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 найбіл&ьше 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. Мод&ель 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 характе&рною 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 o&n 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 r&egression 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 mo&dels 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 high&est 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 financia&l 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, кото&рый 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 ф&
З 31.12.2014 по 01.03.2015 Наукова бібліотека читачів не обслуговує.
