<<
>>

10. ПОСТРОЕНИЕ МОДЕЛИ ДЛЯ ЦЕЛЕН ОЦЕНКИ СТОИМОСТИ КОМПАНИИ


В предыдущих главах были рассмотрены основные подходы и методы оценки стоимости бизнеса с учетом специфики сделок М&А, а также выявлены особенности оценки при международных сделках М&А.
Теперь перейдем к сравнительному анализу современных методов оценки инвестиционной стоимости компаний при сделках М&А (на примере факторов стоимости, критичных в международных сделках по слияниям и поглощениям).
Для выполнения поставленной задачи необходимо осуществить следующие шаги:
построение условной (например, имитационной) модели деятельности коммерческой компании (на примере международного туроператора). Поэтому в данной главе дается описание методики построения имитационной модели, а также особенностей прогнозирования по методу Монте-Карло (в случае, если аналитик считает дискретные значения исходных данных и операционных, финансовых показателей, распределения вероятностей данной модели недостаточно точными); особенностей проверки надежности модели;
выявление наиболее критичных факторов стоимости компании с помощью анализа чувствительности и отбор факторов с учетом специфики международных сделок М&А. Данная задача может быть осуществлена различными способами, однако наиболее информативным и точным является как раз использование имитационной модели, построенной в предыдущей главе. Данная модель, с помощью электронных таблиц, позволяет определять влияние изменения каждого фактора на величину денежного потока либо операционной прибыли компании и, соответственно (как предполагается), на ее стоимость;
сравнение различных методов оценки в рамках доходного подхода (DFCF и EVA) на основе отобранных факторов. В данной главе используются рассмотренные нами ранее факторы стоимости, которые могут оказать существенное влияние на стоимость компании в международных сделках М&А. С помощью метода итераций, т. е. многократных подстановок, можно провести анализ чувствительности и сравнение стоимости компании, рассчитанной с использованием различных методов оценки, рассмотренных в предыдущей главе (для упрощения расчетов мы не изменяли прогнозируемые значения факторов, отобранных в соответствии с предыдущим шагом, т.е. опустили метод итерации и сразу применили анализ чувствительности к отобранным факторам стоимости). На основе анализа чувствительности делается вывод о предпочтительности того или иного метода.
Вне зависимости от того, какой метод или комбинация методов используется для оценки компании, они базируются на прогнозных значениях показателей деятельности фирмы - выручки, затрат, денежных потоков, т. п. Поэтому прогнозирование будущих событий, а главное, финансовых показателей имеет важное значение при всех методах оценки.
Однако подходы к прогнозированию могут быть различны в зависимости от требуемого уровня детализации.
Одним из подходов является прогнозирование значений трех основных проформ финансовой (бухгалтерской) отчетности - данных бухгалтерского баланса, отчета о прибылях и убытках, отчета о движении денежных средств. При этом наиболее удобно сначала построить прогнозы первых двух проформ для каждого периода, а потом на их основе для каждого периода строить третью проформу, т. е. отчет о движении денежных средств.
Данный подход относительно несложен и может давать неплохие результаты, если аналитик, его применяющий, достаточно хорошо понимает бизнес компании, положение в отрасли, критически относится к изначальным данным отчетности, вносит необходимые корректировки, строит обоснованный прогноз на будущее.
При этом необходимо учитывать, по каким стандартам (МСФО - международные стандарты финансовой отчетности, РПБУ - российские правила бухгалтерского учета, др.) составлялась отчетность, на базе которой строится прогноз. При этом сами показатели можно прогнозировать на будущее различными способами, например, выручку от продаж - на основе постоянного коэффициента роста на некоторый период, на основе трендового анализа, используя прогнозы сравнимых компаний, конкурентов; себестоимость - как процент от выручки; прочие займы - как балансирующее значение и т. п.
Было отмечено, что ряд факторов, которые невозможно спрогнозировать в стоимостном выражении, могут быть все же учтены при оценке компании путем определенной корректировки ставки дисконтирования. Это как раз и находит свое применение в данном подходе, поскольку он является более приблизительным и общим по сравнению со вторым, рассмотренным далее. Несмотря на то, что, по мнению экспертов консалтинговой группы McKinsey, желательно как
можно большее количество факторов учесть напрямую, а не корректируя ставку дисконтирования, в рамках данного подхода уместна как раз корректировка ставки дисконтирования, поскольку полученный результат не претендует на высокую точность. В принципе, данный подход можно назвать экспресс-прогнозом в целях анализа и оценки сделок М&А.
