Оценка качества применения корректирующих условий в российском антимонопольном регулировании

Оценка качества применения корректирующих условий в российском антимонопольном регулировании

Оглавление

Введение

Глава 1. Корректирующие условия: необходимость использования и методы оценки качества

1.1 Корректирующие условия: сущность и виды

.2 Качественные методы оценки применения корректирующих условий: зарубежный опыт

1.3 Количественные методы оценки применения корректирующих условий: зарубежный опыт

Глава 2. Оценка качества применения корректирующих условий в российском антимонопольном регулировании

2.1 Выдвижение гипотез и построение модели

.2 Обсуждение результатов оценивания

Глава 3. Применение корректирующих условий: случай электроэнергетики

3.1 Коррекция сделок с участием группы ИНТЕР РАО ЕЭС

.2 Моделирование процесса принятия решений антимонопольными органами относительно слияний и поглощений: случай электроэнергетики

Заключение

Список использованной литературы

Специальная литература

Приложения

Введение

Антимонопольное регулирование имеет ряд традиционных направлений. Одним из таких направлений является контроль слияний, поглощений и подобных сделок, т.е. «сделок, осуществление которых оказывает влияние на состояние конкуренции» [1, ст. 4].

Регулируя слияния и поглощения, антимонопольные органы могут вынести три решения относительно слияний: разрешить сделку, запретить сделку, или же одобрить сделку с вынесением ряда условий. Вынесение условного разрешения нацелено на сохранение положительных эффектов от слияния и элиминирование возможных негативных последствий. Например, условное разрешение осуществить сделку позволяет фирмам сохранить возникающий синергетический эффект, который был бы утерян при вынесении запрета слияния.

С помощью корректирующих условий антимонопольный орган ограничивает деятельность компаний (требование продать часть активов или ограничение цен). Регулируя деятельность фирм, антимонопольный орган вмешивается в структуру рынка, тем самым вызывая непредсказуемые и необратимые последствия. Поэтому от деятельности Федеральной Антимонопольной Службы (далее ФАС) зависит состояние конкурентной среды и, следовательно, общественное благосостояние. По этой причине оценка эффективности вмешательства антимонопольного органа (использования средств коррекции) является актуальной как в России, так и за рубежом. Очень важно понять, что заставляет антимонопольные органы вмешиваться в деятельность рынка и нужно ли вмешиваться антимонопольному органу в принципе.

Тема оценки эффективности работы антимонопольных органов хорошо рассмотрена в зарубежных странах. Наиболее известными работами в этой области являются крупные исследования, проводимые антимонопольными органами Соединенных Штатов Америки (далее США) и Европейского Союза (далее ЕС): «A study of the commission’s divestiture process» (A study of…, 1999) и «Merger Remedies Study» (Merger Remedies Study, 2005). Также интересующая нас тема хорошо исследована в статьях зарубежных исследователей - это статьи Т. Дюсо с соавторами (Duso T. et al., 2006), В. Лонга с соавторами (Long W. et al., 1973), М.Б. Коата и др. (Coate M.B. et al, 1990), Р.С. Кхемани и др. (Khemani R.S. et al., 1993), М.Бергмана и др. (Bergman M. et al., 2005).

В России данная тема исследована в основном на качественном уровне С. Авдашевой, Н. Дзагуровой, П. Крючковой, Г. Юсуповой (Авдашева С., Дзагурова Н. и др., 2011), С. Авдашевой и А. Шаститко (Авдашева С. и др., 2007, 2008), С. Авдашевой и П. Крючковой (Авдашева С. и др., 2011).

Поэтому целью данной работы является исследование результатов применения корректирующих условий в российском антимонопольном контроле слияний и поглощений в период 2010-2012 годов. 2008 и 2009 года были исключены из рассмотрения, потому что в этот период наблюдался мировой экономический кризис. Для этого проведем 2 взаимодополняющих исследования: оценим эффективность применения корректирующих условий в российском антимонопольном регулировании и рассмотрим кейс - применение корректирующих условий в отрасли электроэнергетики.

В ходе работы для достижения цели необходимо решить следующие задачи:

¾      исследовать теоретическую базу (сущность корректирующих условий, их виды и необходимость их использования);

¾      изучить методы, с помощью которых зарубежные исследователи оценивали деятельность антимонопольного органа, с целью выбора одного из них;

¾      сформировать базу данных;

¾      выдвинуть гипотезы;

¾      построить и оценить эконометрические модели (logit);

¾      дать интерпретацию полученных результатов;

¾      рассмотреть в качестве кейса использование средств коррекции в электроэнергетике;

¾      построить эконометрические модели для отрасли электроэнергетики;

¾      проинтерпретировать полученные результаты.

Объект данной работы - контроль слияний и поглощений, а предметом данной работы являются факторы, которыми руководствуется ФАС при принятии решений.

В ходе исследования будут использованы как количественные (модели дискретного выбора), так и качественные методы (ex-post анализ).

Эмпирической базой для использования моделей дискретного выбора послужат тексты решений ФАС, выданные за 2010-2012 годы. Данные будут взяты с официального сайта ФАС. Информационной базой для проведения ex-post анализа послужат обзоры антимонопольных органов (38), в которых описывается анализ отрасли электроэнергетики, и доклады о состоянии конкуренции за 2010-2012 годы (41, 42), которые также написаны ФАС.

Эконометрические модели будут построены с помощью программы SPSS Statistics 19.

В первой главе будет проведен обзор теоретический базы и зарубежных методов, посвященных изучаемой теме исследования. Во второй главе будет проведена оценка применения корректирующих условий в российской практике антимонопольного регулирования с помощью моделей дискретного выбора. В третьей главе будет проведен кейс - оценивание деятельности антимонопольного органа в электроэнергетике.

Глава 1. Корректирующие условия: необходимость использования и методы оценки качества

Для того чтобы оценить качество российского антимонопольного регулирования, сначала необходимо понять, что представляют собой средства коррекции, их виды и случаи, в которых они применяются. Затем важным этапом является выбор метода исследования. Для этого необходимо изучить зарубежные качественные и количественные исследования, посвященные данной теме. Только изучив ряд исследований, которые используют разные методы оценки эффективности антимонопольного регулирования, мы сможем выбрать метод для собственного исследования.

В первом параграфе мы изучим, что такое средства коррекции, каких видов они бывают, какие проблемы они могут вызывать и объясним зачем они используются. Во втором и третьем параграфах будет представлен анализ качественных и количественных исследований соответственно.

.1      Корректирующие условия: сущность и виды

Контроль слияний и поглощений - одна из базовых функций антимонопольного регулирования как в России, так и во всем мире. «Те сделки, которые являются крупными и потенциально создают угрозу для конкуренции, подлежат рассмотрению в антимонопольных органах» [32].

По своей природе слияния и поглощения приводят к ослаблению конкуренции на рынке. Последствия слияний для потребителей и общества могут быть как положительными, так и отрицательными. Отрицательное последствие такой сделки - уменьшение общественного благосостояния из-за увеличения монопольной власти фирм, т.е. получив монопольную власть, фирмы начинают извлекать большую прибыль за счёт уменьшения потребительского излишка (несправедливое перераспределение прибыли). Другим отрицательным последствием может быть неэффективность производства, причиной которой является отсутствие стимулов контроля издержек. Но наряду с отрицательными эффектами слияний, могут возникать положительные эффекты: возникновение экономии от масштаба или синергетического эффекта, которые компенсируют возможные негативные последствия (Manne H.G., 1965).

Таким образом, компании, которые хотят объединиться, обращаются за разрешением в антимонопольный орган. Антимонопольный орган в этом случае может вынести один из трех вариантов решений: запретить сделку, одобрить сделку или же разрешить сделку, но с вынесением корректирующих условий (remedies).

Вынесение корректирующих условий (предписаний или средств коррекции) происходит, когда слияние несет потенциальную угрозу конкуренции. Используя данный инструмент (корректирующие условия) антимонопольный орган вмешивается в структуру рынка, регулируя деятельность фирм. Таким образом он уходит от отказа. Это позволяет сохранить возможные положительные эффекты от сделки, элиминируя при этом негативные последствия.

