Интеллектуальные ресурсы: ключевые детерминанты ...
DESCRIPTION
Интеллектуальные ресурсы: ключевые детерминанты роста стоимости компании в новой экономике. Найденова Юлия Николаевна Осколкова Марина Александровна. Структура работы. Сущность интеллектуального капитала Методы измерения стоимости, созданной ИК Выдвинутые гипотезы Описание выборки - PowerPoint PPT PresentationTRANSCRIPT
1
Интеллектуальные ресурсы: ключевые детерминанты роста стоимости компании в новой экономике
Найденова Юлия НиколаевнаОсколкова Марина Александровна
Структура работы
1. Сущность интеллектуального капитала2. Методы измерения стоимости, созданной
ИК3. Выдвинутые гипотезы4. Описание выборки5. Тестирование гипотез6. Выводы
2
Интеллектуальный капитал (IC)
Человеческий капитал (HC)
Структурный капитал (SC)
Отношенческий капитал (RC)
3
Структура интеллектуального капитала
• Количество работников• Квалификация членов
советов директоров• Доля собственников в
числе директоров• Заработная плата
• Нематериальные активы
• Расходы на НИОКР• Количество патентов• Наличие ERP-систем
• Известность бренда• Цитируемость сайта• Наличие дочерних
компаний• Качество сайта• Местонахождение• Наличие иностранного
капитала
Трансформация интеллектуальных ресурсов в стоимость
4
5
Рыночные показатели
Прокси-показатели ИК и его компонентов трансформируются в стоимость
Нефинансовые показатели ИК являются лучшими прокси, чем финансовые
6
Выдвижение гипотез (этап 1)
Гипотеза 1
Гипотеза 2
Парадокс трансформации
7
Отдача от ИК
8
Прокси-показатели компонентов интеллектуального капитала нелинейно связаны с его ценностью
Структура материальных и интеллектуальных активов влияет на стоимость компании
9
Выдвижение гипотез (этап 2)
Гипотеза 3
Гипотеза 4
Прокси-показатели ИК и его компонентов трансформируются в стоимость
Нефинансовые показатели ИК являются лучшими прокси, чем финансовые
Прокси-показатели компонентов интеллектуального капитала нелинейно связаны с его ценностью
Структура материальных и интеллектуальных активов влияет на стоимость компании
10
Выдвинутые гипотезы
4
3
2
1
Описание выборки
11
1• Страновая принадлежность:
Великобритания и Германия
2• Отраслевая принадлежность:
торговля, связь и транспорт, химия, нефтехимия, машиностроение
3• Тип компаний:
открытые с торгуемыми на бирже акциями
4• Размер компании:
количество работников от 500 до 20 000
5• Доступность информации:
Наличие информации о прокси-показателях ИК в открытых данных
6• Временной период:
2005-2009
Описательная статистика выборки
EVA FGV MVA QTOBIN VAICINVESTED CAPITAL
Mean 3 913,8 73 2638,0 -77 839,6 1,1 5,7 456 347,4
Median 4 636,2 42 4426,2 -24 510,3 0,9 5,1 239 043,4
Maximum 149 691,9 13 544 045,0 8 156 096,0 11,0 34,2 2 711 000,0
Minimum -219 991,4 -244 899,1 -3 449 627,0 0,0 1,8 3803,4
Std. Dev. 47 621,5 1 173 292,0 894 159,8 1,2 3,0 577 773,0
Coefficient of variation 12,2 1,6 11,5 1,1 0,5 1,3
12
Тестирование гипотез 1 и 2
где
Y – показатель стоимости, созданной ИК;x – прокси-показатель ИК;n – количество прокси-показателей в модели.
13
EVA FGV VAIC MVA Q-Tobin
Intangible assets + +
Patents
ERP - - - -
Number of employees - + - -
Owners-directors ratio - -
Directors qualification
Cost of employees - + - -
Well-known brand + + + +
Citations
Location (capital)
Location (population) +
Foreign capital employed
Site quality + + +
Log(invested capital) - + -
R^2 adjusted 5% 45% 23% 26% 11%14
где
Y – показатель стоимости, созданной ИК;x – прокси-показатель ИК;n – количество прокси-показателей в модели
15
Тестирование гипотезы 3
Результаты тестирования гипотезы 3
• 18% моделей значимы• В 74% значимых наблюдается отрицательная связьEVA• 62% моделей значимы• Наблюдается только сильная положительная связьFGV• 55% моделей значимы• В 98% значимых наблюдается отрицательная связьVAIC• 55% моделей значимы• В 91% значимых наблюдается отрицательная связьMVA• 27% моделей значимы• В 50% значимых наблюдается отрицательная связьQ-Tobin
16
17
Тестирование гипотезы 4
где
Y – показатель стоимости, созданной ИК;x – прокси-показатель ИК;n – количество прокси-показателей в модели
Результаты тестирования гипотезы 4
• 21% моделей значимы• Наблюдается только положительная связьEVA• 58% моделей значимы• В 73% значимых наблюдается отрицательная связьFGV• 63% моделей значимы• Наблюдается только положительная связьVAIC• 32% моделей значимы• Наблюдается только положительная связьMVA• 16% моделей значимы• В 67% значимых наблюдается положительная связьQ-Tobin
18
Выводы
19
Прокси-показатели ИК и его компонентов трансформируются в стоимость
Предпочтительность вида прокси-показателей зависит от компонента ИК
Существует нелинейная связь прокси-показателей и ценности компании
Структура материальных и интеллектуальных активов влияет на ценность, созданную ИК4
3
2
1