В рамках второго подхода строится детальная факторная (имитационная) модель и проводится полномасштабный факторный анализ оцениваемой компании, что должно привести к значительно более точным результатам. Прогноз, построенный с помощью модели, гораздо более информативен, хотя затраты на его проведение также значительно выше. Поскольку в дальнейшем будем использовать как раз второй путь, т.е. детальное прогнозирование всех факторов для сравнительного анализа методов оценки при международных М&А, остановимся на этом вопросе подробнее.
Данная модель строится следующим образом.
На первом этапе выделяются факторы, которые могут оказать влияние на стоимость бизнеса и которые можно оценить в количественном или стоимостном выражении (факторы, которые невозможно оценить, могут быть включены в ставку дисконтирования аналогично тому, как это делается в первом подходе).

Y У
Факторы, учитываемые в модели Внешние для модели факторы
V.
J
Рисунок 10.1. Выявление факторов, оказывающих влияние на стоимость оцениваемой компании - международного транспортного предприятия
Рассмотрим пример выявления факторов, оказывающих влияние на стоимость международного транспортного оператора (рисунок 10.1) - условный пример, агрегировано).
Как видно из рисунка 10.1, выручка от продаж, непосредственно влияющая на прибыль до налогов, процентов и амортизации (EBITDA), соответственно, и на оценку компании, разбивается на количество проданных билетов за период и цену одного билета каждой категории; количество и цены в дальнейшем - по категориям. Аналогично можно разделить цену, себестоимость, прочие расходы и т. д.
В качестве первичных (исходных) выступают, например, следующие данные:
ставки амортизации по различным объектам;
планируемые объемы продаж в шт. и прогнозируемые цены на продукцию;
предполагаемое использование трудовых ресурсов и их стоимость;
предполагаемые накладные, административные, прочие расходы;
прогнозируемые значения процентных ставок по кредитам, займам, депозитам, ставки налога на прибыль и многие другие.
На основании этих данных, с помощью электронных таблиц, и будут строиться проформы отчетности.
В правой части рисунка показаны «внешние» для модели факторы, которые влияют на используемые нами, на основе которых строится прогноз.
В том случае, если бизнес достаточно сложен, можно строить такие диаграммы отдельно для выделения факторов, влияющих на количество, отдельно - на цену и т.д. Далее определяются значения этих факторов (как показано на рис. 10.1, с помощью «внешних» для модели факторов) за прошедшие периоды и строится их прогноз на будущее, после чего на основании фактических и прогнозных данных строятся проформы финансовой отчетности, по которым и проводится оценка.
Основная сложность заключается в том, чтобы эти, созданные аналитиком проформы отчетности за прошедшие периоды, коррелировали с фактическими данными отчетных форм, которые используются в первом подходе. В то же время стоит обратить внимание, что проформы отчетности, построенные на базе факторов, могут отличаться от фактических - как в сторону меньшей достоверности из-за неучета каких- то существенных факторов, так и в сторону большей достоверности - в том случае, если в фактической отчетности имеются экстраординарные, одноразовые и нехарактерные для данного предприятия операции, которые элиминированы в факторной модели.
Однако даже при такой детализации и увязке всех существенных исходных данных с результатами финансовых отчетов могут быть существенные искажения прогнозов деятельности компании и, соответственно, ее стоимости. Это обусловлено тем, что при построении данных прогнозов для методов DCF, EVA, APV (adjusted present value), SVA (shareholder value analysis)36, как было отмечено, обычно не учитывается вероятностное распределение исходных данных. Вероятностное распределение учитывается лишь в методе Монте-Карло либо при построении нескольких вариантов прогнозов (оптимистичный, умеренный, пессимистичный) с присвоением им соответствующих вероятностей реализации.
В реальности при построении самых обоснованных и детальных прогнозов все же существует ряд рисков и неопределенностей, которые можно разделить на два вида - дискретные риски и непрерывные риски.
