. А.А. Емельянова. М.: Финансы и статистика, 2002.

46. Инвестиционная привлекательность предприятий ЦФО // Банковское дело в Москве. 2002. №3(87).

47. Информационный ресурс Рейтингового агентства АК&М.

48. Информационные системы в экономике / Под ред. В.В. Дика. М.: Финансы и статистика, 1999.

49. Калянов Г.Н. CASE-структурный системный анализ. М.: Лори,1996.

50. Кинг У., Клиланд Д. Стратегическое планирование и хозяйственная политика / Пер. с англ. М.: Прогресс, 1993.

51. Ковалевский A.M. Перспективное планирование на промышленных предприятиях и производственных подразделениях. М.: Экономика, 1985.

52. Ковалев В.В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1998.

53. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. М.: Финансы и статистика, 1997.

54. Кожин В.А. Стратегическое управление предприятием: теория и практика: Монография. Н. Новгород: НИМБ, 2002.

55. Колемаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика: Учеб. пособие для экон. спец. вузов; Под ред. В.А. Колемаева. М.: Высш. шк., 1991.

56. Королев А.Г., Шуметов В.Г., Милых Ф.Г. Экспертно-аналитическое моделирование стратегии развития промышленного предприятия // Компьютерные технологии при моделировании в управлении и экономике. Сб. науч. трудов XV Междунар. конф. Харьков: ХАИ, 2006.

57. Корнеев И.К., Машурцев В.А. Информационные технологии в управлении. М.: ИНФРА-М, 2001.

58. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. М.: ЮНИТИ-ДАНА, 2000.

59. Круглов М.И. Стратегическое управление компанией: Учебник для вузов. М.: ЮНИТИ, 1998.

60. Кугаенко А.А. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования их развития. М.: Вузовская книга, 1998.

61. Кузнецов А.И. Expert Decide для Windows 95, Windows 98 и Windows NT. Версия 2.0. Руководство пользователя / Под ред. В.Г. Шуметова. Орел: ОРАГС, 2000.

62. Курс экономической теории: учебник / Под общ. ред. М.И. Чепу-рина и Е.А. Кисилевой. 5-е доп. и перераб. изд. Киров: АСА, 2003.

63. Лазарева Л.М. Методы формирования приоритетов инвестиционной политики на уровне регионов, отраслей и территориальных образований: Дис. . к-таэкон. наук. М.: ГАСИС, 2003.

64. Лопатников Л.И. Краткий экономико-математический словарь. М.: Наука, 1979.

65. Любанова Т.П., Мясоедова Л.В., Олейникова Ю.А. Стратегическое планирование на предприятии: Учеб. пособие для вузов. 2-е изд., перераб. и доп. М.: ИКЦ МарТ; Ростов н/Д: Изд. центр МарТ, 2005.

66. Ляско В.И. Стратегическое планирование развития предприятия. М.: Изд-во Экзамен, 2005.

67. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 1997.

68. Мартынов А.Ф., Милых Ф.Г., Свалов А.А., Шуметов В.Г. Модели и механизмы управления развитием хозяйственных систем на основе экспертной информации: монография. Орел: ОГАУ, 2003.

69. Мартынов А.Ф., Шуметов В.Г. Информатика для менеджеров. М.: Открытый ин-т МГУДТ, 2002.

70. Математика и кибернетика в экономике. Словарь-справочник / Отв. ред. М.П. Федоренко. М.: Экономика, 1975.

71. Махрин В.В. Совершенствование управления промышленным предприятием с учетом современных информационных технологий: Авто-реф. дис. . к-та экон. наук. Орел: ОреГТУ, 2002.

72. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: Дело, 1992.

73. Методические рекомендации по разработке финансовой политики предприятия / Минэкономразвития РФ. Приказ №118 от 1 октября 1997 г.

74. Милых Ф.Г. Формирование стратегии промышленного предприятия с использованием экспертно-аналитических технологий: Автореф. дис. . к-та экон. наук. Орел: ОреГТУ, 2003.

75. Миркин Б.Г. Группировки в социально-экономических исследованиях: Методы построения и анализа. М.: Финансы и статистика, 1985.

76. Моисеев Н.Н. Математика ставит эксперимент. М.: Наука, 1979.

77. Моисеев Н.Н. Человек, среда, общество (Проблемы формализованного описания). М.: Наука, 1982.

78. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975.

79. Нейман Дж. фон, Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970.

80. Носко В.П. Эконометрика для начинающих. Основные понятия, элементарные методы, границы применимости, интерпретация результатов. М.: Институт экономики переходного периода, 2000.

81. Одендерфер М.С., Блэшфид Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. С.139-215.

82. Паниотто В.И., Максименко B.C. Количественные методы в социологических исследованиях. Киев: Наук, думка, 1982.

83. Паштова Л.Г. Формирование многоуровневой инвестиционной политики как фактор обеспечения экономической безопасности: Автореф. дис. . д-ра экон. наук. М.: РЭА, 2002.

84. Плотинский Ю.М. Модели социальных процессов: Учеб. пособие для вузов. Изд. 2-е, перераб. и доп. М.: Логос, 2001.

