• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Выбор оптимальной инвестиционной стратегии в отношении интеллектуальных ресурсов

Приоритетные направления развития: экономика
2017

Цель работы: теоретически обосновать, разработать и эмпирически валидировать комплексный подход к выбору параметров оптимальных инвестиционных стратегий в отношении интеллектуальных ресурсов в компаниях и организациях. Предлагаемый в рамках проекта подход позволит проанализировать различные аспекты стратегического поведения экономических агентов, связанные с феноменом интеллектуального капитала. Именно неосязаемые ресурсы рассматриваются в качестве ключевого фактора конкурентоспособности организаций в условиях новой экономики. Одним из фундаментальных принципов комплексного подхода является учет неосязаемой природы интеллектуальных ресурсов и отражение ее в системе метрик на основе публичных данных, валидация подхода на обширной общедоступной эмпирической базе.

Используемые методы. С целью обоснования выбора оптимальных параметров стратегий интенсификации в отношении интеллектуальных ресурсов в настоящем проекте применен инструментарий теоретического моделирования. Эмпирическая валидация предложенного комплексного подхода, а также тестирование каузальных связей в отношении взаимосвязи инвестиций в интеллектуальные ресурсы и результатов деятельности компаний осуществляется с использованием целого ряда современных статистических методов. Панельная структура данных позволила применить метод лагированных переменных (lagged variables), фиксированных во времени индивидуальных характеристик компаний (fixed effects modeling), обобщенный и симулированный метод моментов (GMM, SMM), трехшаговый метод наименьших квадратов (3SLS — three-stages least square). Это повысило эффективность и состоятельность оценок за счет снижения эндогенности. Для оценки маржинальных эффектов стратегии интенсификации в отношении интеллектуальных ресурсов применен метод «difference-in-difference» (оценка модерационного эффекта и дамми-регрессии). Для выявления латентных характеристик, связанных с интеллектуальным капиталом, использован инструмент структурных линейных уравнений (SEM, SEM-PLS).

Эмпирическая база исследования. Для тестирования поставленных гипотез и эмпирической валидации комплексного подхода в отношении выбора оптимальной стратегии в отношении интеллектуальных ресурсов в настоящем исследовании ключевыми являются две базы данных европейских и российских компаний. Они содержит финансовые и нефинансовые показатели, отражающие количественные и качественные характеристики неосязаемых активов. Часть показателей собрана из публикуемых финансовых отчетов и ежегодной статистики. Другая часть — из общедоступных источников, таких как сайты компаний, патентно-информационные бюро и рейтинговые агентства. Полученные по итогам анализа различных выборок результаты дополнительно оцениваются с точки зрения их робастности. Помимо этого в проекте использован дополнительно целый ряд баз данных, позволяющих проанализировать отдельные аспекты, связанные с инвестициями в интеллектуальные ресурсы в семейном бизнесе или спортивной индустрии.

Первая база данных охватывает более чем 1600 публичных акционерных обществ по данным за 2004–2016 годы, представляющих пять европейских стран, функционирующих на рынках со значительно различным уровнем развития экономики знаний (отбор на основе KEI — knowledge economy index): Великобританию (44%), Германию (24%), Францию (25%), Испанию (5%) и Италию (2%). Структура выборки согласуется со страновой и отраслевой пропорциями экономик ЕС. Отраслевая принадлежность компаний по статистической классификации экономической деятельности Европейского сообщества (NACE) имеет следующую структуру: управление компаниями и предприятиями (25%), обрабатывающая промышленность (20%), профессиональные, научные и технические услуги (12%), финансы и страхование (10%) и другие отрасли (33%). Крупные предприятия составляют 64% выборки, тогда как на долю малых и средних фирм приходится 36%.

Вторая база данных — несбалансированная панель из 1096 публичных российских компаний в 2004–2014 годах, или 12 056 наблюдений, включающая информацию о публичных компаниях, активных на 2004 год. Несмотря на смещенность в сторону крупного бизнеса, отраслевая структура соответствует генеральной совокупности по статистической классификации экономической деятельности Европейского сообщества (NACE): доля предприятий обрабатывающей промышленности составляет 46%, электроэнергетики — 19%, остальных отраслей (услуги, строительство, торговля и финансы) — 35%.

Для тестирования вопросов, связанных с исследованием стратегического поведения компаний в отношении инвестиций в человеческий капитал, а именно анализа вознаграждения генеральных директоров, используется база данных о 330 крупных (согласно определению Евростата — более 250 сотрудников) торгуемых европейских компаниях за период с 2008 по 2013 годы, или 1338 наблюдений. Выборка представляет собой данные по 7 европейским экономикам (Великобритании, Германии, Франции, Швейцарии, Италии, Испании и Нидерландов) в разрезе 19 секторов экономики в соответствии с классификацией NACE.

Для проверки выдвинутых теоретических предположений относительно влияния инвестиций в отношенческий капитал на результаты деятельности компаний, представляющих семейный бизнес, используются данные 88 чилийских компаний за период с 2000 по 2014 годы. Выбор объектов анализа обусловлен высокой степенью концентрации собственности у индивидуальных акционеров или бизнес-групп, которые контролируют фирмы посредством прямых инвестиций или пирамидальных структур. В выборку включены 1018 наблюдений, из которых 731 наблюдение относится к фирмам под семейным контролем, 287 — к компаниям из несемейного бизнеса.

