Дипломная работа: Исследование лизинга как инвестиционной деятельности

Далее проанализируем не менее важный показатель суммы новых договоров лизинга. (рис. 2)

Рис. 2 Сумма новых договоров и темпы прироста показателя

Для этого показателя наблюдается похожая тенденция - показатель суммы платежей по заключенным договорам лизинга растет последние пять лет и составил в 2019 г. 2,5 трлн руб., однако темп прироста показателя слегка замедлился и составил 21,4% по сравнению с предыдущим периодом.

На следующем этапе необходимо исследовать показатель суммы объем лизинговых платежей к получению. (рис. 3)

Рис. 3 Сумма объем лизинговых платежей к получению и темпы прироста показателя

Данный показатель имеет схожую динамику с двумя предыдущими показателями, т.к. напрямую зависят от активности лизингодателей. Объем лизинговых платежей к получению стабилизировался на уровне около 3 трлн руб. и существенно вырос за 2018-2019 гг.., достигнув отметки в 5 трлн. руб. в 2019 г.

Далее рассмотрим показатель суммы полученных лизинговых платежей. Данный индикатор показывает совокупный объем платежей по договорам лизинга, осуществленные лизингополучателями. (рис. 4)

Рис. 4 Сумма полученных лизинговых платежей и темпы прироста показателя

Динамика данного показателя отличается от предыдущих трех рассматриваемых показателей: несмотря на планомерный рост показателя последние 5 лет, в 2019 г. он снизился до 910 млрд руб., при этом показал существенный отрицательный прирост (-13%) по сравнению с показателем 2018 г. (1 трлн руб.).

Формулы расчета цепных показателей роста и прироста динамического ряда.

Прирост показателя.

ДY_t= Y_t- Y_t-1 (1)

Темп роста показателя.

T_t= Y_t:Y_{t *} 100% (2)

Темп прироста показателя.

K_t= T_t- 100 % (3)

Y_t- показатель за период t

Y_t-1 - показатель за период ( t-1 )

ДY_t- прирост показателя за периодt

T_t - темп роста показателя Y_tза период t

K_t- темп прироста показателя Y_t за период t

Таблица 2

Индексы прироста лизинговых показателей

Источник: составлено автором на основе данных «Эксперт РА».

Анализируемые относительные показатели дают ясную картину динамичного развития лизингового рынка, причем даже кризисные явления 2014-15 годов не смогли сильно повлиять на выявленную тенденцию, так как временные отрицательные темпы прироста исследуемых данных были полностью компенсированы увеличенным приростом в последующий период. Очевидно, что без глобальных потрясений динамика развития рынка должна быть более плавной. Однако, если, наконец, будет принято законодательство о поддержке инвестиций, то рост лизинга должен стать экспотенциальным после преодоления последствий пандемии.

Некоторые различия в темпах прироста отдельных показателей по периодам связаны как с инерцией самих показателей из-за длительности договоров лизинга, так и с изменением состава лизингового имущества по периодам.

Визуализация табличных данных приведена на Рисунке 5.

Динамика темпов прироста лизинга, %

Рисунок 5

С целью подтверждения других гипотез изучим выборку данных лизинговых сделок за определенный период, взаимосвязи показателей деятельности лизинговых компаний.

Все необходимые расчеты, а также исходный и промежуточный материал размещены в Приложении к данной выпускной квалификационной работе, а ниже представлены данные по конечным расчетам.

Кластерный анализ рынка лизинга в России

». В анализе были использованы следующие показатели рынка лизинга за 2019 г. по 122 компаниям:

• Х₁-стоимость (сумма) договоров лизинга.,млн руб.

• Х₂- рыночная стоимость переданных предметов лизинга, млн руб.

• Х₃- текущий портфель компании, т.е. объем лизинговых платежей к получению, млн. руб.

• Х₄- объем полученных лизинговых платежей, млн руб.

На первом этапе кластерного анализа необходимо построить и проанализировать несколько вариантов дендрограмм для исходных данных. Кластерному анализу будут подвергаться только переменные Х. Т.к. переменные представлены в денежном выражении, для корректности анализа данные были стандартизованы с помощью пакета SPSS.

В результате многочисленных итераций с функциями и методами кластерного анализа был выбран вариант использования функции Евклидова расстояния с помощью метода Уорда. Проведём визуальный анализ полученный итоговой дендрограммы. (рис. 11)

Рис. 6 Дендрограмма методом Уорда

Исходя из рис. 11, было выделено 2 кластера. Всего в анализе участвовало 108 компаний, 14 компаний были исключены из анализа по причине отсутствия данных. В результате было выделено 2 кластера. Данные о кластерах приведены на круговой диаграмме (рис.12).

