Определение нормы доходности на собственный капитал высокотехнологичных предприятий: На примере телекоммуникационного сектора тема диссертации и автореферата по ВАК РФ 08.00.05, кандидат экономических наук Гельман, Сергей Викторович

• Гельман, Сергей Викторович
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Гельман, Сергей Викторович

Введение.

Глава 1. Специфика высокотехнологичного бизнеса.

1.1. Высокотехнологичный бизнес, как бизнес, принадлежащий к наукоемким отраслям.

1.1.1. Показатель наукоемкое™, как критерий высокотехнологичности бизнеса.

1.1.2. Принадлежность к определенным волнам Кондратьева, как критерий высокотехнологичности.

1.2. Специфика высокотехнологичного инновационного бизнеса.

1.3. Специфика телекоммуникационной отрасли, как наиболее значимой отрасли высокотехнологичного бизнеса.

Глава 2. Теоретическое обоснование использования многофакторных моделей в оценке высокотехнологичного бизнеса.

2.1. Основы ценообразования на активы с высоким риском.

2.2. Средневзвешенная стоимость капитала.

2.3. Математическое представление взаимосвязей цена - денежные потоки - доходность.

2.4 Определение нормы доходности на собственный капитал (НДСК) с помощью метода аналогий.

2.5. Определение нормы доходности на собственный капитал с помощью базированной на потреблении модели оценки капитальных активов (Consumption-based Capital Assets Pricing Model).

2.5.1. Использование экспоненциальной функции полезности.

2.5.2. Использование логарифмической функции полезности.

2.6. Определение нормы доходности на собственный капитал с помощью модели оценки капитальных активов Шарпа, Линтнера, Моссина

Capital Assets Pricing Model).

2.7. Определение нормы доходности на собственный капитал с помощью арбитражной теории ценообразования Росса (Arbitrage Pricing Theory-APT).

2.8. Основы использования многофакторных моделей при управлении финансовыми активами.

Глава 3. Построение многофакторной модели доходности российских акций.

3.1. Методология идентификации модели

3.2. Эмпирический анализ.

3.2.1. Инструменты и источники.

3.2.2. Структура и моделирование данных.

3.2.2.1. Реальный курс рубля.

3.2.2.2. Объем розничных продаж.

3.2.2.3. Среднемесячная заработная плата.

3.2.2.4. NASDAQ.

3.2.2.5. Спрэд качества.

3.2.3. Основная модель.

3.2.4. Коррекция нарушений предпосылок классической линейной модели множественной регрессии (КПММР).

3.2.4.1. Коррекция автокорреляции остатков.

3.2.4.2. Коррекция условной гетероскедастичности остатков.

3.2.5. Результаты исследования и интерпретация.

3.3 Определение нормы доходности на собственный капитал с помощью модели арбитражной теории ценообразования.

3.3.1 Переход от факторной модели генерации доходности к модели арбитражной теории ценообразования.

3.3.2 Особенности построения модели при неканонической форме факторов.

3.3.3. Расчет нормы доходности на собственный капитал с помощью арбитражной теории ценообразования на примере предприятий вошедших в эмпирическое исследование.

3.3.4. Особенности нормы доходности на собственный капитал высокотехнологичных предприятий и практические рекомендации по ее расчету.

Введение диссертации (часть автореферата) на тему «Определение нормы доходности на собственный капитал высокотехнологичных предприятий: На примере телекоммуникационного сектора»

Высокотехнологичные предприятия в настоящее время являются наиболее перспективными инструментами развития экономики. Специфика их функционирования - а именно относительно длинный по времени производственный цикл, высокий требуемый объем расходов на исследования и разработки, высокий удельный вес дорогостоящих специализированных активов - требует наличие мощной финансовой базы. Поэтому высокотехнологичный бизнес вынужден все чаще обращаться за долгосрочными средствами к широкому кругу инвесторов. Наиболее удобной формой предоставления средств являются прямые инвестиции в собственный капитал предприятия. Необходимым условием такого участия инвестора в собственном капитале высокотехнологичного предприятия является его адекватная оценка. Из-за специфики деятельности таких предприятий ряд применяемых методов оценки бизнеса (рис. 1) очевидно неадекватен: В связи со специализацией активов и высокой доли сложнореализуемых в отдельности НИОКР имущественный или затратный метод будет давать искаженные, определенно заниженные оценки. Поскольку производственный процесс или структура предоставления инновационных услуг оцениваемого предприятия часто не имеет аналогов на рынке, а зачастую и в мире, то в большинстве случаев практически не возможно адекватно подобрать необходимую для применения рыночного метода «группу сравнения» (peer group).

