Главная  Журналы  Национальные интересы: приоритеты и безопасность  2(407) - 2022 февраль

Оценка инвестиционной привлекательности металлургических компаний

Получена: 25.10.2021

Получена в доработанном виде: 29.11.2021

Одобрена: 19.12.2021

Доступна онлайн: 15.02.2022

Рубрика: Инновации и инвестиции

Коды JEL: G24, G32

Страницы: 321–340

https://doi.org/10.24891/ni.18.2.321

Предмет. Инвестиционная деятельность.
Цели. Анализ инвестиционного потенциала металлургических компаний России.
Методология. Применены методы регрессионного корреляционного анализа.
Результаты. Разработаны корреляционные матрицы и регрессионные модели, с помощью которых были отобраны риск-доминирующие факторы и макроэкономические показатели для оценки инвестиционной привлекательности.
Выводы. Модель прогнозирования котировок курса акций позволит комплексно оценить ситуацию и принять рациональные и эффективные управленческие решения, способствующие повышению конкурентоспособности компании.

Ключевые слова: индикаторы, инвестиционная привлекательность, потенциал, эффективность, регрессионный анализ, акции, капитализация

Список литературы:

1. Ендовицкий Д.А., Бабушкин В.А., Батурина Н.А. и др. Анализ инвестиционной привлекательности организации: монография. М.: КноРус, 2014. 374 с.
2. Попов М.С., Лутовинов П.П. Использование категорий потенциала в системе принятия решений по управлению производственно-инновационной деятельностью предприятия // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2010. № 20. С. 57–62. URL: Link
3. Друкер П.Ф. Практика менеджмента. М.: Вильямс, 2007. 397 с.
4. Каплан Р.С., Нортон Д.П. Сбалансированная система показателей: от стратегии к действию. М.: Олимп-Бизнес, 2004. 294 с.
5. Матяш И.В. Проблемы анализа рыночной системной эффективности предприятий // Известия Алтайского государственного университета. 2010. № 2-1. С. 253–262. URL: Link
6. Ларионова И.А., Рожков И.М., Костюхин Ю.Ю. и др. Формирование оценочного вектора для диагностики экономической ситуации на предприятии // Экономика промышленности. 2019. Т. 12. № 1. С. 56–68. URL: Link
7. Antunes F., Ribeiro B., Pereira F. Probabilistic Modeling and Visualization for Bankruptcy Prediction. Applied Soft Computing, 2017, vol. 60, pp. 831–843. URL: Link
8. Daemi A., Kodamana H., Huanga B. Gaussian Process Modelling with Gaussian Mixture Likelihood. Journal of Process Control, 2019, vol. 81, pp. 209–220. URL: Link
9. Zelenkov Yu., Fedorova E., Chekrizov D. Two-step Classification Method Based on Genetic Algorithm for Bankruptcy Forecasting. Expert System with Applications, 2017, vol. 88, p. 393–401. URL: Link
10. Liang D., Lu C.-C., Tsai C.-F., Shih G.-A. Financial Ratios and Corporate Governance Indicators in Bankruptcy Prediction: A Comprehensive Study. European Journal of Operational Research, 2016, vol. 252, iss. 2, pp. 561–572. URL: Link

Посмотреть другие статьи номера »