Дискретные риски - это риски, в большинстве случаев непосредственно связанные с действиями самой компании, ее менеджмента, с принятием тех или иных стратегических решений и их влиянием на стоимость компании.
Непрерывные риски включают в себя риски колебания рыночных факторов, изменения рыночной конъюнктуры и т. п. (сюда же относят и неопределенность, хотя следует оговориться, что понятие риска и неопределенности в принципе различны, так как последнее не предполагает данных о вероятности того или иного исхода события).
Для включения этих рисков в модель и более точного расчета стоимости компании используют такие методы, как метод реальных опционов и построение модели Монте-Карло.
Метод реальных опционов позволяет учесть как стратегические (контролируемые) риски, так и внешние риски, включая рыночную неопределенность. Моделирование же по методу Монте-Карло позволяет учесть, по крайней мере, контролируемые, дискретные риски, т. е. риски, связанные с принятием тех или иных стратегических решений (например, о выпуске продукции, об установлении оптимальной цены продаж и т. п.).
При этом существуют различные способы построения прогнозов независимых переменных - например, треугольное распределение и нормальное распределение.
Треугольное распределение больше подходит для анализа и построения прогноза переменных, на которые мы можем оказывать значительное влияние, например, объем закупок какого-либо вида сырья или количество сотрудников, необходимое для выполнения определенного вида работ.
Нормальное распределение более целесообразно применять в том случае, когда осуществление события (в данном случае - то или иное
36
Разновидность метода дисконтирования, при котором дисконтируется не отдельные потоки проекта, а все свободные денежные потоки для акционеров компании.
значение некоторой независимой переменной - фактора стоимости компании) менее поддается точному прогнозу и действиям руководства компании, например, при прогнозировании уровня оплаты труда (средней зарплаты сотрудника).
Отличия треугольного от нормального распределения представлено
ниже.

Рисунок 10.2. а) Треугольное распределение для прогноза необходимого количества сотрудников; б) Нормальное распределение для прогноза необходимого уровня оплаты труда
Также следует обратить внимание на то, что распределение может иметь сдвиг, т.е. быть скошено в сторону занижения или завышения прогнозируемой величины. Представим себе, что в результате пессимистического прогноза строятся скошенные в сторону завышения распределения величин необходимого количества сотрудников и уровня оплаты труда одного сотрудника (в среднем). Результаты наглядно представлены на рисунке 10.3.

Рисунок 10.3. а) Треугольное (скошенное в сторону завышения) распределение для прогноза необходимого количества сотрудников; б) Скошенное в сторону завышения распределение для прогноза необходимого уровня оплаты труда Агрегировано современные методы прогнозирования и оценки стоимости в зависимости от эффективности учета этих рисков и
3 7
неопределенностей можно представить в следующем виде (таблица 10.1).
Таблица 10.1 Сравнение методов оценки стоимости компании в зависимости от учета риска и неопределенности Оценка стоимости компании с помощью построения модели по методу Монте-Карло осуществляется с применением электронных таблиц (например MS Excel).
Однако при построении условной модели в пособии мы не будем использовать метод моделирования Монте-Карло, а лишь заложим возможность его использования для тех факторов, которые являются критичными для оценки стоимости данной компании.
Отметим, что для того чтобы имитационная модель отвечала критериям обоснованности и эффективности, она должна обладать следующими характеристиками, которые мы и попытались учесть при ее
38
построении :
репликативностъ - согласованность между моделью и системой, которую она описывает;
предикативность - способность предсказывать не предвиденное очевидно поведение системы;
конструктивность - способность меняться и адаптироваться при изменениях системы.
Источник: Лукашов, А. Монте-Карло для аналитиков // Риск-менеджмент. - 2007. - № 3. - С. 72-77.
" Zeigler, В., Praehofer, Н., Kim, Т. Theory of modelling and simulation. 2000. Цит по: M. Akalu, R. Turner A Monte Carlo comparison between the FCF and DCF methods. Tinbergen Institute Discussion Paper. 2002. - P. 8. [Электронный ресурс] // Режим доступа: www.bnet.com
Некоторые западные исследователи выделяют также необходимость статистической проверки модели39 для того, чтобы она была признана обоснованной, однако мы считаем, что это не является обязательным условием в нашем случае, так как строится условная имитационная модель для данного конкретного предприятия.