Таким образом, лишь с помощью доходного подхода можно более или менее адекватно оценить высокотехнологичный бизнес. Следовательно, необходимо корректно спрогнозировать будущие денежные потоки от хозяйственной деятельности высокотехнологичного предприятия и определить норму доходности на собственный капитал, адекватную риску рассматриваемых денежных потоков.

Опционные методы оценки 1%

Метод капитализации доходов (доход подход) 19%

Учетные методы оценки затратный подход) К 28%

Метод дисконтирования денежных потоков (доходный подход) 30%

Метод рынка капитала (сравнительный подход) 9%

Метод отраслевых коэффициентов (сравнительный подход) 5%

Метод сделок (сравнительный подход) 8%

Рис.1. Использование методов оценки. Результаты опросного исследования за период с 21 апреля по 31 июля 2000 г., %

Проблема обоснованного прогнозирования денежных потоков не имеет однозначного теоретического решения: невозможно научиться точно предсказывать будущее. Однако знания в области маркетинга, макроэкономики и долгий опыт работы на рынке позволяет оценить вероятностную структуру различных сценариев. Спрогнозировав ряд возможных комбинаций будущих денежных потоков и оценив вероятностную структуру данного ряда, следующей и одной из важнейших задач инвестора в рамках принятия инвестиционного решения является определение нормы доходности на собственный капитал рассматриваемого предприятия.

Норма доходности на собственный капитал (НДСК), она же стоимость собственного капитала (ССК, английский вариант - cost of equity) является важным элементом для принятия инвестиционных решений: НДСК является

35] основополагающим критерием решения о вложении средств в собственный капитал предприятия, а также о реализации предприятием тех или иных инвестиционных проектов. НДСК представляет собой упущенный доход от вложения средств в эквивалентный альтернативный актив. Эквивалентность альтернативного актива должна быть гарантирована по затратам труда, горизонту планирования, степени риска и др. Найти альтернативный актив, отвечающий таким критерием (в первую очередь по степени риска) на финансовом рынке, как правило, не представляется возможным. Таким образом, доходность эквивалентного альтернативного актива приходится моделировать, что, по сути, является определением ожидаемой доходности самого оцениваемого объекта. Иными словами, НДСК можно определить как ожидаемую (требуемую) доходность оцениваемого актива в свете имеющегося набора инвестиционных альтернатив и предпочтений инвестора по поводу потребления.

Для определения ставки дисконтирования, в отличие от прогнозирования денежных потоков, существует ряд формализованных решений. Наибольшее распространение приобрели метод расчета на базе модели оценки капитальных активов (Capital Assets Pricing Model - САРМ) и метод кумулятивного построения ставки дисконтирования. Последний способ расчета позволяет оценщику достаточно произвольно накидывать надбавки за риск, что делает рассчитанную таким образом ставку дисконтирования предельно субъективной [4, с. 215]. При расчете на базе САРМ принимается целый ряд предпосылок о ситуации и целях инвестора, которые чаще всего не соответствуют положению лиц, инвестирующих в высокотехнологичные предприятия. Основным спорным моментом является предпосылка о полной диверсификации инвесторов, лежащая в основе САРМ - большинство инвестиционных фондов или лиц, вкладывающихся в высокотехнологичный бизнес, обладают портфелями с преобладанием высокотехнологичных секторов и таким образом очень далеких от полной диверсификации. Кроме того, в модели оценки капитальных активов учтен лишь один источник систематического риска - риск рынка акций, в то время как высокотехнологичные предприятия в силу своей специфики очень чувствительны ко многим макроэкономическим параметрам, как то рост потребления, уровень цен и т.д. Поэтому более корректно будет проводить расчет ставки дисконтирования, учитывая ряд факторов экономического риска, что возможно на базе арбитражной теории ценообразования (Arbitrage Pricing Theory - APT) с использованием многофакторных моделей генерации дохода.