Отказы выносятся в крайних случаях, когда сделка может нанести явную угрозу конкуренции. Такой вариант решения антимонопольными органами выносится гораздо реже, чем решение разрешить сделку с выдачей предписания. Например, согласно докладу о состоянии конкуренции за 2011 (41) и 2012 (42) годы в России за период с 2007 по 2012 года доля отказов в среди всех решений антимонопольного органа (24818 сделок) составляет лишь 2% (505 сделок), в то время как доля условных разрешений составила 7% (1753). В Европейском Союзе наблюдается аналогичная ситуация: за период с 1990 года по 2012 год всего было подано 5228 заявлений на слияние, из которых в 24 (менее 1%) случаях выдан отказ, и в 319 (6%) случаях выдано предписание (219 на первой фазе рассмотрения, 100на второй фазе рассмотрения) (24).

В России нет официального документа, в котором бы содержалось определение корректирующих условий и рекомендации к их эффективному использованию. В отличии от России, в США и ЕС есть различные исследования (как самих антимонопольных органов, так и ученых), в которых особое внимание уделяется изучению средств коррекции.

В ЕС под корректирующим условием понимается «вид обязательства, которое берут на себя объединяющиеся фирмы, предназначенное для сохранения конкуренции» [39, С.12]. Главная задача корректирующего условия - сохранение конкуренции, а не защита отдельных фирм на рынке. Средство коррекции должно быть основано на применении экономических и согласующихся с законом принципах (39).

В США корректирующие условия определяют как «способ сохранения конкуренции на соответствующем рынке» [44, С.5].

Рассмотрим виды корректирующих условий.

Р.Г. Паркер и Д.А Балто. (Parker R.G. and Balto D.A., 2000) разделяют средства коррекции на две категории: структурные и поведенческие.

Структурные средства коррекции требуют перераспределения прав собственности и создания новых фирм (продажа целого действующего предприятия или продажа части активов предприятия). В качестве структурного средства коррекции в основном выступает продажа активов компании. Существует три типа продажи активов: продажа целого бизнеса, продажа части бизнеса и продажа активов сливающихся фирм (mix-and-match). Последний тип продажи активов является самым рискованным и требует более тщательного рассмотрения, так как в этом случае труднее определить сможет ли такая комбинация активов эффективно функционировать на рынке как целый бизнес и сможет ли создавать необходимый уровень конкуренции. На практике случаи продажи совместных активов встречаются очень редко.

Пакет активов на продажу может купить действующий конкурент на рынке или специально созданная для этого новая фирма. Важно, чтобы фирма-покупатель была «жизнеспособной», т.е. фирма должна быть способна осуществлять свою деятельность самостоятельно, независимо от действий объединившихся фирм, в отношении поставки исходных материалов и других форм сотрудничества с посредниками.

В качестве пакета активов на продажу могут выступать материальные активы (НИОКР, производство, распределение и маркетинговый отдел и отдел по продажам), нематериальные активы (права на интеллектуальную собственность, гудвилл), персонал, договоры о поставке, договоры купли-продажи, клиентская база, поставщики и т.д.

Проблемы, возникающие в результате применения структурных средств коррекции, были изучены М. Моттой (Motta M. Et al., 2002), Р.Г. Паркером и Д.А.Балто (Parker R.G. and Balto D.A., 2000).

В исследованиях было выявлено, что продавцы (компании, которым были выданы требования продать активы) могут вести себя таким образом, что возникает угроза успешной передаче активов и входу покупателя на рынок:

¾   продавцам выгодно предлагать слишком маленький пакет активов;

¾      продавцам выгодно предлагать слабых покупателей;

¾      продавцы своим стратегическим поведением часто пытаются препятствовать успеху покупателю;

¾      у продавцов зачастую нет стимулов сотрудничать или оказывать помощь покупателю в течение периода передачи активов.

Также одной из важных выделенных исследователями проблем является проблема сохранения длительных отношений между продавцом и покупателем после осуществления продажи активов (соглашение о поставке, требование о технической помощи), что приводит к уязвимости покупателя. Например, исследование показало, что из 19 случаев длительных отношений 6 случаев привели к неэффективному функционированию покупателя на рынке, а в семи случаях длительное взаимодействие было максимально вредным. Но тем не менее, длительные взаимоотношения являются очень важными при продаже не целого бизнеса, а части активов. Например, длительные отношения необходимы в случае регулирования слияния фармацевтических предприятий, так как когда покупателю требуется временный поставщик, которым является продавец активов. Хотя исследование показало, что продолжительное взаимодействие сторон может вызывать проблемы, часто они наоборот помогают сторонам достичь успеха на рынке.

Другой не менее важной проблемой является плохая информированность покупателей, асимметрия информации. Покупатели могут не знать, какие именно активы необходимы, чтобы успешно функционировать на рынке, и подходят ли предлагаемые продавцом активы для успешного выхода на рынок.

Также бывает, что Комиссия и покупатели имеют разные цели, что ведет к невыполнению выдвинутых антимонопольным органом требований.

В 1996 году на основе исследования Д.А. Балто Бюро Конкуренции приняло ряд реформ и пришло к следующим выводам:

¾ необходимо чаще использовать предварительных покупателей (up-front buyers);

¾      необходимо сократить период продажи активов для того, чтобы минимизировать риск вреда, нанесенного во время периода осуществления продажи, в результате этот период был сокращен с 12 до 3-4 месяцев;

¾      необходимо увеличить использование структурных средств коррекции. Чем ближе продажа пакета активов, тем больше вероятность сохранения конкуренции на рынке после слияния;

¾      необходимо использовать временного доверительного управляющего (trustee), особенно при передаче технологий.

Поведенческие средства коррекции накладывают ограничения на права собственности сливающихся фирм: запрет злоупотреблять доступными активами; принудительное лицензирование или доступ к интеллектуальной собственности. Это обязательства, направленные на обеспечение одинаковых условий покупки и использования ключевых активов, материалов или технологий для всех фирм в результате слияния. Этот метод обычно используется при вертикальной интеграции, так как обычно вертикально интегрированная фирма может закрыть доступ конкурентам к ресурсам или к продуктам. Примером поведенческих средств коррекции может служить обязательство обеспечить конкурентам одинаковый доступ к ресурсам или обязательство не использовать ценовую дискриминацию.

М. Мотта (Motta M. Et al., 2002) в своей статье выделяет также квазиструктурные средства коррекции. Это средства коррекции контрактного типа. Когда фирма имеет лицензию на технологию и доступ для соперника закрыт, или когда у фирмы есть эксклюзивный долгосрочный контракт на активы или ресурсы, то средство коррекции заключатся в отмене или сокращения условий этих контрактов.

В США и ЕС в большинстве случаев применяется использование структурных средств коррекции: продажа пакета активов предприятия, части пакетов активов или продажа совместных активов. Поведенческие средства коррекции считаются менее приемлемым решением, так как они часто включают в себя наложение ограничений после осуществления слияния (Balto D.A. et al., 2000). Более того, поведенческие средства коррекции и контрактные обязательства требуют продолжительного контроля со стороны комиссии, в отличие от структурных предписаний, которые этого не требуют. Но структурные предписания являются более рискованными и их последствия необратимы (Motta M., 2002).

В России преобладает использование поведенческих предписаний - это связано со спецификой антимонопольного регулирования. Изучение эволюции антимонопольного законодательства в части контроля слияний и поглощений, показало, что важным шагом в развитии российского антимонопольного регулирования стало вступление в силу закона «О защите конкуренции» 26 июля 2006 года. Закон объединил два ранее принятых нормативных акта: «Закон о конкуренции и ограничении монополистической деятельности на товарных рынках» (1991) и «Закон о защите конкуренции на рынке финансовых услуг» (1999). Закон «О защите конкуренции» учитывает не только российскую специфику и российский опыт национального антимонопольного органа, но и практику, сложившуюся в странах Евросоюза и североамериканскую практику (37).

В течение пяти лет существования закона «О защите конкуренции» было введено три пакета поправок: в 2007 году, 2009 году и в январе 2012 года. Такое частое введение изменений обосновано, но оно затрудняет принятие решений при рассмотрении разных периодов.

Качество антимонопольного регулирования в России исследовано на качественном уровне в работах С. Авдашевой, Н Дзагуровой., П Крючковой., Г. Юсуповой (Авдашева С., Дзагурова Н. и др., 2011), С. Авдашевой и А. Шаститко (Авдашева С. и др., 2007, 2008), С. Авдашевой и П. Крючковой (Авдашева С. и др., 2011).

Резюмируя сказанное, важно отметить, что использование антимонопольным органом средств коррекции - это способ сохранить положительные эффекты от слияния, устраняя при этом его негативные последствия. Такое ужесточение контроля сопровождается вмешательством антимонопольных органов в структуру рынка. Поэтому важно оценить является ли эффективным вмешательство антимонопольного органа в структуру рынка, эффективна ли его (антимонопольного органа) деятельность.

