заборгованість, задолженность ; леверидж (операційний важіль, виробничий леверидж), операционный рычаг, производственный леверидж, operational leverage ; фінансові кластери, финансовые кластеры
За методом k-середніх проведено кластерний аналіз вибірки із 73 ТНК, який дозволив виявити статистичні особливості фінансового левериджу та структури капіталу досліджуваних корпорацій із урахуванням також їхньої галузевої специфіки. Кластеризація проведена за трьома критеріями: значенням коефіцієнта заборгованості, рівнем прямого фінансового левериджу - лінійний коефіцієнт парної регресійної моделі впливу коефіцієнта заборгованості на ROI та рівнем непрямого фінансового левериджу - лінійний коефіцієнт парної регресійної моделі впливу коефіцієнта короткотермінової заборгованості на поточну ринкову вартість акцій. У рамках вибірки виявлено та кількісно ідентифіковано три сталих моделі фінансового левериджу. Модель негативного фінансового левериджу передбачає негативний ефект як від прямого, так і від непрямого фінансового левериджу, а також низьку частку позикових коштів у структурі капіталу. Ця модель є характерною для нафтової промисловості, здебільшого - для корпорацій фармацевтичної та видобувної галузі, і частково - для компаній електротехнічної та харчової сфери. Для моделі найбільшого прямого фінансового левериджу характерним є друге серед кластерів найбільше (але - позитивне) середнє значення ефекту непрямого фінансового левериджу та найбільше значення ефекту прямого фінансового левериджу. Рівень використання позикових коштів у ТНК цієї моделі відносно високий. Вона описує ТНК, котрі мають нетипові значення за критеріями кластеризації, що не дозволило зробити галузеві узагальнення. Модель найбільшої заборгованості передбачає використання найбільшого обсягу позикових коштів, а також демонструє помірний позитивний ефект непрямого фінансового левериджу та мінімальний негативний ефект прямого фінансового левериджу. Ця модель є характерною для ТНК сфери оптової торгівлі, здебільшого - для корпорацій комунальної, телекомунікаційної та автобудівної галузей.
The cluster analysis applying the k-means method has been carried out. The analysis allowed discovering statistical features on financial leverage and capital structure of explored MNEs considering their industrial specificity as well. Clusterization was performed by thee criteria: the level of debt ratio; the level of direct financial leverage by means of the pair linear regression factor reflecting the influence of debt ratio on ROI; the level of indirect financial leverage by means of the pair linear regression factor reflecting the influence of shortterm debt ratio on current market stock price. Three persistent models of financial leverage have been revealed and quantitatively identified. The model of reverse financial leverage implies the existence of reverse effect either from direct or indirect financial leverage as well as the low share of debt in capital structure. This model is typical for oil industry, mostly typical for pharmaceutical and mining industries and partially typical for electronics and food industries. The highest direct financial leverage model can be distinguished by the second highest among clusters (but-positive) average value of indirect financial leverage effect and the highest direct financial leverage effect among clusters. The level of debt usage in this model is relatively high. It describes only MNEs having not typical values of clusterization criteria. This did not allow to make sectoral generalizations. The highest debt model implies the use of the largest share of debt in their capital structure. This model shows the average positive effect of indirect financial leverage and the minimal reverse effect of direct financial leverage. It is typical for wholesale trade MNEs and mostly typical for utilities, telecommunications and motor vehicles corporations.
Проведен кластерный анализ по методу k-средних, который позволил выявить статистические особенности финансового левериджа и структуры капитала исследуемых корпораций с учётом также их отраслевой специфики. Кластеризация проведена по трём критериям: значению коэффициента задолженности, уровню прямого финансового левериджа - линейный коэффициент парной регрессионной модели влияния коэффициента задолженности на ROI и уровню непрямого финансового левериджа - линейный коэффициент парной регрессионной модели влияния коэффициента краткосрочной задолженности на текущую рыночную стоимость акций. В рамках выборки выявлены и количественно идентифицированы три устойчивые модели финансового левериджа. Модель негативного финансового левериджа предполагает негативный эффект как от прямого, так и от непрямого финансового левериджа, а также низкий уровень заёмных средств в структуре капитала. Эта модель является характерной для нефтяной промышленности, в основном - для фармацевтической и добывающей отраслей и частично - для электротехнических и пищевых ТНК. Для модели наибольшего прямого финансового левериджа характерным является второе среди кластеров (но - положительное) среднее значение эффекта непрямого финансового левериджа и наибольшее значение эффекта прямого финансового левериджа. Уровень использования заёмных средств у ТНК этой модели относительно высокий. Она описывает ТНК, у которых нетипичные значения по критериям кластеризации, что не позволило провести отраслевые обобщения. Модель наибольшей задолженности предполагает использование наибольшей доли заёмных средств, а также демонстрирует умеренный положительный эффект непрямого финансового левериджа и минимальный эффект прямого финансового левериджа. Эта модель характерна для ТНК сферы оптовой торговли и в основном - для корпораций коммунальной, телекоммуникационной и автомобилестроительной отраслей.
