Введение 4
Обзор литературы 6
Глава 1. Теоретические аспектах принятия управленческих решений . 10
1.1. Методы дискриминантного анализа банкротства предприятия 10
1.2. Нечеткий метод анализа банкротства предприятия 14
1.3. Метод дисконтированных денежных потоков для оценки синергетического эффекта 18
1.4. Нечеткий метод оценки синергетического эффекта 22
Глава 2. Комплексная оценка сделок слияния 24
2.1. Исходные данные 24
2.2. Анализ риска банкротства ПАО «Лукойл», ПАО «Роснефть»,
ПАО «Башнефть» 25
2.3. Анализ риска банкротства предприятия с помощью нечеткого
метода 29
2.4. Оценка синергетического эффекта с помощью метода дисконтированного денежного потока 37
2.5. Оценка синергетического эффекта с помощью нечеткого метода 42
Выводы 46
Список литературы 49
Приложение
Исследователи давно отметили, что для достижения основной цели
компании — получения прибыли, — недостаточно ведения стабильной деятельности. Одним из основных факторов успеха является рост и поддержание конкурентоспособности даже при неустойчивой макроэкономической
ситуации. В условиях мировой неопределенности необходимо принимать
грамотные и обоснованные управленческие решения относительно стратегии развития компании.
В последние несколько лет стратегия слияний и поглощений становится наиболее популярным способом достичь роста компании за счет синергетического эффекта, однако зачастую ожидаемый эффект не достигается. Поэтому необходимо проводить тщательный предварительный анализ, используя количественные методы.
Для обоснованных управленческих решений необходимо провести
комплексный финансовый анализ. Первая часть исследовательской работы посвящена оценке риска банкротства предприятия пятью методами дискриминантного анализа и с помощью нечеткого алгоритма. Далее рассматривается стоимостная оценка эффекта синергии на примере сделок слияния российских нефтяных компаний. В работе рассмотрены количественные методы, разработан метод оценки синергетического эффекта на основе
нечетких представлений.
Объект исследования: оценка синергетического эффекта, получаемого от сделок слияний.
Предмет исследования: процесс принятия управленческих решений
на примере российских нефтяных компаний.
Цель исследования: разработка количественного метода оценки си-
4нергетического эффекта.
В соответствии с целью исследования в работе поставлены следующие задачи:
— исследование и применение методов анализа банкротства предприятий;
— исследование математических методов количественной оценки синергетического эффекта от сделок слияний;
— разработка и применение нечеткого метода оценки синергетического
эффекта от сделок слияний;
— стоимостная оценка синергетического эффекта на примере сделок слияния российских нефтяных компания (ПАО «Роснефть», ПАО «Лукойл» и ПАО «Башнефть»).
В данной работе были рассмотрены количественные методы оценки
риска банкротства и оценки синергетического эффекта от сделки слияния
на примере российских нефтяных компаний.
В первой части работы описаны теоретические аспекты анализа риска банкротства и оценки синергетического эффекта, разработан новый
нечеткий метод оценки синергии. Во второй части магистерской диссертации рассмотренные методы использованы на примере российских нефтяных компаний «Роснефть», «Башнефть» и «Лукойл».
Перед тем, как принять управленческое решение о слиянии компании
необходимо оценить финансовую устойчивость предприятий, поэтому был
проведен анализ риска банкротства. В работе рассмотрены пять методов
дискриминантного анализа и нечеткий метод, разработанный российскими
учеными.
По результатам анализа риска банкротства для объединенных компаний, видно, что для предприятия Лукойл + Башнефть риск банкротства
значительно ниже ниже, чем для совместного предприятия Роснефть +
Башнефть и, как следствие, первая компания более финансово устойчива. Схожие результаты дает использование нечеткого метода оценки риска
банкротства.
Далее в работе рассматривается оценка синергетического эффекта
сделок слияния на примере объединения компаний Роснефть и Башнефть;
Лукойл и Башнефть. На данный момент наиболее часто для оценки синергии аналитики используют метод дисконтированных денежных потоков.
В работе было предложено расширить существующий подход, используя
метод имитационного моделирования Монте-Карло для прогнозирования
46будущих значений параметров, от которых зависит денежный поток.
В результате применения метода дисконтированных денежных потоков мы получаем единственное значение оценки синергетического эффекта.
Для принятия обоснованных управленческих решений руководством компании этого недостаточно, поэтому был предложен нечеткий метод, который позволяет расширить множество допустимых решений. Также разработанный метод учитывает неуверенность эксперта в темпе роста тех или
иных параметров. Нечеткий метод оценки синергетического эффекта прост
в реализации и требует значительно меньше вычислительных мощностей
для нахождения допустимого множества решений. Ниже в таблице приведены результаты стоимостной оценки синергетического эффекта двумя
методами.
1. Beaver W. Financial Ratios As Predictors of Failure // Journal of Accounting Research . 1966. Vol. 4. P. 71-111.
2. Altman E. Finantial ratios, discriminant analysis and prediction of corporate bankruptcy // The Journal of Finance. 1968. Vol. 23. No 4. P. 589-609.
3. Taffler R. Forecasting Company Failure in the UK Using Discriminant Analysis and Financial Ratio Data // Journal of the Royal Statistical Society. 1982. Vol. 145. No 3. P. 342-358.