Многофакторные модели процесса генерации дохода или, проще, модели доходностей ценных бумаг широко применяются в управлении рисками и инвестиционными портфелями западных инвестиционных компаний и банков. [41] На основе многофакторных моделей доходности построены теория оценки капитальных активов (Capital Assets Pricing Model) [81] и теория арбитражного ценообразования (Arbitrage Pricing Theory) [77], прочно вошедшие в практику оценки бизнеса. С другой стороны, существующие многофакторные модели часто подвергаются критике в связи с недостаточной теоретической обоснованностью моделей и произвольностью подбора факторов. Кроме того, высказываются серьезные сомнения по поводу целесообразности использования многофакторных моделей для относительно нестабильных и молодых финансовых рынков, таких как финансовый рынок России. Однако пока не было опубликовано результатов исследований, позволяющих обоснованно судить о надежности таких моделей для российского рынка акций.

Поэтому возникает необходимость в заполнении обнаруженного пробела в финансовой теории.

Актуальность проблемы. В настоящий момент большое количество высокотехнологичных предприятий нуждается в финансировании (для приобретения основных активов, расширения производственной базы и т.п.). В связи с ограниченными возможностями российской банковской системы для многих предприятий единственным путем является привлечение собственного капитала. Привлечение собственного капитала производится уже сейчас как от узкого круга лиц, так и по открытой подписке с размещением акций на бирже (IPO). В качестве примера успешного первичного размещения акций на бирже можно привести размещение информационной компанией «Росбизнесконсалтинг» и авиастроительным предприятием «Иркут» новых акций на Московской Межбанковской Валютной Бирже (ММВБ) и в Российской Торговой Системе (РТС), а также компаниями сотовой связи «МТС» и «Вымпелком» на Нью-Йоркской Фондовой Бирже (New York Stock Exchange, NYSE). Однако определить, насколько адекватно была произведена оценка размещенных акций имеющимися методиками не представляется возможным.

Со стороны инвесторов также существует серьезная заинтересованность в инвестициях в собственный капитал высокотехнологичных предприятий. Традиционные в России формы вложения средств, как то, иностранная валюта и государственные облигации в связи с изменением макроэкономической ситуации стали малопривлекательными, а то и вовсе перешли в категорию убыточных. Одним из пока еще существующих барьеров для инвестиций в собственный капитал высокотехнологичных предприятий является не разработанная в полной мере методика определения НДСК для высокотехнологичных предприятий в условиях финансово нестабильной макроэкономической ситуации России. Поэтому разработка адекватных методов оценки НДСК является актуальной задачей.

Актуальность решения задач, рассматриваемых в диссертации, вытекает также из программы социально-экономического развития Российской Федерации на среднесрочную перспективу [30]. Программа подчеркивает необходимость именно в настоящий момент инвестировать средства в развитие предприятий наукоемких отраслей, в том числе интенсивно развивать информационные и телекоммуникационные технологии. НДСК является одним из основополагающих критериев для инвестора при принятии инвестиционного решения. Проблема расчета НДСК для высокотехнологичных предприятий в финансово нестабильной обстановке не была еще однозначно решена.

Цель и задачи исследования. Цель настоящей работы состояла в теоретическом обобщении принципов построения, разработке и дальнейшем совершенствовании методов расчета нормы доходности на собственный капитал российских высокотехнологичных предприятий и решении на их основе научной проблемы расчета НДСК для конкретных высокотехнологичных предприятий базируясь на макроэкономических индикаторах.

Для достижения поставленной цели в работе решаются следующие основные задачи:

Функционально-структурный анализ нормы доходности на собственный капитал акционерных обществ, имеющих котировки на бирже и выплачивающих дивиденды.

- Исследование специфических особенностей высокотехнологичных предприятий, имеющих важное значение при оценке НДСК.

- Обобщение существующих методов определения НДСК в условиях развитой финансовой системы и экономической стабильности.

- Анализ особенностей методов расчета НДСК на нестабильных финансовых рынках, в особенности на российском.

- Разработка модели доходности на базе ряда макроэкономических факторов, оказывающих продолжительное влияние на рост и колеблемость будущих денежных потоков, причитающихся инвестору, а также на потребительские предпочтения инвестора.

- Выбор значимых факторов модели доходности акций предприятий разных отраслей для российского рынка акций. Идентификация параметров разработанной модели.

