Определение отраслевых показателей финансового анализа предприятий (на примере отрасли по добыче сырой нефти и природного газа)

Целью исследования является развитие теоретических и методологических положений анализа отраслевых финансовых показателей. Актуальность выбранной темы подтверждается с одной стороны востребованностью отраслевых показателей у всех лиц, заинтересованных в финансово-сравнительном анализе предприятий, с другой стороны трудоемкостью и отсутствием методики выведения отраслевых показателей финансового анализа предприятий.

Материалы и методы: В исследовании использовались системный и сравнительный анализ, методы экономического и финансового анализа финансовой отчетности предприятий отрасли и методы статистической оценки основных параметров выборки с логнормальным распределением. Основное внимание уделено применению многомерного статистического анализа, использованию модели логарифмически нормальных распределений, рекомендованных для распределений с ярко выраженной правосторонней асимметрией. В качестве статистического материала были использованы бухгалтерские данные предприятий отрасли по добыче сырой нефти и природного газа за 2016 год. Объем выборки составил 185 предприятия. В ходе исследования авторами решены следующие задачи: предложены этапы анализа определения отраслевых финансовых показателей, выполнена проверка гипотезы о логнормальном распределении маргинальных распределений основных финансовых показателей выборки, реализована проверка гипотезы о совместно нормальном распределении многофакторного случайного вектора финансовых показателей выборки, получены наиболее вероятные значения показателей финансового анализа для отрасли по добыче сырой нефти и природного газа.

Результаты: Теоретической значимостью работы является предложенный авторами алгоритм расчета отраслевых показателей финансового анализа, отличающийся получением модальных значений на основе анализа многомерного логарифмически нормального распределения вектора финансовых показателей выборки предприятий. В ходе исследования авторами получены распределения по основным показателям с ярко выраженной правосторонней асимметрией и проведена проверка гипотезы о логнормальном распределении маргинальных распределений. В работе приведен алгоритм проверки гипотезы о совместной нормальности девятимерного случайного вектора. Получены медианные и модальные значения отраслевых и финансовых показателей. Авторами проведен анализ различий между медианными и модальными результатами исследования. Для анализа рассмотрен трехмерный случайный вектор, включающий выручку, рентабельность собственного капитала и оборачиваемость дебиторской задолженности. Отличие медианных и модальных результатов объяснятся правосторонней асимметрией распределения. Данные авторами рекомендации для определения отраслевых показателей финансового анализа предприятий отрасли по добыче сырой нефти и природного газа носят практический характер и применимы для других отраслей.

Заключение. В работе показано, что ориентация на общеустановленные рекомендуемые значения показателей покрытия, финансового рычага, иммобилизации, рентабельности и оборачиваемости представляется некорректной в силу разнообразия специфических особенностей деятельности предприятий различных отраслей. Рекомендуем рассчитывать наиболее вероятные отраслевые коэффициенты по группам в зависимости от масштаба предприятия (выручки или капитализации).

1. Методологические рекомендации по проведению анализа финансово-хозяйствен- ной деятельности организации (утверждены заместителем председателя Государственного комитета России по статистике В.И. Галицким, дата утверждения: 28.11.2002). [Элек- трон. ресурс]. Режим доступа: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=142116&fld=134&dst=1000000001,0&rnd=0.6079973805181149#048781732051338356 (Дата обращения: 12.03.2020).

2. Касимова Д.Ф. Обзор методик финансового анализа, утверждённых нормативно-правовыми актами // Известия Оренбургского государственного аграрного университета. 2015. № 3 (53). С. 242–245.

3. Мишин Н.Д., Ливинцова М.Г. Финансовый анализ деятельности предприятия // В сборнике: Неделя науки СПбПУ материалы научного форума с международным учаcтием. Инженерно-экономический институт. Санкт-Петербургский политехнический университет Петра Великого, Инженерно-экономический институт; Ответственные редакторы: О.В. Калинина, С.В. Широкова. 2015. С. 425–427.

