Индекс доходности характеризует возможную величину дохода: Индекс доходности, PI — Альт-Инвест

Содержание

Оценка экономической эффективности в системе дисконтирования. — КиберПедия

Дисконтирование является искусственным приемом: бу­дущие реальные затраты и результаты для сопоставимости пересчитываются в условные значения. Процесс дисконтирования состоит в снижении стоимости планируемых затрат или результатов за все шаги расчета, отделяющие их от начала расчетного периода. За каждый шаг расчета величина показателя снижается пропорциональ­но нормативу дисконтирования. Для оценки экономической эффективности инвестиционных проектов в системе дисконтирования используются следующие показатели:

1. Чистый дисконтированный доход (чистый приведенный эффект, приведенная текущая стоимость, net present). Под чистым приведенным доходом понимается разница между приведенной к настоящей стоимости суммой чистого денежного потока за весь период эксплуатации инвестиционного проекта и приведенной суммой инвестиционных затрат на его реализацию. Расчет этого показателя осуществляется по формуле

 

, (13.11)

 

где – чистая прибыль на

t-том году существования проекта; – годовые амортизационные отчисления на t-том году существования проекта; – норма дисконта (в десятичном виде). Расчет чистого

 

дисконтированного дохода предполагает дисконтирование денежного потока по цене капитала проекта, то есть по средневзвешенной стоимости капитала; – годовые амортизационные отчисления на t-том году существования проекта; Т – горизонт расчета, принимается равным количеству лет, по прошествии которых проект выходит на проектную мощность + еще один год; t – порядковый номер года в расчетах.

Первый год, когда предприятие осуществляет инвестиции, но не получает доход, принято считать нулевым.

По своему содержанию чистый дисконтированный доход представляет собой сумму чистой прибыли и сумму амортизационных отчислений по проекту за все годы расчета за вычетом инвестиционных затрат по проекту, скорректированных с учетом дисконтирования.

 

Логика критерия ЧДД:

— если ЧДД < 0 , то в случае принятия проект принесет убытки;

— если ЧДД = 0, то в случае принятия проекта благосостояние владельцев предприятия не изменится;

— если ЧДД > 0, то проект генерирует большую, чем средне-взвешенная стоимость капитала, доходность, что приведет к росту благосостояния собственников предприятия и подтвердится ростом курса акций.

Из альтернативных проектов выбирается для реализации тот, который имеет наибольшее положительное значение чистого дисконтированного дохода.

Чистый дисконтированный доход с учетом инфляции рассчитывается по формуле

 

 

(13.12)

 

 

где – выручка от реализации продукции по проекту без НДС и налогов с оборота в t-том году; – затраты на производство и реализацию продукции по проекту в t-том году; , , – ожидаемые индексы цен соответственно по продукции, производимой по проекту, по затратам, по стоимости объектов инвестиций в t-том году; – коэффициент переоценки ОПФ в t-том году; – ставка налогообложения прибыли с учетом местных налогов и сборов; – премия за риск, в долях от единицы.

2. Индекс доходности (коэффициент доходности, profitability index) – характеризует величину чистого до­хода за расчетный период на единицу инвестиций и рассчитывается как отношение суммарной чистой прибыли и суммарных амортизационных отчислений по проекту r сумме инвестиционных затрат (может рассчитываться как в системе дисконтирования, так и на основе не дисконтированных потоков). Расчет индекса доходности с учетом дисконтирования

 

. (13.13)

 

Для реализации могут быть приняты только те проекты, по которым ИД > 1, так как только в этом случае может быть получен дополнительный доход на инвестируемый капитал.

Значения показателя чистого дисконтированного дохода и индекса доходности связаны между собой:

— если ЧДД > 0, то ИД > 1;

— если ЧДД < 0, то ИД < 1;

— если ЧДД = 0, то ИД = 1.

В связи с этим показатель индекса доходности можно считать вспомогательным. Однако, так как в отличие от чистого дисконтированного дохода индекс доходности является относительным, а не абсолютным показателем экономической эффективности инвестиционного проекта, его используют как основной критерий при проведении сравнительной оценки эффективности инвестиционных проектов, различающихся по срокам и валюте расчетов.

3. Расчетная норма рентабельности (норма прибыл, индекс рентабельности, коэффициент рентабельности, accounting rate of return, ARR)

показывает, сколько чистой прибыли получено за расчетный период на еди­ницу инвестиций.

Этот показатель считается вспомогательным, так как не позволяет в полной мере оценить весь возвратный денежный поток по проекту (не учитываются амортизационные отчисления).

Единого и общепризнанного алгоритма расчета критерия индекса рентабельности нет. Чаще всего он рассчитывается, по не дисконтированным данным, делением среднегодовой прибыли на среднегодовую величину инвестиций.

 

, (13.14)

 

где – среднегодовая чистая прибыль во всех годах существования проекта; – среднегодовые инвестиционные затраты по проекту.

С учетом дисконтирования денежных потоков индекс рентабельности рассчитывается по формуле

 

. (13.15)

 

Индекс рентабельности может быть рассчитан и в системе дисконтирования. Его уровень должен быть таким, чтобы не снижалась общая эффективность деятельности предприятия. Поэтому его сравнивают с коэффициентом рентабельности активов, если инвестиционные ресурсы сформировании за счет собственных и заемных средств, или с коэффициентом рентабельности собственного капитала, если инвестиционные ресурсы сформированы исключительно за счет собственных средств. Индекс рентабельности должен быть больше соответствующих коэффициентов, тогда реализация проекта позволит повысить общий уровень эффективности операционной деятельности предприятия. Если это условие соблюдается по каждому из альтернативных вариантов, то выбирается тот из проектов, который имеет наибольшее значение индекса рентабельности.

4. Период возврата инвестиций (payback period) – характеризует временной отрезок, в течение которого инвестиции будут полностью возвращены за счет генерируемого проектом чистого дохода. Период возврата инвестиций может рассчитываться как с учетом дисконтирования, так и без него.

Расчет периода возврата инвестиций без дисконтирования:

 

. (13.16)

 

С учетом дисконтирования срок возврата инвестиций рассчитывается по формуле

. (13.17)

 

5. Период окупаемости инвестиций (То) показывает, за сколько лет инвестиции будут возвращены за счет чистой прибыли, генерируемой проектом. Срок окупаемости также рассчитывается по не дисконтированным или дисконтированным потокам.

Расчет периода окупаемости без дисконтирования потоков наличности по проекту

 

. (13.18)

С учетом дисконтирования:

. (13.19)

 

Из возможных альтернатив для реализации выбирается проект с наименьшими периодами возврата и окупаемости инвестиций. Если эти два критерия противоречат друг другу, то выбор проводится по периоду окупаемости.

6. Внутренняя норна доходности Евн внутренняя ставка рентабельности, внутренняя норма прибыли, internal rate of return – отражает доходность, генерируемую самим проектом. Для того, чтобы определить значение Евн, необходимо генерируемый проектом приведенный чистый доход приравнять к суммарным приведенным инвестициям, введя в формулу расчета Е как неизвестный аргумент. Из этой формулы выражают Евн, которую сравнивают с Е по проекту. Чтобы проект не был выполнен в убыток, должно соблюдаться неравенство:

Евн > Еt . (13.20)

 

Если внутренняя норма доходности двух альтернативных проектов больше цены привлекаемых для их реализации источников средств, то выбор лучшего из них по критерию

Евн невозможен.

Таким образом, внутренняя норма доходности показываетмаксимально возможную стоимость капитала, привлекаемого для финансирования проекта.

Показатель внутренней нормы доходности сравнивают с коэффициентом рентабельности собственного капитала или активов, уровнем доходности по альтернативным вариантам инвестирования – ГКО, депозитам и проч.

Если оценка экономической эффективности проектов по различным критериям дает разный результат, то ранжирование проектов осуществляется по методу чистого дисконтированного дохода.

 

Дисконтирование является искусственным приемом: бу­дущие реальные затраты и результаты для сопоставимости пересчитываются в условные значения. Процесс дисконтирования состоит в снижении стоимости планируемых затрат или результатов за все шаги расчета, отделяющие их от начала расчетного периода. За каждый шаг расчета величина показателя снижается пропорциональ­но нормативу дисконтирования. Для оценки экономической эффективности инвестиционных проектов в системе дисконтирования используются следующие показатели:

1. Чистый дисконтированный доход (чистый приведенный эффект, приведенная текущая стоимость, net present). Под чистым приведенным доходом понимается разница между приведенной к настоящей стоимости суммой чистого денежного потока за весь период эксплуатации инвестиционного проекта и приведенной суммой инвестиционных затрат на его реализацию. Расчет этого показателя осуществляется по формуле

 

, (13.11)

 

где – чистая прибыль на t-том году существования проекта; – годовые амортизационные отчисления на t-том году существования проекта; – норма дисконта (в десятичном виде). Расчет чистого

 

дисконтированного дохода предполагает дисконтирование денежного потока по цене капитала проекта, то есть по средневзвешенной стоимости капитала; – годовые амортизационные отчисления на t-том году существования проекта; Т – горизонт расчета, принимается равным количеству лет, по прошествии которых проект выходит на проектную мощность + еще один год; t – порядковый номер года в расчетах.

Первый год, когда предприятие осуществляет инвестиции, но не получает доход, принято считать нулевым.

По своему содержанию чистый дисконтированный доход представляет собой сумму чистой прибыли и сумму амортизационных отчислений по проекту за все годы расчета за вычетом инвестиционных затрат по проекту, скорректированных с учетом дисконтирования.

 

Логика критерия ЧДД:

— если ЧДД < 0 , то в случае принятия проект принесет убытки;

— если ЧДД = 0, то в случае принятия проекта благосостояние владельцев предприятия не изменится;

— если ЧДД > 0, то проект генерирует большую, чем средне-взвешенная стоимость капитала, доходность, что приведет к росту благосостояния собственников предприятия и подтвердится ростом курса акций.

Из альтернативных проектов выбирается для реализации тот, который имеет наибольшее положительное значение чистого дисконтированного дохода.

Чистый дисконтированный доход с учетом инфляции рассчитывается по формуле

 

 

(13.12)

 

 

где – выручка от реализации продукции по проекту без НДС и налогов с оборота в t-том году; – затраты на производство и реализацию продукции по проекту в t-том году; , , – ожидаемые индексы цен соответственно по продукции, производимой по проекту, по затратам, по стоимости объектов инвестиций в t-том году; – коэффициент переоценки ОПФ в t-том году; – ставка налогообложения прибыли с учетом местных налогов и сборов; – премия за риск, в долях от единицы.

2. Индекс доходности (коэффициент доходности, profitability index) – характеризует величину чистого до­хода за расчетный период на единицу инвестиций и рассчитывается как отношение суммарной чистой прибыли и суммарных амортизационных отчислений по проекту r сумме инвестиционных затрат (может рассчитываться как в системе дисконтирования, так и на основе не дисконтированных потоков). Расчет индекса доходности с учетом дисконтирования

 

. (13.13)

 

Для реализации могут быть приняты только те проекты, по которым ИД > 1, так как только в этом случае может быть получен дополнительный доход на инвестируемый капитал.

Значения показателя чистого дисконтированного дохода и индекса доходности связаны между собой:

— если ЧДД > 0, то ИД > 1;

— если ЧДД < 0, то ИД < 1;

— если ЧДД = 0, то ИД = 1.

В связи с этим показатель индекса доходности можно считать вспомогательным. Однако, так как в отличие от чистого дисконтированного дохода индекс доходности является относительным, а не абсолютным показателем экономической эффективности инвестиционного проекта, его используют как основной критерий при проведении сравнительной оценки эффективности инвестиционных проектов, различающихся по срокам и валюте расчетов.

3. Расчетная норма рентабельности (норма прибыл, индекс рентабельности, коэффициент рентабельности, accounting rate of return, ARR) показывает, сколько чистой прибыли получено за расчетный период на еди­ницу инвестиций.

Этот показатель считается вспомогательным, так как не позволяет в полной мере оценить весь возвратный денежный поток по проекту (не учитываются амортизационные отчисления).

Единого и общепризнанного алгоритма расчета критерия индекса рентабельности нет. Чаще всего он рассчитывается, по не дисконтированным данным, делением среднегодовой прибыли на среднегодовую величину инвестиций.

 

, (13.14)

 

где – среднегодовая чистая прибыль во всех годах существования проекта; – среднегодовые инвестиционные затраты по проекту.

С учетом дисконтирования денежных потоков индекс рентабельности рассчитывается по формуле

 

. (13.15)

 

Индекс рентабельности может быть рассчитан и в системе дисконтирования. Его уровень должен быть таким, чтобы не снижалась общая эффективность деятельности предприятия. Поэтому его сравнивают с коэффициентом рентабельности активов, если инвестиционные ресурсы сформировании за счет собственных и заемных средств, или с коэффициентом рентабельности собственного капитала, если инвестиционные ресурсы сформированы исключительно за счет собственных средств. Индекс рентабельности должен быть больше соответствующих коэффициентов, тогда реализация проекта позволит повысить общий уровень эффективности операционной деятельности предприятия. Если это условие соблюдается по каждому из альтернативных вариантов, то выбирается тот из проектов, который имеет наибольшее значение индекса рентабельности.

4. Период возврата инвестиций (payback period) – характеризует временной отрезок, в течение которого инвестиции будут полностью возвращены за счет генерируемого проектом чистого дохода. Период возврата инвестиций может рассчитываться как с учетом дисконтирования, так и без него.

Расчет периода возврата инвестиций без дисконтирования:

 

. (13.16)

 

С учетом дисконтирования срок возврата инвестиций рассчитывается по формуле

. (13.17)

 

5. Период окупаемости инвестиций (То) показывает, за сколько лет инвестиции будут возвращены за счет чистой прибыли, генерируемой проектом. Срок окупаемости также рассчитывается по не дисконтированным или дисконтированным потокам.

Расчет периода окупаемости без дисконтирования потоков наличности по проекту

 

. (13.18)

С учетом дисконтирования:

. (13.19)

 

Из возможных альтернатив для реализации выбирается проект с наименьшими периодами возврата и окупаемости инвестиций. Если эти два критерия противоречат друг другу, то выбор проводится по периоду окупаемости.

6. Внутренняя норна доходности Евн внутренняя ставка рентабельности, внутренняя норма прибыли, internal rate of return – отражает доходность, генерируемую самим проектом. Для того, чтобы определить значение Евн, необходимо генерируемый проектом приведенный чистый доход приравнять к суммарным приведенным инвестициям, введя в формулу расчета Е как неизвестный аргумент. Из этой формулы выражают Евн, которую сравнивают с Е по проекту. Чтобы проект не был выполнен в убыток, должно соблюдаться неравенство:

Евн > Еt . (13.20)

 

Если внутренняя норма доходности двух альтернативных проектов больше цены привлекаемых для их реализации источников средств, то выбор лучшего из них по критерию Евн невозможен.

Таким образом, внутренняя норма доходности показываетмаксимально возможную стоимость капитала, привлекаемого для финансирования проекта.

Показатель внутренней нормы доходности сравнивают с коэффициентом рентабельности собственного капитала или активов, уровнем доходности по альтернативным вариантам инвестирования – ГКО, депозитам и проч.

Если оценка экономической эффективности проектов по различным критериям дает разный результат, то ранжирование проектов осуществляется по методу чистого дисконтированного дохода.

 

Новосибирский государственный архитектурно-строительный университет — Сибстрин

АБИТУРИЕНТУ 2022. Профессия «дорожник» всегда будет востребована! Строительная специальность НГАСУ (Сибстрин) «Автомобильные дороги»

Ведущий вуз города и региона – Новосибирский государственный архитектурно-строительный университет (Сибстрин) – вот уже более 90 лет занимает лидирующие позиции в обучении студентов по направлению «Строительство». С 2017 года в университете началась подготовка специалистов по профилю «Автомобильные дороги». На сегодняшний день это одно из самых актуальных направлений строительства. Национальный проект «Безопасные и качественные автомобильные дороги» предполагает приоритетное развитие транспортной инфраструктуры страны за счет средств федерального бюджета. Поэтому специалисты – строители автомобильных дорог – будут востребованы во всех регионах страны. Объектами профессиональной деятельности выпускника являются: изыскания, проектирование, строительство и эксплуатация автомобильных дорог, включая земляное полотно, дорожные одежды, водопропускные сооружения, инженерные транспортные сооружения.

В НГАСУ (Сибстрин) открывается студенческая научная лаборатория. Приглашаем заинтересованных студентов на организационную встречу!

На базе кафедры Теоретической механики НГАСУ (Сибстрин) открывается студенческая научная лаборатория. Она призвана стать частью внутривузовской стратегии развития молодежной науки, основанной на вовлечении студентов в долгосрочную многоуровневую научную работу и решение ими актуальных задач грантовых проектов российских научных фондов. К участию в работе лаборатории планируется привлечь студентов направлений «Строительство» и «Информационные системы и технологии», проходящих обучение по бюджетной форме бакалавриата, специалитета и магистратуры, преимущественно 2 и 3 курсов. Программа первого года работы лаборатории предполагает ознакомление с методами компьютерного моделирования жидкостей, газов и дисперсных систем, а также изучение с помощью этих методов теплофизических свойств наножидкостей и композитных материалов.

В НГАСУ (Сибстрин) прошел семинар о возможностях новых программных продуктов ANSYS

17 марта 2022 года специалистами НГАСУ (Сибстрин) и компании «КАДФЕМ Си-Ай-Эс» был проведен семинар пользователей ANSYS, посвященный новым возможностям программных комплексов ANSYS Rocky и Flownex SE для задач образовательного и научно-исследовательского процесса. Представители АО «КАДФЕМ Си-Ай-Эс» Алексей Фомичев, Юрий Покалюхин, Тимофей Тимофеев совместно с сотрудниками НОЦ компьютерного моделирования и проектирования НГАСУ (Сибстрин) Юрием Гербером и Максимом Даниловым презентовали участникам семинара новые продукты Flownex SE и Rocky DEM. Flownex SE применяется для моделирования 1D потока и 2D теплообмена в установившихся и нестационарных режимах с построением блок-схемы из типовых компонентов.

Знакомьтесь, магистратура НГАСУ (Сибстрин)! Приглашаем студентов старших курсов на презентации, посвященные поступлению в магистратуру

Приемной комиссией университета подготовлен цикл презентаций для студентов 3, 4 и 5 курсов, желающих ознакомится с возможностями поступления в магистратуру НГАСУ (Сибстрин). В рамках мероприятий вы узнаете об особенностях и преимуществах магистерского уровня образования, о реализуемых в вузе магистерских программах подготовки, а также о вступительных испытаниях в магистратуру и порядке их проведения. Встречи–презентации проводятся согласно расписанию. Начало в 13.40. В программе: правила, условия поступления; презентации действующих магистерских программ; встречи с научными руководителями магистрантов.

Тема 6_оценка эффективности — Оценка эффективности инноваций Подходы к оценке эффективности инновационных проектов


Подборка по базе: Тема ВКР_ Оценка зрелости управления портфелем проектов в органи, Индикаторы экономической безопасности предприятия их пороговые з, Анализ эффективности применения горизонтальных скважин и боковых, Fedorov-321 Лабораторная работа №1-5 конечная оценка(5).docx, Факторы повышения эффективности преподавания сложных тем по мате, 21041401 Доклад Повышение тепловой эффективности доработка от 25, Совершенствование оценки эффективности ВЭД химической промышленн, Миренкова Элина Дм-19, оценка рисков предпринимаьельской деятель, 4 класс оценка.docx, Практическая работа №2. Оценка качества программного обеспечения

Подходы к оценке эффективности инновационных проектов


Подходы к оценке эффективности

Качественный (целевой)

Количественный (затратный)

необходима оценка эффективности проекта с точки зрения его максимального соответствия поставленным целям.

оценивается рентабельность и доходность инновационного проекта. Использование трех типов оценок

оценивается стратегическая эффективность нововведения в плане получения долгосрочных рыночных преимуществ

ограниченность внутрифирменных ресурсов и необходимость изыскания финансовых средств для реализации проекта

Существует три типа оценки эффективности инновационного проекта: — абсолютная доходность; — абсолютно-сравнительная доходность; — сравнительная доходность.

Если оценивается сумма дохода, которая может быть получена инвестором при реализации проекта, то речь идет об абсолютной оценке доходности проекта.
Если инвестор сравнивает возможную сумму абсолютного дохода с нормативом, то он использует абсолютно-сравнительную оценку доходности проекта (нормативы могут устанавливаться инвестором самостоятельно, а могут браться и общепринятые нормативы в практике данного бизнеса).
Если инвестор сравнивает проект не с нормативом, а с альтернативными вариантами проектов, прошедших отбор по нормативу, — используется сравнительная оценка доходности проекта.

Каждый из вышеприведенных методов оценки эффективности проектов основан на приведении затрат, осуществляемых в различное время, к сопоставимым величинам и предполагает использование системы показателей, надежность которых подтверждает международный финансово-экономический опыт

Этапы выбора направления инвестиций:
1. Разработка идей проектов.
2. Проекты классифицируются по типу инвестирования
3. Расчет денежных потоков по проектам
4. Оценка степени риска выбранного варианта.

Типы инвестирования:


Типы инвестирования:
замена устаревшего оборудования, расширение рынков сбыта, увеличение объемов выпуска существующего ассортимента, выпуск новой продукции, выход на новые рынки и т. д.