- Выявление фундаментальных отличий значения параметров моделей доходности высокотехнологичных предприятий (принадлежащих к наукоемким отраслям) от значений параметров моделей доходности предприятий традиционных секторов с невысокой долью инноваций (ТЭК и т.п.).

- Расчет НДСК высокотехнологичных предприятий, используя ранее полученные параметры моделей доходности, на примере компаний телекоммуникационного сектора.

Объект и предмет исследования. Объектом исследования данной диссертационной работы является инвестиционная деятельность физических и юридических лиц направленная на прямые вложения в собственный капитал высокотехнологичных предприятий. В ходе принятия инвестиционного решения инвестор ориентируется на ряд критериев. Одним из наиболее важных критериев является норма доходности на собственный капитал предприятия - объекта предполагаемой инвестиции. Адекватное определение нормы доходности на собственный капитал и является предметом данного исследования.

Методы исследования. В диссертационной работе используются методы эконометрики и математического моделирования цен финансовых активов и их доходности. Идентификация параметров моделей производится с помощью методов статистического анализа эмпирических данных курсов акций широкой группы российских предприятий на бирже РТС [31] и макроэкономических показателей российской и мировой экономики с использованием компьютерных эконометрических и статистических программ Econometric Views 4.01 и SPSS v.11.0.

Научные результаты, выносимые на защиту. Теоретическое обобщение методов определения НДСК. Решение проблемы определения НДСК высокотехнологичных предприятий в условиях развивающейся экономики на примере определения НДСК российских высокотехнологичных предприятий.

1. Предложения по основным образующим элементам НДСК в общем случае.

2. Специфические для высокотехнологичных отраслей экономики методы учета в величине НДСК инвестиционных рисков и потребительских предпочтений инвесторов.

3. Методы расчета НДСК с помощью параметров факторных моделей доходности.

4. Теоретическая разработка и спецификация моделей доходности акций предприятий на российском рынке ценных бумаг.

5. Количественное определение параметров модели доходности акций с учетом пяти макроэкономическим факторов, значимых для доходности инвестиций в предприятия трех отраслей российской экономики.

6. Выявление основополагающих отличий параметров для высокотехнологичных предприятий (на примере компаний телекоммуникационной отрасли).

7. Методика расчета норм доходности на собственный капитал при инвестировании в высокотехнологичные предприятия.

Научная новизна:

В диссертации впервые комплексно рассмотрена проблема определения НДСК для высокотехнологичных предприятий в условиях нестабильной экономико-финансовой ситуации, имеющая существенное значение для развития российской финансовой системы и высокотехнологичных отраслей экономики. В ходе решения проблемы:

- предложен и теоретически обоснован набор макроэкономических факторов, которые должны учитываться при расчете НДСК по российским предприятиям, характеризующимся высокой степенью инновационной активности (стр. 75-100);

- для предприятий трех отраслей российской экономики произведена оценка параметров модели доходности (с использованием поправки на ОАРУГ и автокорреляцию) по пяти специально отобранным макроэкономическим факторам (стр. 100-112); разработана и проверена на точность и значимость полученных численных результатов многофакторная модель доходности акций осуществляющих инновации российских предприятий (стр. 110-112);

- на примере предприятий телекоммуникационной отрасли выявлены и проанализированы процессы, обуславливающие существенные отличия в значениях параметров разработанной модели доходности акций применительно к предприятиям высокотехнологичных отраслей от значений этих параметров применительно к предприятиям невысокотехнологичных отраслей (стр. 113-116);

- на базе арбитражной теории ценообразования, но без использования безрисковой ставки доходности и портфелей ценных бумаг с нулевой чувствительностью и наименьшей дисперсией, разработан метод определения нормы доходности на собственный капитал; этот метод применен к российским высокотехнологичным предприятиям (стр. 117-121);

- по предложенной методике и с использованием полученных параметров для инвестиций в ряд российских предприятий телекоммуникационной отрасли произведен расчет норм доходности на собственный капитал (стр. 117-130).