Перейдем к изучению исследований на тему оценки эффективности антимонопольного регулирования и методов, используемых в этих исследованиях.

.2      Качественные методы оценки применения корректирующих условий: зарубежный опыт

В этом параграфе мы проанализируем результаты качественных исследований, проводимых антимонопольными органами США и ЕС. Это позволит составить общее представление о степени изученности средств коррекции в мире, понять критерии оценки их эффективности и выбрать методику для оценки качества антимонопольного регулирования в России. Для этого рассмотрим условия проведения исследований, тип анализируемых корректирующих условий, изначально поставленные цели и полученные результаты.

Исследование Федеральной Торговой Комиссии США.

Исследование процесса продажи активов («A Study Of The Commission’s Divestiture Process») стало пионерской работой в области эффективной реализации средств коррекции слияний. Оно было проведено сотрудниками отдела по конкуренции Федеральной Торговой Комиссии (the Bureau of Competition of the Federal Trade Commission) в 1999 году. Данные для исследования были получены в результате проведения интервью в формате ситуационного исследования, которое позволяет понять почему в каждом случае было выдвинуто то или иное средство коррекции, а также проследить процесс реализации средств коррекции. Исследование включает анализ только структурных средств коррекции, таких как требований продажи активов, которые были выдвинуты с 1990 года по 1994. За этот период было выдвинуто 35 требований (включая лицензирование интеллектуальной собственности), и в результате комиссией было одобрено 50 случаев продажи активов. Для исследования были опрошены 37 из 50 покупателей активов, восемь участников слияний и двое независимых представителей.

Требования, рассмотренные в исследовании, включают продажу разнообразных пакетов активов (от пакетов активов автономных дочерних компаний до неэксклюзивных лицензий на патенты и ноу-хау) и выдвигаются предприятиям, работающим в различных отраслях: розничная торговля, сфера услуг, производство товаров конечного использования, промышленная отрасль. В исследовании также наблюдается разнообразие покупателей активов на продажу: от международных, многофилиальных фирм до индивидуальных предпринимателей, ищущих новые возможности для бизнеса. Цена за пакет активов ранжируется от одной тысячи долларов до сотни миллионов долларов.

Цель проведенного обзора - определить, обеспечил ли необходимую конкуренцию покупатель активов на продажу, и определить, есть ли какие-то систематические причины неудачи выхода на рынок некоторых покупателей активов. Исследование направлено на увеличение эффективности применения требования продажи активов, а также обеспечение помощи при принятии решения в особых случаях.

Основной целью применения требования продать часть активов является сохранение конкуренции на рынке. Сохранение прежнего уровня конкуренции, сниженного в результате слияния, может обеспечить достойный игрок рынка, который не позволит объединенной компании диктовать свои условия и действовать как монополист. Так как сам факт продажи активов может не изменить ситуацию на рынке, исследование фокусируется на покупателях активов, которые и должны стать достойными конкурентами. Тот, кто покупает активы, должен быть конкурентоспособным, он должен быть способен грамотно управлять активами и создавать необходимую конкуренцию, которая в результате слияния была потеряна (A Study of the Commission’s Divestiture Process, 1999).

Несмотря на то, что интервью было проведено в формате ситуационного исследования, были сделаны некоторые количественные выводы:

Во-первых, три четверти случаев продажи активов (28 из 37 покупателей), рассмотренных в исследовании, были успешными на рынке и принесли ожидаемый результат (успешной продажей активов считается ситуация, когда покупатель способен относительно быстро действовать на соответствующем рынке и составлять эффективную конкуренцию остальным игрокам рынка).

Во-вторых, продажа самостоятельно действующего бизнеса проходила успешнее, чем продажа части активов бизнеса (например, интеллектуальная собственность, технологии или ноу-хау, бренд, НИОКР и отдельные части оборудования). Из 37 случаев продажи активов 22 случая - продажа целого бизнеса (19 из которых успешные), 15 - продажа отдельной части бизнеса (9 из которых успешные).

В-третьих, продолжительное взаимодействие между покупателем и продавцом после осуществления продажи активов часто создает неожиданные проблемы для одних покупателей, увеличивая их уязвимость, и помогает преуспеть другим участникам рынка. Из 37 покупателей 19 продолжали взаимодействовать с продавцами. Только в шести случаях взаимодействие оказалось полезным для деятельности покупателя, в остальных случаях это привело к невозможности функционировать на рынке или к ухудшению деятельности предприятия.

В-четвертых, мелкие фирмы-покупатели были успешными на рынке так же, как и крупные фирмы-покупатели, и поэтому мелкие фирмы являются не менее конкурентоспособными покупателями, чем крупные фирмы.

В исследовании выделяют 3 характеристики покупателя, которые могут способствовать успешной деятельности приобретенного бизнеса: знания бизнеса и опыт, степень обязательств покупателя перед рынком и размер фирмы-покупателя.

В результате исследования были выделены особенности поведения фирм-продавцов, которые могут привести к проблемам реализации требования продажи активов. Фирме-продавцу выгодно:

¾      убедить комиссию уменьшить пакет активов на продажу, доказывая, что этого хватит для эффективного функционирования;

¾      убедить комиссию продать активы слабому претенденту, так как ей не выгодно создавать для себя сильного нового конкурента;

¾      принимать какие-либо действия для уменьшения «жизнеспособности» отданной части бизнеса, таким образом пытаясь устранить нового конкурента.

Также были выделены проблемы, с которыми сталкиваются покупатели активов.

Во-первых, отсутствие опыта управления соответствующими активами на продажу: в основном покупатели не знают важных свойств и особенностей приобретаемых активов, что приводит к ошибкам в управлении этих активов и, в дальнейшем, к банкротству.

Во-вторых, отсутствие у покупателя преимущества во время переговоров относительно условий продажи активов: покупатели, договариваясь об условиях продажи активов и размерах активов, часто думают, что есть другие претенденты, заинтересованные в покупке этих активов, и вследствие этого не настаивают на выгодных для себя условиях, боясь, что продавец выберет другого покупателя, предлагающего более выгодные условия для продавца.

В-третьих, умалчивание о проблемах, возникших с фирмой-продавцом: причиной умалчивания является страх покупателей, покупатели думают, что, если продавец узнает, что на него подавали жалобу, то он откажется сотрудничать с этим покупателем.

Другими препятствиями эффективному применению наложенных мер являются сложности передачи технологий, различие целей покупателей и целей комиссии, а также трудности определения размера пакета активов на продажу.

В исследовании даются следующие рекомендации повышения эффективности применения структурного средства коррекции - продажи активов:

Во-первых, необходимо стимулировать фирмы-продавцов достигать эффективной продажи активов.

а)      Назначить доверенного управляющего. Доверенный управляющий имеет неограниченный доступ к средствам и технологиям покупателя и продавца, и при любом случае несоблюдения условий или возникновения проблем доверенное лицо сообщит об этом комиссии, так как это его обязанность. Он создает основу для доверия между покупателем и продавцом, которые в действительности не имеют общих интересов. Большим плюсом доверенного лица является его техническое образование, которое помогает найти способы решения некоторых проблем, которые ни покупатель, ни продавец не предвидели.

б)      Выдвинуть требование угрозы отчуждения самого ценного у продавца в случае неудачной продажи активов. В результате продавец будет бояться лишения основы его бизнеса и будет способствовать эффективной продаже активов и созданию конкурентоспособности покупателя. Это требование не является наказанием, благодаря этому требованию продавец понимает, что есть угроза снижения стоимости его бизнеса.

в)      Выдвинуть требование косвенных убытков в случае неудачной передачи активов. Обычно контракт не предусматривает возмещение убытков при неудачной передачи активов.

Во-вторых, необходимо способствовать успешной деятельности покупателей:

¾      убедиться, что покупатель имеет доступ к достоверной информации;

¾      выбрать конкурентоспособного покупателя (необходимо учитывать знания, опыт, размер предприятия);

В-третьих, необходимо способствовать передаче информации о бизнесе:

¾      продавец должен предоставить покупателю права на все связанные с предприятием технологии;

¾      продавец должен предоставить покупателю право на техническую помощь;

¾      продавец должен предоставить покупателю право изучать переданное оборудование в процессе его (оборудования) работы;

¾      продавец должен предоставить право покупателю нанимать на работу людей из объединившегося предприятия, которые обладают особыми знаниями относительно переданных активов.

Исследование Европейской Комиссии.