Вид эффекта

Факторы, показатели

1. Экономический

Показатели учитывают в стоимостном выражении все виды результатов и затрат, обусловленных реализацией инноваций

2. Научно-технический

Новизна, наукоемкость, полезность,

3. Финансовый

Расчет показателей базируется на финансовых показателях

4. Ресурсный

Показатели отражают влияние инновации на объем производства и потребления того или иного вида ресурса

5. Социальный

Показатели учитывают социальные результаты реализации инноваций;
повышение безопасности условий труда персонала

6. Экологический

Показатели учитывают влияние инноваций на окружающую среду;
малоотходность или безотходность, экологическая чистота внедренной технологии производства

Базовые показатели:
Базовые показатели:
Коэффициент рентабельности инноваций (ROI)
Доля выручки от реализации новых продуктов в общем объеме выручки за последние N лет.     
Количество новых продуктов, сервисов и бизнесов, которые компания вывела на рынок за последние N лет.     
Количество инновационных идей, выдвинутых сотрудниками компании в течение последних N месяцев.
Время, прошедшее с момента возникновения идеи до запуска инновационного проекта.     
Отношение числа клиентов, считающих вашу компанию инновационной, к их общему количеству.          

Проект принято рассматривать в качестве целесообразного и эффективного, если:
чистая прибыль от проекта больше, чем чистая прибыль от помещения средств на банковский депозит;
рентабельность инвестиций больше уровня инфляции;
рентабельность проекта с учетом временного фактора выше рентабельности альтернативных проектов;
рентабельность активов после завершения проектов возрастает;
проект соответствует генеральной стратегии компании.

Количественные методы оценки эффективности инновационных проектов основаны на использовании нескольких показателей:
Чистый дисконтированный доход (ЧДД) – интегральный эффект
Индекс доходности (ИД)
Внутренняя норма доходности (ВНД)
Срок окупаемости (Ток)

Денежный поток от инвестиционной деятельности: — приток: выручка от продажи активов, поступления за счет уменьшения оборотного капитала; — отток: капитальные вложения, затраты на пусконаладочные работы, ликвидационные затраты в конце проекта, затраты на увеличение оборотного капитала и средства, вложенные в доп. фонды.
Денежный поток от операционной деятельности: -приток: выручка от реализации, а также прочие и внереализационные доходы, в т.ч. поступления от средств, вложенных в доп. фонды. — отток: производственные издержки, налоги.
Денежный поток от финансовой деятельности: — приток: вложения собственного (акционерного) капитала и привлеченных средств: субсидии и дотации; заемных средств, в т.ч. за счет выпуска собственных долговых ценных бумаг. — отток: затраты на возврат и обслуживание займов и выпущенных ценных бумаг, а также на выплату дивидендов по акциям предприятия.

1. Определение чистого дисконтированного дохода
Интегральный эффект (ЧДД) – это текущая стоимость, продисконтированная с учетом расчетной ставки и уменьшенная на величину капитальных вложений.
где R – результаты, достигаемые в t-м году;
Зt – затраты по проекту в t-м году;
Кt – капитальные вложения в t-м году;
αt – коэффициент дисконтирования;
Е – норма дисконта (норма дохода на капитал)
Т – срок реализации проекта.

ЧДД характеризует эффективность инновационного проекта пои известном значении нормы дисконта.
Инновационный проект считается эффективным при ЧДД > 0.
Интегральный эффект называют также чистым дисконтированным доходом, чистой приведенной или чистой современной стоимостью, чистым приведенным эффектом.
Метод дисконтирования помогает выбрать направления вложения ограниченных финансовых ресурсов в инновации.

2. Определение индекса доходности.
Данный метод полезен для организаций, находящихся на подчиненном положении и получающих от вышестоящего руководства уже жестко сверстанный бюджет, в котором суммарная величина возможных инвестиций в инновации определена однозначно. В таких ситуациях рекомендуется проводить ранжирование всех имеющихся вариантов инноваций в порядке убывающей рентабельности.
В качестве показателя рентабельности можно использовать индекс доходности. Он имеет и другие названия: индекс рентабельности, индекс прибыльности.

Индекс рентабельности представляет собой отношение суммы приведенных эффектов к величине дисконтированных капитальных вложений.
где R – результаты, достигаемые в t-м году;
Зt – затраты по проекту в t-м году;
Кt – капитальные вложения в t-м году;
αt – коэффициент дисконтирования;
Т – срок реализации проекта.

Инновационный проект считается эффективным при ИД > 1

3. Определение внутренней нормы доходности


ВНД представляет собой ту норму дисконта, при которой величина дисконтированных доходов за определенное число лет становится равной инновационным вложениям. В этом случае доходы и затраты инновационного проекта определяются путем приведения к расчетному моменту
Таким образом, внутренняя норма доходности представляет собой ставку дисконта, при которой чистый дисконтированный доход равен нулю. ВНД является решением уравнения
Показатель внутренней нормы доходности имеет другие названия: норма рентабельности, внутренняя норма прибыли, норма возврата инвестиций.

Найденное значение ВНД (Ев) сравнивается с требуемой инвестором ставкой дохода на капиталовложения.
Инновационный проект считается эффективным, если ВНД ≥dn
(dn — ожидаемая норма дохода на инвестируемый капитал).
Если при сравнении двух альтернативных вариантов по показателям ЧДД и ВНД получены следующие результаты:
ЧДД1 > ЧДД2.
ВНД1
то приоритетным является показатель ЧДД.

Внутренняя норма доходности определяется решением уравнения:

Данный показатель иначе характеризует уровень доходности конкретного инновационного решения, выражаемый дисконтной ставкой, по которой будущая стоимость денежного потока от инноваций приводится к настоящей стоимости инвестиционных средств.
За рубежом расчет нормы рентабельности часто применяют в качестве первого шага количественного анализа инвестиций. Для дальнейшего анализа отбирают те инновационные проекты, внутренняя норма доходности которых оценивается величиной не ниже 15-20%.
Если инновационный проект полностью финансируется за счет ссуды банка, то значение ВНД указывает верхнюю границу допустимого уровня банковской процентной ставки, превышение которого делает данный проект экономически неэффективным.
В случае когда имеется финансирование из других источников, то нижняя граница значения ВНД соответствует цене авансируемого капитала, которая может быть рассчитана как средняя арифметическая взвешенная величина плат за пользование авансируемым капиталом.

4. Определение срока окупаемости.


Период окупаемости является одним из наиболее распространенных показателей оценки эффективности инвестиций. Показатель базируется не на прибыли, а на денежном потоке с приведением инвестируемых средств в инновации и суммы денежного потока к настоящей стоимости.
Срок окупаемости — период времени, за который первоначальные капиталовложения по инвестиционному проекту покрываются суммарным эффектом от его осуществления.

Показатель период окупаемости (Ток) является решением уравнения

Инновационный проект считается эффективным, если Tок ≤Тн, где Тн—нормативный срок окупаемости капиталовложении (составляет от 1 года до 5 лет в зависимости от капиталоемкости проекта).

Ориентация на показатель «период окупаемости» часто выбирается в тех случаях, когда нет уверенности, что инновационное мероприятие будет реализовано, и потому владелец средств не рискует доверить инвестиции на длительный срок.
Простой метод окупаемости используется в нестабильной среде высокой инфляции и дефицита ликвидных средств. То есть в ситуации, когда целью инновации является максимизация прибыли в минимально возможные сроки.
Большинство инноваций нацелено на стратегические результаты, говорить о приоритетности данного метода оценки их эффективности не представляется возможным

Инвестирование в условиях рынка сопряжено со значительным риском, и этот риск тем больше, чем длиннее срок окупаемости вложений. Слишком существенно за это время могут измениться и конъюнктура рынка, и цены. Такой подход неизменно актуален и для отраслей, в которых наиболее высоки темпы научно-технического прогресса и где появление новых технологий или изделий может быстро обесценить прежние инвестиции.

Реальный опцион [Myers, 1977]


Наличие у руководителя возможности выбора, которая позволяет ему принимать решения, влияющие на ожидаемые денежные потоки проекта, продолжительность жизненного цикла и даже предоставляет возможность прекращения проекта.
Гибкость в принятии управленческих решений – это фактически актив, который может быть учтен в стоимости инновационного проекта с помощью методики реальных опционов.

Виды реальных опционов


Опцион на выбор времени
Опцион на отказ от проекта
Опцион на осуществление последовательных инвестиций
Опцион роста
Опцион на контрактацию
Опцион на расширение возможностей использования проекта
Опцион на сокращение
Опцион на приостановку
Опцион на изменение ресурсов
Опцион на изменение продукта

Влияние факторов неопределенности и риска.


Отсутствие полной и достоверной информации

Дефицит ликвидных средств

Риск изменения цены

Риск изменения конъюнктуры рынка

Фактор времени

Оценка эффективности проекта

Деятельность по созданию и внедрению нововведений всегда связана с повышенными рисками, возникающими из-за неопределенности при прогнозировании эффективности инновационного проекта.

При осуществлении менеджмента инноваций необходимо учитывать потенциальные инновационные риски.

Понятие «риск» означает возможность возникновения неблагоприятного события — недостижения желаемого результата инновационного процесса.
Риск характеризуют две величины: — степень риска (вероятность возникновения неблагоприятного события) — мера (цена) риска (потенциальные потери в случае неблагоприятного события).
Основная задача управления инновационными рисками заключается в минимизации потерь, связанных с возникшими несоответствиями.

Процесс управления рисками включает:
выявление риска;
анализ и оценку риска;
разработку мероприятий по уменьшению влияния выявленных факторов рисков на процесс нововведений.

Выявление риска
Риски возникают на различных стадиях инновационного процесса: — На этапе зарождения; — На этапе проведения разработки; — На этапе коммерциализации
На этапе зарождения инновационной идеи риск может быть связан с неправильным выбором направления процесса нововведений, обусловленным недооценкой рыночных тенденций, а также возможностей предприятия.

На этапе проведения разработки инновационные риски могут возникать из-за недостаточности финансирования работ, несоблюдения сроков выполнения работ по проекту, возможного несоответствия фактических и плановых параметров разработки.
На этапе коммерциализации риски могут быть обусловлены проблемами, связанными с патентной защитой прав участников инновационной деятельности; неправильным расчетом объемов реализации; недостаточностью мероприятий по продвижению новшества, включая рекламное сопровождение; неудачным выбором каналов и форм сбыта.

Риски

систематические (чистые)

несистематические (спекулятивные)

Риски, действие которых нельзя ограничить (их нельзя избежать). Систематические риски характеризуются стабильностью в проявлении. Для их анализа и оценки применяют методы математической статистики.

риски, связанные с катастрофическими обстоятельствами: природные катаклизмы

Несистематическими рисками можно управлять, их действие можно минимизировать или устранить полностью. Спекулятивные риски не обладают стабильным характером проявления и зависят от текущей конъюнктуры.

Коммерческий риск, валютный риск, информационный риск, портфельный риск

Анализ и оценка риска


Анализ рисков осуществляется для выявления факторов, определяющих риск, и прогнозирования их проявления.
Риски, возникающие в инновационной сфере, зависят от следующих факторов:
— фундаментальных;
— конъюнктурных; — внутренних.

Фундаментальные факторы рисков определяются экономико-политическими аспектами функционирования мирового сообщества и отдельных стран.
Конъюнктурные факторы риска связаны с динамикой рыночной ситуации на национальном и международном рынках.
Внутренние факторы риска обусловлены особенностями организационной структуры и возможностями предприятия.

Для анализа рисков и прогнозирования развития ситуации используют следующие методы: — Метод аналогий; — Метод «дерева решений»; — Метод Монте-Карло; — Методы экспертных оценок.

Метод аналогий основан на анализе информации об аналогичных проектах, реализованных в аналогичных условиях. При этом выявляются характерные ошибки и потенциальные проблемы. На основе результатов анализа составляются сценарии реализации инновационного проекта.
Метод «дерева решений» используется для выбора наилучшего варианта реализации инновационного проекта на основе расчетов вероятностей получения результатов по каждому из альтернативных вариантов. При этом строится разветвленная схема, отражающая последовательность операций и оценки результатов с учетом вероятностей их достижения.

Метод Монте-Карло представляет собой изучение статистических данных по реализации аналогичных проектов на аналогичных предприятиях. Анализ позволяет получить более точную информацию о результативности инновационного процесса, которая служит базой для построения имитационных моделей.
Методы экспертных оценок основаны на заключениях специалистов-экспертов, оценивающих инновационный проект. Наиболее распространенными экспертными методами являются: балльный метод, метод ранжирования, попарного сравнения и метод Дельфи. Для уменьшения субъективной оценки результат определяют как средневзвешенное значение совокупности экспертных оценок.

Разработка мероприятий по снижению влияния инновационных рисков


При осуществлении инновационной деятельности наиболее вероятными рисками являются:
риски отторжения инновации рынком;
риски неполучения запланированной прибыли от внедрения инновации;
риски несоответствия фактических параметров новшества плановым показателям;
риски неполучения результатов инновационной деятельности к определенному в договоре сроку;
риски нарушения патентных прав иных патентообладателей;
риски потери ноу-хау компании.

Для снижения влияния негативных факторов, определяющих риски, используются различные методы управления:
страхование, хеджирование, диверсификация, лимитирование.

Страхование Ответственность за неблагоприятное событие и обязательства по компенсации убытков берет на себя страховая компания (страховщик), а фирма-страхователь перечисляет страховые взносы. При наступлении страхового случая страховщик выплачивает страховое вознаграждение (так могут быть минимизированы, например, риски несанкционированного доступа к конфиденциальной информации, риски потери ноу-хау компании).
Хеджирование Способ снижения риска неблагоприятного изменения ценовой конъюнктуры путем приобретения срочных контрактов на фондовом рынке (минимизация коммерческих рисков).

Диверсификация Минимизация величины кредитного риска за счет инвестирования разнонаправленных инновационных проектов. Суммарный риск диверсифицированного портфеля будет ниже, чем риски по каждому отдельному проекту.
Лимитирование Снижение уровня риска путем установления предельных размеров по предоставляемым кредитам, расходуемым финансовым ресурсам, объемам реализации. Метод может использоваться банком-инвестором инновационных проектов (минимизация финансово-кредитных рисков).

Пять роковых ошибок при измерении инноваций


Томас Кучмарски, президент консалтинговой компании Kuczmarski & Associates и автор многочисленных публикаций по управлению инновациями, описывает пять основных недочетов, которые могут быть допущены при разработке корпоративной системы показателей инновации.
1. Слишком много показателей.
2. Проектная точка зрения на инновации.
3. Показатели инноваций разрабатываются и автономно используются отдельным подразделением компании и не рассматриваются топ-менеджерами как стратегически важные.
4. Акцент на снижении издержек.
5. Ориентация на прошлое.

%PDF-1.7 % 1432 0 объект > эндообъект внешняя ссылка 1432 97 0000000016 00000 н 0000004557 00000 н 0000004880 00000 н 0000004934 00000 н 0000005064 00000 н 0000005411 00000 н 0000005840 00000 н 0000005879 00000 н 0000006136 00000 н 0000007485 00000 н 0000007600 00000 н 0000008074 00000 н 0000008462 00000 н 0000008713 00000 н 0000009277 00000 н 0000009718 00000 н 0000009975 00000 н 0000010458 00000 н 0000037013 00000 н 0000068495 00000 н 0000083632 00000 н 0000086283 00000 н 0000086739 00000 н 0000101082 00000 н 0000101333 00000 н 0000101730 00000 н 0000154780 00000 н 0000154855 00000 н 0000154959 00000 н 0000155205 00000 н 0000155262 00000 н 0000155464 00000 н 0000155521 00000 н 0000155629 00000 н 0000155686 00000 н 0000155834 00000 н 0000155891 00000 н 0000156021 00000 н 0000156078 00000 н 0000156238 00000 н 0000156295 00000 н 0000156528 00000 н 0000156584 00000 н 0000156756 00000 н 0000156886 00000 н 0000157058 00000 н 0000157114 00000 н 0000157268 00000 н 0000157324 00000 н 0000157569 00000 н 0000157625 00000 н 0000157741 00000 н 0000157931 00000 н 0000158158 00000 н 0000158214 00000 н 0000158314 00000 н 0000158426 00000 н 0000158582 00000 н 0000158638 00000 н 0000158754 00000 н 0000158810 00000 н 0000158969 00000 н 0000159025 00000 н 0000159129 00000 н 0000159231 00000 н 0000159353 00000 н 0000159409 00000 н 0000159529 00000 н 0000159584 00000 н 0000159640 00000 н 0000159696 00000 н 0000159753 00000 н 0000159903 00000 н 0000159960 00000 н 0000160017 00000 н 0000160074 00000 н 0000160218 00000 н 0000160275 00000 н 0000160433 00000 н 0000160490 00000 н 0000160684 00000 н 0000160741 00000 н 0000160957 00000 н 0000161014 00000 н 0000161200 00000 н 0000161257 00000 н 0000161314 00000 н 0000161372 00000 н 0000161530 00000 н 0000161587 00000 н 0000161781 00000 н 0000161838 00000 н 0000162054 00000 н 0000162111 00000 н 0000162168 00000 н 0000004350 00000 н 0000002285 00000 н трейлер ]/Предыдущая 7

/XRefStm 4350>> startxref 0 %%EOF 1528 0 объект >поток hVyTSWl$ aE1 H,a6XPAŭjb ʱ(8СЗв₍; (+Lqgѿ濹w

Пандемия COVID-19 и стабильность фондового рынка — секторальный подход

Abstract

Пандемия COVID-19 представляется наиболее важным явлением, наблюдаемым с марта 2020 года практически во всех странах мира.Необходимость предотвращения распространения COVID-19 и поддержания работоспособности систем здравоохранения привела к вынужденному, резкому ограничению экономической активности. Это особенно сильно ударило по многим секторам услуг, но также пострадали промышленность и сельское хозяйство. В частности, пандемия существенно повлияла на финансовые рынки, и мы можем наблюдать, что некоторые рынки или инструменты различаются по стабильности, поскольку они пострадали в разной степени. В статье представлена ​​проблема устойчивости фондовых рынков в условиях пандемии COVID-19.Из-за небольшого количества работ, связанных со странами ЦВЕ во время пандемии, мы анализируем Варшавскую фондовую биржу, которая является одним из самых важных рынков в ЦВЕ. Нашей главной целью было выяснить, как различные отрасли, представленные индексами фондового рынка, отреагировали на шок от COVID-19 и, следовательно, какие отрасли сумели сохранить стабильность и остались устойчивыми к пандемии. В нашем исследовании мы используем два метода кластеризации: K -средних и методы Уорда с критерием максимизации коэффициента силуэта и шестью индикаторами, характеризующими стабильность с точки зрения доходности, объема, состояния перекупленности/перепроданности и волатильности.Результаты исследования показывают, что в период пандемии удалось выделить 5 кластеров отраслевых показателей в краткосрочной и 4 в среднесрочной перспективе. Мы обнаружили, что состав кластеров достаточно стабилен во времени и что ни один из полученных кластеров нельзя однозначно признать наиболее или наименее устойчивым с учетом всех анализируемых показателей. Однако мы показали, что полученные кластеры имеют разное происхождение устойчивости, т.е. отличаются друг от друга по исследуемым показателям устойчивости.

Образец цитирования: Buszko M, Orzeszko W, Stawarz M (2021) Пандемия COVID-19 и стабильность фондового рынка — отраслевой подход. ПЛОС ОДИН 16(5): е0250938. https://doi.org/10.1371/journal.pone.0250938

Редактор: Стефан Кристиан Гергина, Бухарестский университет экономических исследований, РУМЫНИЯ

Поступила в редакцию: 16 февраля 2021 г.; Принято: 16 апреля 2021 г .; Опубликовано: 20 мая 2021 г.

Copyright: © 2021 Buszko et al.Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Соответствующие данные загружены на https://doi.org/10.18150/1ZHV6H.

Финансирование: Работа выполнена при поддержке Национального научного центра в рамках гранта 2019/35/B/HS4/00642.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

1. Введение

Пандемия COVID-19 оказала значительное влияние на социально-экономическую жизнь большинства стран мира. Вирус может оказывать деструктивное влияние на отдельных людей, предприятия, отрасли и целые экономики [1]. Его появление, в принципе, означало значительную нагрузку и реорганизацию службы здравоохранения, необходимость обеспечения дополнительных дезинфекционных и гигиенических мероприятий, но ожидается, что его глобальный масштаб станет наиболее влиятельным экономическим и социальным событием на десятилетия [2].Проблемой вируса COVID-19 стало его быстрое распространение, которое стало результатом воздушно-капельной передачи и интенсивного использования общественного транспорта, в том числе межконтинентальных рейсов. Необходимость предотвращения сбоев систем здравоохранения и противодействия последствиям COVID-19, представляющего непосредственную угрозу здоровью и жизни граждан, привела к вынужденному и зачастую резкому ограничению экономической активности. Фактически пандемия внезапно остановила глобальную экономическую активность в первой половине 2020 года [3].Особенно сильно пострадали сектора услуг, в том числе туризм и гостиничный бизнес, розничная торговля, образование, культурные мероприятия, рестораны, галереи, спортивные залы, парикмахерские, такси, выставки, спортивные мероприятия и личные услуги, характеризующиеся прямым контактом между людьми [4]. Сильно пострадал также наземный и воздушный транспорт, а также непосредственно связанные с ним субъекты, в том числе аэропорты. Особенно в последнем секторе ожидается, что спрос сильно пострадает не только в среднесрочной, но и в долгосрочной перспективе [5], поскольку динамика распространения пандемии тесно связана с системой авиакомпаний [6].Более того, Лю и соавт. [7] представили систематический анализ динамики и масштабов беспрецедентного снижения спроса на общественный транспорт из-за пандемии. Необходимость изоляции и невозможность ведения производственной, коммерческой или сервисной деятельности на текущих условиях привели к возникновению перебоев в производстве и поставках, а также разрыву логистических цепочек. Проблема заключалась и в заражении сотрудников, что не позволяло спокойно вести бизнес.Пандемия привела также к существенному падению спроса на энергию и глобальных выбросов CO 2 [3]. В тех случаях, когда это позволяла специфика деятельности, пандемия COVID-19 способствовала изменению организации и модели работы многих организаций, вызывая их децентрализацию, вынуждая к большей гибкости работы и переходу к удаленной работе, но также влияя на внутренние отношения. , адаптация сотрудников и управление человеческими ресурсами [8]. Также поднимался вопрос соблюдения прав человека в таких условиях [9].