Апробация работы. Основные положения и результаты исследования, изложенные в диссертационной работе, доложены на 5 международных конференциях (2001-2004 гг.):

1. Предпринимательство и реформы в России. СПб. СПбГУ. 2001

2. Economic International Conference 2004 in St. Petersburg

3. Joint Meeting of the Society for Multivariate Analysis in Behavioral Sciences and European Association of Methodology 2004 in Jena

4. Joint Conference of the European Economic Association and Econometric Society- European Meeting 2004, Madrid

5. Stochastic Finance 2004 - International Conference in Lissabon.

А также на заседаниях кафедр:

1. экономики исследований и разработок экономического факультета СПбГУ (2001-2004 гг.),

2. экономики и аудита предприятия экономического факультета Филиппс-Университета Марбурга (2001 г.)

3. эмпирических экономических исследований экономического факультета Вестфальского Вильгельмс-Университета Мюнстера (2003-2004 гг.)

Построение диссертации. Диссертация включает введение, три главы и заключение. В первой главе проанализированы длительность производственного цикла, уровень и характер конкуренции, доля расходов на исследования и разработки высокотехнологичного бизнеса. Разработка теоретической базы оценки высокотехнологичных предприятий и в частности расчета ставки дисконтирования рассмотрены в главе 2. В главе 3 проведено построение надежной многофакторной модели доходности российских акций и разработана методика расчета НДСК для оценки высокотехнологичного бизнеса.

Заключение диссертации по теме «Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда», Гельман, Сергей Викторович

3.2.3 Результаты исследования и интерпретация

Общая пятифакторная модель показала неожиданно высокую точность - модель по всему периоду с начала 98-го года в среднем описывает более 28% процентов дисперсии доходностей акций 29 предприятий, что выше точности моделей Элгети/Маурера для доходностей акций страховых [61] и Штайнера/Новака для доходностей акций большинства [80] немецких акционерных обществ, имеющих котировки.

Заключение

В результате проведенного в диссертации математико-теоретического исследования и эконометрико-статистического моделирования нормы доходности на собственный капитал российских высокотехнологичных предприятий, автор пришел к следующим основным выводам и положениям:

1. Норма доходности на собственный капитал определяется темпами роста денежных потоков, временным предпочтением инвесторов, степенью их стремления к стабильному равномерному потреблению и чувствительностью к различным факторам риска, представляющих угрозу для объема потребления.

2. Несмотря на наличие интуитивных методов расчета НДСК (кумулятивный подход), наиболее теоретически обоснованными являются методы определения НДСК на базе факторных моделей.

3. База расчета НДСК - факторная модель - должна в оптимальном варианте включать около пяти факторов, описывающих темпы роста денежных потоков, стабильность внутри страны и за рубежом, а также потребительские предпочтения инвесторов.

4. В условиях нестабильной финансовой системы (что соответствует настоящей ситуации в России), когда безрисковая ставка стоимости капитала отсутствует, моделирование стоимости капитала без использования безрисковой ставки возможно. При этом в многофакторной модели доходности зависимой переменной является не избыточная доходность (не „excess return"), а общая доходность („return").

5. С учетом специфики российской финансово-экономической ситуации и уровня развития рынка ценных бумаг, а также наличия статистической и финансовой информации, наиболее удачно описывают доходность акций российских предприятий следующие факторы:

• прирост объема розничных продаж, в долл.

• прирост объема среднемес. з/пл., в долл.

• прирост реального курса рубля

• прирост значения индекса NASDAQ Composite

• качественный спред или премия за риск дефолта

Данная модель позволяет объяснить чуть менее трети дисперсии доходности российских акций

6. Показано, что в ряде конкретных случаев можно резко улучшить качество модели доходности, включив авторегрессионный член первого порядка, что говорит о наличии «эффекта момента» (Momentum) для данных конкретных акций.

7. Показано отсутствие эффекта гетероскедастичности при использовании описанной пятифакгорной модели для месячных доходностей, рассчитанного как по модели Энгла (АРУГ - АвтоРегрессионная Условная Гетероскедастичность), так и по модели Боллерслева (ОАРУГ - Общая АвтоРегрессионная Условная Гетероскедастичность)

8. Выявлена кардинально более высокая чувствительность доходности акций высокотехнологичных предприятий к фактору прирост значения индекса NASDAQ Composite, по которому соответствующий коэффициент модели и, соответственно, при расчете НДСК превышает примерно вдвое средний по всему рынку.

Список литературы диссертационного исследования кандидат экономических наук Гельман, Сергей Викторович, 2005 год

1. Айвазян С. А. Основы Эконометрики. Москва. Юнити 2001.