Тестирование гипотез, связанных с изучением отдельных аспектов корпоративного управления как ключевого нематериального ресурса современной компании, осуществляется на выборке из 22 команд. Критерием отбора команд являлось наиболее частое попадание команды в списки «Football Money League»: 20 команд с наибольшими доходами на континенте по данным компании Deloitte. В выборку вошли наиболее сильные с точки зрения финансов и спортивных достижений. Структура выборки следующая: шесть команд — из английской Премьер-Лиги, пять — итальянской Серии А, четыре — немецкой Бундеслиги, три —испанской Ла Лиги, три —французской Лиги 1 и одна — из Турции (Галатасарай).

База данных для эмпирического анализа влияния человеческого капитала на результаты деятельности футбольных клубов включает в себя 138 наблюдений по командам высшей профессиональной лиги футбола США (MLS — major soccer league) за период с 2005 по 2013 годы. При этом только по 12 командам доступны данные за весь рассмотренный период. Исключением являются команды, вошедшие в MLS после 2005 года: Toronto FC (2007), San Jose Earthquakes (2008), Seattle Sounders (2009), Philadelphia Union (2010), Portland Timbers (2011), Vancouver Whitecaps (2011) и Montreal Impact (2012).

Результаты работы. В ходе работы над проектом были получены результаты, вклад в исследовательское поле которых можно представить по следующим категориям.

Теоретический вклад

  • Разработана теоретическая модель процесса восстановления компаний в терминах темпов экономического роста и его ускорения.
  • Теоретически обоснованы параметры стратегии интенсификации неосязаемых активов, обеспечивающей более высокую скорость восстановления после кризиса за счет создания конкурентных преимуществ.
  • Определена конфигурация компонент интеллектуального капитала, обеспечивающая гибкость бизнес-процессов и более высокую скорость реакции на различные проявления нестабильности в экономике.

Вклад в методологию

  • Представлена и валидирована система прокси-показателей, измеряющих интеллектуальные ресурсы на основе общедоступной информации, в том числе с учетом специфики спортивной индустрии.
  • Описан процесс тестирования двойственной каузальной связи между инвестициями в человеческий капитал и результатами деятельности компаний.

Эмпирический вклад

  • Выявлены ключевые паттерны инвестиционного поведения компаний в отношении интеллектуальных ресурсов, позволяющие быстрее, чем рынок в среднем, восстановиться после экономического кризиУстановлено влияние дизайна вознаграждения топ-менеджмента на результаты деятельности компаний.
  • Выявлена роль отношенческого капитала, а именно аффилированность с бизнес-группами, в создании стоимости компаний семейного бизнеса.
  • Проанализирована взаимосвязь отдельных аспектов корпоративного управления в организациях спортивной индустрии, интенсифицирующих интеллектуальные ресурсы.

Публикации по проекту:


Sánchez L. C., Sánchez- Fernández P., Barajas A. Does the Agency Theory play football? // Universia Business Review. 2017. No. 53. P. 18-59. doi
Coates D. C., Naidenova I. N., Parshakov P. Determinants of Russian Football Club Brands // International Journal of Sport Finance. 2017. Vol. 12. No. 4. P. 321-341.
Bykova A. Impact of Industry Concentration on Innovation: Evidence from Russia // EJournal of Corporate Finance. 2017. Vol. 11. No. 1. P. 37-49.
Parshakov P., Zavertiaeva M. A. Companies intangibles: Unique versus generic // International Review of Economics and Finance. 2017. Vol. 49. P. 266-275. doi
Smirnova A. S., Zavertiaeva M. A. Which came first, CEO compensation or firm performance? The causality dilemma in European companies // Research in International Business and Finance. 2017. No. 42. P. 658-673. doi
Shakina E. A., Barajas A., Parshakov P., Chadov A. L. Status-Quo vs New Strategy in Intangibles // Journal of Economic Studies. 2017. Vol. 44. No. 1. P. 138-153. doi
Coates D. C. Weaponization of Sports: The Battle for World Influence through Sporting Success // Independent Review. 2017. Vol. 22. No. 2. P. 215-221.
Torres J. P., Jara Bertín M., Lopez Iturriaga F. J. Corporate control and firm value: The bright side of business groups // Journal of Family Business Strategy. 2017. Vol. 8. No. 2. P. 99-108. doi
Lopez Iturriaga F. J., Díez-Esteban J. M., García-Gómez C. D., Santamaría-Mariscal M. Corporate risk-taking, returns and the nature of major shareholders: Evidence from prospect theory // Research in International Business and Finance. 2017 doi
Parshakov P., Байдина К. О. Brands or Uncertainty? An Empirical Test of the Uncertainty of Outcome Hypothesis in Russian Football / NRU Higher School of Economics. Series WP BRP "Economics/EC". 2017. No. WP BRP 163/EC/2017.