Используя второй метод прогнозирования и построения модели, мы, с помощью электронных таблиц (MS Excel), построили имитационную модель деятельности международного туроператора (условный пример). При этом использовались условные исторические данные о деятельности компании за предыдущие три периода (года), данные бюджета на следующий год, а также прогноз на дальнейший ход событий (на два года после бюджета) на основе данных этих четырех периодов.
Очевидно, модель обладает определенной условностью и ограничениями. Выделим основные предпосылки модели, а далее остановимся на ее ограничениях подробнее:
модель строится на основе данных (исходных показателей и данных отчетности) за последние три периода (года) функционирования компании, а также с учетом данных детального бюджета на следующий год. Исходя из этого, строится детальный прогноз исходных данных в увязке с данными проформ отчетности на последующие два периода (года) после бюджета;
модель предполагает постоянный рост факторов стоимости компании (определяемой при любом из методов в рамках любого подхода). Рост большинства исходных показателей определяется на основе роста за предыдущие периоды - фактические данные и данные бюджета на прогнозный период. Однако в ряд исходных данных внесены поправки для более корректного прогнозирования, если предполагается иная динамика (для этого, например, может использоваться метод Монте-Карло и нормальное либо скошенное распределение вероятностей);
модель предполагает, что все исходные данные нам либо известны, либо могут быть спрогнозированы с достаточно большой степенью вероятности;
39
Oakshott, L. (1977). Business modelling and simulation, цит. по: там же.
специально для определения влияния того или иного исходного фактора стоимости на отчетные данные в модели вводится специальная возможность внесения корректировок (это необходимо при дальнейшем анализе чувствительности результатов модели к факторам). Однако при этом необходимо обратить внимание, что ряд показателей, таких как, например,
рентабельность продаж, выражен в процентах в исходных данных и внесение корректировки означает изменение результата на определенное число процентных пунктов, а не процентов (например, предполагается повышение рентабельности определенной услуги с 80 до 81%, т. е. на 1 процентный пункт);
ряд показателей должен корректироваться просто в исходных данных модели.
В имитационной модели могут быть представлены исходные данные модели в увязке с результатами, т.е. прогнозными значениями данных бухгалтерского баланса компании, отчета о прибылях и убытках и отчета о движении денежных средств.
Отметим, что в модель специально заложена возможность внесения корректировок как прошлых, так и прогнозируемых данных, поскольку это понадобиться нам в следующей главе в анализе чувствительности модели и выявлении критичных для данной компании факторов стоимости.
Таким образом, можно доказать, что представленная модель является обоснованной и эффективной, поскольку удовлетворяет перечисленным требованиям к ее верифицируемости, рассмотренным выше, а именно:
критерию репликативности - так как все исходные данные (факторы) автоматически увязаны с проформами финансовой отчетности как за прошлые периоды, так и в прогнозном периоде. Это позволяет проводить верификацию модели и вносить корректировки как в саму модель, так и в данные в том случае, если совокупное влияние факторов не приводит к необходимому показателю в проформе финансовой отчетности (речь идет об исторических данных, т.е. факторах и показателях за прошлые периоды);
предикативности - в рамках применения модели можно выделять наиболее критичные факторы стоимости компании (например, при международных сделках М&А), а также прогнозировать значения этих факторов различными методами (например Монте- Карло), что может давать иное влияние на данные проформ отчетности и конечную оценку стоимости компании, нежели прямое прогнозирование данных проформ;
• критерию конструктивности - модель, как отмечено выше, способна меняться и адаптироваться при изменениях системы и легко верифицируема после внесения таких изменений. При этом необходимо особо подчеркнуть ограничения модели. Поскольку настоящая модель является условной, т.е. все исходные
факторы увязаны с проформами финансовой отчетности с помощью электронных таблиц, она может не учитывать случайные факторы, что в большинстве случаев будет ее положительной чертой. Однако увязка всех данных модели друг с другом требует дополнительного внимания к их прогнозным значениям.