2. Бланк, И. А. Управление инвестициями предприятия. СПб/Киев. Ника-Центр 2003.

3. Валдайцев С.В. Риски в экономике. СПб.: ДНТП, 1993.

4. Валдайцев С. В. Оценка бизнеса и управление стоимостью предприятия. Москва. Юнити-Дана, 2002. 720с.

5. Валдайцев С.В. Воробьев П.П. и др. Инвестиции. Под ред. В.В. Ковалева, В.В. Иванова, В.А. Лялина. Москва. ТК Велби, Изд-во Проспект, 2003. 440с.

6. Воронцовский А.В. Инвестиции и финансирование. С-Петербург. СпбГУ, 2003. 528с.

7. Воронцовский А. В. Управление рисками. С-Петербург. СПбГУ. 2000. 206 с.

8. Воронцовский А.В., Абелкалнс В. Г. Учет ARCH-эффекта при построении эконометрических моделей отечественного фондового рынка. // Вестник СПбГУ, серия 5. 2001. №4. С. 106-116.

9. Гельман С. В. Венчурные инвестиции в России. Опыт ФРГ. В сб.: Предпринимательство и реформы в России. СПб. СПбГУ. 2001. Т 2. С. 30.

10. Ю.Гельман С. В., Маркова К.В., Смирнова Н.А. Моделирование доходности российских акций на основе макроэкономических многофакгорных моделей. // Вестник СПбГУ Серия Экономика 2003 г. В. 3. С. 123-131.

11. Григорьев В.В., Федотова М.А. Оценка предприятия: теория и практика: Учеб. пособие М.: Инфра-М, 1996.

12. Дорофеев Е.А. Влияние колебаний экономических факторов на динамику российского фондового рынка. Москва. РЭПИ, фонд «Евразия», 2000.47с.

13. Евстафьев Д.С., Молчанов Н.Н., Мотовилов О.В. и др. Менеджмент технологических инноваций: учеб. пособие. Под ред. Валдайцева С.В., Молчанова Н.Н. С-Петербург. СПбГУ, 2003. 336с.

14. Есипов В.Е., Маховикова Г.А., Терехова В.В. Оценка бизнеса. С-Петербург. Питер, 2002. 416с.15.3авлин П. Н., Васильев А. В., Кноль А. И. Оценка экономической эффективности инвестиционных проектов. СПб.: Наука, 1995.

15. Идрисов А.Б. Стратегическое планирование и анализ эффективности инвестиций. М.: Информационно-издательский дом «Филинъ», 2003.

16. Кейнс Дж. М. Общая теория занятости, процента и денег. Москва, 1978.

17. Ковалев В. В. Методы оценки инвестиционных проектов. Москва. Финансы и статистика, 2003. 144с.

18. Кондратьев Н.Д. Большие циклы конъюнктуры и теория предвидения. Избранные труды. Москва. Экономика, 2002. 767с.

19. Королев А.В. Анализ влияния оборачиваемости краткосрочных активов и пассивов на процессы слияния-поглощения. // Вестник СПбГУ, серия 5. 2002. №4. С. 45-58.

20. Костиков И. В. Риски на рынке муниципальных облигаций. // Вестник СПбГУ, серия 5. 2001. №4. С. 88-105.

21. Крушвиц J1. Финансирование и инвестирование. Учебник для вузов. С-Петербург. Питер, 2000.

22. Лимитовский М.А. Методы оценки коммерческих идей, предложений, проектов. 2 изд. испр. и доп. М., 1995.

23. Методические рекомендации по оценке эффективности инвестиционных проектов Электронный ресурс. / Мин. экономики РФ; Мин. фин. РФ; Гос. ком. РФ по строит., арх-ной и жилищной политике. Утв. 21 июня 1999 г.

24. ВК 477. Электрон, текстовые дан. - М, 1999. - Режим доступа: http://www.consultant.ru. - Загл. с титул, экрана.

25. Молчанов Н. Н. Инновационный Маркетинг. СПб, СПбГУ 1999.

26. Мотовилов О. В. Источники капитала для финансирования нововведений. СПб. СПбГУ 1997. 167с.

27. Нурминский Е.А., Ащепков Л.Т., Трифонов Е.В. Математические основы теории финансовых рынков. Владивосток. ДВГУ 2000.