85. Подрезов П.Н. Анализ факторов инвестиционной привлекательности промышленных предприятий // Наука и образование. Межвузовский сборник научных трудов. Вып.№2 Общество и экономика. М.: ИИЦ МГУДТ, 2006. С.51-61.

86. Подрезов П.Н. Методические подходы к моделированию инвестиционной привлекательности промышленных предприятий // Известия ОГТУ. Серия Социально-экономические и гуманитарные науки. 2008. №2.

87. Подрезов П.Н. Оценка инвестиционной привлекательности промышленного предприятия: методические подходы // Наука и образование. Межвузовский сборник научных трудов. Вып.№2 Общество и экономика. М.: ИИЦ МГУДТ, 2006. С.41-50.

88. Подрезов П.Н. Применение информационных систем для анализа эффективности развития промышленных предприятий // Моделирование и прогнозирование в управлении: методы и модели. Матер. Междунар. н.-практ. конф. Орел: ОРАГС, 2007. С.225-230.

89. Подрезов П.Н. Типология интенсивно развивающихся промышленных предприятий Центральной России // Наука и образование. Межвузовский сборник научных трудов. Вып.4 Общество и экономика. М.: ИИЦ МГУДТ, 2006. С.3-15.

90. Подрезов П.Н. Эконометрические модели инвестиционной привлекательности промышленных предприятий // Наука и образование. Межвузовский сборник научных трудов. Вып.2 Общество и экономика. М.: ИИЦ МГУДТ, 2006. С.62-72.

91. Подрезов П.Н., Шуметов В.Г. Оценка инвестиционной привлекательности промышленных предприятий на основе современных информационных технологий // Известия ОГТУ. Серия Социально-экономические и гуманитарные науки. 2007. №3.

92. Пранович А. А. Стратегия управления инновационно-инвестиционной деятельностью в переходной экономике: Автореф. дис. . д-ра экон. наук.

93. Пржияковский В.В. Сложный анализ данных большого объема: новые перспективы компьютеризации // СУБД. 1996. №4. С.71-83.

94. Румянцева Е.Е. Новая экономическая энциклопедия. М.: ИНФРА-М, 2005.

95. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

96. Савина О.А. Управление промышленными предприятиями с использованием адаптивных систем имитационного моделирования: Автореф. дис. . д-ра экон. наук. Орел: ОреГТУ, 2001.

97. Савицкая Г.В. Анализ хозяйственной деятельности предприятия: 4-е изд., перераб. и доп. Минск: ООО Новое знание. 1999.

98. Савчук В.П. Оценка эффективности инвестиционных проектов.

99. Сажина М.А., Чибриков Г.Г. Экономическая теория: Учебник для вузов. 2-е изд., перераб. и доп. М.: Норма, 2005.

100. Саймон Г. Теория фирмы / Под ред. Гальперина В.М. СПб.: Экономическая школа, 1995.

101. Сельскова Т.В. Методы оценки привлекательности инвестиционных проектов в автомобилестроении: Автореф. дис. . к-та экон наук. М.: ГАСИС, 2005.

102. Сидоренко В.И. Управление инновационно-инвестиционной деятельностью в народном хозяйстве России: Автореф. дис. д-ра экон. наук.

103. Сошникова JI.A., Тамашевич В.Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 1999.

104. Статистика. Учебник / Под ред. И.И. Елисеевой. М.: ООО ВИТРЭМ, 2002.

105. Стратегическое планирование: учеб. пособие / Под ред. проф. А.Н. Петрова. СПб.: Знание, ГУЭФ, 2003.

106. Стратегическое управление: регион, город, предприятие / Под ред. Д.С. Львова, А.Г. Гранберга, А.П. Егоршина; ООН РАН, НИМБ. М.: ЗАО Издательство "Экономика", 2004.

107. Стратегия предприятия и стратегический менеджмент: Учеб. пособие / Ю.В. Соболев, В.Л. Дикань, А.Г. Дейнека, Л.А. Позднякова. Харьков: ООО Олант, 2002.

108. Такмаков А.В. Управление промышленными предприятиями на основе диагностики их экономического состояния: Автореф. дис. . к-та экон. наук. Орел: ОреГТУ, 2002.

109. Татарова Г.Г. Методология анализа данных в социологии (введение). Учеб. пособие для вузов. М.: Изд. дом Стратегия, 1998.

110. Тихомиров Н.П. Особенности выбора стратегий управления инвестициями в условиях рисков и неопределенности в исходной информации // Инновации и инвестиции, 2004. №1.

111. Тостова Ю.Н. Анализ социологических данных. Методология, дескриптивная статистика, изучение связей между номинальными переменными: Учеб. пособие для вузов. М.: Научный мир, 2000.

112. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова. М.: Финансы и статистика, 1995.

113. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978.

114. Управление организацией / Под ред. А.Г. Поршнева. М.: ИНФРА-М, 2001.

115. Факторный, дискриминантный и кластерный анализ / Дж.-О. Ким, Ч.И. Мьюлер, У.Р. Клекка и др.; Под ред. И.С. Енюкова. М.: Финансы и статистика, 1989.