Период пандемии, несомненно, является переломным в деятельности многих отраслей, а также и для направлений развития экономики в целом, однозначно меняя экономические реалии больше, чем предыдущий кризис 2007-2009 гг. [10]. Его можно трактовать как специфический шок спроса и предложения, источником которого является блокировка реального сектора экономики и сбои в сфере обслуживания, торговли и производственной деятельности, вызванные санитарно-эпидемическими причинами. Пандемию и ее влияние на финансы сравнивают с предыдущим глобальным финансовым кризисом 2007–2009 годов.Wojcik и Ioannou [11] считают, что предыдущий кризис скорее называют Североатлантическим кризисом, который распространился по всему миру через международные финансовые и экономические отношения, но пандемия COVID-19 действительно глобальна и напрямую затрагивает практически все страны из-за путешествий. . В отличие от кризиса 2007–2009 гг., пандемический кризис не был инициирован в финансовом секторе, но его острота в реальной сфере передала его в финансовый сектор, а затем обратно в производство, торговлю и услуги.В некоторых отраслях это, несомненно, вызвало существенное изменение бизнес-модели или повлияло на изменение структуры доходов и расходов. Последствия изменений и преобразований в отдельных отраслях в настоящее время сложно предсказать, так как неизвестно, сколько в конечном итоге продлится пандемия и каковы будут ее издержки. Несомненно, появятся новые вызовы в области компьютеризации, логистики, управления персоналом, управления недвижимостью, кибербезопасности и охраны здоровья в широком смысле.

Пандемия COVID-19 — это новое явление, поэтому исследования по нему все еще новы, но быстро расширяются. Проблемой COVID-19 занимались прежде всего в медицине и фармации [12–16], но вскоре после этого она стала предметом исследований во многих других дисциплинах, таких как науки о здоровье [17, 18], психология [19, 20 ] или физико-математическому [21]. В области экономических наук, особенно финансов, достижения в отношении COVID-19 становятся все более и более распространенными и касаются в основном последствий карантина.Было относительно мало времени, чтобы наблюдать за этим явлением и получать данные, отражающие его влияние на финансовую отчетность, но были опубликованы работы, связанные с различными аспектами COVID-19 на рынках финансов и капитала. Финансовые вопросы во время пандемии до сих пор были предметом исследований в сфере страхования [22], банковского дела [23–25] или финансовой системы [26]. Также можно найти результаты исследований, проведенных в других финансовых аспектах, связанных с COVID-19, например, о влиянии динамики уровня паники из-за шока COVID-19 на движение обменных курсов [27].Влияние пандемии на альтернативные инвестиции, такие как криптовалюты, также становится важной областью исследований в области финансов [28–32].

Растущее число статей, связывающих COVID-19 и финансы, относится к фондовым рынкам. Литература в этой области содержит работы, опубликованные еще до начала пандемии, но подходящие для объяснения поведения инвесторов в период COVID, а также работы, завершенные во время пандемии. В первой группе можно найти работы, посвященные проблемам заражения [33], распространения между рынками во время потрясений [34], а также влияния плохих новостей на изменяющиеся во времени бета [35].Во втором есть статьи, связанные с вопросами зависимостей между глобальными факторами и рынками [36] или связями между отдельными реакциями фондового рынка и тяжестью вспышки пандемии в разных странах [37]. Кроме того, можно перечислить некоторые другие работы, напр. связанных с ценами на акции во время пандемии. Сингх [38] обнаружил, что инвесторы становятся более внимательными к корпоративным основам и ESG, которые поддерживают долгосрочную устойчивость фирм во время турбулентности. Фундаментальные аспекты инвестиций были также отмечены Mirza et al.[39], которые обнаружили, что инвестиционные фонды социального предпринимательства превзошли своих коллег во время вспышки пандемии. В области ценообразования акций и ценовых тенденций Shehzad et al. [40] обнаружили, что пандемия повлияла на дисперсию фондовых рынков США, Германии и Италии сильнее, чем мировой финансовый кризис. На этом фоне Narayan et al. [41] и Phan & Narayan [42] обнаружили положительное влияние блокировок, запретов на поездки и пакетов экономических стимулов на фондовые рынки, а Sharif et al.[43] обнаружили, что в США вспышка пандемии оказывает большее влияние на геополитический риск и экономическую неопределенность, чем сам фондовый рынок.

Обзор литературы показывает относительно небольшое количество работ, связанных со странами ЦВЕ, где пандемия также сильно повлияла на финансовые рынки. Причиной такого явления может быть относительно большая фрагментация местных рынков капитала в регионе ЦВЕ, их небольшая капитализация в большинстве стран, а также общая более низкая финансиализация экономик по сравнению с высокоразвитыми странами.В этом плане исследование Топку и Гулала [44] показывает, что негативное влияние пандемии на развивающиеся фондовые рынки было сильнее в Азии, чем в Европе, и постепенно снижалось и начало сходить на нет к середине апреля. Авторы также отмечают, что на развивающихся рынках размер пакетов стимулов, предоставляемых правительствами, имеет значение для компенсации последствий пандемии. Другое исследование, связанное с обменными курсами и поведением фондового рынка стран Вышеградской группы ЦВЕ во время пандемии, показывает значительную и отрицательную связь между индексами фондового рынка Вышеградской группы и распространением COVID-19 [2].

Помимо небольшого количества работ, связанных с пандемией в ЦВЕ, в текущем исследовании в основном отсутствует часть, посвященная влиянию COVID-19 на отдельные секторы экономики. Некоторые результаты отраслевого влияния можно найти у Wojcik и Ioannou [11], указывающие на относительно низкий уровень снижения рейтинга в здравоохранении и потребительских товарах и самый высокий в энергетическом, финансовом и промышленном секторах. Другая оценка фондового рынка в условиях пандемии была проведена Харуном и Ризви на основе отраслевых индексов для США от Dow Jones [45].Они показали, что паника, вызванная новостями, связанными с COVID-19, была положительно связана с волатильностью индексов нескольких промышленных секторов, таких как транспорт, автомобили и комплектующие, энергетика, путешествия и отдых. Аналогичные результаты по секторальной доходности для австралийского фондового рынка были получены Нажду и Ранджини [46]. Другой анализ был проведен Mazur et al. [47], которые исследовали влияние COVID-19 на поведение компаний S&P1500 на фондовом рынке на отраслевом уровне, включая цены на их акции и волатильность.Авторы обнаружили, что во время краха фондового рынка акции компаний из секторов здравоохранения, продуктов питания, природного газа и программного обеспечения работали аномально хорошо, в то время как компании из секторов сырой нефти, недвижимости, развлечений и гостиничного бизнеса были худшими. Более того, авторы обнаружили, что акции проигравших имели более асимметричные движения и демонстрировали высокую волатильность, которая отрицательно коррелировала с доходностью акций. Рассматривая восприимчивость секторов к пандемии COVID-19, Akhtaruzzaman et al. [48] ​​обнаружили, что финансовые фирмы играют более важную роль в распространении финансового заражения, чем нефинансовые фирмы.Кроме того, были проведены некоторые отраслевые оценки на основе китайских компаний и фондового рынка Китая, в том числе He et al. [49], Гу и соавт. [50] и Xiong et al. [51]. Все вышеупомянутые исследования были сосредоточены главным образом на ценообразовании фондового рынка или анализе волатильности, а не непосредственно на комплексной оценке устойчивости.

Обзор исследований влияния пандемии и финансов показывает относительно небольшое количество исследований, связанных со стабильностью финансовых рынков после начала пандемии COVID-19.Понятие финансовой стабильности неоднозначно и может интерпретироваться по-разному, а также с разных точек зрения, включая инфраструктуру, институты, инструменты, рынки, регулирование и финансовые результаты. Обзор исследований финансовой устойчивости показывает, что не существует общепринятых определений, моделей или аналитических рамок для ее оценки. Сложность темы, а также проблемы с определением и измерением финансовой устойчивости были показаны Шинази [52] и Гудхартом [53], чьи работы привели к выводу, что одна целевая переменная не может быть подходящей для определения и измерения финансовой стабильности.Тем не менее финансовую устойчивость в самом простом виде можно определить как ситуацию, когда финансовая система позволяет без сбоев эффективно распределять сбережения в инвестиции [54]. Стабильность также можно определить, когда финансовая система способна выдерживать потрясения, не нарушая распределения сбережений, инвестиций и обработки платежей [55]. В более сложном смысле финансовую устойчивость можно определить как хорошо функционирующие компоненты финансовой системы, включая финансовых посредников, институты, рынки, платежные, расчетно-клиринговые системы [56, 57].Шинази [52] описывает финансовую стабильность как способность облегчать и улучшать экономические процессы, управлять рисками и поглощать шоки. Автор указывает также, что финансовую устойчивость следует рассматривать как континуум, т.е. изменчивую во времени и соответствующую многократным сочетаниям составляющих элементов финансов. Кроме того, понятие финансовой устойчивости может быть определено и через призму нестабильности, где стабильность – это такое положение дел, при котором возникновение нестабильности маловероятно [58].Таким образом, финансовая нестабильность означает условия на финансовых рынках, которые наносят ущерб или угрожают нанести ущерб эффективности экономики за счет своего воздействия на работу финансовой системы [59]. Другой подход определяет нестабильность как степень, в которой шоки финансовой системы усиливаются и распространяются на рынки или институты [60]. Концепция финансовой стабильности применялась в контексте бесперебойного функционирования банков и финансовой системы [61], денежно-кредитной политики и центральных банков [62, 63], ценовой стабильности [64–67], включая развивающиеся рынки [68] или экономики и экономики. экономическая политика [69].В литературе можно найти и более конкретные области, в которых появляется понятие финансовой стабильности, такие как возобновляемая энергетика [70], цифровые финансы [71] или теневое банковское дело [72].

В литературе по вопросам стабильности финансовых рынков после начала пандемии COVID-19 значительно меньшая часть посвящена фондовым рынкам. Стабильность фондового рынка можно определить как постоянное (устойчивое) распространение систематических шоков на фондовом рынке в нормальных и экстремальных рыночных условиях [73].Определение и работа, опубликованные упомянутыми авторами, привели к дальнейшим исследованиям, проведенным Айинде и Йинусой [74] для африканского рынка и Чирилой и Чирилой [75] для стран ЦВЕ. Связывая понятие финансовой стабильности с поведением фондовых рынков в условиях пандемии COVID-19, мы выявляем пробел в исследованиях, связанных как с отраслевой оценкой финансовой стабильности, так и с оценкой рынков в странах ЦВЕ в период пандемия. Чтобы уменьшить этот разрыв, мы решили проанализировать один из самых важных фондовых рынков в регионе ЦВЕ, т.е.е. Варшавская фондовая биржа (WSE), которая предоставляет официальную отраслевую классификацию и оценку эффективности секторов с помощью субиндексов WSE. По состоянию на октябрь 2020 года ВФБ была крупнейшим фондовым рынком в Центральной и Восточной Европе по количеству зарегистрированных компаний (434), а также по капитализации отечественных компаний (около 200 млрд евро). Кроме того, с сентября 2018 года Польша стала классифицироваться в индексе FTSE Russel как высокоразвитая страна и вошла в группу 25 стран как первая страна в Центральной и Восточной Европе.Таким образом, некоторые из крупнейших польских компаний были включены в индексы развитых рынков, а значит, и в индекс Stoxx Europe 600. Эти факты подтверждают качество и количество изменений, произошедших на ВФБ за последние годы, а также оправдывают выбор этого рынка для нашего исследования.

Основная цель данной работы – оценка финансовой устойчивости (шоковой устойчивости) 16 отраслей (отраслей), представленных отраслевыми индексами на ВФБ, в период вспышки пандемии COVID-19.Мы намерены выяснить, как различные отрасли, представленные индексами фондового рынка, отреагировали на шок COVID-19 в первые месяцы пандемии и, соответственно, какие отрасли сумели сохранить стабильность и остались устойчивыми к пандемии. Мы видим несколько важных практических последствий такого исследования, например, его можно использовать для проектирования и разработки новых инвестиционных стратегий на фондовом рынке, для реструктуризации инвестиционных портфелей, а также для более эффективного управления инвестиционными рисками.Благодаря этому мы можем лучше понимать поведение различных секторов и компаний во время внешних шоков.

В нашем исследовании мы ориентируемся на оценку отраслевых показателей. В ходе исследования будут определены критерии устойчивости поведения отраслей до и после начала пандемии, изучено сходство поведения отраслей путем разделения их на кластеры, а также их изменение (рекластеризация) в ходе пандемии. Мы исследуем стабильность, сравнивая показатели показателей до пандемии и пандемии, используя два момента времени, которые можно рассматривать как начало пандемии, т.е.е. первый глобальный отчет ВОЗ о вспышках заболеваний от 5 января 2020 г. о вспышке COVID-19 и 12 марта 2020 г., т.е. о начале карантина в Польше и объявлении ВОЗ о том, что вспышка COVID-19 является пандемией.

Как уже отмечалось, финансовая устойчивость является комплексным понятием, и ее нельзя измерить только одной переменной. Более того, в литературе нет четких указаний, какие индикаторы (переменные) были бы наиболее подходящими для исследования устойчивости фондовых рынков.Из-за многогранности этой проблемы мы решили использовать методы кластеризации (а именно: K -средства и методы Уорда) для ее всестороннего и широкого анализа. Оба метода успешно применялись в литературе для исследования рынков капитала [76–80] и для анализа последствий пандемии COVID-19 [81–84].

Вклад статьи — это, прежде всего, оценка Варшавской фондовой биржи, то есть крупнейшего и наиболее развитого фондового рынка в ЦВЕ во время пандемии, с точки зрения финансовой стабильности с отраслевой точки зрения.Кроме того, мы предлагаем индикаторы, которые можно использовать для кластеризации при оценке устойчивости фондового рынка во время шоков.

Оставшаяся часть статьи организована следующим образом: в разделе 2 мы описываем методы кластеризации, а также характеризуем данные и процесс исследования. В разделе 3 представлены результаты и обсуждение. Работа заканчивается выводами.

2. Методы и описание исследования

2.1 Методы кластеризации

Кластеризация — это неконтролируемая группировка объектов в классы без каких-либо априорных знаний об анализируемых наборах данных [85].Цель кластеризации — найти качественные группы похожих объектов и выявить закономерности в данных. Задача кластеризации состоит в том, чтобы разделить заданный набор данных на кластеры (группы) таким образом, чтобы точки данных в кластере были более похожи друг на друга, чем точки в разных кластерах. Саму кластеризацию не следует рассматривать как один конкретный алгоритм, поскольку это общая решаемая задача. Этого можно достичь, используя различные методы кластеризации, которые значительно различаются по смыслу того, что составляет кластер и как его найти.

Большинство методов кластеризации можно отнести к иерархической или раздельной кластеризации. Алгоритмы иерархической кластеризации генерируют кластерное дерево (дендрограмму) с использованием эвристических методов разделения или слияния. Напротив, секциональные методы обычно требуют, чтобы количество кластеров и начальная кластеризация были указаны в качестве входных данных для процедуры [86, 87].

В нашем исследовании мы применяем два метода кластеризации: K -средних и методы Уорда. Метод K средних [88] является хорошо известным алгоритмом раздельной кластеризации.Он определяет кластеры с минимальной изменчивостью наблюдений в каждом кластере, рассчитанной с использованием суммы квадратов внутри кластера: (1) где K — количество кластеров, C K ( k = 1,2, …, k ) обозначает кластеры, μ k — это центроиды (обычно описывается среднее значение точек в кластере C k ). Для указания оптимальной кластеризации выполняется итерационный алгоритм.Он начинается со случайно выбранных (или полученных из априорной информации) исходных K центроидов. Затем каждая точка в наборе данных назначается ближайшему кластеру (то есть ближайшему центроиду) на основе функции расстояния. Далее на основе поглощенных наблюдений рассчитываются новые центроиды. Этот процесс повторяется до тех пор, пока не будет достигнута сходимость [89].

Вторым применяемым методом является метод иерархической кластеризации Уорда. Как и другие методы агломерации, он состоит в построении вложенных кластеров путем их последовательного слияния.Результат можно представить в виде дерева (дендрограммы), описывающего иерархию кластеров. Алгоритм Уорда начинается с кластеризации, где каждая точка данных сама по себе образует кластер. На каждом шаге два кластера, которые минимально увеличивают внутрикластерную дисперсию (т. е. суммы ошибок квадратов (1) с ), объединяются. Алгоритм завершается, когда остается только один кластер.

Для оценки результатов кластеризации следует применить меры проверки. Такие меры могут быть дополнительно полезны для выбора правильного метода кластеризации и его параметров, например.грамм. предполагаемое количество кластеров [90]. Одной из таких мер, часто предлагаемой в литературе, является коэффициент силуэта [91]. Для расчета коэффициента силуэта необходимо оценить сходство каждой точки x i с собственным кластером по сравнению с другими кластерами по формуле: (2) где a ( i ) — среднее различие между x i и точками кластера C , содержащего x i 904, 900.э.: (3) а b ( i ) — наименьшее среднее несоответствие между x i и всеми точками в любых других кластерах, т.е.: (4)

Когда | С | = 1 уравнение (3) не может быть вычислено, и предполагается, что s ( i ) = 0,

Меры s ( i ) принимают значения из интервала 〈−1,1〉, будучи большими (т.е. близкими к 1), когда точка x i была отнесена к соответствующему кластеру .Значение 0 указывает, что x i близко к границе решения между двумя соседними кластерами, а отрицательное значение указывает на то, что оно могло быть присвоено неправильному кластеру.

По определению, s ( i ) измеряют силуэты для отдельных точек. В свою очередь, для оценки качества всех K кластеров следует вычислить средний силуэт: (5) где N — количество точек. Максимальное значение (взятое по всем K ) называется коэффициентом силуэта ( SC ) и является основным показателем качества кластеризации.Согласно Кауфману и Руссо [92], коэффициент силуэта можно интерпретировать следующим образом:

  • SC ≤0,25: существенная структура не обнаружена,
  • 0,26≤ SC ≤0,50: конструкция слабая и может быть искусственной,
  • 0,51≤ SC ≤0,70: найдена разумная структура,
  • 0,71≤ SC ≤1: обнаружена прочная структура.

2.2 Данные и исследовательский процесс

Для проверки стабильности поведения отдельных секторов ВФБ, т.е.е. их устойчивости к воздействию пандемии COVID-19, мы использовали в общей сложности 16 индексов, 14 из которых были отраслевыми индексами, отражающими отдельные отрасли, и два макроиндекса, отражающие отрасли, напрямую не входящие в отраслевые индексы, т.е. WIG.GAMES и WIGtech. В табл. 1 представлены характеристики исследуемых показателей.

При анализе стабильности необходимо различать два периода: базовый (допандемический) – используется для определения стандартного поведения изучаемых показателей, и пандемический, в котором анализируется поведение показателей, вызванное пандемией.В качестве базового периода мы приняли 8 июля 2019 г. – 3 января 2020 г. (далее: Период_0), т.е. период, в течение которого пандемия не влияла на инвестиционные решения. В качестве начала пандемии на фондовом рынке мы рассматривали две альтернативные временные точки. По первому варианту начало пандемии предполагалось 7 января 2020 г., т. е. в первый рабочий день после выпуска ВОЗ первого сводного отчета о вспышках заболеваний COVID-19, а по второму – 12 марта 2020 г., т. е. первый рабочий день после заявления ВОЗ о том, что COVID-19 является пандемией и началом карантина в Польше.Кроме того, нам нужно было определить продолжительность периода пандемии, анализируемого в исследовании. В случае первой временной точки начала пандемии рассматривался шестимесячный период исследования, т. е. 7 января 2020 г. – 6 июля 2020 г. (далее: Период_1). В случае второго варианта видно, что период после 12 марта был связан с очень быстрыми и динамичными изменениями на рынках ценных бумаг. В то же время в этот период можно ожидать различий в поведении отдельных компаний по глубине и продолжительности этих изменений.По этой причине в данном случае были рассмотрены три варианта периода пандемии: две недели, 1 месяц и 3 месяца, что позволило выявить и сравнить длительность неустойчивых реакций в отдельных отраслях. Это означает, что во втором варианте исследования рассматривались три альтернативных периода пандемии: 12 марта 2020 г. – 25 марта 2020 г. (далее: Период_2а), 12 марта 2020 г. – 9 апреля 2020 г. (далее: Период_2б) и 12 марта 2020 г. – 10 июня 2020 г. (далее: Период_2с). Мы будем рассматривать Period_2a и Period_2b как краткосрочные, а Period_2c и Period_1 как среднесрочные.

