5.1 Процесс формирования интегрированной структуры с параллель­ным выделением ядра [3]

Приведенные в литературе [95, 109, 242-243] способы и оценки эф­фективности интегрированного объединения носят преимущественно теоре­тический характер. Автором разработана и обоснована оригинальная методи­ка, ориентированная на специфические черты предприятий молочной про­мышленности.

Разработанная методика [72] основана на принципах эконометриче­ского моделирования, предполагающих наличие определенной стохастиче­ская связи между показателями публичной финансовой отчетности, реаль­ным и будущим финансовым состоянием предприятия. Для больших мно­жеств предприятий эта связь устойчива, по крайней мере, в некотором огра­ниченном диапазоне значений. Для построения эконометрической модели, характеризующей оценку эффективности интеграции предприятий необхо­димо и достаточно:

1. сформировать репрезентативную выборку предприятий - потенци­альных участников кластерных структур;

2. определить для сформированной выборки множества номинальных и реальных данных. При построении множества данных используется финан­совая отчетность предприятий, экспертные оценки, финансовые показатели по истечении ряда периодов, качественные характеристики развития и т.д.);

3. с помощью методов эконометрических методов исследования вы­делить наиболее сильные и устойчивые связи между номинальным и реаль­ным множествами;

Следует отметить, что экономическая успешность и эффективность объединения - достаточно сильный критерий и изменения, которые возможно статистически обнаружить с высокой вероятностью, свидетельствуют, скорее не о будущих процессах, а о свершившихся хозяйственных фактах Тем не менее, статистический инструментарий, который хорошо зарекомендовал се­бя в подобных задачах может быть достаточно успешно применен и для по­иска более слабых, но ценных в практическом плане, зависимостей.

В отличие от дискриминантных моделей прогнозирования, преду­сматривающих лишь линейную зависимость от неких факторов, логит-анализ оперирует возможностью строить модели нелинейной зависимости, что мо­жет считаться существенным преимуществом.

Коэффициенты логит-моделей обычно оценивают методом макси­мального правдоподобия. Как и в дискриминантном анализе, в результате формируется некоторая линейная комбинация переменных, на основе кото­рой определяется вероятность принадлежности к тому или иному классу в виде:

В логит-моделях не возникает проблем с однозначной интерпретаци­ей результирующего показателя этой вероятности. Он может принимать зна­чения только в интервале от 0 до 1 и определяет номинальное значение пара­метра эффективности.

При разработке модели оценки эффективности интегрированных об­разований были использованы показатели годовой бухгалтерской отчетности перерабатывающих предприятий молочной промышленности ЦЧР за 2009­2014 гг. Для анализа выбраны шесть коэффициентов:

- коэффициент концентрации собственного капитала (автономии),

- коэффициент маневренности собственных средств,

- коэффициент соотношения заемных и собственных средств,

К₄ - коэффициент текущей ликвидности,

К₅ - общая рентабельность,

К₆ - рентабельность продаж,

К₇ - период погашения дебиторской задолженности,

К₈- период погашения кредиторской задолженности,

К₉- отношение кредиторской задолженности к дебиторской.

Предварительно предприятия были разбиты на 4 сегмента: малые, средние, крупные и микропредприятия.

На рисунке 5.1 представлены общие результаты оценки девятифак­торной регрессионной модели, построенной на основании данных для малых перерабатывающих предприятий молочной промышленности ЦЧР с помо­щью пакета STATISTICA.

Рисунок 5.1 - Общие результаты оценки регрессионного анализа Регрессионная функция имеет вид

Как видно из построенной функции, показатели К₂, К₆, К₇, К₈ и К₉ для данной группы предприятий малозначимы, поэтому в дальнейшем не бу­дем их учитывать.

Проведем логит-анализ для прогнозных значений выбранных коэф­фициентов на упреждающий период. Сами прогнозные значения на упреж­дающий период рассчитывались как

где

_n- фактическое значение показателя в последнем временном перио­

де;

- прогнозное значение показателя;

- значение среднего абсолютного прироста, рассчитанное для временного ряда показателей.

Результаты логит-анализа приведены в таблице 5.1.

Таблица 5.1- Прогнозные вероятности попадания малых предприятий в категорию успешных при возможном объединении

Проведя регрессионный анализ по всем группам предприятий полу­чим регрессионные функции и результаты логит-анализа, представленные ниже.

Для средних предприятий:

Z = -1,351 + 0,994K₁+ 0,021K₂+ 0,21K₄+ 6,32K₅+ 0,02К₇+ 0,012K₈. (5.3)

Таблица 5.2 - Прогнозные вероятности попадания средних предпри­ятий в категорию успешных при возможном сетевом объединении

Для крупных предприятий

Z = -2,648 + 4,772K₁+ 0,033K₄+ 9,98K₅

(5.4)

Таблица 5.3- Прогнозные вероятности попадания крупных предпри­ятий в категорию успешных при возможном сетевом объединении

Для микропредприятий

Z = -0,51 + 1,45K₁ + 0,168K₂-0,003K₃-0,117K₄+ 3,917K₅-3,365K₆+ 0,004К₇-0,004K₈ (5.5)

Таблица 5.4 - Прогнозные вероятности попадания микропредприятий в категорию успешных при возможном сетевом объединении

-0,36

5,51

-7,30

0,10

-1,24

10,62

505,2

6611,9

11,39

0,00

Производственные кластеры являются открытыми системами с ак­тивными элементами и функционируют в динамично развивающейся внеш­ней среде [146]. Действие данных структур сопровождается высокой степе­нью неопределенности, что связано с рисками на различных этапах управле­ния производственной сетью и необходимостью их учета.

Ниже в таблице представлены интервалы для описания риска утраты экономической эффективности при вхождении в интегрированное объедине­ние.

Таблица 5.5 - Количественные критерии оценки эффективности про­цесса интеграции