4. Федорова Е.А., Чухланцева М.А., Черкизов Д.В. Нормативные значения коэффициентов финансовой устойчивости: особенности видов экономической деятельности // Управленческие науки. 2017. № 2. С. 44–55.

5. Отраслевые финансовые показатели аудиторской фирмы «Авдеев и К» на портале Test Firm [Электрон. ресурс]. Режим доступа: https://www.testfirm.ru/otrasli/06/

6. Шипицын А.В., Журавлева Н.В. Компьютерный расчет отраслевых финансовых коэффициентов для крупных компаний США // Вестник Белгородского университета кооперации, экономики и права. 2016. № 5 (61). С. 193–200.

7. Пащенко Т.В. Использование анализа балансовых показателей для бухгалтерских экспертиз // Вестник Пермского университета Серия: Экономика. 2018. Т. 13. № 3. С. 468–481.

8. Андриенко Е.А., Баландина А.С., Андриенко О.В., Пичугина Ж.С. Формирование свободного финансового индикатора для ранжирования хозяйствующих субъектов (на примере нефтегазового комплекса Томской области) // Вестник Томского государственного университета. Экономика. 2018. № 41. С. 211–225.

9. Муравьева Н.Н., Тапалева Н.С. Оценка целевых значений индикаторов эффективности управления финансами на предприятиях малого и среднего бизнеса с учетом отраслевой и региональной специфики // Вестник Воронежского государственного университета инженерных технологий. 2019. Т. 81. № 2(80). С. 290–300.

10. Рытова Е.В., Гутман С.С., Козлов А.В. Оценка финансового потенциала региона на основе нечетко-множественных методов (на примере ЯНАО) // Международная конференция по мягким вычислениям и измерениям. 2018. Т. 2. С. 416–419.

11. Козлов А.В., Рытова Е.В., Гутман С.С., Зайченко И.М. Оценка уровня промышленного развития региона на основе нечетко-множественных методов // Международная конференция по мягким вычислениям и измерениям. 2016. Т. 2. С. 348–351.

12. Система комплексного раскрытия информации об эмитентах «СКРИН» [Электрон. ресурс]. Режим доступа: https://podft.skrin.ru/

13. Сулоева С.Б., Бабкин А.В. Стратегический контроллинг и его информационная система // Научно-технические ведомости СПбГ-ТУ. 2005. № 3 (41). С. 175–182.

14. Пономарева О.А. Анализ данных с помощью аналитической платформы DEDUCTOR // В сборнике: Информатика и вычислительная техника сборник научных трудов. Под ред. В.Н. Негоды. 2016. С. 192–194.

15. Rusakov O.V., Laskin M.B., Jaksumbaeva O.I. Pricing in the real estate market as a stochastic limit. Log normal approximation // International Journal of Mathematical Models and Methods in Applied Sciences. 2016. Т. 10. С. 229–236.

16. Ласкин М.Б., Русаков О.В., Джаксумбаева О.И. Оценка показателей рынка недвижимости по статистическим данным на основе многомерного логарифмически нормального закона // Экономический журнал Высшей школы экономики. 2016. Т. 20. № 2. С. 268–284.

17. Некрасова Т.П., Алексеева А.О. Ценовая политика предприятия нефтегазовой промышленности // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2016. № 3 (245). С. 59–66.

18. Ozerov E.S., Pupentsova S.V., Leventsov V.A., Dyachkov M.S. Selecting the best use option for assets in a corporate management system // Reliability, Infocom Technologies and Optimization (Trends and Future Directions) 6th International Conference ICRITO. 2017. С. 162–170.

19. Alekseeva N., Antoshkova N., Pupentsova S. Application of the Monte-Carlo simulation method in building and energy management systems // Advances in Intelligent Systems and Computing. 2019. Т. 983. С. 257–266.

20. Дамодаран А. Инвестиционная оценка. М.: Альпина Бизнес Букс, 2004. 1950 c.