Исследование случаев применения средств коррекции «Merger Remedies Study», вышедшее в октябре 2005 года, было проведено членами Европейской Комиссии. В исследовании за пятилетний период (1996 - 2000) анализируются 40 решений и 96 средств коррекции, принятых Комиссией. Одно решение, как правило, оценивает влияние планируемого слияния на несколько рынков и поэтому может включать сразу несколько различных средств коррекции. В исследовании анализируются все принятые средства коррекции. При создании выборки для исследования средств коррекции использовались три критерия:

¾      тип средства коррекции (структурное или поведенческое);

¾      число средств коррекции, принятых в первой и второй фазе расследования;

¾      принадлежность соответствующей отрасли.

Данные для исследования были получены в результате проведения интервью открытого формата. Анкеты были сделаны специально для каждого типа опрашиваемого: продавец бизнеса (the committing party), владелец лицензии (licensor or grantor); покупатель (buyer, licensee); доверенный управляющий (trustee). Также проводили интервью с потребителями, с поставщиками или с конкурентами. Всего было опрошено 145 респондентов: 40 продавцов активов, 61 покупатель, 37 доверенных управляющих и 7 независимых представителей. Анкеты содержали около 120 вопросов, открытый формат интервью позволял задавать дополнительные и уточняющие вопросы, возникающие по ходу интервью.

Целью этого исследования было повышение эффективности применения средств коррекции и выявление факторов и процессов, которые могут положительно или отрицательно влиять на разработку и реализацию средств коррекции.

В ходе исследования процесса реализации средств коррекции возникали методологические трудности. Одна из них заключается в том, что исследование основано только на данных, полученных только от ключевых участников рынка (три типа опрашиваемых указаны выше), т.е. отсутствие полноценного исследования нового рассматриваемого рынка. Вторая трудность заключается в том, что существуют внешние факторы, которые могут повлиять на наблюдаемый результат применения средств коррекции. Т.е. после применения средства коррекции исследователи пытаются определить влияние принятых мер на общий результат, но параллельно с применением средства коррекции на этом же рынке могло произойти что-то (внешний фактор), что также могло повлиять на общий результат. Таким образом, возникает проблема: что больше повлияло на изменение ситуации после применения средства коррекции? Само средство коррекции или же внешний фактор? В качестве примера можно привести случай в энергетическом секторе, в котором было применено средство коррекции параллельно с важными мерами по либерализации. Исследование в результате не смогло определить, что больше повлияло на результат: средство коррекции или же либерализация. Также другим примером влияния внешнего фактора может послужить вход на рынок важного конкурента двумя годами позже применения средства коррекции. В этой ситуации также сложно определить применение средства коррекции или же вход на рынок крупного конкурента повлиял на рынок. Эти ограничения и сложности могли повлиять на результаты исследования.

В исследовании проанализированные средства коррекции разделены на четыре типа:

¾      требование изменить рыночную позицию;

¾      требование выйти из совместного владения предприятием;

¾      требование предоставить доступ;

¾      другие требования.

Требование изменить рыночную позицию (сommitments to transfer a market position) направлено на повторное создание конкурентных преимуществ бизнеса путем продажи части активов, что накладывает существенное конкурентное ограничение на слившиеся стороны. Существует 4 типа осуществления этого требования:

¾      продажа контрольного пакета акций «жизнеспособной» самостоятельной компании (15 средств коррекции);

¾      продажа части активов одного предприятия (37);

¾      продажа части совместных активов нового предприятия (9);

¾      продажа или предоставление долгосрочной эксклюзивной лицензии, бессрочной или действующей до истечения срока патентной защиты (8).

Средства коррекции, которые касаются выдачи долгосрочных лицензий на определенные IT права, выдвигаются с целью передать компанию подходящему конкуренту, что повлечет за собой восстановление конкуренции на рынке. Другие лицензии прав интеллектуальной собственности обеспечивают доступ другим участникам рынка к активам или ресурсам.

Требование изменить рыночную позицию - наиболее распространенный вид коррекции. Ему свойственен риск реализации, этот риск связан с определением прав компании, сохранением активов на продажу во время их передачи, и с самой передачей активов новому владельцу, который должен развивать и поддерживать их на конкурентном уровне на рынке.

Требование выйти из совместного владения предприятием (сommitments to exit from a JV) заключается в том, чтобы объединившиеся стороны отказались от их совместного контроля над бизнесом путем передачи контроля подходящему покупателю. Как правило, покупателем в этом случае становится нынешний партнер совместного предприятия. Совместный контроль над предприятием должен быть ликвидирован навсегда.

Требование предоставить доступ (сommitments to grant access) - это меры, обеспечивающие участников рынка возможностью получить доступ к ключевым ресурсам, следовательно, снижающие барьеры входа на рынок. В исследовании выделяют три вида предоставления доступа:

¾      предоставление доступа к инфраструктуре или технической платформе;

¾      предоставление доступа к технологиям по лицензии или через другие права интеллектуальной собственности;

¾      наложение запрета на действие исключительного вертикального договора.

Для того чтобы оценить эффективность применения средств коррекции, исследователи создали показатель «индикатор эффективности», который классифицирует средства коррекции в зависимости от степени достижения цели поддержки и сохранения конкуренции. Средства коррекции классифицировали по четырем категориям:

¾      «Эффективные» средства коррекции - в результате продажи активов был создан «жизнеспособный» и эффективный конкурент;

¾      «Частично эффективные» средства коррекции - после продажи активов был создан новый конкурент, но у нового конкурента возникали проблемы, которые он не смог решить в течение пяти лет;

¾      «Неэффективные» средства коррекции - новому конкуренту не удалось сохранить конкуренцию, он был вынужден уйти с рынка;

¾      «Неясные» средства коррекции - существует неясность в определении, достигла ли новая фирма поставленной цели, или существует затруднение в определении того, что способствовало достижению цели: выдвинутое средство коррекции или какой-либо внешний фактор.

Анализ реализованных средств коррекции показал, что тип средства коррекции и тщательность подготовки его условий оказывают прямое влияние на его эффективность. Также был выделен ряд ключевых особенностей, на которые необходимо уделять внимание:

а)      размер пакета активов, выставленного на продажу (было выяснено, что неправильно выбранный пакет активов является основной проблемой, с которой сталкивается Комиссия при создании средства коррекции, а затем и его дальнейшего применения);

б)      разработка средств коррекции, непосредственно влияющих на третьи лица;

в)      мониторинг процесса продажи части имущества;

г)       выбору подходящего покупателя;

Рассмотренные нами исследования антимонопольных органов США и ЕС являются качественными. Данные для этих исследований были получены посредством проведения многочисленных интервью. Качественный метод исследования в нашем случае предоставляет следующие достоинства:

-       понять почему некоторые принятые меры были успешными, а другие - нет;

-       понять какие именно предъявляемые условия помогли в определенной ситуации;

-       совершенствовать определение условий контракта и характеристик покупателя для того, чтобы увеличить вероятность того, что продажа активов удастся.

Таким образом, основная цель исследований - дать рекомендации по разработке корректирующих условий и их эффективному применению. На основании этих исследований были созданы методические рекомендации по разработке и применении средств коррекции: «Guidelines on the assessment of horizontal mergers under the Council Regulation on the control of concentrations between undertakings», которыми пользуются Федеральная Торговая Комиссия и Европейская Комиссия соответственно. Оба исследования дают следующие рекомендации для успешного результата применения корректирующих условий:

-       обеспечение покупателя активов достоверной информацией о его правах и о приобретаемом бизнесе;

-       назначение доверенного управляющего;

-       стимулирование продавца способствовать эффективной продажи активов;

-       уделение особого внимания размеру продаваемых активов, выбору покупателя;

-       осуществление мониторинга за процессом продажи активов.

Количественные исследования основываются на результатах качественного исследования и, в конечном счете, подтверждают или опровергают его результаты. Идеальным исследованием было бы сочетание ситуационного и количественного анализа, так как они взаимосвязаны и дополняют друг друга.

.3 Количественные методы оценки применения корректирующих условий: зарубежный опыт

Существует также ряд количественных исследований, которые можно разделить на три группы в зависимости от используемых методов оценки эффективности антимонопольного регулирования: метод оценки экономической эффективности (cost-benefit analysis), метод изучения событий (event study approach) и анализ дискретного выбора (the discrete choice approach).

В первых эмпирических работах, посвященных исследованию антимонопольного регулирования, был использован метод оценки экономической эффективности.