116. Фатхутдинов Р.А. Система менеджмента: Учебно-практические пособие, 2-е изд. М.: ЗАО Бизнес-школа Интел-Синтез, 1997.

117. Финансы предприятия / Под. ред. проф. Н.В. Кочиной. М.: Финансы, ЮНИТИ, 1998.

118. Хаматова JI.A. Экономика предприятия. Экономические ресурсы предприятия: Учебное пособие. М.: Дашков и К;, 2003.

119. Шеннон Р.Е. Имитационное моделирование систем: наука и искусство. М.: Мир, 1978.

120. Шуметов В.Г. Анализ данных в управлении. Курс лекций. Том 1: Введение в анализ данных. Орел: ОРАГС, 2004.

121. Шуметов В.Г. Кластерный анализ в региональном управлении: учебное пособие. Орел: ОРАГС, 2001.

122. Шуметов В.Г. Управление инновационным процессом в хозяйственной системе на основе современных информационных технологий: монография / Под общ. ред. проф. А.Ю. Егорова. М.: Издательство Палео-тип, 2004.

123. Шуметов В.Г., Гайдамакина И.В. Эконометрика: курс лекций для студентов экономических специальностей. М.: ИИЦ МГУДТ, 2003.

124. Шуметов В.Г., Кузнецов А.И. Агоритмы и пользовательский интерфейс системы поддержки принятия решений Expert Decide // Интелектуальные системы: Труды Четвертого Междунар. симп. М.: МГТУ, 2000. С.173-175.

125. Шуметов В.Г., Шуметова JI.B. Факторный анализ: подход с применением ЭВМ: учеб. пособие. Орел: ОреГТУ, 2000.

126. Экономика предприятий и отраслей промышленности: Учеб. пособие / А.С. Пелих, В.И. Борщевская, Н.Е. Митин и др. Ростов н/Д: РГЭА, 1996.

127. Экономико-математические методы и прикладные модели: Учеб. пособие для вузов / В.В. Федосеев и др.; Под ред. В.В. Федосеева. М.: ЮНИТИ, 1999.

128. Экономическая информатика / Под ред. П.В. Коноховского и Д.Н. Колесова. СПб.: Питер, 2001.

129. Экономическая стратегия фирмы: Учеб. пособие / Под ред. проф. А.П. Градова. СПб.: Специальная литература, 2000.

130. Электрон, ресурс рейтингового агентства АК&М. Режим доступа: Ссыка на домен более не работаетrus/rc/ripcfo 021219tab3 .stm.

131. Электрон, ресурс рейтингового агентства Эксперт РА. Режим доступа: Ссыка на домен более не работаетp>

132. Andrews К. The Concept of Corporate Strategy, Irwin, Home wood, Illinois, 1987.

133. Ansoff H.I. Corporate Strategy: An Analytical Approach to Business Policy for Growth and Expansion, McGraw-Hill, New York, 1965.

134. Ansoff H.I. Corporate Strategy / Assisted by Edward J. McDonnell, Rev. ed., London: Penguin, 1987.

135. Checkland P.B., Scholes I. Soft Systems Methodology in Action. Chichester: Wiley, 1990.

136. Edwards C., Ward J., Bytheway A. The Essence of Information Systems. Prentice Hall, 1995.

137. Fama E.F. Agency Problems and the Theory of the Firm // Journal of Political Economy. 1980. April.

138. Faulkner D., Bowman C. The Essence of Competive Strategy. Prentice Hall, 1995.

139. Grunewald D., Shaviro S., Baron P. Casis in Strategic Management. Ginn Press, Massachusetts, 1993.

140. Jensen V.C. and Meckling W.H. Theory of the firm: Managerail Behavior, Agency Costs and Ownship Structure // Journal of Financial Economics, 1976. №3.

141. Kaldor N.A. Model of Economic Growth // Econ. J. 1957. Vol.67.1. Dec.

142. Mintzberg H., Waters J.A. Of Strategies, Deliberate and Emergent // Strategic Management Journal. 1985. Vol.6.

143. SPSS Base 8.0 для Windows. Руководство по применению. M.: СПСС Русь, 1998.

144. SPSS Base 8.0 для Windows. Руководство по эксплуатации. M.: СПСС Русь, 1998.

145. Stalk G, Evans P., and Shulmann L.E. Competing on Capabilities: The New Rules of Corporate Strategy // Harvard Business Review. 1992. March / April. P.57-69.

146. StatSoft, Inc. (2000). Электронный учебник по статистике. М.: StatSoft. WEB: Ссыка на домен более не работаетhome/textbook/default.htm.

147. Survey of the European Management Consultants Market in 1997. FEACO PMP Research. Brussels, 1998.

148. World Economic Outlook 2002. IMF. Washington, 2003.160

Похожие диссертации

• Методика и практика исследования инвестиционной привлекательности регионов
• Прогнозная оценка инновационной деятельности промышленного предприятия слюдяной отрасли
• Теоретические и методологические основы оценки инвестиционной привлекательности аграрного сектора
• Оценка и управление инвестиционной привлекательностью промышленных предприятий
• Развитие промышленных предприятий на основе управления их инвестиционной привлекательностью