28. Оценка бизнеса: Учебник / Под ред. А.Г. Грязновой, М.А. Федотовой. М.: Финансы и статистика, 2000.

29. Пратт Ш. Оценка бизнеса: Пер. с англ. Москва. Институт экономического анализа Всемирного Банка, 1996.

30. Программа социально-экономического развития Российской Федерации на среднесрочную перспективу (2003-2005 годы). Утверждена распоряжением Правительства РФ от 15 августа 2003 г. N 1163-р.31. Сайт РТС, www.rts.ru

31. Сайт Центрального банка Российской Федерации, www.cbr.ru .

32. Сайт Государственного Комитета РФ по Статистике, www.qks.ru.

33. Сайт Организации Экономического Сотрудничества и Развития www.oecdmoscow.org

34. Сайт Российского клуба оценщиков www.Appraiser.ru

35. Сайт СКРИН (Система Комплексного Раскрытия Информации и Новостей НАУФОР-РТС), www.skrin.ru .

36. Самуэльсон П.Э. и др. Экономика. Вильяме, 2003. 688с.

37. Связьинвест. Годовой отчет 2002. В электронной публикации: http://www.swazinvest.ru/report/.

38. Сейнор М., Куппер X. Телекоммуникационная отрасль приобретает очертания. В ежемесячном обзоре Эрнст энд Янг: Взгляд на Россию. 08/2002, с. 2-4.

39. Сергеев И.В., Веретенникова И.И. Организация и финансирование инвестиций: Учебное пособие. М.: Финансы и статистика, 2002.

40. Федеральный закон от 25.02.99 г. № 39-Ф3 «Об инвестиционной деятельности в Российской федерации, осуществляемой в форме капитальных вложений (с изменениями от 02.01.2000 г.)» Консультант плюс: Версия проф.

41. Хрусталев В. Проблемы организации и управления в наукоемких отраслях экономики России. Менеджмент в России и за рубежом. 2001. №1.

42. Шарп У. Ф., Александер Г. Дж., Бэйли Дж. В. Инвестиции. 2002. Москва.

43. Шеремет В.В., Павлюченко В.М., Шапиро В.Д. Управление инвестициями. М.: Высшая школа, 1998. 416с.

44. Шипов, В. Некоторые особенности оценки стоимости отечественных предприятий в условиях переходной экономики. // Рынок Ценных Бумаг, 2000. № 18. В электронной публикации: http://www.iteam.ru/publications/strategy/section20/article175/

45. Albrecht P., Maurer R., Mayser J. Multi-Faktorenmodelle: Grundlagen und Einsatz im Management von Aktienportefeuilles // Zeitschrift fuer betriebswirtschaftliche Forschung. 1996. S. 3-29.

46. Balduzzi P., Bertola, G., Foresi, S., 1995. Asset Price Dynamics and Infrequent Feedback Trades. Journal of Finance 50, 1747-1766.

47. Bertola, G., 1994. Continuous-time models of exchange rates and intervention. In: Van der Ploeg, F. (Ed.), The handbook of international macroeconomics. Blackwell Publishers, Cambridge, 251-298.

48. Bohl, M. Т., 2003. Die Aktienhausse der 80er und 90er Jahre: Waren es spekulative Blasen? Forthcoming in: Kredit und KapitaL

49. Burrmeister E., Roll R., Ross S. Using Macroeconomic Factors to Control Portfolio Risk. 1997. Working Paper. BIRR Portfolio Analysis, Inc.

50. Campbell J. Y.,1991. A Variance decomposition for Stock Returns. Economic Journal 101, 157-191.

51. Campbell, J. Y., Lo, A. W., McKinlay, C. A., 1997. The Econometrics of Financial Markets. Princeton University Press, Princeton.

52. Campbell, J. Y., Shiller, R. J., 1988. Stock Prices, Earnings and Dividends. Journal of Finance 43, 661-676.

53. Chen N.-f. Financial Investment Oportunities and the Macroeconomy// Journal of Finance. 1991. P. 529-553.

54. Chen N.-f., Roll R., Ross S. Economic Forces and the Stock Market. // Journal of Business. 1986. P. 383-403.

55. Cochrane, J. H., 1991. Explaining the Variance of Price-Dividend Ratios. Journal of Political Economy 5, 243-280.

56. Cochrane, J. H., 2001. Asset Pricing. Princeton University Press, Princeton and Oxford.

57. Copeland Т. E., Weston F. J. Financial Theory and Corporate Policy. 1992. 3rd Edition. Reading.

58. Copeland Т., Koller Т., Murrin J. Valuation: Measuring and managing the Value of Companies. 1994. 2nd Edition. New York.