Первыми исследователями, использовавших метод оценки экономической эффективности, были В.Ф. Лонг (Long W.F. et al., 1973), П. Аш (Asch P., 1975) и Д. Зигфрид (Siegfried J., 1975). Они попытались посчитать изменение благосостояния потребителей в результате проведения слияния.

Суть метода заключается в сравнении выгод от проведения слияния с понесенными издержками со стороны антимонопольных органов в результате сделки. Под выгодами понимается потеря благосостояния общества в результате наложения корректирующий условий на фирмы. Потеря благосостояния общества может быть представлена с помощью треугольника Харбергера, который представляет потерю потребительского благосостояния в результате присутствия монополии на рынке. Но в данном случае треугольник Харбергера показывает чистую экономическую выгоду, получаемую в результате демонополизации отрасли. Величина потери благосостояния общества может быть посчитана следующим образом:

 (1)

где: П - прибыль монополиста;

S - выручка монополиста;

E - эластичность спроса по цене.

При расчете величины треугольника Харбергера возникает трудность в определении эластичности спроса по цене.

Расчет издержек представляет собой более трудную задачу. Под издержками понимаются экономические затраты, которые антимонопольный орган понесет для сохранения прежнего уровня конкуренции на рынке. Они включают в себя затраты на расследование, обслуживание участников сделки во время расследования и косвенные возможные издержки. Один из способов оценки затрат - оценка временных и денежных затрат прошлых случаев. Величина таких затрат может быть взята из внутреннего учета антимонопольного отдела и самой фирмы, против которой осуществляется регулирование. Но данная информация не всегда доступна.

Затем В.Ф. Лонг с соавторами построили модель, выявляющую взаимосвязь между случаями вмешательства антимонопольных органов и нормой прибыли, выпуском, показателями концентрации, а также потерей общественного благосостояния. Для построения модели В.Ф. Лонг использовал данные о делах, возбужденных Министерством Юстиций США, за период 1945-1970 годы. Результаты показали, что потенциальные выгоды от вмешательства антимонопольного органа играют минимальную роль при вмешательстве антимонопольных органов, в отличие от выручки, которая играет максимальную роль. Остальные переменные, такие как прибыль и рыночная концентрация также незначительно влияют на действия антимонопольного органа.

Несмотря на большое количество исследований, метод оценки экономической эффективности имеет существенный недостаток: оценка безвозвратных потерь монополиста представляет собой трудную задачу.

Метод изучения событий. Данный метод основан на гипотезе эффективного рынка (Fama, 1970), которая заключается в том, что рыночные цены отражают любую информацию о деятельности фирм. Суть метода заключается в измерении влияния провозглашения слияния на рыночную цену акций данной фирмы. Считается что рыночная цена акции отражает стоимость компании. Метод изучения событий отделяет движения общего фондового рынка от движений, описываемых провозглашением о слиянии. Реакция фондового рынка оценивается с помощью эконометрических моделей.

Н. Актас с соавторами (Aktas N. et al., 2004) анализировал влияние провозглашения слияния на рыночную цену акций данной фирмы для европейского антимонопольного регулирования в период с 1990 по 2000 годы. Результаты исследования показали, что рынок быстро реагирует на вынесенное решение антимонопольными органами, даже если рассматривается реакция неевропейских фирм. Также выяснилось, что вероятность вмешательства антимонопольного органа не зависит от национальной принадлежности фирмы-покупателя. Авторами были обнаружены признаки протекционистской политики: иностранным фирмам выдавались более жесткие предписания, чем европейским компаниям.

Л. Роллер и Д. Нэвен (Roller L. and Neven D., 2002), Т. Дюсо (Duso T. et al., 2003) анализировали взаимосвязь между вынесенным решением Комиссией (отказ или разрешение сделки) и движением цен на акции на фондовом рынке. Л. Роллер и Д. Нэвен анализировали 100 сделок слияний за период с 1990 по 2000 года. Т. Дюсо с соавторами использовал данные о 167 сделках ЕС в период с 1990 по 2002 год. Предполагалось, что способствующее конкуренции слияние приведет к падению цен акций конкурентов, а слияние, представляющее собой угрозу конкуренции - к повышению цен акций конкурентов. В обоих исследованиях оказалось, что около три четвертых слияний, по которым был вынесен запрет, были рассмотрены рынком как опасные для конкуренции. Половина слияний, одобренные без вынесения предписаний, также были рассмотрены рынком как угрожающие конкуренции.

В 2006 году Т. Дюсо с соавторами анализировал конкурентный эффект предписаний в ЕС с помощью метода изучения событий. В работе рассматривались данные о 168 сделках ЕС в период с 1990 по 2002 год. В исследовании цены фондового рынка рассматривались в день, когда было провозглашено о слиянии (изменение рыночных цен показывает является ли слияние опасным для конкуренции), и в день, когда слияние состоялось (рыночные цены отражают результат совершения сделки, т.е. результат договоренности между антимонопольным органом и фирмой относительно размера и типа предписания). Затем авторы оценили средневзвешенную «аномальную» доходность всех фирм, которая показывает увеличение прибыли фирмы в результате слияния. Затем с помощью регрессионной модели авторы оценили степень эффективности действий антимонопольных органов и получили следующие результаты:

¾      предписание не всегда верно выносится;

¾      фондовый рынок может предсказать влияние слияния на конкуренции, когда предписание выдается на первой фазе расследования;

¾      применение средств коррекции на второй фазе расследования является менее эффективным.

Метод дискретного моделирования. Использование эконометрики и моделей дискретного выбора стало новым этапом в развитии методологии оценивания антимонопольного регулирования. Эконометрические модели позволяют учитывать большое количество факторов одновременно для проверки их значимости.

В 1990 году М.Б. Коат с соавторами (Coate M.B. et al., 1990) проводил оценивание качества американского антимонопольного регулирования с помощью построения пробит модели. Выборка включала в себя 70 наблюдений (горизонтальные сделки), которые были собраны за период с 1982 по 1987 годы. Зависимой переменной выступал тип решения антимонопольного органа: безусловное разрешение сделки или разрешение, но с вынесением предписаний. Интересным является то, что в исследовании было рассмотрено влияние «бюрократических» (bureaucratic) и «политических» факторов. «Бюрократическими» факторами являются индекс Херфиндаля-Хиршмана, отражающий уровень рыночной концентрации, величина барьеров входа, вероятность сговора после осуществления слияния и вероятность ухода с рынка одной из объединяющихся компаний после слияния. В качестве политических факторов авторы рассматривали переменную политического эффекта (political effect) и переменную политического давления (political pressure). Переменная политического эффекта - количественная переменная, которая отражала количество статей, опубликованных в Wall Street Journal, в которых упоминалось о предстоящем слиянии. Переменная политического давления представляет собой двенадцатимесячное скользящее среднее, фиксированное по датам вызова комиссионеров и сотрудников Федеральной Торговой Комиссии в Конгресс для дачи показаний. В результате были получены следующие значимые факторы: барьеры входа, вероятность сговора, индекс Херфиндаля-Хиршмана и переменная политического давления.

Подобные исследования были проведены Р.С. Кхемани и Д.М. Шапиро (Khemani R.S. and Shapiro D.M., 1993) для изучения антимонопольного регулирования в Канаде. Авторы собрали данные о 78 горизонтальных сделок за период с 1986 по 1989 годы. В качестве зависимой переменной был использован тип решения антимонопольного органа: безусловное одобрение сделки, вынесение структурного предписания, вынесение поведенческого предписания и изменение условий слияния. Значимыми факторами, влияющими на антимонопольный орган при принятии решения, оказались рыночные доли компаний, рыночная концентрация, величина барьеров входа и национальная принадлежность фирм (competition from imports).

С. Вэйр (Weir C., 1992, 1993) проводил оценку качества антимонопольного регулирования в Великобритании и обнаружил, что рыночная доля компании после слияния не является значимым фактором при принятии решения антимонопольным органом, и что вероятность разрешения сделки уменьшается, если слияние является враждебным.

А. Линдсэй с соавторами (Lindsay А. et al., 2003) оценивал качество антимонопольного регулирования в Европе. Он использовал пробит моделирование для 245 случаев слияний за период с 2000 по 2002 года. Высокая рыночная доля и высокие барьеры входа оказались значимыми факторам в случаях вынесения запрета. Такие факторы, как национальная принадлежность США или скандинавским странам оказались незначимыми.

Наибольший практический интерес для нас представляют работа М. Бергмана с соавторами (Bergman M. et al., 2005), так как она послужит основой для проведения похожего исследования, которое будет описано во второй главе. Рассмотрим данное исследование подробнее.