4. Martin D. Early warning of bank failure: A logit regression approach // Journal of Banking & Finance. 1977. Vol. 1. No 3. P. 249-276.
5. Ohlson J. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. Vol. 18. No 1. P. 109-131.
6. Aziz M., Dar H. Predicting corporate bankruptcy: where we stand? // Corporate Governance: The international journal of business in society. 2006. Vol. 6. No 1. P. 18-33.
7. Naresh Kumar M., Sree Hari Rao V. A New Methodology for Estimating Internal Credit Risk and Bankruptcy Prediction under Basel II Regime // Computational Economics. 2015. Vol. 46, No 1. P. 83-102.
8. Wilson N., Altanlar A. Company failure prediction with limited information: newly incorporated companies // Journal of the Operational Research Society. 2014. Vol. 65, No 2. P. 252-264.
9. Xu M., Zhang C. Bankruptcy prediction: the case of Japanese listed companies // Review of Accounting Studies. 2009. Vol. 14, No 4. P. 534 558.
10. Fedorova E.A., Gilenko E.V., Dovzhenko S.E. Models for bankruptcy forecasting: Case study of Russian enterprises // Studies on Russian Economic Development. 2016. Vol. 50, No 1. P. 159-164.
11. Slavici T., Maris S., Pirtea M. Usage of artificial neural networks for optimal bankruptcy forecasting. Case study: Eastern European small manufacturing enterprises // Quality & Quantity. 2016. Vol. 50, No 1. P. 385-398.
12. Колбин В.В. Теория рисков. Часть II. — Изд-во СПбГУ, 2012. — 236 с.
13. Колбин В. В. Теория решений. Саарбрюккен: Palmarium Academic Publishing, 2013. 644 с.
14. Недосекин А. О. Нечетко-множественный анализ риска фондовых ин-вестиций // СПб.: Сезам. 2002. 181 с.
15. Zadeh L. Fuzzy Sets // Information and Control. 1965. Vol. 8. No 3. P. 338-353.
16. Дюбуа Д., Прад А. Теория возможностей. Приложения к представле-нию знаний в информатике: Пер. с фр. М.: Радио и связь, 1990. 288 с.
17. Ягер Р. Р. Нечеткие множества и теория возможностей. М.: Радио и связь, 1986. 405 с.
18. Mamdani Е., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // International Journal of Man-Machine Studies. 1975. Vol. 7. No 1. P. 1-13.
19. Lee C., Tzeng H., Wang S. A new application of fuzzy set theory to the Black-Scholes option pricing model // Expert Systems with Applications. 2005. Vol. 29. No 2. P. 330-342.
20. Maciel L., Gomide F., Ballini R. Evolving Fuzzy-GARCH Approach for Financial Volatility Modeling and Forecasting // Computational Economics. 2016. Vol. 48. No 3. P. 379-398.
21. Tanaka H., Uejima S., Asai K. Linear Regression Analysis with Fuzzy Model // IEEE Transactions on Systems, Man and Cybernetics. 1982. Vol. 12. No 6. P. 903-907.
22. Herrera-Viedma E. Fuzzy sets and fuzzy logic in multi-criteria decision making. The 50th anniversary of Prof. Loth Zadeh’s theory: introduction // Technological and Economic Development of Economy . 2015. Vol. 21. No 5. P. 379-398.
23. Lee C., Lee A., Lee J. Handbook of Quantitative Finance and Risk Management. New York: Springer, 2010. 1716 p.
24. Дамодаран А. Инвестиционная оценка. Инструменты и методы оценки любых активов. М.: Алвпина Паблишер, 2017. 1316 с.
25. Брейли Р., Майерс С., Аллен Ф. Принципы корпоративных финансов. М.: Вилвямс, 2016. 576 с.
26. Коупленд Т., Колер Т., Муррин Дж. Стоимости компаний: оценка и управление. М.: Олимп-Бизнес, 2008. 576 с.
27. Бишоп Д., Эванс Ч. Оценка компаний при слияниях и поглощениях. Со-здание стоимости в частных компаниях. М.: Альпина Паблишер, 2015. 336 с.
28. Brotherson W., Eades K., Harris R., Higgins R. Company Valuation in Mergers and Acquisitions: How Is Discounted Cash Flow Applied by Leading Practitioners? // Journal of Applied Finance. 2014. Vol. 24. No 2. P. 43-51.
29. Erxleben U., Schiereck D. Wealth creation of mergers in downturn markets // Journal of Management Control. 2015. Vol. 26. No 4. P. 317-345.
30. Dutordoira M., Roosenboomb P., Vasconcelosc M. Synergy disclosures in mergers and acquisitions // International Review of Financial Analysis.
2014. Vol. 31. P. 88-100.
31. Ferrer R. An empirical investigation of the effects of merger and acquisition on firms’ profitability // Academy Of Accounting And Financial Studies Journal. 2012. Vol. 16. No 3. P. 31-55.
32. Xia Z., Xiuzhi Z. Strategic Analysis of Synergistic Effect on M&A of Volvo Car Corporation by Geely Automobile // I-Business. 2011. Vol. 3. No 1. P. 5-15.
33. Garzella S., Fiorentino R. A synergy measurement model to support the pre-deal decision making in mergers and acquisitions // Management Decision. 2014. Vol. 52. No 6. P. 1194-1216.