Оценка инвестиционной привлекательности компаний нефтеперерабатывающей промышленности Российской Федерации

Данная публикация отражает результаты исследований авторов, направленных на поиск путей уменьшения трудоемкости и сложности оценки инвестиционной привлекательности потенциальных получателей инвестиций. Цель исследования – создание методологии, которая позволит эффективно управлять не только процессом определения получателей инвестиций, но и развитием организаций для повышения их инвестиционной привлекательности.
Авторы приводят обзор наиболее значимых публикаций, в которых рассматриваются существующие методы оценки инвестиционной привлекательности, основанные как на финансовой отчетности, так и на определении рыночной стоимости бизнеса.
В основной части статьи авторы приходят к выводу о том, что технология оболочечного анализа данных (Data Envelopment Analysis - DEA) может быть использована для агрегирования нескольких различных критериев оценки инвестиционной привлекательности в одном номере. Раздел, в котором представлены эмпирические результаты исследования, содержит характеристику ряда показателей российских нефтеперерабатывающих компаний и их агрегирование как на основе метода экспертных оценок, так и на базе формального подхода с применением DEA. В примерах применяются исключительно критерии, рассчитанные на основе финансовой отчетности организаций.
Подчеркивается, что в реальной практике первый метод - весьма дорогостоящая и трудоемкая процедура по сравнению со вторым, который обеспечивает формализованное согласование критериев, использованных в уже применявшихся ранее методах оценки, и учитывает ситуацию, сложившуюся во всем изучаемом сегменте рынка.
Показано, что расчеты, произведенные на основе двух указанных методов, дают приблизительно одни и те же результаты. Это свидетельствует о том, что предлагаемая авторами методология может рассматриваться как эффективная альтернатива существующим экспертным подходам к оценке инвестиционной привлекательности.
В заключительной части статьи формулируются рекомендации по совершенствованию предлагаемого методологического подхода за счет включения в число критериев ряда рыночных показателей, характеризующих деятельность потенциальных получателей инвестиций.

1. Баканов М.И., Шеремет А.Д. Теория экономического анализа. М.: Финансы и статистика, 1997. 288 с.

2. Казакова Н.А. Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании: учеб. пособие. М.: Финансы и статистика, 2012. 238 с.

3. Крылов Э.И., Власова В.М., Егорова М.Г. Анализ финансового состояния и инвестиционной привлекательности предприятия: учеб. пособие. М.: Финансы и статистика, 2014. 192 с.

4. Ложкина Н.А., Соколова Н.Г. Формирование метода оценки инвестиционной привлекательности предприятия на основе открытой информации // Огарев-online. 2018. № 1. URL: http://journal.mrsu.ru/arts/formirovanie-metoda-ocenki-investicionnojprivlekatelnosti-predpriyatiya-na-osnove-otkrytojinformacii.

5. Самсонов А.В., Васильев И.В. Анализ инвестиционной привлекательности предприятий нефтегазовой отрасли в России // Московский экономический журнал. 2020. № 2. C. 439-450. doi: 10.24411/2413-046Х-2020-10088.

6. Stern J.M., Shiely J.S. The EVA Challenge: Implementing Value-Added Change in an Organization. New York: Wiley, 2001.

7. Ивашковская И.В. Управление стоимостью компании: вызовы российскому менеджменту // Российский журнал менеджмента. 2004. № 4. С. 113-132.

8. Теплова Т.В. Корпоративные финансы в 2 ч. Ч. 1: учеб. и практикум для академ. бакалавриата. М.: Юрайт, 2019. 390 с.

9. Kostin K.B. Investment Attractiveness Assessment of Global Russian Companies // Journal of Economics Studies and Research. 2018. Vol. 2018. doi: https://doi.org/10.5171/2018.783590.

10. Arnold G. Corporate Financial Management. 5th ed. Harlow: Pearson Education, 2013.

11. Zhu J. Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets and DEA Excel Solver. International Series in Operations Research & Management Science (ISOR). Vol. 51. Boston, MA: Springer, 2003. doi: https://doi.org/10.1007/978-1-4757-4246-6.

12. Cooper W.W., Seiford L.M., Zhu J. (eds) Handbook on Data Envelopment Analysis. International Series in Operations Research & Management Science (ISOR). Vol. 71. Boston, MA: Springer, 2004. doi: https://doi.org/10.1007/b105307.

13. Hwang S.-N., Lee H.-S., Zhu J. (eds) Handbook of Operations Analytics Using Data Envelopment Analysis. International Series in Operations Research & Management Science (ISOR). Vol. 239. Boston, MA: Springer, 2016. doi: https://doi.org/10.1007/978-1-4899-7705-2.

14. Farrell M.J. The Measurement of Productive Efficiency // Journal of the Royal Statistical Society. Series A (General). 1957. Vol. 120. No. 3. P. 253-290. doi: https://doi.org/10.2307/2343100.

15. Charnes A., Cooper W.W., Rhodes E. Measuring the Efficiency of Decision Making Units // European Journal of Operational Research. 1978. No. 2. Iss. 6. Р. 429-444. doi: https://doi.org/10.1016/0377-2217(78)90138-8.

16. Banker R.D., Charnes A., Cooper W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis // Management Science. 1984. Vol. 30. Iss. 9. Р. 1078-1092. doi: https://doi.org/10.1287/mnsc.30.9.1078.

17. Sickles R.C., Zelenyuk V. Measurement of Productivity and Efficiency: Theory and Practice. Cambridge University Press, 2019.

18. Bogetoft P., Otto L. Benchmarking with DEA, SFA, and R. International Series in Operations Research & Management Science (ISOR). Vol. 157. New York: Springer-Verlag, 2011. doi: https://doi.org/10.1007/978-1-4419-7961-2.