Какие факторы способствуют вынесению запрета Комиссией? Согласуются ли решения Комиссии с экономической теорией и с антимонопольным регулированием? Это важные вопросы, на которые Бергман с соавторами пытаются найти ответы.

М. Бергман с соавторами анализировали решения Европейской Комиссии, используя эконометрический аппарат - логит моделирование. Рассматриваемая выборка состояла из 96 случаев слияния, произошедших в период с 1990 по 2002 года. За этот период Европейская Комиссия получила на рассмотрение 2100 заявок на слияние. В результате Комиссией было вынесено 2020 решений (80 фирм отозвали свои заявки на слияние). В 90-ых годах число вынесенных решений за год составляло около 60, в 2000-ные годы число решений увеличилось и составило около 300.

В качестве зависимой переменной выступает тип решения Комиссии. В данном исследовании рассматривались два варианта зависимой переменной: разрешить слияние или передать на рассмотрение на вторую фазу расследования; разрешить или запретить слияния на фазе 2. Объясняющие переменные - фиктивные. В качестве главных факторов, влияющих на принятие решения Комиссии, авторы рассматривали рыночную долю фирм до и после слияния, увеличение рыночной доли в результате слияния, барьеры входа на рынок и вступление в сговор после слияния. Также авторы рассматривали влияние вида слияния (горизонтальное или вертикальное), предполагая, что негативные последствия вертикальных слияний более опасны для рынка, чем негативные последствия горизонтальных слияний. Горизонтальные слияния более опасны тогда, когда высока рыночная доля фирм до слияния или когда произошло существенное увеличение рыночной доли в результате объединения.

Особенностью данного исследования является введение «политических» факторов. Предполагалось, что объединяющиеся фирмы, находящиеся в больших районах (member state) менее подвержены запрету слияния, чем фирмы, находящиеся в малых районах. Выдвигается гипотеза, что фирмы, основанные в больших районах имеют сильную лоббирующую поддержку, которая заинтересована в осуществлении слияния. Фирмы, основанные в малых районах или за пределами Евросоюза, не имеют лоббирующей поддержки и встречают большую оппозицию со стороны Комиссии.

Также авторы предположили, что политика Комиссии меняется в зависимости от комиссионера (Competition Commissioner). Например, выдвигалась гипотеза, что комиссионер Марио Монти был жестче, чем его предшественники.

Данные для объясняющих переменных были взяты из текстов решения Комиссии. Следовательно, оценка Комиссией некоторых факторов может носить субъективный характер. Например, если Комиссия хотела запретить сделку, она могла установить узкие границы рынков, преувеличить рыночные доли участников или барьеры входа.

М. Бергман с соавторами делают частичный анализ последовательности решений Комиссии, принимая рыночные характеристики как заданные переменные, т.е. берут рыночные характеристики, рассчитанные Комиссией. Следовательно, авторы могут оценить последовательность решений только второй стадии.

В исследовании были использованы как непрерывные объясняющие переменные (рыночные доли), так и бинарные переменные: разница между рыночной долей объединившихся фирм и рыночной долей крупнейшей из двух фирм (переменная разбита на три части), вертикальное слияние, принадлежность сфере телекоммуникаций, транспорта, электричества или финансов, наличие высокой вероятности сговора после слияния, барьеры входа на рынок, мировой лидер, малый район, большой район, принадлежность США, обязательства по устранению возможных угрожающих конкуренции последствий, которые фирмы берут на себя. Авторами также была использована «политическая» фиктивная переменная, которая принимает значение 1, если решения приняты после 15 сентября 1999 года, т.е. решения, принятые под руководством комиссионера Марио Монти.

Рассмотрим результаты, которые получили авторы при построении логистических моделей.

Модель 1.

Зависимая переменная в данной модели - бинарная. Комиссия может вынести два типа решения: разрешить слияние или передать на рассмотрение на вторую фазу расследования.

Существует две фазы принятия решения Комиссией. Во время первой фазы расследования Комиссии доступен меньший объем информации, чем во время второй фазы расследования, когда сделки слияния рассматриваются более тщательно. Но Комиссия может получить необходимый объем информации и на первой стадии, собрав необходимую информацию на предварительном этапе анализа, используя данные компаний. Исходя из этой особенности, авторы построили две спецификации данной модели.

Переменная «мировой лидер» была удалена из обеих спецификаций, так как она принимала значение 1 только в случаях второй фазы расследования, что могло в дальнейшем вызвать смещение коэффициентов.

В первую спецификацию были включены переменные рыночной доли и «политические» переменные, так как эти переменные отражают информацию, которая была доступна на стадии принятия решения Комиссией. Все переменные рыночной доли оказались значимыми на уровне значимости 5%. Оказалось, что вероятность дальнейшего расследования не зависит ни от вертикального характера слияния, ни от национальности объединяющихся сторон и принадлежности к отраслям, ни от политики комиссионера. Значимым оказался фактор размера рынка: если рынок местный или небольшой, то вероятность передачи на вторую фазу расследования уменьшается. Этот вывод согласуется с тем, что Комиссия, взвешивая положительные и отрицательные эффекты слияния, делает вывод, что в среднем высокий уровень концентрации является более опасным на маленьких рынках.

Во второй спецификации добавляются два дополнительных фактора: барьеры входа и вступление в сговор после слияния. Переменные рыночных долей оказались также значимы на 5%-ном уровне. Переменные размер рынка, вертикальный характер слияния, барьеры входа и вступление в сговор после слияния также значимы на 5%-ном уровне.

Первая и вторая спецификации объясняют 79% и 91% случаев соответственно.

Модель 2.

Зависимая переменная в данной модели - бинарная. Комиссия на второй фазе расследования может вынести два типа решения: разрешить или запретить слияние. Были также построены две спецификации модели.

В первую спецификацию были включены переменные рыночных долей и качественные переменные: мировое лидерство фирм, барьеры входа, вступление в сговор после слияния и обязательство компаний. Переменные рыночных долей оказались значимыми на 5%-ном уровне значимости. Из качественных переменных значимой оказалась только переменная мировое лидерство фирм, уровень значимости которой 10%.

Вторая спецификация дала такой же результат, как и первая. В неё были добавлены четыре «политические» переменные и переменная размер рынка, которые оказались незначимыми.

Обе построенные спецификации описывают более 80% случаев. Но при рассмотрении только случаев запрета показатель корректно объясненных случаев меняется: первая и вторая спецификации объясняют 20% и 27% соответственно. Все случаи разрешения слияния правильно классифицированы. Для того чтобы проверить модель на статистическую устойчивость, авторы оценили параметры второй фазы расследования, т.е. были исключены из рассмотрения решения, принятые на первой фазе расследования. Модель оказалась статистически устойчива.

Низкий уровень объясненных случаев запретов показывает, что ни одна из классификаций не способна объяснить различие между решением запретить или разрешить слияние. Причина в том, что переменная «обязательства фирм» не является информативной, кроме того, эта переменная была незначима в обеих классификациях. Причина неинформативности переменной «обязательства фирмы» может быть в том, что разнообразие и комплексность обязательств не может быть отображено единственной фиктивной переменной.

Модель 3.

Третий вид модели позволяет избежать проблему, упомянутую выше. Модель группирует случаи разрешения слияния с вынесением корректирующих условий и запреты слияний. Модель позволяет включить все переменные, за исключением переменной «обязательства фирм». Представлены 6 классификаций.

Первые две спецификации включают произведение переменных «рыночная доля после слияния» и «увеличение рыночной доли» для того чтобы отобразить, что 1%-ное увеличение рыночной доли имеет различное влияние на вынесение решения запрета слияния, т.е. решение зависит от уровня рыночной доли компании до слияния. Третья и четвертая спецификации включают только переменную «рыночная доля после слияния». Пятая и шестая спецификации - переменные «рыночная доля после слияния» и «увеличение рыночной доли» по отдельности.

В первой регрессии параметры, относящиеся к рыночной доли, значимы на уровне значимости 1%. Вероятность вынесения запрета увеличивается, если рыночная доля увеличивается на уровне рыночной доли в 30%. Качественные переменные, барьеры входа и вступление в сговор, также значимы на 1%-ном уровне и имеют ожидаемый знак. Переменная «вертикальное слияние» оказалась незначима, эта переменная имела положительный знак, когда ожидалось, что он будет отрицательным.