59. Davidson, R., MacKinnon J. Estimation and Inference in Econometrics. 1993. New York. Oxford University Press. Pp. 331-341.

60. Dewachter, H., Veestraeten, D., 2001. Measuring convergence speed of asset price toward a pre-announced target. Applied Financial Economics 11, 591-601.

61. Drukarczyk J. Unternehmensbewertung. Muenchen. Verlag Franz Vahlen, 1996.

62. Elgeti R./Maurer R. Zur Quantifizierung der Risikopraemien deutscher Versicherungsaktien im Kontext eines Multifaktorenmodells. 2000. Working Paper No.59. Frankfurt.

63. Fama EM French K. The cross-section of expected stock returns // Journal of Finance/1992. P. 427-465.

64. Froot, K.A., Obstfeld, M.p 1991. Stochastic process switching: some simple solutions. Econometrica 59, 241-250.

65. Froot, K.A., Obstfeld, M., 1992. Stochastic process switching: some simple solutions. In: Krugman, P., Miller, M. (Eds.), Exchange rate targets and currency bands. Cambridge University Press, Cambridge, 61-74.

66. Gelman, S. Modeling price dynamics of target stock by M&A deals under uncertainty. Presentations Journal of the Economic International Conference 2004 in St. Petersburg, Sections 5-12, pp. 67-68.

67. Gelman, S. Price convergence of target stock by Mergers and Acquisitions under uncertainty of the deal completion. Presentations Journal of the

68. Stochastic Finance 2004 International Conference in Lissabon (temporary electronic publication; http://at.vorku.ca/cgi-bin/amca/camz-Ol)

69. Hayn, M. Bewertung junger Unternehmen. 2000. 2. Aufl., Herne/Berlin.

70. Kleeberg J. Der Einsatz von fundamentalen betas im modernen Portfoliomanagement. // Die Bank. 1992. S.474-478.

71. Krag J., Kasperzak R. Grundzuege der Unternehmensbewertung. 2000. Muenchen.

72. Lettau M., Ludvigson S. Consumption, Aggregate Wealth and Expected Stock Returns. //Journal of Finance. 2001. P. 815-832.

73. Lintner J. The Aggregation of investor's Diverse Judgements in Purely Competitive Security Markets // Journal of Financial and Quantitive Analysis, 12/1969. P. 347-400.

74. Luo, Y., 2003. Do Insiders Learn from Outsiders? Evidence from Mergers and Acquisitions. AFA 2004 San Diego Meetings. http://ssrn.com/abstract=361520

75. Markowitz H. Portfolio Selection // Journal of Finance. 1952. P. 77-91.

76. Officer, M., 2002. Tender offer Spreads and Merger Arbitrage. Working paper, University of Southern California.

77. Reinganum M. The Arbitrage Pricint Theory: Some Simple Tests // Journal of Finance/1981 P.313-322.

78. Roll R. A Critique of the Asset Pricing Theory's Tests. // Journal of Financial Economics. 1977. P. 129-176.

79. Ross S. A. The Arbitrage Theory of Asset Pricing. // Journal of Economic Theory. 1976. P. 341-360.

80. Schwert, W., 1996. Markup Pricing in Mergers and Acquisitions. Journal of Fiancial Economics 41, 153-192.

81. Sharpe W. Portfolio Theory and Capital Markets. 1970. New York.;

82. Steiner M., NowakT. Zur Bestimmung von Risikofaktoren am deutschen Aktienmarkt auf Basis der Arbitrage Pricing Theory. // Die Betriebswirtschaft. 1994. S. 347-362.

83. Stephan Т., Maurer R., Duerr M. A Multiple Factor Model for European Stocks. 2000. Working Paper No.57. Frankfurt am Main.

84. Wilfling, В., 2001. Wechselkursdynamik und Zinskursentwicklung vor Regimewechseln des Waehrungssystems. Nomos Verlagsgesellschaft, Baden-Baden.