На рис. 1 представлена ​​динамика всех анализируемых показателей до и в период пандемии. На диаграмме также указаны две временные точки, принятые в исследовании в качестве начала пандемии. Сплошная линия – 7 января 2020 г., штриховая – 12 марта 2020 г. В случае большинства индексов видно, что наибольшее снижение значений индексов было зафиксировано до 12 марта, а наибольшее увеличение – после этой даты. .

Принимая во внимание проблему отсутствия какой-либо одной переменной, которая может быть использована для всестороннего определения и измерения стабильности фондовых рынков и их секторов (что мы подчеркнули во введении), в нашем дальнейшем исследовании мы предлагаем несколько переменных в качестве индикаторов этого стабильность.Они отражают различные аспекты стабильности фондового рынка, включая ценообразование, объем торгов, волатильность и отношение инвесторов. В нашем исследовании мы использовали одну переменную, описывающую стабильность с точки зрения доходности (цены), одну для объема, одну для условий перекупленности/перепроданности, а также три различных показателя волатильности. Все эти переменные отражают разницу между предпандемическим и пандемическим периодами и для сопоставимости большинство из них представлены в виде процентных изменений.

Мера ценовой стабильности (обозначается ), предложенная в исследовании, определяется по формуле: (6) где и обозначают среднее значение данного индекса за базовый и пандемический периоды соответственно. Это означает, что отражает относительное изменение средней цены.

Для оценки стабильности волатильности котировок мы использовали три различных показателя, основанных на стандартном отклонении, оценке Паркинсона и размахе соответственно.

Первый из них (обозначается ) определяется по формуле: (7) где σ 0 и σ 1 — стандартные отклонения логарифмических доходностей данного индекса за базовый и пандемический периоды соответственно.В результате значение представляет собой относительное изменение стандартного отклонения.

Вторая мера стабильности волатильности относится к оценке стандартного отклонения по Паркинсону [93], выраженной как: (8) где H t и L t — дневные максимум и минимум цены соответственно. Этот оценщик имеет преимущество перед оценщиком, основанным только на ценах закрытия, поскольку он использует информацию об изменении цен в течение дня.Как видно рассчитывается отдельно для каждого дня t . Наконец, в нашем исследовании мы используем меру: (9) где и – средние значения оценки Паркинсона за базовый и пандемический периоды соответственно. Величина представляет собой относительное изменение среднесуточной изменчивости, измеренное оценщиком Паркинсона.

Третий показатель стабильности волатильности основан на размахе, то есть разнице между максимальным и минимальным значениями в заданный период. Он выражается формулой: (10) где r 1 – диапазон в период пандемии, а – среднее значение диапазонов базового периода, составленного из того же числа наблюдений, что и изучаемый период пандемии.Диапазон для предпандемического периода r 0 для Period_2a, Period_2b и Period_2c был рассчитан как диапазон с использованием однодневного скользящего окна в две недели, один месяц и три месяца соответственно. Такой метод расчетов позволил использовать в расчетах диапазоны, рассчитанные на основе тех же периодов, что и в период пандемии. В случае Period_1 (имеющего ту же продолжительность, что и предпандемический период) r 0 рассчитывались следующим образом, т.е.е., как разница между максимальной и минимальной ценой. Переменная описывает относительное изменение волатильности, измеряемое диапазоном.

Мера, основанная на индексе относительной силы (RSI), использовалась для оценки отношения инвесторов. RSI измеряет величину недавних изменений цен, чтобы оценить условия перекупленности или перепроданности в цене финансовых активов. n -дневный RSI рассчитывается по формуле: (11) где U t — это среднее n дней закрытия вверх, а D t — среднее n дней закрытия вниз.В исследовании мы приняли n = 14. В конечном итоге для проверки стабильности RSI использовалась следующая мера: (12) где и – средние значения индекса RSI за базовый и пандемический периоды соответственно. Мера показывает разницу в перекупленности за два сравниваемых периода.

В свою очередь, для оценки стабильности товарооборота использовался следующий показатель: (13) где и – средние значения объема торгов в базовый и пандемический периоды. Это означает, что это относительное изменение среднего объема торгов.

Следует отметить, что с точки зрения цели исследования важным вопросом устойчивости является масштаб изменений, а не их направление. Поэтому в кластерном анализе применялись абсолютные значения вышеуказанных показателей. Более того, чтобы обеспечить сбалансированное влияние всех этих мер на результат группировки, они были нормализованы до кластеризации. Отсутствие нормализации дает большее влияние на результат, полученный переменными, выраженными большими числами.Для этого все переменные были нормализованы с помощью мин-макс масштабирования по формуле: (14) что гарантирует, что все преобразованные переменные находятся в диапазоне [0, 1].

3. Результаты и обсуждение

Отправной точкой нашего исследования было вычисление значений шести показателей для всех исследованных субиндексов. Мы представляем результаты в таблицах 2–5.

При анализе полученных результатов стоит обратить внимание на то, что в относительно неблагоприятных ценовых условиях, сложившихся на момент начала пандемии, по отдельным отраслям был получен положительный показатель изменения рентабельности.В частности, сектор производителей компьютерных игр (WIG.GAMES) и IT (WIG-IT) показал положительное изменение цен независимо от временных рамок анализа. Отрасль высоких технологий (WIGtech) зафиксировала положительные изменения, за исключением самого короткого периода анализа (Period_2a), а строительная отрасль (WIG-construction), а также медиа (WIG-media) увеличили свое значение в среднесрочной перспективе. Все остальные отрасли показали снижение рентабельности. В случае показателей изменчивости ( и ) положительные значения зафиксированы во всех анализируемых периодах по всем исследуемым показателям, кроме единственной записи показателя, отмеченного для банковского сектора в краткосрочной перспективе (Период_2б).Такие результаты ясно указывают на повышенную волатильность оценки компаний ВФБ после вспышки COVID-19. Глядя на вышеупомянутый параметр, следует подчеркнуть положительные значения выбросов для сектора компьютерных игр и сектора технологий во всех анализируемых периодах, кроме Period_1. Для переменной RSI, за некоторыми исключениями, можно было наблюдать отрицательные значения для всех секторов в краткосрочной перспективе (Period_2a и Period_2b) и положительные значения в среднесрочной перспективе (Period_1 и Period_2c).Это может свидетельствовать о том, что короткий период характеризовался распродажей акций, а средний – их выкупом. Сектор недвижимости (WIG-недвижимость) оказался худшим, зафиксировав самые низкие и отрицательные значения за все анализируемые периоды. Последняя переменная характеризуется положительными значениями для всех секторов и всех периодов исследования. Интересным результатом был получен объем торгов фармацевтического сектора (ВИГ-фармацевтика) и в меньшей степени сектора одежды (ВИГ-одежда), для которого значительно выше по сравнению со всеми остальными секторами во все четыре периода анализ.

После расчета вышеупомянутых шести переменных для всех секторов и для всех анализируемых периодов мы провели процесс кластеризации на основе всех этих переменных. В нашем исследовании мы рассматривали количество кластеров K = 2,3…,10 как для K -средних, так и для методов Уорда. Для выбора подходящего количества кластеров был принят критерий максимизации коэффициента силуэта. Все расчеты проводились с использованием собственных компьютерных кодов, написанных на языке Python с использованием библиотек Scikit-learn [94] и Yellowbrick [95].

В табл. 6 представлены полученные силуэтные коэффициенты для K -среднего и метода Уорда для рассматриваемых вариантов периода пандемии. Значения в скобках указывают количество идентифицированных кластеров.

Как видно, в каждом случае полученные значения меньше 0,5, что свидетельствует о плохой кластеризации. Поэтому была предпринята попытка улучшить качество кластеризации, заключавшееся в ограничении набора диагностических переменных. Среди шести переменных, изначально принятых для исследования, три относятся к одному и тому же аспекту – волатильности котировок.В результате высока вероятность того, что они могут иметь одинаковую информационную нагрузку, что может быть неблагоприятным с точки зрения качества кластеризации. По этой причине было принято решение рассмотреть три варианта наборов, состоящих из четырех диагностических переменных: и последовательно только одной из мер устойчивости волатильности: и . Однако исследование, проведенное на этих трех вариантах, также дало коэффициенты силуэта менее 0,5 (результаты доступны по запросу).

Дальнейший анализ показал, что причиной низкого качества полученной кластеризации является переменная .По этой причине он был исключен из группы диагностических переменных. Наконец, были рассмотрены три варианта наборов переменных, состоящих из трех переменных: и последовательно одной из мер: и , причем наилучшие результаты были получены при использовании переменной в качестве меры устойчивости волатильности. В табл. 7 представлены полученные силуэтные коэффициенты для K -среднего и метода Уорда для рассматриваемых вариантов периода пандемии. Значения в скобках указывают количество идентифицированных кластеров.

Как К -средние, так и методы Уорда указывали на одно и то же деление на группы в случае анализируемых показателей. В Period_1 и Period_2c самые высокие коэффициенты силуэта возникают, когда индексы разделены на 4 группы. Однако в Period_2a и Period_2b оптимальным было разделение на 5 групп.

Для оценки надежности результатов мы дополнительно использовали метод локтя в качестве альтернативного инструмента для определения оптимального количества кластеров [96–98].Идея этого метода заключается в вычислении суммы квадратов внутри кластера (см. уравнение (1)) для различного количества кластеров (обозначается как SSE ( K )) и построении линейной диаграммы SSE ( К ) против номера К . Можно легко увидеть, что SSE ( K ) имеет тенденцию к уменьшению до 0 по мере увеличения K . Согласно методу необходимо выбрать значение K , при котором линейный график начинает сглаживаться и образует изгиб.Такая ситуация означает, что добавление еще одного кластера не приводит к значительному улучшению кластеризации.

На рис. 2–5 показаны коэффициенты силуэта и значения SSE ( K ) для K = 2,3,…,10. Вертикальная пунктирная линия на графике метода колена указывает оптимальное количество кластеров, которое было определено с помощью алгоритма обнаружения точки колена. Алгоритм обнаружения точки излома находит точку максимальной кривизны, которая в хорошо продуманной задаче кластеризации также представляет собой точку поворота кривой локтя (см.[99]). Мы обнаружили, что для всех исследуемых периодов метод локтя указывает на ту же кластеризацию, что и метод, основанный на силуэтных коэффициентах.

В таблице 8 представлен состав полученных кластеров и средний коэффициент силуэта для каждого из них (т.е. среднее значение силуэтов для индексов, составляющих кластер). Значение коэффициента среднего силуэта зависит от однородности кластера и его отделения от других.

Наша классификация индексов, представляющих отдельные отрасли на кластеры, частично совпала с изменением основ формирования доходов и перспектив развития таких отраслей в условиях пандемии.Отрасли, которые оказались особенно подвержены деловому циклу и снижению активности из-за карантина, — это металлургия, энергетика, машины и оборудование, химия или автомобилестроение. С другой стороны, есть компьютеры и телекоммуникации, фармацевтика, программное обеспечение и ИТ, агропродовольственный сектор или строительство, которые должны быть менее подвержены блокировкам [100]. Рассматривая такую ​​классификацию, можно отметить, что в нашем исследовании такие сектора, как ВИГ-химия, ВИГ-энергетика, ВИГ-добыча, ВИГ-нефть и газ, были классифицированы в рамках одного кластера (кластер_3).Такая кластеризация соответствовала бы аналогичной принципиальной восприимчивости компаний этих, преимущественно традиционных, отраслей к изменениям экономических условий, вызванных пандемией. Аналогичный эффект наблюдался и в случае Кластера_5, включающего ВИГ-строительство, ВИГ-ИТ, ВИГ-недвижимость и ВИГ-телеком, для которых блокировки не вызвали принципиального ограничения деятельности компаний. Обе классификации стали очевидными только в краткосрочной перспективе (Period_2a и Period_2b). На более длительных временных горизонтах кластеризация объединяет отрасли с разной фундаментальной восприимчивостью к изменениям выпуска во время пандемии, например.грамм. ВИГ-банкинг, ВИГ-одежда, ВИГ.ИГРЫ (кластер_2) или ВИГ-химия, ВИГ-строительство, ВИГ-энергетика, ВИГ-ИТ, ВИГ-добыча, ВИГ-нефтегаз, ВИГ-телеком (кластер_3).

Для более детальной оценки полученных кластеров мы проанализировали средний коэффициент силуэта для каждого кластера (см. Таблицу 8). Мы обнаружили, что кластеры, как правило, характеризуются разной степенью однородности. Наибольшая дифференциация между коэффициентами наблюдалась на самом коротком временном горизонте (Период_2а), а наименьшая — на среднесрочном (Период_2с).Кластер_3 в трех из четырех периодов анализа (кроме Периода_2с) характеризовался наибольшей однородностью. Принимая во внимание структуру этого кластера во все исследуемые периоды, можно отметить наиболее сильную взаимосвязь, формируемую химико-топливно-энергетическими отраслями (ЭВТ-химия, ЭВП-энергетика, ЭВП-добыча, ВГН-нефтегаз). В свою очередь Cluster_2 выделяется наименьшей однородностью, достигая минимального коэффициента силуэта в трех из четырех периодов (кроме Period_2b). Кластер_4 всегда состоял только из одного элемента, вне зависимости от периода, поэтому его коэффициент равен 0.

Результаты кластеризации по четырем выбранным периодам пандемии показывают, что мы можем выделить пять групп показателей (близость в стабильности) в краткосрочной перспективе (Период_2a и Период_2b) и четыре в среднесрочной перспективе (Период_1 и Период_2c). Стоит отметить, что индексы, создающие Кластер_5 на коротких периодах, в основном переместились в Кластер_3 в среднесрочной перспективе.

С учетом Периода_1 были обнаружены сходства между ВИГ-медиа, ВИГ-автомобили и запчасти, ВИГ-недвижимость, ВИГ-еда и ВИГ-телеком, затем между ВИГ-банкинг, ВИГ.ИГ, ВИГ-одежда и, наконец, между ВИГ-строительство, ВИГ-химия, ВИГ-энергетика, ВИГ-добыча, ВИГ-нефть и газ, ВИГ-телеком и ВИГ-IT. Фармацевтический сектор оставался исключительно засекреченным. Такие результаты кластеризации наблюдаются и в Период_2с, что подтверждает среднесрочную близость показателей групп показателей независимо от выбора точки начала пандемии (7 января или 12 марта). Различный результат кластеризации наблюдается для Period_2a и Period_2b по сравнению с Period_1 и Period_2c.Большее количество кластеров может свидетельствовать о том, что в короткие периоды (Period_2a и Period_2b) поведение индексов было более диверсифицированным.

По полученным кластерам в разные периоды пандемии мы обнаружили, что некоторые отрасли сохраняют свою близость во все исследуемые периоды. В Кластере_1 находились: ВИГ-медиа, ВИГ-продукты питания, ВИГ-телеком, в Кластере_2: ВИГ-банкинг, ВИГ-одежда и в Кластере_3: ВИГ-химия, ВИГ-энергетика, ВИГ-добыча, ВИГ-нефтегаз. Кластер_4, состоящий исключительно из WIG-фармацевтики, также остался без изменений.

Для более глубокой характеристики полученных кластеров и выявления причин их устойчивости координаты их центроидов визуализировались с использованием графика параллельных координат (см. рис. 6–9). Такая визуализация показывает средние значения для каждой группы, поэтому позволяет сравнивать полученные кластеры в соответствии с исследуемыми диагностическими переменными.

При анализе рисунков можно обнаружить, что полученные кластеры имеют разное происхождение устойчивости, т.е. отличаются друг от друга по исследуемым показателям устойчивости.Видно, что существует большая диспропорция между кластерами по изменению объема торгов с отдаленным результатом, отмеченным Кластером_4 (WIG-фармацевтика) во всех исследуемых периодах. В случае волатильности Кластер_3 (ВИГ-химия, ВИГ-добыча, ВИГ-нефтегаз и ВИГ-энергетика) четко выделяется среди других кластеров, демонстрируя наибольшую стабильность. Повышенная устойчивость по объему волатильности также видна на краткосрочном периоде для Кластера_5 (ВИГ-строительство, ВИГ-ИТ, ВИГ-недвижимость, ВИГ-телеком), который состоит из индексов, составляющих Кластер_3 на средних периодах.В случае прибыльности кластеры представляют рассредоточенные результаты в среднесрочной перспективе (Период_1 и Период_2с) и более поляризованные в краткосрочной перспективе (Период_2а и Период_2b). Рентабельность также является фактором, который четко отличает Кластер_5 от Кластера_3, оправдывая существование первого на коротких периодах. Также следует отметить, что Кластер_3 в среднесрочной перспективе и Кластер_5 в краткосрочной перспективе характеризуются наличием секторов, представляющих как положительное, так и отрицательное изменение доходности.Тем не менее их сходство можно найти по абсолютному значению показателя рентабельности.

Результаты показывают, что ни один из выделенных кластеров, а значит, и показателей, входящих в кластер, не может считаться наиболее или наименее стабильным по всем исследуемым переменным. Однако мы можем сделать некоторые общие выводы о стабильности исследованных показателей, которые мы приводим ниже.

При оценке устойчивости в краткосрочной перспективе наиболее стабильными по объему торгов и доходности можно считать входящие в Кластер_5 компании из ВИГ-строительство, ВИГ-недвижимость, ВИГ-ИТ и ВИГ-телеком.С учетом волатильности наиболее устойчивыми к изменениям оказались компании ВИГ-химия, ВИГ-добыча, ВИГ-нефтегаз и ВИГ-энергетика, представляющие Кластер_3, однако Кластер 5 также демонстрировал достаточный уровень стабильности, с наибольшей близостью к Кластеру_3. .

В среднесрочной перспективе наиболее стабильными по объему и волатильности были компании Кластера_3 (ВИГ-химия, ВИГ-майнинг, ВИГ-нефтегаз и ВИГ-энергетика). Такие результаты могут подтверждать их относительно высокую устойчивость в целом во время потрясений независимо от временных рамок.Указанные отрасли представлены в основном крупными субъектами, и их устойчивость можно объяснить структурой собственности, в том числе выявленными крупными стабильными акционерами, стратегической экономической значимостью и монопольной властью. С учетом стабильности доходности в среднесрочной перспективе лидером стал Кластер_1 (ВИГ-медиа, ВИГтех, ВИГ-продукты питания, ВИГ-автомобили и запчасти).

При анализе устойчивости отраслей вне зависимости от продолжительности периодов следует также обратить внимание на показатели отраслей, входящих в Кластер_1, которые показывают относительно низкое изменение объема и рентабельности, но в то же время характеризуются высоким изменением в волатильности.Это явление может быть оправдано разнообразием и очень разным профилем риска компаний, включенных в индексы, формирующие Cluster_1. Более того, глядя на показатели показателей Кластера_1, можно обнаружить, что аналогичные показатели характеризуют показатели Кластера_2, за исключением доходности. Как правило, Кластер_2 демонстрирует несколько более высокое изменение объема и меньшее изменение волатильности, чем Кластер_1, но также существенно более высокое изменение прибыльности. Относительное сходство с точки зрения изменения объема и волатильности между Cluster_1 и Cluster_2 может наблюдаться вместе с нестабильностью состава этих кластеров, что отражается в процессе взаимозаменяемости некоторых компонентов их индекса во времени.Следует отметить, что различия в изменении рентабельности можно объяснить большим разнообразием секторов, принадлежащих Кластеру_2, и их очень разным потенциалом получения прибыли в условиях пандемии. В Кластере_2 можно найти оба сектора, в которых зафиксировано крайне негативное изменение цен, т.е. одежды с неопределенными перспективами восстановления в связи с закрытием магазинов и снижением спроса на официальную одежду и банковской отраслью, терпящей убытки из-за крайне низких процентных ставок и аномальных неплатежей по кредитам, а также сектором производителей компьютерных игр, показавшим положительный показатель рентабельности по всем исследуемым периоды (см. табл. 2–5).Связующим фактором для всех этих секторов является близость абсолютной величины изменения рентабельности. Отдельной категорией является Кластер_4, представленный фармацевтическим сектором. Этот кластер показывает высокое изменение объема по отношению к другим секторам, относительно высокое изменение волатильности и доходности. В целом общую устойчивость фармкомпаний, входящих в Кластер_4, следует оценить как низкую. Отделение результатов фармацевтической отрасли от других отраслей можно обосновать дифференцированной оценкой будущей прибыли отрасли.Какая-то часть фармкомпаний может воспользоваться пандемией и получить сверхприбыли, а другая часть может ухудшить свое положение из-за снижения спроса на фармпродукцию, не связанного с пандемией.

4. Выводы

Пандемия COVID-19 оказывает существенное влияние на социально-экономическое положение большинства стран мира. Это, несомненно, переломный момент в деятельности многих отраслей, а также направлений развития всей экономики.В некоторых отраслях это, несомненно, приведет к значительным изменениям в бизнес-модели или повлияет на структурные изменения в условиях доходов и затрат. Последствия изменений и преобразований в отдельных отраслях в настоящее время сложно предсказать, так как неизвестно, сколько в конечном итоге продлится пандемия и каковы будут ее издержки.