Во вторую регрессию были включены «политические» переменные. Переменные рыночной доли, барьеры входа и вступление в сговор оказались значимыми на 5%-ном уровне значимости. Переменная «вертикальные слияния» имела ожидаемый отрицательный знак и оказалась значима на 10%-ном уровне, т.е. если слияние является вертикальным, то вероятность запрета увеличивается. Но так как первая спецификация дала другой результат, не стоит акцентировать на этом внимание.

Из «политических» переменных значимой оказалась только переменная «расположение в США». Коэффициент этой переменной имеет отрицательный знак и является значимым в трех спецификациях из четырех, предполагая, что вероятность вынесения запрета ниже, когда одна из фирм основана в США. Есть различные пути интерпретации полученного результата. Можно предположить, что фирмы, основанные в США, сильнее лоббируют свои позиции, чем фирмы из Европы. Либо можно предположить, что фирмы из США имеют больший опыт осуществления деятельности в условиях антимонопольного регулирования слияний, чем фирмы из других стран. Это влияет на их поведение: обладая большим опытом, фирмы из США могут более эффективно представлять свои права перед антимонопольными органами или более эффективно выбирать условия и партнеров для слияния. Авторы находят первое предположение менее вероятным и не интерпретируют полученный результат как свидетельство смещения «политической» переменной в пользу фирм из США.

Переменные национальность фирм и принадлежность отраслям оказались незначимыми во всех спецификациях.

В спецификациях 3 и 4 переменные рыночной доли оказались значимыми на уровне значимости 1%. Переменные барьеры входа и вступление в сговор оказались значимы на 5%-ном уровне.

В спецификациях 5 и 6, которые включают «рыночные доли после слияния» и «увеличение рыночной доли» по отдельности, значимой оказалась переменная «увеличение рыночной доли». Барьеры входа и вступление в сговор также оказались значимыми на 5%-ном уровне. «Политические» переменные, за исключением «расположение в США» оказались незначимы.

В общем, модели объясняют от 69% до 93% случаев.

Глава 2. Оценка качества применения корректирующих условий в российском антимонопольном регулировании

Во второй главе мы проведем оценку качества российского антимонопольного контроля слияний и поглощений с помощью моделей дискретного выбора. Использование моделей дискретного выбора позволит выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решений и определить согласуются ли решения ФАС с экономической теорией. Это в свою очередь позволит понять какой логики придерживается российский антимонопольный орган при вынесении решений в области контроля слияний и поглощений.

В первом параграфе будут выдвинуты гипотезы и описаны инструменты моделирования. Во втором параграфе будет представлена характеристика базы данных за период с 2010 по 2012 года, результаты оценки логистической модели и обсуждение результатов.

.1      Выдвижение гипотез и построение модели

Принимая решение «безоговорочно» одобрить сделку или же одобрить, но с вынесением корректирующих условий, ФАС ориентируется на ряд факторов. Это могут быть структурные факторы (рыночная доля компаний, рыночная концентрация, барьеры входа на рынок), использование которых экономически обоснованно, политические факторы (национальная принадлежность, глава антимонопольного органа), которые были протестированы за рубежом в исследованиях М. Бергмана. Также это могут быть рыночные факторы (горизонтальная или вертикальная сделка), характеризующие рынок, на котором будет происходить слияние. Возможно также использование специфичных для России факторов - это регистрация фирмы в оффшорной зоне. Для оценки качества российского антимонопольного регулирования важно понять какие факторы ФАС считают значимыми при вынесении решения одобрить сделку безусловно или же вынести предписание.

Для достижения этой цели выдвинем ряд гипотез:

а)      Чем выше рыночная доля фирмы-покупателя или фирмы-продавца, тем выше вероятность вынесения предписания по данной сделке. Рыночная доля является одним из показателей рыночной власти фирм. Если рыночная доля фирмы увеличивается, то увеличивается рыночная власть этой фирмы. Увеличение рыночной власти фирмы приводит к повышению вероятности злоупотребления фирмы своим положением на рынке. Появление угрозы конкуренции со стороны данной фирмы требует применения коррекции со стороны антимонопольных органов. Для того чтобы не потерять выгод от совершаемого слияния, антимонопольный орган одобряет сделку, выдвигая предписание структурного или поведенческого характера. Таким образом ФАС ограничивает деятельность фирмы на рынке: регулирует цены (поведенческие предписания) или отчуждает активы (структурные предписания).

б)      Принадлежность к определенному виду экономической деятельности (отрасли или сектору) может оказывать значительное влияние на решение ФАС. Отличие в сочетании технологий, спроса и государственного регулирования влияет на структуру рынка и уровень концентрации. Поэтому в одних отраслях вероятность вынесения предписания при слиянии фирм может быть высокой, а в других - низкой.

в)      Определенный характер сделки повышает вероятность вынесения предписания:

)        Горизонтальные сделки увеличивают рыночную власть компаний. В результате чего увеличивается вероятность злоупотребления властью данной фирмой на соответствующем рынке. Но слияния горизонтального характера также могут способствовать конкуренции на рынке. Горизонтальная сделка может увеличить эффективность за счет экономии от масштаба. Снижение издержек в свою очередь может привести к снижению цены и к способности компании удовлетворять большую величину спроса. Несмотря на возможные положительные эффекты от горизонтального слияния, такие сделки могут требовать более жесткого регулирования со стороны антимонопольного органа. Чтобы сохранить условия конкуренции, антимонопольный орган для данного типа сделок чаще использует структурные предписания. Продажа активов уменьшает горизонтальный эффект слияния.

)        Вертикальные сделки могут ограничивать доступ конкурентам к соответствующим ресурсам и производственным мощностям, тем самым нарушая существовавшие до сделки условия конкуренции. Но в результате вертикального слияния компания также может снизить транзакционные издержки, уменьшить эффект двойной монопольной надбавки и получить синергетический эффект в сфере производства и сбыта конечной продукции, что может в данном случае способствовать конкуренции. Несмотря на потенциальные положительные эффекты от вертикальных сделок, такие сделки могут требовать более жесткого регулирования со стороны антимонопольных органов. Вертикально-интегрированная фирма может дискриминировать потребителей по цене, ограничивать конкурентов в доступе к ресурсам - в таких случаях повышается вероятность применения поведенческого средства коррекции.

г)       В российской специфике оффшорные зоны предоставляют компаниям особые льготы относительно налоговых платежей, защиту собственности, анонимность и конфиденциальность операций. Компания, зарегистрированная в оффшорной зоне, приобретает особый статус, который «обеспечивает возможность эффективного сокрытия факта владения фирмами» [30]. Таким образом, мы предположим, что регистрация фирмы в оффшорной зоне может способствовать осуществлению более жесткого контроля со стороны ФАС.

д)      В работах М. Бергмана с соавторами (Bergman M. et al., 2005) и П. Бугетта с соавторами (Bougette P. et al., 2008) проверяется значимость национальной принадлежности фирмы. В России регулированию деятельности иностранных компаний посвящено специальное положение. Проверим, требуют ли в российской практике антимонопольного регулирования более жесткого контроля со стороны антимонопольных органов сделки, в которых покупателем является иностранная компания.

е)       В разных сделках компаниям передается разный контроль: покупка фирмой акций и долей в уставном капитале, получение в пользование основных производственных фондов, прав, позволяющих определять условия осуществления предпринимательской деятельности. Проверим, влияет ли форма реорганизации на решение антимонопольных органов (вероятность вынесения предписания).

ж)      Приобретение акций и долей в уставном капитале является преобладающим предметом сделок слияний за рассматриваемый период. Проверим, влияет ли величина покупаемых акций и долей в уставном капитале, а также их разница на вынесение решения антимонопольными органами.

Для того чтобы протестировать выдвинутые гипотезы будем использовать модели дискретного выбора (discrete choice models). Дискретные модели - это модели, в которых нужно сделать выбор среди набора альтернатив, удовлетворяющих трем критериям: они должны быть взаимоисключающими, исчерпывающими и их количество должно быть конечным (43). В основе методологии дискретного выбора лежит микроэкономическая теория. Считается, что индивид делает выбор из имеющихся альтернатив, максимизируя свою выгоду (McFadden, 1973).

Мы используем логистическую регрессию, чтобы оценить вероятность того, как тот или иной фактор влияет на решение антимонопольных органов: разрешить сделку без вынесения условий или разрешить сделку, но с выдачей предписания. Уравнение логистической регрессии, в данном случае, представляет собой натуральный логарифм отношения вероятности вынесения предписания (p) к вероятности безусловного разрешения слияния (1-p):

, (2)

Где: P_t - это вероятность того, что определенное событие (выдача предписания) произойдет для наблюдения t;

X_t - вектор объясняющих переменных;

β - вектор параметров, который будет оценен.