Например, как показано в Приложении 9, стоимость компании, рассчитанная по методу FCFF отличается от стоимости, рассчитанной по методу EVA на 323 тыс. евро или 0,44% (73 084 тыс. евро по методу DFCFF - 72 761 тыс. евро по методу EVA), что является вполне приемлемым. Однако при существенном изменении некоторых данных модели методы могут давать различные результаты. В качестве иллюстрации приведем ситуацию, с которой мы столкнулись.
В исходных данных мы условно предположили одинаковую оборачиваемость кредиторской и дебиторской задолженности в днях (60 дней, два календарных месяца). В случае изменения оборачиваемости, и соответственно, самих прогнозируемых значений дебиторской и кредиторской задолженности, различия в стоимости компании по методам DFCFF и EVA увеличивается, т.к. они реагируют на это, в данной модели по-разному. Например, в целях привлечения финансирования предположим увеличение оборачиваемости кредиторской задолженности до 90 дней, а дебиторской - сокращение до 30 дней. Естественно, это приведет к росту прогнозируемых значений кредиторской задолженности и снижению значений дебиторской задолженности в прогнозируемых периодах. При этом стоимость по методу EVA несущественно изменится до 71 554 тыс. евро, незначительное сокращение объясняется учетом расходов на дополнительное финансирование. Метод же DFCFF существенно реагирует на данное изменение в сторону повышения стоимости до 79 234 тыс. евро, или на 6 150 тыс. евро, 8,4%. Это происходит из-за сокращения роста оборотного капитала, что положительно влияет на FCFF и стоимость компании при расчете методом DFCFF.
сокращение
превышении
наблюдается
Аналогичный эффект может давать, например, уменьшение значения оборачиваемости запасов с 185 дней до 18,5 дней, и соответсвенно, сокращение оборотного капитала - метод EVA отреагирует на такое изменение незначительно (снижение стоимости компании с 72 761 тыс. евро до 71 417 тыс. евро), в то время как метод DFCFF даст значение в 80 731 тыс. евро вместо 73 084 тыс. евро. Это произойдет, в частности, вследствие сокращения прогнозного значения оборотного капитала и положительного влияния на FCFF. В то же время, оборотный капитал должен расти достаточными для нормального функционирования предприятия темпами. В нашей модели при увеличении сроков оборачиваемости и соответственно, прогнозных значений кредиторской задолженности, выявляется все большая разница между стоимостью по методу DFCFF и EVA вследствие положительного влияния на FCFF уменьшения значения оборотного капитала. Однако постоянное оборотного капитала представляется нереальным. При же роста дебиторской задолженности над кредиторской сближение стоимости, рассчитанной по этим методам. В случае, если все же предполагается определенное снижение оборотного капитала, необходимо дальнейшее исследование модели и внесение в нее и в расчеты стоимости дополнительных корректировок.
Также отметим, что при верификации модели и проверке корректности расчетов целесообразно проверять увязки и логику некоторых прогнозируемых финансовых показателей, например:
амортизационные отчисления за какой-либо период могут существенно отличаться от предполагаемых расходов капитального характера. Именно для учета этой разницы и делается корректировка при расчете FCFF (см. Приложение 5). Однако в долгосрочной перспективе эти показатели не должны существенно отличаться друг от друга (оправданно небольшое превышение расходов капитального характера над амортизационными отчислениями), поэтому представляется целесообразным в последний год прогнозного периода прогнозировать значения, приблизительно равные друг другу (в нашем примере расходы капитального характера в последнем году прогнозного периода предполагаются равными 610 тыс. евро, а амортизация - 571 тыс. евро);
прогнозирование сокращения оборотного капитала (превышение роста кредиторской задолженности над дебиторской, сокращение запасов) в последнем году прогнозного периода и в постпрогнозном периоде представляется нелогичным, т.к. в принципе оборотный капитал должен расти пропорционально выручке от продаж компании или других показателей.
Аналогичный анализ можно проводить и по другим статьям отчетности и прогнозируемым данным.