Наша статья посвящена проблеме стабильности фондовых рынков в условиях пандемии COVID-19. Из-за небольшого количества работ, связанных со странами ЦВЕ во время пандемии, мы проанализировали Варшавскую фондовую биржу, которая является одним из самых важных фондовых рынков в регионе ЦВЕ.Мы оценили устойчивость поведения различных секторов экономики, представленных отраслевыми субиндексами и макроиндексами этого рынка. В нашем исследовании мы применяли два метода кластеризации: К--средних и методы Уорда с критерием максимизации коэффициента силуэта. Из-за сомнений относительно того, какой переломный момент следует принять за начало пандемии и какая продолжительность пандемии является наиболее информативной, мы рассмотрели четыре временных диапазона. Для проведения анализа мы предложили шесть индикаторов (диагностических переменных), характеризующих стабильность с точки зрения доходности, объема, состояния перекупленности/перепроданности и волатильности.Мы заключаем, что использование всех этих переменных привело к плохим результатам кластеризации. Однако мы обнаружили, что ограничение набора диагностических переменных тремя аспектами: доходность, объем и волатильность приводит к гораздо лучшим результатам. При этом полученные результаты показывают, что после начала пандемии на рынке можно было наблюдать 5 кластеров отраслевых индексов в краткосрочной перспективе (2 недели и 1 месяц) и 4 в среднесрочной перспективе (3 и 6 месяцев). . Дополнительный пятый кластер в краткосрочной перспективе был выделен из Кластера_3 (указан на среднесрочную перспективу).Мы обнаружили, что состав полученных кластеров достаточно стабилен, а это означает, что многие отрасли сохраняют свою близость во все исследуемые периоды. В Кластере_1 находились: ВИГ-медиа, ВИГ-продукты питания, ВИГ-телеком, в Кластере_2: ВИГ-банкинг, ВИГ-одежда и в Кластере_3: ВИГ-химия, ВИГ-энергетика, ВИГ-добыча, ВИГ-нефтегаз. Кластер_4, состоящий исключительно из WIG-фармацевтики, также остался без изменений.

Результаты показывают, что ни один из выделенных кластеров, а значит, и показателей, входящих в кластер, не может считаться наиболее или наименее стабильным по всем исследуемым переменным.По этой причине мы дополнительно сравнили полученные кластеры по их устойчивости по отдельным показателям. Подводя итоги за короткие периоды, в качестве наиболее нестабильных кластеров можно выделить Кластер_4, Кластер_2 и Кластер_3 – по прибыльности, Кластер_1 – по волатильности и Кластер_4 – по объему. С другой стороны, наиболее стабильными кластерами были Кластер_5 и Кластер_1 — с точки зрения прибыльности и Кластер_3 и Кластер_5 — с точки зрения волатильности.По объему все исследованные кластеры, кроме Кластера_4, характеризовались одинаковым уровнем устойчивости. Самыми нестабильными кластерами на средних периодах были Кластер_2 – по доходности, Кластер_1 – по волатильности и Кластер_4 – по объему. В качестве наиболее стабильных кластеров можно указать Кластер_1 – по доходности, Кластер_3 – по волатильности. Как и в случае коротких периодов, по объему все исследованные кластеры, кроме Кластера_4, характеризовались одинаковым уровнем устойчивости.В целом можно сделать вывод, что Кластер_3 (во все периоды) и Кластер_5 (в короткий период) отличаются от других кластеров своей общей устойчивостью, а Кластер_4 можно считать наиболее нестабильным.

Результаты, полученные в результате нашего исследования, могут принести ряд существенных преимуществ как частным, так и институциональным инвесторам фондовой биржи. Определение количества кластеров и их составов позволяет лучше понять поведение отраслей и их компаний в условиях внешних шоков, а значит, принимать инвестиционные решения, оптимизирующие состав портфеля ценных бумаг.Поскольку наше исследование характеризует сходство рыночного поведения нескольких секторов, инвесторы могут более эффективно управлять инвестиционным риском. Определив отрасли, слабо реагирующие на кризис (наиболее стабильные) или сильно реагирующие на кризис (наиболее нестабильные), инвесторы могут предложить инвестиционные стратегии, ориентированные на защиту капитала (защитные) или спекуляции (агрессивные). Более того, зная профиль устойчивости отдельных секторов (по доходности, волатильности, оборачиваемости), инвесторы могут разрабатывать конкретные инвестиционные стратегии в рамках каждого кластера.Включение этих знаний может также способствовать более эффективному применению деривативов, таких как фьючерсы или опционы, для управления инвестиционными портфелями.

Каталожные номера

  1. 1. Лэнг Т. Экономические последствия коронавируса 2019 (Covid-2019): последствия для горнодобывающей промышленности. Доп.инд. соц. 2020;7(2): 580–582.
  2. 2. Чех К., Велеховски М., Котиза П., Бенешова И., Лапуткова А. Пошатывание стабильности: влияние COVID-19 на финансовые рынки стран Вышеградской группы.Поддерживать. 2020;12(15): 6282.
  3. 3. Gerlagh R, Heijmans RJRK, Rosendahl KE. COVID-19 проверяет резерв стабильности рынка. Окружающая среда Ресурс Эконом. 2020;76(4): 855–865. пмид:32836848
  4. 4. Донту Н., Густафссон А. Влияние COVID-19 на бизнес и исследования. J Автобус Рез. 2020; 117: 284–289. пмид:32536736
  5. 5. Суау-Санчес П., Вольтес-Дорта А., Кугеро-Эскофет Н. Ранняя оценка воздействия COVID-19 на воздушный транспорт: еще один кризис или конец авиации, какой мы ее знаем? J Transp Geogr.2020;86: 102749. pmid:32834670
  6. 6. Николау П., Димитриу Л. Определение важнейших аэропортов для борьбы с глобальными вспышками инфекционных заболеваний: стресс-тесты в Европе. J Air Transp Manag. 2020 Jun;85: 101819. pmid:32501381
  7. 7. Лю Л., Миллер Х.Дж., Шефф Дж. Влияние пандемии COVID-19 на спрос на общественный транспорт в США. ПЛОС Один. 2020;15(11): e0242476. пмид:33206721
  8. 8. Карневале Дж.Б., Хатак И.Адаптация и благополучие сотрудников в эпоху COVID-19: последствия для управления человеческими ресурсами. J Автобус Рез. 2020; 116: 183–187. пмид:32501303
  9. 9. Трипати С. Компании, COVID-19 и соблюдение прав человека. Bus Hum Rights J. 2020; 5 (2): 252–260.
  10. 10. ЗБП. Отчет ZBP Polska i Europa. Nowe rozdanie gospodarcze [Интернет]. 2020. Доступно по адресу: https://zbp.pl/getmedia/cb9d0ccc-fd08-4997-bf39-05ca9ae9a766/Raport-Polska-Europa-2020-Nowe-rozdanie-gospodarcze
  11. 11.Вуйцик Д., Иоанну С. COVID-19 и финансы: развитие рынка на данный момент и потенциальное воздействие на финансовый сектор и центры. Tijdschr Voor Econ en Soc Geogr. 2020;111(3): 387–400. пмид:32836484
  12. 12. ВОЗ. Новый коронавирус (2019-nCoV) [Интернет]. Оперативная сводка-12. 2020. Доступно по адресу: https://apps.who.int/iris/bitstream/handle/10665/330777/nCoVsitrep01Feb2020-eng.pdf?sequence=1&isAllowed=y
  13. 13. Hui DS, I Azhar E, Madani TA, Ntoumi F, Kock R, Dar O, et al.Продолжающаяся эпидемическая угроза новых коронавирусов 2019-nCoV глобальному здравоохранению — последняя вспышка нового коронавируса 2019 года в Ухане, Китай. Int J Infect Dis. 2020; 91: 264–266. пмид:31953166
  14. 14. Фелан А.Л., Кац Р., Гостин Л.О. Новый коронавирус, возникший в Ухане, Китай: вызовы для глобального управления здравоохранением. JAMA—J Am Med Assoc. 2020;323(8): 709–710. пмид:31999307
  15. 15. Чжоу П., Лу Ян С., Ван С.Г., Ху Б., Чжан Л., Чжан В. и др. Вспышка пневмонии, связанная с новым коронавирусом вероятного происхождения от летучих мышей.Природа. 2020;579(7798): 270–273. пмид:32015507
  16. 16. Хан И, Ло Зи, Чжай В, Чжэн И, Лю Х, Ван И и др. Сравнение клинических проявлений между разными возрастными группами пациентов с завезенным из-за рубежа COVID-19. ПЛОС Один. 2020;15(12 декабря): e0243347. пмид:33275609
  17. 17. Cirrincione L, Plescia F, Ledda C, Rapisarda V, Martorana D, Moldovan RE и др. Пандемия COVID-19: меры профилактики и защиты на рабочем месте.Устойчивость. 2020;12(9): 3603.
  18. 18. Кото Дж., Рестрепо А., Сехас И., Прентисс С. Влияние COVID-19 на смежные медицинские профессии. ПЛОС Один. 2020;15(10): e0241328. пмид:33125385
  19. 19. Ислам М.С., Суджан М.Ш., Тасним Р., Сикдер М.Т., Потенца М.Н., ван Ос Дж. Психологические реакции во время вспышки COVID-19 среди студентов университетов в Бангладеш. Усече С.А., редактор. ПЛОС Один. 2020;15(12): e0245083. пмид:33382862
  20. 20. Грейлинг Т., Россоу С., Адхикари Т.Хорошие, плохие и уродливые блокировки во время Covid-19. ПЛОС Один. 2021;16(1): e0245546. пмид:33481848
  21. 21. Кадони М. Как уменьшить эпидемические пики, держа под контролем временной промежуток эпидемии. Хаос, солитоны и фракталы. 2020;138: 109940. pmid:32518474
  22. 22. Рихтер А., Уилсон Т.С. Covid-19: последствия для управления рисками страховщика и возможности страхования риска пандемии. GENEVA Risk Insur Rev. 2020;45(2): 171–199. пмид:32982612
  23. 23.Ризван М.С., Ахмад Г., Ашраф Д. Системный риск: влияние COVID-19. Финанс Рес Летт. 2020;36: 101682. pmid:32837376
  24. 24. Ли X, Се Y, Линь J-H. Вспышка COVID-19, вливание государственного капитала и эффективность теневого банкинга. Экон. 2021;53(4): 495–505.
  25. 25. Корзеб З., Недзюлка П. Устойчивость коммерческих банков к кризису, вызванному пандемией COVID-19: пример Польши. Равновесие. 2020;15(2): 205–234.
  26. 26. Ито Т.Влияние кризиса пандемии коронавируса на финансовую систему еврозоны. Финансовый счет J Corp. 2020;31(4): 15–20.
  27. 27. Умар З., Губарева М. Частотно-временной анализ влияния паники, вызванной Covid-19, на волатильность валютных и криптовалютных рынков. J Behav Exp Financ. 2020;28: 100404. pmid:32983899
  28. 28. Конлон Т., МакГи Р. Безопасное убежище или опасная опасность? Биткойн во время медвежьего рынка Covid-19. Финанс Рес Летт. 2020;35:101607.пмид:32550843
  29. 29. Каферра Р., Видаль-Томас Д. Кто поднялся из бездны? Сравнение динамики криптовалютного и фондового рынков во время пандемии COVID-19. Финанс Рес Летт. 2021; 101954.
  30. 30. Икбал Н., Фарид З., Ван Г., Шахзад Ф. Асимметричная связь между вспышкой COVID-19 в мире и рынком криптовалют. Int Rev Financ Anal. 2021;73: 101613.
  31. 31. Корбет С., Ларкин С., Люси Б. Эффекты заражения пандемией COVID-19: данные по золоту и криптовалютам.Финанс Рес Летт. 2020;35: 101554.
  32. 32. Двита Мариана С, Экапутра И.А., Хусодо З.А. Являются ли Биткойн и Эфириум безопасными убежищами для акций во время пандемии COVID-19? Финанс Рес Летт. 2021;38: 101798. pmid:33100925
  33. 33. Димитриу Д., Кенургиос Д., Симос Т. Глобальный финансовый кризис и заражение развивающихся фондовых рынков: многомерный подход FIAPARCH-DCC. Int Rev Financ Anal. 2013; 30: 46–56.
  34. 34. Яровая Л., Бжещинский Ю., Лау ЦКМ.Внутри- и межрегиональная доходность и вторичные эффекты волатильности на развивающихся и развитых рынках: данные фондовых индексов и фьючерсов на фондовые индексы. Int Rev Financ Anal. 2016; 43: 96–114.
  35. 35. Adcock C, Hua X, Mazouz K, Yin S. Вознаграждает ли фондовый рынок инновации? Реакция европейских фондовых индексов на негативные новости во время мирового финансового кризиса. J Int Money Financ. 2014;49(ПБ): 470–491.
  36. 36. Инаба КИ. Глобальный взгляд на движения фондового рынка.Преподобный Всемирный экономист. 2020;156(3): 517–555.
  37. 37. Чжан Д., Ху М., Цзи К. Финансовые рынки в условиях глобальной пандемии COVID-19. Финанс Рес Летт. 2020;36: 101528. pmid:32837360
  38. 38. Сингх А. COVID-19 и более безопасные инвестиционные ставки. Финанс Рес Летт. 2020;36. пмид:32837387
  39. 39. Мирза Н, Накви Б, Рахат Б, Ризви СКА. Реакция цены, время волатильности и эффективность фондов во время Covid-19. Финанс Рес Летт. 2020;36: 101657. pmid:32837369
  40. 40.Шехзад К., Сяосин Л., Казуз Х. Бедствия, вызванные COVID-19, опаснее глобального финансового кризиса: слухи или факты? Финанс Рес Летт. 2020;36. пмид:32837374
  41. 41. Narayan PK, Phan DHB, Liu G. Блокировки COVID-19, пакеты стимулов, запреты на поездки и возврат акций. Финанс Рес Летт. 2021;38.
  42. 42. Фан ДХБ, Нараян ПК. Ответы стран и реакция фондового рынка на COVID-19 — предварительное изложение. Эмерг Марк Финанс Трейд. 2020;56(10): 2138–2150.
  43. 43. Шариф А., Алуи С., Яровая Л. Пандемия COVID-19, цены на нефть, фондовый рынок, геополитический риск и взаимосвязь политической неопределенности в экономике США: свежие данные вейвлет-подхода. Int Rev Financ Anal. 2020;70.
  44. 44. Топчу М., Гулал О.С. Влияние COVID-19 на развивающиеся фондовые рынки. Финанс Рес Летт. 2020;36: 101691. pmid:32837378
  45. 45. Харун О, Ризви САР. COVID-19: освещение в СМИ и поведение финансовых рынков — отраслевое исследование.J Behav Exp Financ. 2020;27.
  46. 46. Найду Д., Ранджини К. Влияние страха перед коронавирусом на доходность австралийских акций: данные исследования событий. Pacific Basin Financ J. 2021;66: 101520.
  47. 47. Мазур М., Данг М., Вега М. COVID-19 и крах фондового рынка в марте 2020 года. Данные S&P1500. Финанс Рес Летт. 2021;38: 101690. pmid:32837377
  48. 48. Ахтаруззаман М., Бубакер С., Сенсой А. Финансовое заражение во время кризиса COVID-19.Финанс Рес Летт. 2021;38: 101604. pmid:32837363
  49. 49. He P, Sun Y, Zhang Y, Li T. Влияние COVID-19 на цены акций в различных секторах — исследование событий на основе китайского фондового рынка. Эмерг Марк Финанс Трейд. 2020;56(10): 2198–2212.
  50. 50. Gu X, Ying S, Zhang W, Tao Y. Как фирмы реагируют на COVID-19? Первое свидетельство из Сучжоу, Китай. Эмерг Марк Финанс Трейд. 2020;56(10): 2181–2197.
  51. 51. Сюн Х, У Зи, Хоу Ф, Чжан Дж.Какие характеристики конкретных фирм влияют на реакцию рынка китайских компаний, зарегистрированных на бирже, на пандемию COVID-19? Эмерг Марк Финанс Трейд. 2020;56(10): 2231–2242.
  52. 52. Шинаси Г.Дж. Определение финансовой стабильности. Том. 4, Рабочие документы МВФ. 2004.
  53. 53. Гудхарт CAE. Основа для оценки финансовой стабильности? Джей Банк Финанс. 2006;30(12): 3415–3422.
  54. 54. Мишкин ФС. Анатомия финансового кризиса. J Эвол Экон. 1992;2(2): 115–130.
  55. 55. Падоа-Шиоппа Т. Центральные банки и финансовая стабильность: исследование земли между ними [Интернет]. Европейский центральный банк. 2002. Доступно по адресу: https://www.ecb.europa.eu/events/pdf/conferences/tps.pdf
  56. 56. Остерлоо С., Де Хаан Дж. Центральные банки и финансовая стабильность: обзор. Джей Финанс Стаб. 2004;1(2): 257–273.
  57. 57. Кломп Дж., де Хаан Дж. Независимость центрального банка и финансовая нестабильность. Джей Финанс Стаб. 2009;5(4): 321–338.
  58. 58. Аллен В.А., Вуд Г. Определение и достижение финансовой стабильности. Джей Финанс Стаб. 2006;2(2): 152–172.
  59. 59. Чант Дж., Лай А., Иллинг М., Дэниел Ф. Очерки финансовой стабильности. Технический представитель банка Канады. 2003; (95): 3–4.
  60. 60. Международный Валютный Фонд. Отчет о глобальной финансовой стабильности — изменения на рынке и проблемы. Обзоры мирового экономического и финансового положения. 2003.
  61. 61. Дуйзенберг В. Вклад евро в финансовую стабильность.Glob Financ Mark Financ Stab бросает вызов евро. 2001 г.; 37–51.
  62. 62. Билли Р.М., Вредин А. Денежно-кредитная политика и финансовая стабильность – простая история. Sveriges Riksbank Econ Rev. 2014; (2): 7–22.
  63. 63. Дас У.С., Куинтин М., Ченард К. Имеет ли регулирующее управление значение для стабильности финансовой системы? Эмпирический анализ. Рабочий документ МВФ. 2004;4(89): 1–43.
  64. 64. Борио С., Лоу П. Цены на активы, финансовая и денежная стабильность: изучение взаимосвязи.2002. Отчет №: 114.
  65. 65. Кристе А., Лупу И. Политика центрального банка между целью стабильности цен и содействием финансовой стабильности. Procedia Econ Financ. 2014;8: 219–225.
  66. 66. Бернанке М., Гертлер Б. Денежно-кредитная политика и волатильность цен на активы. Рабочий документ NBR № 7559. 2000.
  67. 67. Блот С., Крил Дж., Хьюберт П., Лабонданс Ф., Сарасено Ф. Оценка связи между ценой и финансовой стабильностью. Джей Финанс Стаб. 2015; 16: 71–88.
  68. 68. Фужье А. Таргетирование инфляции и финансовая стабильность на развивающихся рынках. Экон Модель. 2017;60: 51–70.
  69. 69. Фан Д.Х.Б., Ийке Б.Н., Шарма С.С., Аффанди Ю. Неопределенность экономической политики и финансовая стабильность – есть ли связь? Экон Модель. 2021; 94: 1018–1029.
  70. 70. Сафаржинска К., ван ден Берг JCJM. Финансовая стабильность под угрозой из-за быстрого инвестирования в возобновляемые источники энергии. Энергетическая политика. 2017; 108: 12–20.
  71. 71. Озил ПК.Влияние цифровых финансов на финансовую доступность и стабильность. Borsa Istanbul Rev. 2018;18(4): 329–340.
  72. 72. Бенгтссон Э. Теневое банковское дело и финансовая стабильность: европейские фонды денежного рынка в условиях глобального финансового кризиса. J Int Money Financ. 2013;32(1): 579–594.
  73. 73. Баур Д.Г., Шульце Н. Тест на стабильность финансового рынка. J Int Financ Mark Institutions Money. 2009;19(3): 506–519.
  74. 74. Айинде Т.О., Инуса О.Г. Глобальное финансовое восстановление и стабильность развивающихся фондовых рынков Африки.Dev Ctry Стад. 2013;3(3): 40–51.
  75. 75. Кирилэ В., Кирилэ С. Стабильность финансового рынка: метод количественной регрессии. Procedia Econ Financ. 2015; 20: 125–130.
  76. 76. Нанда С.Р., Маханти Б., Тивари М.К. Кластеризация данных индийского фондового рынка для управления портфелем. Приложение Expert Syst. 2010;37(12): 8793–8798.
  77. 77. Гупта А., Шарма С.Д. Прогнозирование будущего фондового рынка на основе кластеризации. Int J Comput Sci Inf Technol.2014;5(3): 2806–2809.
  78. 78. Пекер С., Актан Б., Тваронавичене М. М. Кластеризация ключевых индексов фондового рынка G-7: инновационный подход. Марк Манаг Иннов. 2017;(1): 300–310.
  79. 79. Малликарджуна М, Рао Р.П. Применение методов интеллектуального анализа данных для классификации мировых фондовых рынков. Int J Emerg Trends Eng Res. 2020;8(1): 46–53.
  80. 80. Зайнол Абидин С.Н., Джааман С.Х., Исмаил М., Абу Бакар А.С. Кластеризация показателей акций с учетом предпочтений инвесторов с использованием системы нечеткого вывода.Симметрия (Базель). 2020;12(7): 1148.
  81. 81. Айдын Н., Юрдакул Г. Оценка эффективности стран в борьбе с COVID-19 с помощью WSIDEA и алгоритмов машинного обучения. Appl Soft Comput J. 2020;97: 106792. pmid:33071686
  82. 82. Джеймс Н., Мензис М. Двойная эволюция на основе кластеров для многомерных временных рядов: анализ COVID-19. Хаос. 2020;30(6): 61108. pmid:32611104
  83. 83. Моджери А., Барчитта М., Агоди А. Кластерный подход к классификации итальянских регионов и провинций на основе распространенности и тенденции случаев SARS-CoV-2.Общественное здравоохранение Int J Environ Res. 2020;17(15): 5286. pmid:32707989
  84. 84. Джеймс Н., Мензис М. Связь между случаями COVID-19 и международными фондовыми индексами. Phys D Нелинейный феномен. 2021;417: 132809. pmid:33362322
  85. 85. Osamor VC, Adebiyi EF, Oyelade JO, Doumbia S. Сокращение времени, необходимого для алгоритма k-средних. ПЛОС Один. 2012;7(12): e49946. пмид:23239974
  86. 86. Омран М.Г.Х., Энгельбрехт А.П., Салман А. Обзор методов кластеризации.Анализ данных Intel. 2007;11(6): 583–605.
  87. 87. Кларк Б., Фокуэ Э., Чжан Х.Х. Принципы и теория интеллектуального анализа данных и машинного обучения. Спрингер Наука. 2009.
  88. 88. Ллойд СП. Квантование методом наименьших квадратов в PCM. IEEE Trans Inf Theory. 1982; 28(2): 129–137.
  89. 89. Оржешко В., Ставарц М. Развитие европейских фондовых рынков: кластерный анализ. В: Солиман К.С., редактор. Превосходство в образовании и управление инновациями: концепция устойчивого экономического развития на период до 2025 года в условиях глобальных вызовов: материалы 35-й конференции Международной ассоциации управления бизнес-информацией (IBIMA).2020: 13060–13068.
  90. 90. Теллароли П., Бацци М., Донато М., Браззале А.Р., Драгичи С. Кросс-кластеризация: алгоритм частичной кластеризации с автоматической оценкой количества кластеров. ПЛОС Один. 2016;11(3): e0152333. пмид:27015427
  91. 91. Руссо П.Дж. Силуэты: графическое пособие для интерпретации и проверки кластерного анализа. J Comput Appl Math. 1987; 20 (К): 53–65.
  92. 92. Кауфман Л., Руссо П.Дж. Поиск групп в данных: введение в кластерный анализ.Хобокен (Нью-Джерси): Wiley. 2005.
  93. 93. Паркинсон М. Метод экстремальных значений для оценки дисперсии нормы прибыли. Автобус Джей. 1980;53(1): 61–65.
  94. 94. Педрегоса Ф., Вароко Г., Грамфор А., Мишель В., Тирион Б., Гризель О. и др. Scikit-learn: Машинное обучение в Python. Дж. Мах Узнать Рез. 2011; 12: 2825–2830.
  95. 95. Бенгфорт Б., Билбро Р. Йеллоубрик: Визуализация процесса выбора модели Scikit-Learn. J Программное обеспечение с открытым исходным кодом. 2019;4(35): 1–5.
  96. 96. Shi C, Wei B, Wei S, Wang W, Liu H, Liu J. Количественный дискриминантный метод точки локтя для оптимального количества кластеров в алгоритме кластеризации. Eurasip J Wirel Commun Netw. 2021;2021(1): 31.
  97. 97. Юань С., Ян Х. Исследование метода выбора K-значения алгоритма кластеризации K-средних. Дж. 2019;2(2): 226–235.
  98. 98. Пурнима Б., Арвинд К. EBK-средние: метод кластеризации, основанный на методе локтя и K-средних в WSN. Приложение Int J Comput.2014;105(9): 17–24.
  99. 99. Сатопаа В., Альбрехт Дж., Ирвин Д., Рагхаван Б. Поиск «колена» в стоге сена: обнаружение точек колена в поведении системы. In: 2011 31-я Международная конференция по распределенным вычислительным системам Workshops. ИЭЭЭ; 2011: 166–171.
  100. 100. Гермес Эйлер. COVID-19: экономика на карантине [Интернет]. 2020. Доступно по адресу: https://www.eulerhermes.com/en_global/news-insights/economic-insights/covid-19-quarantine-economics.html.