Рис. 7 Распределение компаний по кластерам

Исходя из кластерного анализа, выборка компаний была разделена на 2 кластера - на развитые и развивающиеся компании. В кластер №1 вошли 40 компаний, в основном лидеры и средние игроки российского рынка лизинга, например, «Сбербанк Лизинг», «ВТБ Лизинг» и «Газпромбанк Лизинг». В кластере №2 вошли 68 компаний, преимущественно средние и малые лизинговые компании. В целом такое разделение отражает реальное положение компаний на рынке.

Регрессионный анализ взаимосвязи основных показателей лизингового договора

Для данного анализа использовались данные 67 лизинговых компаний по таким показателям как: первоначальная стоимость договора, авансы, сроки и конечная стоимость договоров.

Таблица 3

Переменные для анализа

Источник: составлено автором

После того, как мы ввели переменные, построим регрессию в пакете Eviews

Рис. 8 Регрессионная модель

По результатам рисунка 8 можно сделать вывод о том, что R2 лежит в диапазоне от 0.8 до 0.95, что говорит об удовлетворенной аппроксимации( то есть модель в целом адекватно описывает влияние). Поскольку корреляция между конечной стоимостью договоров и первоначальной стоимостью имущества больше 8, то данная переменная не может быть включена в регрессионный анализ. Значимость отдельных коэффициентов меньше 0.05, то гипотеза о незначимости коэффициентов отвергается.

Рис. 9 распределение частот

Теоретическая вероятность равна 0, поэтому гипотеза о незначимости модели отвергается.

LnPrice=1,95+0,83*LnPrepaym+0,025*Years

Рис. 10 Анализ остатков

На рисунке 10 видно, что остатки подчиняются нормальному закончу распределения. Значение VIF меньше 4, значит данная модель может быть признана адекватной ввиду отсутствия мультиколлинеарности

2.6 Выборки лизинговых компаний по основным показателям деятельности

Изучение и анализ статистической выборки-один из методов, применяемых в науке. Распределяя те или иные показатели по определенным одинаковым критериям и признакам, мы создаем некие группы, помогающие в исследовании явлений, в том числе бизнесов, например, лизинга.

Для анализа динамики лизингового бизнеса рассмотрим рыночные позиции лизинговых компаний за определенный промежуток времени. С этой целью сделаем рэнкинги и рейтинги участников лизингового рынка по главным показателям, которые характеризуют лизинговую деятельность.

Таблица 4

Рэнкинг показателя нового бизнеса за период

Источник: составлено автором на основе данных «Эксперт РА»

Представленные данные наглядно демонстрируют «засилье» государственных или псевдогосударственных, принадлежащих различным государственным концернам, холдингам, предприятиям, лизинговых организаций. Поэтому, к сожалению, на сегодня с большой натяжкой можно говорить о рыночности в этом сегменте экономики.

Тем не менее, цифры показывают успешное поступательное развитие лизинга в стране, темпы роста значения показателя объема нового бизнеса демонстрируют восходящую динамику.

Кроме того, необходимо отметить достаточно устоявшуюся группу лидеров бизнеса, которые не меняются во главе таблицы в течение нескольких лет, причем десятка первых лизинговых компаний сконцентрировала более семидесяти процентов сектора.

Вопрос недостаточности информации о рынке вновь встал на повестке, так как довольно крупный и уже не новый участник рынка-« Газпромбанк Лизинг» попал в рэнкинг только тогда, когда решил предоставить информацию о себе экспертам.

Также представленная информация позволяет выявить еще одну особенность лизингового рынка-компании, как финансовые институты, создаются, как правило, кредитными организациями, что позволяет лизинговым компаниям достаточно просто получать доступ к ресурсам, тем более, если они в большинстве случаев государственные, не заботясь о своей капитализации и инвестиционной привлекательности бизнеса.

Таблица 5

Рэнкинг показателя суммы новых договоров лизинга

Источник: составлено автором на основе данных «Эксперт РА»

Второй рэнкинг, в основном, подтверждает основные выводы, которые были сделаны выше, а именно: подавляющее присутствие государственных компаний среди лидеров рынка, которые также аккумулируют более семидесяти процентов от его общего объема, снова первая тройка компаний находится в слишком большом отрыве от основных преследователей.

Таблица 6

Рэнкинг по показателю портфеля лизинговых договоров

Источник: составлено автором на основе данных «Эксперт РА».

Данные Таблицы 5 имеют более продолжительные исторические корни, так как дюрация лизингового портфеля лидеров рынка, занимающихся в том числе сделками с железнодорожным, водным, воздушным транспортом и недвижимостью, имеющими длительные сроки полезного использования, составляет более пяти лет, но, тем не менее, все, ранее сделанные выводы подтверждаются и на таком временном отрезке.

Таблица 7

Рэнкинг показателя количества заключенных сделок