Можно утверждать, что невозможно построить идеальную модель, которая давала бы одинаковые и верные результаты с использованием разных методов и в различных условиях (при различных прогнозах развития компании). Однако для того, чтобы верифицировать модель, необходимо пройти основные шаги:
осуществить критический анализ исходных данных модели;
проверить корректность вычислений и формул электронных таблиц;
сопоставить данные проформ финансовой отчетности, рассчитываемых в модели, с реальными формами финансовой отчетности компании (в частности, за предыдущие периоды);
провести расчет стоимости компании с применением различных методов, например, DFCFF и EVA;
повторно провести критический анализ данных модели уже на более агрегированных показателях;
сравнить значения стоимости, полученные в рамках различных методов.
Следует обратить внимание на то, что совпадение значений стоимости, полученных различными методами, еще не говорит об адекватности модели и корректности прогнозных значений и расчетов. Например, в ходе предварительных расчетов мы получили схожие результаты по методам DFCFF и EVA, разница составляла 1,1% (79 266 тыс. евро по методу EVA и 80 141 тыс. евро по методу DFCFF). Однако в ходе проверки корректности вычислений было обнаружен неправильный расчет влияния оборотного капитала на стоимость по методу DFCFF (снижение значения оборотного капитала оказывало отрицательное влияние на FCFF). Корректировка привела к резкому росту FCFF и стоимости компании, рассчитанной по методу DFCFF. Однако это выявило и другую неточность модели: некорректность прогнозирования постоянного снижения оборонного капитала компании (аналогичное влияние, т.е. снижение оборотного капитала оказывают и различные прогнозируемые коэффициенты оборачиваемости кредиторской и дебиторской задолженности).
Таким образом, расчет стоимости различными методами позволяет лишний раз сделать проверку корректности модели и расчетов, хотя и совпадение стоимости еще не достаточно для формулировки положительного заключения.
Далее предполагается рассмотреть применение построенной модели для оценки сегодняшней стоимости предполагаемых синергических эффектов и новых стратегий, а также в анализе чувствительности стоимости компании в сделках М&А, рассчитанной различными методами, к факторам стоимости.
<< | >>
Источник: Тихомиров Д.В. Оценка стоимости компаний при слияниях и поглощениях: Учебное пособие. 2009
Помощь с написанием учебных работ

Еще по теме 10. ПОСТРОЕНИЕ МОДЕЛИ ДЛЯ ЦЕЛЕН ОЦЕНКИ СТОИМОСТИ КОМПАНИИ:

  1. Тихомиров Д.В. Оценка стоимости компаний при слияниях и поглощениях: Учебное пособие, 2009
  2. P. S.Через четыре года все опять повторится сначала, поэтому сохраните это пособие. Математическая модель предвыборной кампании для оценки ее эффективности
  3. Глава 11. ТАМОЖЕННАЯ СТОИМОСТЬ ТОВАРОВ ИМЕТОДЫ ЕЕ ОПРЕДЕЛЕНИЯ. 11.1. Брюссельская конвенция оценки стоимости товара и Кодекс таможенной стоимости
  4. ???????? ?? ?????? ?., ?????? ??.. ????????? ????????, 2005
  5. 7. ФАКТОРЫ, ОПРЕДЕЛЯЮЩИЕ СТОИМОСТЬ КОМПАНИИ В МЕЖДУНАРОДНЫХ СДЕЛКАХ М&А
  6. 26. МОДЕЛИ ПОСТРОЕНИЯ БЮДЖЕТНОЙ СТРУКТУРЫ В ФЕДЕРАТИВНЫХ И УНИТАРНЫХ ГОСУДАРСТВАХ
  7. 6. СТОИМОСТЬ КОМПАНИИИ ПОЛЕЗНОСТЬ ПРИ СЛИЯНИЯХ И ПОГЛОЩЕНИЯХ: ПОНЯТИЯ, ПОДХОДЫ К АНАЛИЗУ
  8. 8. ТРАДИЦИОННЫЕ ПОДХОДЫ И МЕТОДЫ К ОЦЕНКЕ КОМПАНИЙ
  9. 5.2 Оценка стоимости капитала
  10. ?.?. ????????, ?.?. ?????????. ?????? ????????? ??????????? (???????), 2006
  11. Оценка стоимости аудиторских услуг
  12. 6. ОЦЕНКА СТОИМОСТИ БИЗНЕСА