(PDF) ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ И ПРИБЫЛЬНОСТЬ

Studia Universitatis «Vasile Goldiş» Arad Seria ŞtiinŃe Economice Anul 21/2011 Partea II-a

119

значение рентабельности, будучи индикатором, который измеряет степень

которой капитал или использование ресурсов предприятия приносят прибыль.

Прибыль отражает надлежащее управление ресурсами, используемыми в

экономической деятельности, и ее основными компонентами являются доходы и расходы

, полученные в результате соответствующей экономической деятельности.

В соответствии с действующей системой планирования и финансово-экономического

управления, прибыль понимается как играющая двойную роль:

• Валовая прибыль рассчитывается как разница между общими доходами и общими расходами

предприятия;

• Чистая прибыль, которая остается в распоряжении предприятия для разделения

в соответствии с установленными целями (Сигичэа, Василеску, 2009).

Валовая прибыль позволяет проводить определенные анализы не только на уровне

всей деятельности предприятия, как это делает чистая прибыль, но и по трем видам

деятельности и по каждому продукту предприятия. Прибыль составляет максимальную точку интереса в большинстве финансовых анализов. Все остальные

ставки используются для принятия решений, конечным результатом которых является максимизация прибыли.

Прибыльность как форма экономической эффективности может быть выражена с использованием

норм рентабельности.Показатели рентабельности являются синтетическим отражением экономических и финансовых характеристик предприятий и выражают их эффективность в деятельности по получению прибыли за счет использования имеющихся ресурсов (Sighicea, Vasilescu, 2009).

Объем рентабельности различается в зависимости от уровня экономики

организации. Исходя из классической формулы, используемой для определения экономической

эффективности как отношения между полученным результатом и затраченными усилиями даже

на одном и том же уровне экономической организации (микро-, меццо- или макроэкономическом)

можно различать дополнительные показатели, используемые для характеризуя его на основе

различных элементов, принимаемых во внимание при количественной оценке результата, с одной стороны,

, а с другой стороны, усилия (Sighicea, Vasilescu, 2009).

Экономическая эффективность является более сложной категорией, чем рентабельность. Она имеет

гораздо больший размах, чем рентабельность, так как включает в себя всю систему показателей

, отражающих конкретные формы экономической эффективности, систему, сгруппированную в подсистемы

, среди которых подсистема показателей рентабельности.

Ссылки

Andronic C.B., 2000, Company Performance, Polirom Publishing House,

Яссы;

Кожокару К., 2000, Финансово-экономический анализ сельскохозяйственных и

лесных работ, Экономическое издательство, Бухарест;

Морошан Дж., 2006 г., Финансово-экономический анализ, Издательство

Фонда Румыния де Мейн, Бухарест;

Сигича Н., Василеску Л., 2009 г., Финансовый менеджмент предприятия,

Издательство Universitaria, Крайова;

Zaman Gh., Geamănu M., 2006, Экономическая эффективность, издательство

Дом Фонда România de Mâine, Бухарест.

Развивающиеся рынки – обзор, характеристики, примеры

Что такое развивающиеся рынки?

Термин «развивающиеся рынки» относится к экономике, переживающей значительный экономический рост и обладающей некоторыми, но не всеми характеристиками развитой экономики. Развивающиеся рынки — это страны, которые переходят из «развивающейся» фазы в «развитую».

 

 

Характеристики развивающихся рынков

Некоторые общие характеристики развивающихся рынков показаны ниже:

 

1.Рыночная волатильность

Рыночная волатильность связана с политической нестабильностью, внешними колебаниями цен и/или спросом и предложением. Спрос и предложение. Законы спроса и предложения — это микроэкономические концепции, которые утверждают, что на эффективных рынках количество предлагаемого товара и количественные шоки из-за естественных бедствия. Это подвергает инвесторов риску колебаний обменных курсов, а также рыночных показателей.

 

2. Рост и инвестиционный потенциал

Развивающиеся рынки часто привлекательны для иностранных инвесторов из-за высокой отдачи от инвестиций. или сравнить эффективность различных инвестиций.они могут предоставить. При переходе от экономики, основанной на сельском хозяйстве, к развитой экономике странам часто требуется большой приток капитала из иностранных источников из-за нехватки внутреннего капитала.

Использование своего конкурентного преимущества Конкурентное преимуществоКонкурентное преимущество — это атрибут, который позволяет компании превзойти своих конкурентов. Это позволяет компании добиться превосходной маржи, такие страны сосредотачиваются на экспорте недорогих товаров в более богатые страны, что способствует росту ВВП, цен на акции и доходности для инвесторов.

 

3. Высокие темпы экономического роста

Правительства стран с формирующимся рынком склонны проводить политику, способствующую индустриализации и быстрому экономическому росту. Такая политика приводит к снижению безработицы, увеличению располагаемого дохода на душу населения, увеличению инвестиций и улучшению инфраструктуры. С другой стороны, развитые страны, такие как США, Германия и Япония, имеют низкие темпы экономического роста из-за ранней индустриализации.

 

4. Доход на душу населения

В странах с формирующимся рынком доход на душу населения обычно ниже среднего по сравнению с другими странами из-за их зависимости от сельскохозяйственной деятельности.Поскольку экономика занимается индустриализацией и производственной деятельностью, доход на душу населения увеличивается вместе с ВВПВаловой внутренний продукт (ВВП)Валовой внутренний продукт (ВВП) является стандартной мерой экономического здоровья страны и показателем ее уровня жизни. Кроме того, ВВП можно использовать для сравнения уровней производительности в разных странах. Более низкие средние доходы также служат стимулом для более высокого экономического роста.

 

Пять основных развивающихся рынков

Бразилия, Россия, Индия, Китай и Южная Африка являются крупнейшими развивающимися рынками в мире.В 2009 году лидеры Бразилии, России, Индии и Китая сформировали саммит для создания «БРИК», ассоциации, созданной для улучшения политических отношений и торговли между крупнейшими развивающимися рынками. Южная Африка присоединилась к группе «БРИК» в 2010 году, которая затем была переименована в «БРИКС».

 

 

1. Бразилия

Экономика Бразилии в относительном выражении быстро росла в начале 2010-х годов со скоростью 7,5%. Однако из-за политической нестабильности и торговых санкций темпы роста замедлились и в 2016 году стали отрицательными (-3.5%). В Бразилии в 2003–2014 годах также наблюдалось значительное повышение уровня доходов и сокращение бедности, но с 2015 года изменения были вялыми из-за снижения экономической активности.

На бразильскую экономику в значительной степени повлияла политическая неопределенность и снижение государственных расходов. Тем не менее, прогноз на будущее страны положительный. Отечественная экономика выросла на 0,6% в 2019 году и, как ожидается, будет поддерживать рост за счет улучшения инфраструктуры и иностранных инвестиций, а также ее зависимости от сельскохозяйственных товаров, таких как соя и кофе.

 

2. Россия

Экспоненциальный рост ВВП России в период 1999-2008 гг. (до мирового финансового кризиса) был обусловлен главным образом экспортом нефти и ростом цен на нефть. Переход от коммунизма к капитализму, происходящий с 1991 года, ускорил экономический рост в стране за счет экономических реформ и экспортно-ориентированной торговой политики.

Однако с 2014 г. на экономику России негативно влияют политические конфликты и торговые санкции, введенные США, Канадой, Японией и ЕС, а также колебания цен на нефть, на долю которых приходится около 52 % российского экспорта.Российская экономика выросла на 1,7% в 2019 году и, как ожидается, будет расти быстрее, если геополитическая напряженность с торговыми партнерами, такими как США, Канада, Япония и ЕС, снизится.

 

3. Индия

Индия зарекомендовала себя как страна с формирующимся рынком после либерализации торговли и других крупных экономических реформ в 1991 году. Индийская экономика стабильно растет относительно высокими темпами. В последнее десятилетие он составлял в среднем 7,1% с некоторыми колебаниями из-за политической нестабильности и экономических реформ.

По сути, долгосрочный экономический рост Индии можно объяснить расширением производственной сферы и сферы услуг за счет экспорта и иностранных инвестиций. В Индии также наблюдается рост производительности капитала и труда благодаря технологическому прогрессу и реформам образования. На данный момент Индия является одним из крупнейших развивающихся рынков наряду с Китаем.

 

4. Китай

С начала либерализации торговли и экономических реформ в 1978 году темпы роста китайской экономики в среднем составили 10%.Экономический рост Китая был обусловлен государственными расходами, расширением производственного сектора и экспорта (особенно электронного оборудования).

Однако доход на душу населения в стране остается низким. Хотя только 3,3% населения Китая живет за чертой бедности, 30% населения живет ниже 5,50 долларов США в день. Тем не менее, поскольку китайское правительство сосредоточено на увеличении ВВП за счет потребления, располагаемые доходы, вероятно, увеличатся, что приведет к устойчивому экономическому росту.

 

5. Южная Африка

Южная Африка была принята в ассоциацию БРИКС в 2010 г. после отрицательного роста ВВП в 2009 г. после мирового финансового кризиса 2008 г. (-3%). После финансового кризиса правительство Южной Африки приняло ряд мер по увеличению ВВП за счет государственных расходов и потребления. Экономический рост увеличился в 2010–2012 годах, затем замедлился в 2012–2016 годах и снова увеличился в 2017 году.

Экспорт Южной Африки состоит в основном из товаров горнодобывающей промышленности.Таким образом, объемы экспорта зависят от цен на сырьевые товары, которые отличаются высокой волатильностью. Колебания объемов экспорта частично объясняют колебания роста ВВП за последние несколько лет.

Хотя ВВП Южной Африки на душу населения со временем растет, растет и уровень безработицы (29% по состоянию на 2019 год). Высокий уровень безработицы и преступности препятствуют росту экономики и инвестиционному потенциалу, и эти проблемы необходимо решать с помощью политических реформ.

 

Дополнительная литература

CFI является официальным поставщиком глобальной страницы программы коммерческих банковских и кредитных аналитиков (CBCA)™ — CBCAПолучите сертификат CFI CBCA™ и станьте коммерческим банковским и кредитным аналитиком.Зарегистрируйтесь и продвигайтесь по карьерной лестнице с помощью наших сертификационных программ и курсов. программа сертификации, разработанная, чтобы помочь каждому стать финансовым аналитиком мирового класса. Для дальнейшего продвижения по карьерной лестнице вам будут полезны дополнительные ресурсы CFI, приведенные ниже:

  • Общий рынокОбщий рынокОбщий рынок — это официальное соглашение, в рамках которого создается группа из нескольких стран, принимающих общий внешний тариф. На общем рынке
  • Индекс потребительских цен (ИПЦ)Индекс потребительских цен (ИПЦ)Индекс потребительских цен (ИПЦ) является мерой совокупного уровня цен в экономике.ИПЦ состоит из набора часто приобретаемых
  • экономических индикаторовЭкономические индикаторыЭкономический индикатор — это метрика, используемая для оценки, измерения и оценки общего состояния здоровья макроэкономики. Экономические показатели
  • Валовой национальный продуктВаловой национальный продуктВаловой национальный продукт (ВНП) является мерой стоимости всех товаров и услуг, произведенных резидентами и предприятиями страны. It

Пять характеристик квалифицированного потенциального клиента

Конференц-залы пусты.Рестораны — рискованное предложение прямо сейчас. И даже появление у двери с коробкой пончиков уже не то, что раньше.

Действительно, в эпоху COVID-19 поиск потенциальных клиентов стал явно цифровым делом, и эти торговые выставки, обеды и визиты просто больше не являются вашим лучшим вариантом.

Для большинства продавцов это перевернуло мир с ног на голову — вы, вероятно, тратите гораздо больше времени на поиск потенциальных клиентов, чем когда-либо думали. В одном исследовании говорится, что сегодняшние специалисты по продажам тратят как минимум в два раза больше времени, чем до пандемии, на просмотр LinkedIn, заполненных форм на веб-сайтах и ​​других потенциальных клиентов, полученных в цифровом виде.

Эта повышенная активность привлечения потенциальных клиентов означает, что вам нужно быть более эффективным, чем когда-либо, при квалификации покупателей. Сосредоточение внимания на характеристиках квалифицированного потенциального клиента и понимание характеристик законной возможности продажи лежит в основе всего, что мы делаем в The Brooks Group. Наша программа обучения продажам Virtual Selling with IMPACT предлагает менеджерам по продажам и командам по продажам возможность усовершенствовать свою деятельность по проверке потенциальных клиентов, не выходя из комфортного и безопасного домашнего офиса.

Частично это усовершенствование включает в себя оптимизацию времени, затрачиваемого на поиск типа клиента, который лучше всего подходит для вашего отдела продаж и организации; Разговор с кем-либо, кроме этих высококвалифицированных лидов, — это пустая трата времени.

 

 

1. Осознание потребности

Чтобы быть действительно квалифицированным, у потенциального клиента должна быть потребность, о которой он знает. Они могут не знать точно, в чем заключается решение или что ваша компания существует, но квалифицированный потенциальный клиент будет знать, что у них есть проблема.

Во время первых бесед ваши продавцы должны задавать вопросы, которые покажут, есть ли у потенциального клиента потребность, о которой он знает. Использование стратегии входящего маркетинга для привлечения потенциальных клиентов также поможет установить этот флажок.

 

2. Полномочия и возможность покупать или совершать

Нет ничего более неприятного, чем тратить время и силы на контакт, который не в состоянии принять решение о покупке. Никто не хочет слышать фразу «мой менеджер проверит это» после того, как они потратили время на подготовку и презентацию.

Ваши представители должны быстро определить, является ли человек, с которым они имеют дело, лицом, принимающим решения, с полномочиями и бюджетом для покупки.

Первые разговоры должны включать следующие два вопроса:

  • «Кто еще, кроме вас, конечно, будет участвовать в принятии решения о покупке?»
  • «Не могли бы вы описать процесс, который вы будете использовать для принятия этого решения?»

После того, как ваш продавец определит, имеет ли его контактное лицо полномочия и возможность покупать, он захочет лучше понять процесс принятия решений и структуру подразделения, принимающего решения.

 

3. Чувство срочности

У ваших представителей есть цель, которую нужно поразить. Чего у них нет, так это времени, которое можно провести с потенциальными клиентами, которые не спешат принимать решение.

Научите своих продавцов использовать открытые вопросы, чтобы определить, есть ли у потенциального клиента установленные сроки.

Если у них есть потребность, и они знают о ней, но не уверены в сроках, ваш продавец не должен выбрасывать их обратно в море. Пусть они назначат встречу в будущем, чтобы вернуться назад, или вернут лидерство маркетологам, чтобы они продолжали взращивать их до тех пор, пока не придет время.

Сравнение 3 определений больниц Safety-Net и связь с характеристиками больниц | Различия в здоровье | Открытие сети JAMA

Ключевые моменты español 中文 (китайский)

Вопрос Определяет ли определение больницы социальной защиты, основанное на безвозмездной помощи, разные типы больниц по сравнению с другими определениями?

Находки В этом перекрестном исследовании 2066 больниц индекс Medicare Disproportionate Share Hospital выявил более крупные обучающие больницы с системой социальной защиты, тогда как определение, основанное на некомпенсируемом уходе, охватило более мелкие сельские больницы с сетью социальной защиты, подверженные большему финансовому риску.Безнадежные долги и благотворительная помощь были примерно в два раза выше для больниц социальной защиты, чем для больниц без социальной защиты, невозмещенные расходы были на 38% выше, а операционная маржа была более чем в 6 раз ниже.

Значение Medicare Disproportione Share Формулы оплаты больниц эволюционируют, чтобы сделать акцент на безвозмездном уходе, и в результате в больницах могут произойти изменения в финансировании.

Важность Не существует единого мнения о том, как определить больницы социальной защиты (SNH) для исследований или принятия политических решений.Определение того, какие типы больниц классифицируются как SNH по разным определениям, является ключом к оценке политики, влияющей на финансирование SNH.

Цель Изучить характеристики SNH, классифицируемые по трем общим определениям.

Дизайн, сеттинг и участники Этот кросс-секционный анализ включает в себя больницы некритического доступа в государственных стационарных базах данных проекта Healthcare Cost and Utilization Project из 47 штатов США за 2015 финансовый год, связанные с отчетами о расходах больниц центров Medicare и Medicaid Services и с ежегодным обзором Американской ассоциации больниц.Данные анализировались с 1 марта по 30 сентября 2018 г.

Воздействие Характеристики больницы, включая организационные характеристики, объем предоставляемых услуг и финансовые характеристики.

Основные результаты и показатели Определения SNH, основанные на доходах Medicaid и Medicare Supplemental Security, количество дней пребывания в стационаре, исторически использовавшихся для определения выплат Medicare Disproportione Share Hospital (DSH); Medicaid и незастрахованная нагрузка; и некомпенсированные расходы на уход.Для каждой меры SNH были определены как находящиеся в верхнем квартиле для каждого штата.

Результаты 2066 больниц в этом исследовании были распределены по Северо-Востоку (340 [16,5%]), Среднему Западу (587 [28,4%]), Югу (790 [38,2%]) и Западу (349 [16,9%]). Согласованность между определениями была низкой; 269 ​​больниц (13,0%) или менее были идентифицированы как SNH по любым 2 определениям. Некомпенсируемая помощь охватывала более мелкие (200 из 523 [38,2%]) и более сельские (65 из 523 [12,4%]) SNH, тогда как индекс DSH и Medicaid и некомпенсируемая нагрузка выявили SNH, которые были крупнее (264 из 518 [51.0%] и 158 из 487 [32,4%] соответственно) и учебные заведения (337 из 518 [65,1%] и 229 из 487 [47,0%] соответственно), которые предоставляли более важные услуги, чем не-SNH. Некомпенсируемый уход также отличался значительными финансовыми различиями между SNH и не-SNH. В соответствии с определением некомпенсируемого ухода медиана (межквартильный размах [IQR]) безнадежного долга (27,1 доллара [15,5–44,3 доллара] против 12,8 [6,7–21,6 доллара] на 1 000 долларов операционных расходов; 90 879 P 90 880  < ,001) и благотворительной помощи (19,9 [9,3 доллара США]). -$34,1] против $9.1 [4,0-18,7 долл. США] на 1000 долл. США операционных расходов) были в два раза выше, а медиана (IQR) невозмещенных расходов (32,6 долл. США [12,4-55,4 долл. США] против 23,6 долл. США [9,0-42,7 долл. США] на 1000 долл. США операционных расходов; P  < 001) были на 38% выше для SNH, чем для не-SNH. В больницах с сетью социальной защиты, определяемых бременем некомпенсируемого ухода, медиана (IQR) была ниже общей (4,7% [0%-9,9%] против 5,8% [1,2%-11,2%]; P  = ,003) и операционных (0,3% [ от -8,0% до 7,2%] по сравнению с 2,3% [от -3,9% до 8,9%]; маржа P  < .001) по сравнению с их аналогами без SNH, тогда как различия между маржой прибыли SNH и не-SNH в целом не были статистически значимыми при остальные 2 определения.

Выводы и актуальность Различные определения SNH определяют больницы с различными характеристиками и финансовыми условиями. Новая формула DSH, учитывающая безвозмездную помощь, может привести к перераспределению платежей между больницами. Наши результаты могут дать информацию о том, какие типы больниц будут испытывать изменения в финансировании по мере развития политики оплаты DSH.

В 2000 году Институт медицины определил больницы социальной защиты (SNH) как больницы, которые в соответствии с миссией или мандатом оказывают помощь значительной части уязвимых пациентов независимо от их платежеспособности. 1 В соответствии с этим определением любое количество государственных больниц, академических медицинских центров или частных больниц может быть обозначено как SNH. Больницы, подпадающие под это широкое определение, могут быть похожи в том, что они непропорционально обслуживают уязвимые группы населения и испытывают больший финансовый стресс, чем больницы, не входящие в состав SNH; однако они также могут различаться по своей организационной структуре, размеру, местонахождению, объему предоставляемых услуг и степени финансового бремени. На сегодняшний день не существует единого мнения о том, как использовать определение SNH для исследований или разработки политики.

Определения SNH, используемые в эмпирических исследованиях и государственных программах, пытаются охватить ключевые аспекты миссии социальной защиты. Примеры включают государственную собственность, предоставление основных услуг уязвимым группам населения, неоплачиваемый уход, Medicaid и незастрахованную нагрузку стационарного лечения, а также индекс Medicare Disproportionate Share Hospital (DSH), который Центры услуг Medicare и Medicaid (CMS) исторически использовали для компенсации некомпенсируемых и невозмещаемые расходы на лечение для отдельных больниц.Однако каждое из этих определений имеет важные ограничения и различные последствия для финансирования и политики.

Во-первых, миссия социальной защиты не ограничивается государственной собственностью. В среднем государственные больницы, как правило, обслуживают большую часть уязвимых групп населения; однако некоторые SNH являются частными религиозными организациями, призванными служить этим группам. 1 Крупные частные больницы, обычно не рассматриваемые как SNH, могут предоставлять важные услуги SNH, такие как помощь при травмах и специализированная интенсивная терапия.В то же время небольшие частные больницы, которые с меньшей вероятностью будут предоставлять эти услуги, все же могут быть поставщиком последней инстанции в своих сообществах.

Во-вторых, определения некомпенсируемого ухода, 2 -8 Медикейд и/или незастрахованная нагрузка, 9 -25 и индекс DSH 26 -29 не покрывают финансовые риски SNH и недоплаты в полном объеме . Например, определения некомпенсируемого ухода не включают недостающие платежи по программе Medicaid, в то время как определения, основанные только на загруженности Medicaid, и историческое определение DSH не учитывают бремя ухода за незастрахованными.Мало что известно о том, насколько распространенные определения SNH, применяемые в исследованиях и политике, отличаются друг от друга с точки зрения типов SNH, которые они фиксируют.

Понимание значения различных определений SNH особенно важно для политических решений, влияющих на финансирование этих больниц. После введения в действие Закона о доступном медицинском обслуживании (ACA) формула, используемая для определения распределения средств Medicare DSH, претерпела значительные изменения. 30 По мере увеличения страхового покрытия, связанного с ACA, количество незастрахованных лиц сокращалось; следовательно, ожидается, что потребность в финансировании DSH уменьшится.Таким образом, выплаты Medicare DSH были сокращены пропорционально уменьшению незастрахованного населения. 31 Однако сокращение оплаты DSH может сделать некоторые больницы финансово уязвимыми. 31

Начиная с 2018 финансового года, формула Medicare DSH, которая исторически основывалась только на количестве дней пребывания в стационаре по программам Medicaid и Medicare Supplemental Security Income (SSI), теперь также учитывает некомпенсированные расходы на лечение. 32 Критики утверждают, что получение платежей DSH не всегда соответствует уровню безвозмездной помощи, предоставляемой больницами, или предоставлению основных услуг малоимущим и уязвимым группам населения. 33 ,34 Новая формула, вероятно, приведет к перераспределению средств между больницами. 35 Характеристики больниц с высоким бременем дней пребывания в стационаре Medicaid и Medicare SSI по сравнению с больницами с высоким бременем некомпенсируемых расходов на лечение в значительной степени неизвестны. Лучшее понимание этих различий будет полезно для политиков, внедряющих изменения в политику оплаты DSH, а также для больниц, на которых эти изменения повлияют.

Цели настоящего исследования заключались в следующем: (1) оценить соответствие между 3 распространенными определениями SNH на основе исторического индекса Medicare DSH для дней пребывания в стационаре по программам Medicaid и Medicare SSI, нагрузки по программе Medicaid и незастрахованных стационарных пациентов и неоплачиваемого ухода; (2) оценить связи между этими определениями SNH и организационными характеристиками больницы, объемом предоставляемых услуг и финансовыми атрибутами; и (3) пролить свет на значение различных определений для политики и финансирования.

Это исследование следует рекомендациям по усилению отчетности об обсервационных исследованиях в эпидемиологии (STROBE) для перекрестных исследований. 36 Данные были получены из 4 первичных источников: Базы данных стационарных учреждений штата 37 проекта Healthcare Cost and Utilization Project 37 для 47 штатов США (перечислены в разделе «Информация о статьях»), CMS Hospital Cost Reports, Американской ассоциации больниц Ежегодный обзор и больница Compare — общедоступная база данных от CMS, которая сравнивает качество обслуживания в больницах, сертифицированных Medicare.Мы использовали государственные базы данных стационарных пациентов, которые содержат информацию о выписке всех плательщиков в Соединенных Штатах, для определения исследуемых больниц и определения нагрузки Medicaid и незастрахованных стационарных пациентов. Мы получили информацию о характеристиках больниц из Ежегодного опроса Американской ассоциации больниц, информацию о финансах больниц из отчетов о расходах CMS и информацию о штрафах, понесенных в рамках программ CMS с оплатой по результатам, из Hospital Compare. Поскольку в проекте Healthcare Cost and Ustilization Project не участвуют люди, для этого исследования не требовалось одобрения институционального наблюдательного совета и письменного информированного согласия.

Наш анализ был сосредоточен на 2015 финансовом году и включал только больницы, которые можно было связать во всех базах данных. Государственные базы данных стационарных больных за 2014-2015 гг. содержали 3745 больниц, из которых 2066 больниц некритического доступа были включены в наш основной анализ. Больницы критического доступа — обозначение, данное CMS подходящим сельским больницам, которые, как правило, финансово уязвимы — были исключены из нашего основного анализа, сравнивающего определения SNH, поскольку они получают отдельное финансирование.Характеристики этих 888 больниц представлены в электронной таблице Приложения.

Мы определили альтернативные определения SNH посредством структурированного литературного обзора исследований SNH и опубликованных руководств. Для наших сравнений мы выбрали определения в соответствии с концептуальной основой, предоставленной Институтом медицины 1 и используемой в исследовательских и политических публикациях. В соответствии с предыдущими исследованиями 21 ,24 -29 мы определили SNH как те, которые находятся в верхнем квартиле в каждом штате для каждой из выбранных мер, описанных ниже.

Индекс Medicare DSH выводится из отчетов о расходах CMS и определяется как количество дней пребывания в стационаре по программе Medicare SSI из общего числа дней пребывания в стационаре по программе Medicare плюс количество дней пребывания в стационаре по программе Medicaid и не по программе Medicare из общего числа дней пребывания в стационаре. 30 До принятия ACA индекс DSH был основным показателем, используемым для распределения выплат Medicare DSH.

Медикейд и количество незастрахованных пациентов были получены из данных Проекта затрат на здравоохранение и использования и определены как процент госпитализаций по программе Медикейд и незастрахованных пациентов от всех госпитализаций в каждой больнице.Незастрахованные пребывания идентифицировались кодами плательщика для конкретных штатов для программ ухода за малоимущими, самооплаты и бесплатности. Мы решили включить это определение, потому что оно широко распространено в литературе 9 -25 и охватывает понятия, измеряемые индексом DSH, как описано выше (т. ), как описано ниже.

Стоимость некомпенсируемого медицинского обслуживания, также полученная из отчетов о расходах CMS, определяется как стоимость благотворительного медицинского обслуживания плюс безнадежный долг, не входящий в программу Medicare и не подлежащий возмещению в рамках программы Medicare. 38 Мы рассчитали стоимость безвозмездного ухода в процентах от общих операционных расходов. Мы решили включить это определение, потому что безвозмездная помощь становится все более важной при определении ассигнований DSH больницам.

Расположение больниц и структурные характеристики, полученные от Американской ассоциации больниц, включали регион переписи населения США, городское и сельское расположение, собственность, размер (количество коек), статус преподавания, принадлежность к системе здравоохранения, критический статус доступа и выбор больничных услуг. 39 Чтобы лучше охарактеризовать население, которое обслуживают SNH и не-SNH, мы использовали данные о выписке из государственных баз данных стационаров для расчета процента пребывания в каждой больнице по расовой/этнической группе, линии обслуживания и 4 различным средним уровням дохода пациентов. почтовый индекс места жительства.

Финансовые переменные больницы включали получение платежей CMS DSH, показатели безвозмездного и неоплачиваемого лечения, общую и операционную маржу, а также штрафы CMS. Платежи CMS DSH включают стоимость платежей Medicare DSH, распределяемых непосредственно от CMS больницам, а также то, получали ли больницы выплаты Medicaid DSH (да или нет), которые CMS распределяет между штатами, которые затем распределяют их по больницам.Поскольку больницы сообщают CMS о программе Medicaid DSH наряду с другими типами государственного финансирования, стоимость платежей Medicaid DSH сама по себе не может быть изолирована.

Некомпенсируемый уход включает расходы на благотворительный уход, связанные с оказанием помощи незастрахованным, а также безнадежные долги, не связанные с программой Medicare и не подлежащие возмещению в рамках программы Medicare. Безнадежная задолженность возникает из-за неспособности пациентов, застрахованных в частном порядке, погасить высокие франшизы, а также задолженность по услугам, не покрываемым Medicare, либо потому, что пациент имеет Medicare без дополнительной страховки, либо потому, что пациент имеет двойное право на Medicare и Medicaid, а также на государственную страховку. Программа Medicaid не покрывает все совместное страхование или франшизу Medicare. 40 В результате ACA появилось больше планов медицинского страхования с более высокой франшизой, в первую очередь для ранее незастрахованных пациентов, которые теперь имеют частную страховку 41 ; поэтому важно оценить, как SNH и не-SNH справляются с безнадежной задолженностью.

Невозмещаемый уход, который измеряется как дефицит дохода по отношению к стоимости Medicaid и других государственных и местных программ для малоимущих, не подлежит рассмотрению в новой формуле оплаты DSH. Тем не менее, это является важным компонентом финансового здоровья больниц и может происходить непропорционально больше для SNHs по сравнению с non-SNHs.

Общая и операционная прибыль были получены из нескольких полей в отчетах о затратах CMS и дают важную информацию о финансовом состоянии больниц. Штрафы, понесенные SNH и не-SNH в соответствии с программами CMS по оплате на основе стоимости и сокращению повторной госпитализации, могут дополнительно повлиять на финансы больниц и их способность предоставлять услуги социальной защиты.

Данные были проанализированы с 1 марта по 30 сентября 2018 г. с использованием R версии 3.4.3 (Проект R для статистических вычислений). Мы оценили соответствие между определениями SNH, используя критерий Кронбаха α. Мы считали, что значения менее 0,50 указывают на отсутствие согласия, а значения, равные или превышающие 0,70, указывают на хорошее согласие. 42 При каждом определении SNH мы сравнивали характеристики SNH и не-SNH. Для финансовых показателей мы представляем медианы вместо средних значений, поскольку некоторые распределения этих показателей не были нормальными. Мы использовали тесты χ 2 (в процентах), непарные двусторонние тесты t (средние) и тесты Крускала-Уоллиса (медианы) и оценивали уровни статистической значимости при P  < .01 и P  < .05.

2066 больниц в этом исследовании были распределены по Северо-Востоку (340 [16,5%]), Среднему Западу (587 [28,4%]), Югу (790 [38,2%]) и Западу (349 [16,9%]). Каждое из трех определений SNH, как правило, охватывает разные наборы больниц (таблица 1). В целом, мы не обнаружили согласия между 3 альтернативными определениями SNH (общий коэффициент Кронбаха α = 0,43; 95% ДИ, 0,38–0,48). Точно так же мы не обнаружили совпадения между определениями, основанными на индексе DSH и некомпенсируемом уходе (Кронбах α = 0.12; 95% ДИ, 0,03–0,19), и Medicaid, незастрахованная нагрузка и неоплачиваемый уход (Кронбах α = 0,29; 95% ДИ, 0,22–0,35). Согласованность между индексом DSH и определениями, основанными на Medicaid и незастрахованных пациентах, была низкой (Кронбах α = 0,56; 95% ДИ, 0,51-0,60). Только 269 больниц (13,0%) были идентифицированы как SNH с использованием как DSH, так и Medicaid, а также определений незастрахованной нагрузки; только 187 (9,1%) были идентифицированы как SNH в Medicaid и незастрахованных случаях и некомпенсируемых мерах по уходу; и только 155 (7,5%) были идентифицированы как SNH в DSH и мерах по безвозмездному уходу.

В таблице 2 представлены характеристики SNH и не-SNH по определению. По всем трем определениям SNH с большей вероятностью, чем не-SNH, являются государственными больницами (индекс DSH, 91 из 518 [17,6%] против 220 из 1548 [14,2%]; Medicaid и незастрахованная нагрузка, 100 из 487 [20,5%] против 211 из 1579 [13,4%]; безвозмездный уход, 114 из 523 [21,8%] против 197 из 1543 [12,8%]). В соответствии с определениями DSH и Medicaid и незастрахованной нагрузки, SNH с большей вероятностью, чем не-SNH, были более крупными больницами с 300 или более коек (264 из 518 [51.0%] против 311 из 1548 [20,1%] и 158 из 487 [32,4%] против 417 из 1579 [26,4%] соответственно), тогда как SNH, выявленные в результате некомпенсируемого ухода, были меньше, чем их аналоги без SNH (≥300 коек, 95 из 523 [18,2%] против 480 из 1543 [31,1%]; P  < .001). Та же картина существовала и для статуса преподавателя (индекс DSH, 337 из 518 SNH [65,1%]; медицинская помощь и незастрахованная нагрузка, 229 из 487 SNH [47,0%]; неоплачиваемый уход, 181 из 523 SNH [34,6%]). Только по индексу DSH SNH чаще, чем не-SNH, были связаны с системой (380 из 518 [73.4%] против 1019 из 1548 [65,8%]). Вопреки DSH и Medicaid и определению незастрахованной нагрузки, SNH с большей вероятностью, чем не-SNH, были расположены в сельской местности с использованием меры некомпенсируемого ухода (65 из 523 [12,4%] против 91 из 1543 [5,9%]; P < .001). Согласно индексу DSH, SNH предоставляли больше основных услуг, чем их коллеги, не входящие в SNH (например, амбулаторные услуги по лечению алкогольной или наркотической зависимости, 107 из 518 [20,7%] против 113 из 1548 [7,3%]; 90 879 P 90 880  < ,001 ). Напротив, SNH с безвозмездным уходом с меньшей вероятностью, чем не-SNH, предоставляли основные услуги, включая услуги для пожилых людей (220 из 523 [42.1%] против 756 из 1543 [49,0%]; P  = ,006), реанимация новорожденных (126 из 523 [24,1%] против 563 из 1543 [36,5%]; P  < ,001) и психиатрические амбулаторные услуги (156 из 523 [29,8%] против 555 из 1543 [36,0%]; P  = .01).

Согласно каждому определению, SNH с большей вероятностью, чем не-SNH, лечили больший процент расовых/этнических меньшинств (среднее [SD] для индекса DSH, 39,6% [25,3%] против 23,4% [21,3%]; Medicaid и незастрахованная нагрузка , 36,8% [26,0%] против 24.3% [21,6%]; неоплачиваемый уход, 31,1% [26,1%] против 26,2% [22,3%]), пациенты из сообществ с самым низким доходом (среднее [SD] для индекса DSH 37,8% [23,1%] против 24,5% [23,8%]; Medicaid и незастрахованная нагрузка, 38,5% [26,5%] против 24,2% [22,4%]; неоплачиваемая помощь, 31,3% [28,0%] против 26,7% [22,8%]), и пациенты, получающие психиатрическую помощь (среднее [SD] для индекса DSH, 8,2 % [10,0 %] против 4,8 % [7,8 %]; Medicaid и незастрахованная нагрузка, 8,3 % [12,2 %] против 4,7 % [6,7 %]; неоплачиваемый уход, 6,9 % [10,6 %] против 5,2 % [7,7 %]) .В соответствии с определениями DSH и Medicaid и незастрахованной нагрузки больные SNH также с большей вероятностью имели более высокий средний (SD) процент госпитализаций в период материнства/неонатального периода, чем не-SNH (24,0% [12,4%] против 20,3% [15,3%] и 27,0% [14,5%] против 19,2% [14,2%] соответственно; P  < .001). Кроме того, согласно определению DSH, SNH лечили больше пациентов с травмами, чем не-SNH (среднее [SD], 4,8% [3,0%] против 4,0% [2,5%]; P  < .001). Напротив, SNH и не-SNH, определяемые неоплачиваемым уходом, имели аналогичный средний (SD) процент пребывания для матери/неонатального периода (21.5% [15,1%] против 21,1% [14,6%]; P  = ,54) и услуги, связанные с травмами (4,1% [2,8%] против 4,2% [2,6%]; P  = ,75).

В Таблице 3 представлены финансовые характеристики больниц по каждому определению. Медиана (межквартильный диапазон [IQR]) Платежи Medicare DSH были выше для SNH, чем для не-SNH в рамках DSH (854 263 долл. США [470 661–1 219 269 долл. США] против 176 511 долл. США [17 484–510 288 долл. США]; 90 879 P 90 880  < ,001 ) и Medicaid и количество незастрахованных пациентов (241 196 долларов [112 665–746 398 долларов] против 236 024 долларов [20 312–709 376 долларов]; 90 879 P 90 880  = .002), но были одинаковыми для SNH и не-SNH в соответствии с определением безвозмездного ухода (221 274 долл. США [69 674 долл. США-691 961 долл. США] против 238 882 долл. США [25 864 долл. США-728 230 долл. США]; 90 879 P 90 880  =  0,35). Платежи Medicare DSH на 1000 долларов операционных расходов оставались выше для SNH, чем для не-SNH по каждому определению. Однако, хотя медианные (IQR) выплаты DSH были более чем в 2 раза выше для SNH, чем для не-SNH, как определено индексом DSH (5,4 долл. США [3,9–7,5 долл. США] против 2,1 долл. США [0,7–3,4 долл. США] на 1000 долл. США операционных расходов; P < .001), они были только на 15% выше для SNH, чем для не-SNH, как определено безвозмездным уходом (3,0 доллара [1,6-5,0 доллара] против 2,6 доллара [1,0-4,4 доллара] на 1000 долларов операционных расходов; P  < .001). Процент больниц, которые получали выплаты Medicaid DSH, также был выше для SNH, чем для не-SNH в рамках DSH (439 из 518 [84,7%] против 1016 из 1548 [65,6%]) и Medicaid и незастрахованной нагрузки (394 из 487 [80,9%]). ] по сравнению с 1061 из 1579 [67,2%]) определений ( P  < .001), но процентные доли для SNH и не-SNH были одинаковыми при определении некомпенсируемого ухода (383 из 523 [73.2%] против 1072 из 1543 [69,5%]; P  = .10).

Среди 3 определений только одно, основанное на некомпенсируемом бремени ухода, выявило существенные различия между SNH и не-SNH по всем 3 компонентам некомпенсируемых и невозмещаемых затрат на операционные расходы. Согласно этому определению, средний (IQR) безнадежный долг (27,1 долл. США [15,5–44,3 долл. США] против 12,8 долл. США [6,7–21,6 долл. США] на 1000 долл. США операционных расходов; 90 879 P  < ,001) и благотворительная помощь (19,9 долл. США [9,3–34,1 долл. США] против 9,1 долл. США [ $4,0-$18,7] на $1000 операционных расходов; P  < .001) затраты на SNH были примерно в два раза выше, чем на не-SNH; медианные (IQR) невозмещенные расходы для SNH были на 38% выше, чем для не-SNH (32,6 долл. США [12,4–55,4 долл. США] против 23,6 долл. США [9,0–42,7 долл. США] на 1000 долл. США операционных расходов; 90 879 P 90 880  < ,001). Различия между SNH и не-SNH по среднему (IQR) безнадежному долгу в соответствии с DSH (15,3 долл. США [8,4–28,2 долл. США] по сравнению с 15,2 долл. США [7,7–26,8 долл. США] на 1000 долл. США операционных расходов; 90 879 P  = ,32) и Medicaid и незастрахованной нагрузкой ( 19,1 долл. США [10,1–31,9 долл. США] против 14,1 долл. США [7,5–25,6 долл. США] на 1000 долл. США операционных расходов; 90 879 P 90 880  < .001) определения не были такими большими по величине, равно как и различия в медианных (IQR) расходах на благотворительность (12,6 долл. США [5,8–25,0 долл. США] против 10,5 долл. США [4,4–21,1 долл. США] на 1000 долл. операционных расходов [ P  < ,001] и 13,2 долл. США. [$5,6-25,0] против $10,4 [$4,5-21,3] на $1000 операционных расходов [ P  = ,001]) или невозмещенных затрат ($23,9 [$7,4-46,2] против $25,4 [$10,9-45,8] на $1000 операционных расходов [ P  = ,21] и 27,5 долл. США [6,5-50,2 долл. США] против 24,6 долл. США [10,4-44,7 долл. США] на 1000 долл. США операционных расходов [ P  = .45] соответственно).

Больницы социальной защиты, определяемые некомпенсируемым бременем ухода, имели более низкую медиану (IQR) чистого общего (4,7% [0%-9,9%] против 5,8% [1,2%-11,2%]; P  = ,003) и операционной (0,3 % [от -8,0% до 7,2%] по сравнению с 2,3% [от -3,9% до 8,9%]; P  < .001) маржи прибыли по сравнению с их аналогами без SNH, тогда как различия между маржой прибыли SNH и не-SNH в целом не были статистически значимо по двум другим определениям. Больницы социальной защиты в соответствии с определением некомпенсируемой помощи имели самую низкую медианную (IQR) норму прибыли среди всех групп исследованных нами больниц (0,0.3% [от -8,0% до 7,2%]), при этом 25% больниц упали ниже -8,0%. Наконец, в соответствии с мерами DSH и Medicaid и незастрахованной нагрузкой SNH чаще, чем не-SNH, подвергались штрафам в рамках программ CMS с оплатой по результатам (например, штрафы в рамках программы закупок на основе стоимости, 281 из 518 [54,2%]). против 620 из 1548 [40,1%] для DSH и 245 из 487 [50,3%] против 656 из 1579 [41,5%] для Medicaid и незастрахованных случаев; P  < .01).

В этом исследовании, используя данные о выписке всех плательщиков из проекта Healthcare Cost and Utilization Project, а также информацию на уровне больниц от Американской ассоциации больниц и CMS, мы обнаружили ограниченное соответствие между текущими определениями SNH.Несмотря на некоторое совпадение, каждое определение охватывает набор больниц с различными организационными и финансовыми характеристиками, сельским или городским расположением и широтой предоставляемых услуг. Хотя этот вывод согласуется с предыдущими исследованиями, 43 наше исследование также подчеркивает последствия использования различных типов определений для финансирования SNH. Эта разница особенно заметна с учетом текущих изменений в политике финансирования.

По сравнению с SNH, идентифицированными по другим определениям, SNH, идентифицированные по высокому индексу DSH, представляют собой более крупные городские учебные больницы и чаще являются частью системы здравоохранения.Они, как правило, предоставляют широкий спектр услуг, важных для миссии сети безопасности. С финансовой точки зрения, они имеют более низкие некомпенсированные и невозмещаемые затраты и относительно лучшую операционную маржу, чем SNH, определяемые другими определениями. Таким образом, хотя эти больницы кажутся более уязвимыми, чем их коллеги, не входящие в SNH, они могут быть менее уязвимыми в финансовом отношении, чем SNH по другим определениям.

С другой стороны, SNH, определяемые по некомпенсируемым затратам на уход, меньше по размеру, неучебные учреждения реже связаны с системами здравоохранения, чаще расположены в сельской местности и предоставляют меньше специализированных услуг, связанных с уязвимыми группами населения.Эти больницы имеют более низкие выплаты Medicare DSH и самую низкую норму прибыли, вероятно, потому, что некомпенсированные и невозмещаемые расходы составляют большую долю операционных расходов, чем для других типов SNH. Таким образом, эти больницы кажутся более уязвимыми в финансовом отношении. В свою очередь, более высокая финансовая уязвимость может помешать их способности расширять услуги и оказывать всестороннюю помощь уязвимым группам населения в сообществах, которые они обслуживают, для которых они могут быть поставщиком последней инстанции.

Наконец, в соответствии с предыдущим исследованием, 27 , мы обнаружили, что SNHs, особенно те, которые идентифицированы индексом DSH и Medicaid и незастрахованной нагрузкой, с большей вероятностью, чем не-SNHs, подверглись штрафам CMS. Эти выводы вписываются в продолжающиеся дебаты о непропорциональном риске для SNH, создаваемом политикой CMS, основанной на ценностях, что привело к введению новой поправки на социально-экономический статус в метод CMS для расчета штрафов за чрезмерную повторную госпитализацию. 44

Наши выводы особенно актуальны, учитывая изменения CMS в формуле оплаты Medicare DSH.До ACA дополнительные платежи, направленные на субсидирование страховой помощи, распределялись на основе доли пациентов, охваченных Medicare SSI и Medicaid, без учета бремени некомпенсируемого и невозмещаемого ухода. В ответ на критику в отношении того, что выплаты DSH были чрезмерными и не обязательно доходили до больниц, оказывающих наиболее неоплачиваемую или невозмещаемую помощь, 45 ACA внесло существенные изменения в формулу оплаты DSH. Во-первых, общие доступные платежи DSH сокращаются в соответствии с сокращением незастрахованного населения.Во-вторых, CMS скорректировала свою формулу индивидуальной оплаты DSH, чтобы придать больший вес объему безвозмездного ухода, предоставляемого больницей. Нынешняя формула является результатом 3 факторов: платежи DSH, которые в противном случае производились бы по старому методу DSH; процент изменения национальной оценки незастрахованных лиц моложе 65 лет; и доля больницы в некомпенсируемых расходах на лечение по отношению к совокупным некомпенсируемым расходам на лечение во всех больницах DSH. 30

Хотя новая формула теперь учитывает безвозмездный уход, важно понимать нюансы ее применения.Например, новая формула может по-прежнему отдавать предпочтение более крупным больницам DSH, потому что на эти больницы, вероятно, приходится большая доля общих некомпенсируемых затрат на лечение в больницах. Кроме того, формула определяет некомпенсируемую помощь как благотворительную помощь плюс безнадежный долг, но не учитывает другие невозмещаемые расходы, такие как недостаточная оплата Medicaid. Наконец, наше исследование показывает, что безнадежные долги составляют большую долю некомпенсируемых затрат на уход, чем благотворительная помощь. Будущие исследования могут изучить компоненты безнадежного долга (т. е. долг, не связанный с программой Medicare, и долг, не подлежащий возмещению по программе Medicare), чтобы понять, как каждый из них может влиять на платежи.

Напротив, мы оценили определение SNH, основанное на некомпенсируемых затратах на лечение в больницах на 1000 долларов операционных расходов, которые в соответствии с прошлым исследованием 4 -8 учитывают бремя некомпенсируемого ухода на финансах каждой больницы. Таким образом, как и индекс DSH, в котором в качестве знаменателя используется общее количество дней пребывания в стационаре, наша мера делится на операционные расходы. Мы обнаружили, что больницы с некомпенсируемым бременем ухода являются наиболее финансово уязвимой подгруппой SNH.Усилия по совершенствованию формулы оплаты DSH с целью охвата финансово уязвимых больниц могут упустить из виду более мелкие больницы с высокой долей общих некомпенсируемых расходов на лечение, которые также, по-видимому, имеют высокую долю невозмещаемых расходов на лечение среди пациентов с Medicaid.

Хотя настоящее исследование оценивает только установленные определения SNH и фактически не моделирует недавно выпущенную формулу оплаты Medicare DSH, оно обеспечивает важную основу для исследований и политики. Будущие исследования должны сравнить существующие и новые выплаты DSH и оценить влияние новой формулы и ожидаемых изменений финансирования на финансовое благополучие больниц и их способность выполнять ключевые функции социальной защиты.

Хотя SNH, по-видимому, обслуживают более высокую долю меньшинств и лиц с низкими доходами, чем не-SNH по всем определениям, эта разница была наибольшей в DSH и Medicaid, а также в показателях незастрахованной нагрузки. Учитывая отсутствие консенсуса, исследователи и политики, проводящие исследования различий, должны использовать конкретные определения, которые лучше всего соответствуют их целям, концептуально и эмпирически, и помнить о неоднородности определений.

Это исследование имеет несколько ограничений.Два из наших определений SNH (индекс DSH и безвозмездная помощь) основаны на достоверности данных в отчетах о затратах CMS. Обеспокоенность общественности по поводу различий в том, как больницы сообщают о благотворительной помощи и безнадежных долгах в рабочей таблице S-10, вызвала задержку в использовании некомпенсируемой помощи для распределения платежей DSH. 46 Хотя качество данных может улучшаться, 46 наш анализ основан на отчетах больниц за 2015 финансовый год, и наши результаты, вероятно, отражают развивающуюся практику отчетности больниц.Мы выбрали 2015 финансовый год, потому что на момент проведения исследования это был один из последних доступных годов, который отражал внедрение ACA (январь 2014 г.) и сохранил Международную классификацию болезней, девятый пересмотр , систему кодирования ( Международная статистическая классификация болезней и проблем, связанных со здоровьем, Десятая редакция , была введена в действие в октябре 2015 г.).

Различные определения охватывают разнородный набор SNH с точки зрения их организационных и финансовых характеристик, местоположения и предоставляемых услуг.Это разнообразие предполагает, что каждое определение SNH подчеркивает различные аспекты миссии социальной защиты. Формулы оплаты, основанные на нескольких показателях, могут более успешно распределять средства между различными типами SNH. Непропорциональная доля Формулы оплаты больниц, по-видимому, движутся в этом направлении, делая упор на некомпенсированные расходы на лечение, но другие потенциально важные меры, такие как невозмещаемые расходы на лечение и незастрахованное количество пациентов, не включены. Мы считаем, что будущие исследования должны оценить, как политики Medicare и Medicaid DSH в конечном итоге перераспределяют средства между различными типами больниц.В будущей платежной политике, возможно, потребуется учитывать различия между определениями SNH, чтобы можно было более справедливо распределять ресурсы между разнообразным набором SNH для поддержки основных аспектов миссии социальной защиты.

Принято к публикации: 16 июня 2019 г.

Опубликовано: 7 августа 2019 г. doi:10.1001/jamanetworkopen.2019.8577

Открытый доступ. -BY Лицензия.© 2019 Попеску I и др. Открытие сети JAMA .

Автор, ответственный за переписку: Х. Джоанна Цзян, доктор философии, Агентство исследований и качества в области здравоохранения, 5600 Fishers Ln, Rockville, MD 20857 ([email protected]).

Вклад авторов: Д-р Катлер имел полный доступ ко всем данным исследования и берет на себя ответственность за целостность данных и точность анализа данных.

Концепция и дизайн: Цзян, Попеску, Фингар, Го.

Сбор, анализ или интерпретация данных: Все авторы.

Составление рукописи: Попеску, Фингар, Катлер.

Критическая проверка рукописи на наличие важного интеллектуального содержания: Попеску, Фингар, Го, Цзян.

Статистический анализ: Фингар, Катлер, Цзян.

Получено финансирование: Цзян.

Административная, техническая или материальная поддержка: Фингар.

Надзор: Фингар, Цзян.

Раскрытие информации о конфликте интересов: Доктора Попеску, Фингар и Катлер сообщили о получении финансирования от Агентства медицинских исследований и качества в качестве сотрудников или субподрядчиков IBM Watson Health во время проведения исследования. Других раскрытий не поступало.

Финансирование/поддержка: Это исследование проводилось при поддержке контракта HHSA-290-2018-00001-C с Агентством исследований и качества в области здравоохранения.

Роль спонсора/спонсора: Агентство медицинских исследований и качества руководило контрактом и, следовательно, принимало участие в исследовании, включая разработку и проведение исследования; сбор, управление, анализ и интерпретация данных; подготовка, рецензирование или утверждение рукописи; и решение представить рукопись для публикации.

Отказ от ответственности: Мнения, выраженные в этой статье, принадлежат авторам и не обязательно отражают точку зрения Агентства медицинских исследований и качества или Министерства здравоохранения и социальных служб США.

Дополнительные взносы: Минья Шэн, MS, IBM Watson Health, предоставила анализ данных с компенсацией. Мы благодарим партнеров по проекту Healthcare Cost and Utilization Project, которые внесли свой вклад в базы данных стационарных пациентов штата, в том числе Департамент здравоохранения и социальных служб Аляски, Ассоциацию больниц и домов престарелых штата Аляска, Департамент здравоохранения Аризоны, Департамент здравоохранения Арканзаса, Управление здравоохранения штата Калифорния. Планирование и развитие, Ассоциация больниц Колорадо, Ассоциация больниц Коннектикута, Ассоциация больниц округа Колумбия, Агентство по управлению здравоохранением Флориды, Ассоциация больниц Джорджии, Корпорация медицинской информации Гавайев, Департамент общественного здравоохранения Иллинойса, Ассоциация больниц Индианы, Ассоциация больниц Айовы, Больница Канзаса Ассоциация, Кабинет здравоохранения и семейных услуг Кентукки, Департамент здравоохранения Луизианы, Организация медицинских данных штата Мэн, Комиссия по обзору затрат на медицинские услуги штата Мэриленд, Массачусетский центр медицинской информации и анализа, Ассоциация здравоохранения и больниц Мичигана, Ассоциация больниц Миннесоты, Ми Департамент здравоохранения штата Сиссипи, Институт данных больничной индустрии штата Миссури, Ассоциация больниц Монтаны, Ассоциация больниц Небраски, Департамент здравоохранения и социальных служб Невады, Департамент здравоохранения Нью-Джерси, Департамент здравоохранения Нью-Мексико, Департамент здравоохранения штата Нью-Йорк, Департамент Северной Каролины Министерства здравоохранения и социальных служб, Северная Дакота (данные предоставлены Ассоциацией больниц Миннесоты), Ассоциацией больниц Огайо, Департаментом здравоохранения штата Оклахома, Ассоциацией больниц и систем здравоохранения штата Орегон, Управлением медицинской аналитики штата Орегон, Советом по сдерживанию расходов на здравоохранение Пенсильвании, Род Департамент здравоохранения острова, Управление по доходам и финансовым вопросам Южной Каролины, Ассоциация организаций здравоохранения Южной Дакоты, Ассоциация больниц Теннесси, Департамент здравоохранения штата Техас, Департамент здравоохранения Юты, Ассоциация больниц и систем здравоохранения Вермонта, Информация здравоохранения Вирджинии, штат Вашингтон Департамент здравоохранения, Западная Вирджиния Депар Управление здравоохранения и кадров, Управление здравоохранения Западной Вирджинии, Департамент здравоохранения штата Висконсин и Ассоциация больниц Вайоминга.

4. Баззоли ГДж, Линдрут RC, Кан R, Хаснаин-Виня R.  Влияние политики здравоохранения и рыночных факторов на сеть безопасности больниц.  Рес. службы здравоохранения . 2006, 41 (4, часть 1): 1159-1180. PubMedGoogle Scholar15.Gaskin диджей, Хэдли Джей, Фримен ВГ. Теряют ли городские больницы с сетью социальной защиты пациенток с низким уровнем риска для беременных по программе Medicaid?  Рес. службы здравоохранения . 2001, 36 (1, часть 1): 25–51. PubMedGoogle Scholar17.Кейн НМ, певица SJ, Кларк JR, Эклу К, Валентин M. Напряженные местные и государственные финансы среди текущих реалий, которые угрожают прибыльности государственных больниц.  Health Aff (Миллвуд) . 2012, 31(8):1680-1689. doi:10.1377/hlthaff.2011.1401PubMedGoogle ScholarCrossref 18.McHugh М, Мартин ТК, Орват Дж, Дайк КВ. Политика Medicare по ограничению оплаты больничных заболеваний: влияние на поставщиков услуг социальной защиты.  J Health Care Poor Underserved . 2011, 22(2):638-647. doi:10.1353/hpu.2011.0058PubMedGoogle ScholarCrossref 21.Reiter КЛ, Цзян ХДж, Ван J. Столкнувшись с рецессией: каково финансовое положение больниц социальной защиты по сравнению с их аналогами?  Рес. службы здравоохранения . 2014,49(6):1747-1766.PubMedGoogle Scholar27.Gilman М, Адамс ЕК, Хокенберри Дж. М., Уилсон ИБ, Мильштейн А.С., Беккер Скорая помощь. Калифорнийские больницы социальной защиты, вероятно, будут оштрафованы программами ACA, повторной госпитализацией и осмысленным использованием.  Health Aff (Миллвуд) . 2014, 33(8):1314-1322. doi:10.1377/hlthaff.2014.0138PubMedGoogle ScholarCrossref 29.Ryan АМ, Блюстейн Джей, Доран Т, Мишелоу MD, Казалино ЛП. Влияние этапа 2 Демонстрации поощрения качества в первоклассных больницах на поощрительные выплаты больницам, ухаживающим за малообеспеченными пациентами.  Рес. службы здравоохранения . 2012, 47(4):1418-1436. doi:10.1111/j.1475-6773.2012.01393.xPubMedGoogle ScholarCrossref 31.Neuhausen К, Дэвис AC, Нидлман Дж, Брук Р.Х., Зингмонд Д, Роби ДХ.Непропорциональное сокращение оплаты больницам может поставить под угрозу финансовую стабильность больниц социальной защиты.  Health Aff (Миллвуд) . 2014, 33(6):988-996. doi:10.1377/hlthaff.2013.1222PubMedGoogle ScholarCrossref 34. Счетная палата правительства США. CMS нужно больше информации о миллиардах долларов, потраченных на дополнительные платежи. https://www.gao.gov/products/GAO-08-614. Опубликовано в июне 2008 г. По состоянию на 24 октября 2018 г.36. фон Эльм Э, Альтман ДГ, Эггер М, Покок SJ, Гётше ПК, Ванденбрук Дж.П.; Инициатива СТРОБ.Заявление об усилении отчетности об обсервационных исследованиях в эпидемиологии (STROBE): рекомендации по отчетности об обсервационных исследованиях.  Энн Интерн Мед . 2007, 147(8):573-577. doi:10.7326/0003-4819-147-8-200710160-00010PubMedGoogle ScholarCrossref

iShares MSCI USA Quality Factor ETF

Обсудите сегодня со своим специалистом по финансовому планированию

Поделитесь этим фондом со своим специалистом по финансовому планированию, чтобы узнать, как он может вписаться в ваш портфель.

Напишите своему консультанту

Купить через вашего брокера

Средства

iShares доступны через онлайн-брокерские фирмы.

Все ETF iShares торгуют без комиссии онлайн через Fidelity.

Посетите Верность

Перед привлечением Fidelity или любого другого брокера-дилера вам следует оценить общие сборы и сборы фирмы, а также предоставляемые услуги. Предложение о бесплатной комиссии распространяется на онлайн-покупки некоторых ETF iShares в учетной записи Fidelity. Продажа ETF облагается комиссией за оценку деятельности (от 0,01 до 0,03 доллара за 1000 долларов основной суммы). Что касается ETF iShares, Fidelity получает компенсацию от спонсора ETF и/или его аффилированных лиц в связи с эксклюзивной долгосрочной маркетинговой программой, которая включает продвижение ETF iShares и включение средств iShares в определенные платформы Fidelity Brokerage Services и инвестиционные программы.Обратите внимание, что эта ценная бумага не будет маржинальной в течение 30 дней с даты расчетов, после чего она автоматически станет приемлемой для маржинального обеспечения. Дополнительную информацию об источниках, суммах и условиях вознаграждения можно найти в проспекте ETF и связанных с ним документах. Fidelity может добавить или отменить комиссию по ETF без предварительного уведомления.

Средства распределяются компанией BlackRock Investments, LLC (вместе со своими аффилированными лицами, «BlackRock»).

© 2019 BlackRock, Inc.Все права защищены. BLACKROCK, BLACKROCK SOLUTIONS, BUILD ON BLACKROCK, ALADDIN, iSHARES, iBONDS, iTHINKING, iSHARES CONNECT, FUND FRENZY, LIFEPATH, ТАК ЧТО Я ДЕЛАЮ С МОИМИ ДЕНЬГАМИ, ИНВЕСТИРУЯ В НОВЫЙ МИР, ПОСТРОЕН ДЛЯ ЭТОГО ВРЕМЕНИ , iShares Core Графика, CoRI и логотип CoRI являются зарегистрированными и незарегистрированными товарными знаками BlackRock, Inc. или ее дочерних компаний в США и других странах. Все остальные товарные знаки являются собственностью их соответствующих владельцев.

ICRMH0719U-885409

.

Отставить комментарий

Обязательные для заполнения поля отмечены*