Зависимая переменная (y_t) принимает значение 1, если ФАС выдает предписание, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий. Следовательно, P_t - это условная вероятность того, что будет выдано предписание:

 (3)

Логит модель может быть представлена с помощью скрытой или латентной переменной Z, которая в нашем случае показывает отношение Федеральной Антимонопольной Службы к негативным последствиям, которые порождает слияние. Если латентная переменная Z принимает значение выше критического уровня Z*, то y_t = 1. Такой вывод аналогичен выводу пробит модели. Эти модели отличаются тем, что ошибки, как предполагается, имеют распределение экстремального значения (the extreme-value function), а не нормальное распределение (Davidson and MacKinnon, 1993).

В модели были использованы следующие объясняющие переменные:

Acquid1, acquid2, acquid3: Бинарные переменные, которые отражают рыночную долю компании-покупателя до проведения сделки слияния. В текстах решений Федеральной Антимонопольной Службы не указываются рыночные доли компаний, за исключением отрасли электроэнергетики, поэтому переменная была разбита на три части.

Acquid1: Бинарная переменная, принимающая значение 1, если рыночная доля покупателя до сделки слияния находится в промежутке [0-35%]. Для электроэнергетики промежуток будет другим: [0-20%] (2).

Acquid2: Бинарная переменная, которая принимает значение 1, если рыночная доля покупателя до сделки слияния находится в промежутке от 35% (от 20% для отрасли электроэнергетики) до 50%.

Acquid3: Бинарная переменная, которая принимает значение 1, если доля рынка покупателя до сделки слияния составляет от 50 до 100%.

Для того чтобы определить к какому промежутку принадлежит рыночная доля компании был использован Реестр хозяйствующих субъектов, с долей на рынке более 35% (32), исследования, посвященные анализу отраслей (38), и официальные сайты компаний.

Acquir1, acquir2, acquir3: Бинарные переменные, которые отражают рыночную долю приобретаемой компании до проведения сделки слияния. Рыночные доли разбиты на три части по аналогичному принципу, что и рыночные доли компании-покупателя.

Hmerger: Бинарная переменная, принимающая значение 1 в случае горизонтального характера слияния.

Vmerger: Бинарная переменная, принимающая значение 1 в случае вертикального характера слияния.

Для проверки значимости принадлежности компаний к определенному виду экономической деятельности были созданы 13 бинарных переменных (таблица 1). Переменная принимает значение 1, если принадлежит определенному виду экономической деятельности, и 0 в другом случае.

Offshore: Бинарная переменная, принимающая значение 1 в случае регистрации хотя бы одной из фирм в оффшорной зоне, и 0 в противном случае.: Фиктивная переменная, которая принимает значения от 0 до 2: 0 - получение в пользование или владение основных производственных фондов, 1 - получение прав, позволяющих определять условия осуществления предпринимательской деятельности или позволяющих осуществлять функции исполнительного органа, 2 - покупка фирмой акций и долей в уставном капитале (далее форма реорганизации).: Количественная переменная, показывающая суммарное количество акций или долей в уставном капитале компании-покупателя после осуществления сделки.

Foreigncountry1: Бинарная переменная, принимающая значение 1, если покупатель - иностранная компания (далее национальная принадлежность фирм).

Foreigncountry2: Бинарная переменная, которая принимает значение 1, если компания, которую покупают зарегистрирована за рубежом.

Таким образом, мы получили 26 объясняющих переменных, 25 из которых - фиктивные переменные. Поиск данных для таких переменных, как национальная принадлежность фирм, регистрация в оффшорной зоне и распределение по видам экономической деятельности не вызвало никаких проблем. Переменные вертикальное (Vmerger) и горизонтальное (Hmerger) слияние были составлены на экспертном мнении.

Таблица 1 Распределение переменных по видам экономической деятельности

Код ОКВЭД	Вид основной экономической деятельности	Количество сделок, где переменная равна 1
SectorA	Сельское хозяйство, охота и лесное хозяйство	77 (3,12%)
SectorB	Рыболовство, рыбоводство	2 (0,08%)
SectorC	Добыча полезных ископаемых	100 (4,06%)
SectorD	Обрабатывающие производства	450 (18,25%)
SectorE	Производство и распределение электроэнергии, газа и воды	160 (6,49%)
SectorF	Строительство	101 (4,10%)
SectorG	Оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования	337 (13,67%)
SectorH	Гостиницы и рестораны	18 (0,73%)
SectorI	Транспорт и связь	345 (13,99%)
SectorJ	Финансовая деятельность	268 (10,87%)
SectorK	Операции с недвижимым имуществом, аренда и предоставление услуг	492 (19,95%)
SectorL	Государственное управление и обеспечение военной безопасности; обязательное социальное обеспечение	1 (0,04%)
SectorM	Образование	-
SectorN	Здравоохранение и предоставление социальных услуг	-
SectorO	Предоставление прочих коммунальных, социальных и персональных услуг	80 (3,24%)
SectorP	Предоставление услуг по ведению домашнего хозяйства	-
SectorQ	Деятельность экстерриториальных организаций	-
SectorR	Инвестиционная деятельность	29 (1,18%)
Всего:		2460 (100%)

.2      Обсуждение результатов оценивания

В данном параграфе представим характеристику генеральной совокупности, из которой была составлена база данных и представим полученные результаты и их обсуждение. Под генеральной совокупностью будем понимать все решения ФАС, выданные за рассматриваемый период (2010-2012 годы).

Согласно ежегодным Докладам о состоянии конкуренции (41, 42) за период с 2010 по 2012 годы в ФАС было подано 9055 ходатайств, 8083 (89%) из которых были удовлетворены, 804 (9%) были удовлетворены с выдачей предписаний или после выполнения определенных условий, а в 168 (2%) случаях было отказано в согласовании. Динамика структуры решений представлена ниже (рис. 1).

Для проведения эмпирического анализа за период с 2010 по 2012 годы была собрана выборка. Данные для выборки были взяты из текстов решений ФАС, выложенных на официальном сайте антимонопольного органа в рассматриваемый период. За три года (2010-2011гг.) ФАС выложила на сайте 4421 решение, что составляет 48,82% от генеральной совокупности. В выборку из 4421 вошли 2528 решений: 1122 за 2010 год (все решения за 2010 год, выложенные на официальном сайте ФАС), 724 за 2011 год (50,31% от выложенных решений на сайте за этот год) и 682 за 2012 год (39,81% от выложенных решений на сайте за этот год). Следует отметить, что некоторые решения дублировались на сайте, такие наблюдения не были включены в рассмотрение.

Рис. 1. Динамика генеральной совокупности [41, 42, C. 125]

Таким образом, выборка состоит из 2528 решений ФАС, из которых 91% (2297 сделки) были удовлетворены без выдачи предписаний, 7% (172 сделки) были одобрены с выдачей предписаний структурного и поведенческого характера и в 2% (59 сделок) случаях был выдан отказ. Важно заметить, что структура выборки практически повторяет структуру генеральной совокупности (таблица 2). Динамику структуры данной выборки представлена ниже (рис. 2).

Рассматриваемая выборка не является независимой, так как она составляет лишь 27,92% от генеральной совокупности. Поэтому для проверки корректности результатов, полученных при построении логит модели для выборки, была построена логит модель для подвыборки (1200 сделок), которая была случайным образом сгенерирована и которая повторяет структуру генеральной совокупности (таблица 2).

Рис. 2. Динамика структуры выборки

Таблица 2 Описание генеральной совокупности и выборки в 2010-2012 гг.

	Генеральная совокупность		Выборка		Подвыборка
Удовлетворено	89%	8083	91%	2297	89%	1068
Удовлетворено с выдачей предписаний	9%	804	7%	172	9%	108
Отказано	2%	168	2%	59	2%	24
Всего	9055	100%	2528	100%	1200

Описав методологию и выборку, с помощью которой будут выявлены факторы, влияющие на решение ФАС России, перейдем к обсуждению полученных результатов.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными проведем корреляционный анализ (приложение 1).

Для того чтобы определить силу зависимости между качественными переменными был рассчитан ранговый коэффициент корреляции Спирмена, который не выявил ни средней, ни сильной степени взаимосвязи между предикторами (таблица 1, приложение 1). Для определения степени взаимосвязи между тремя количественными переменными и качественными был рассчитан коэффициент корреляции Кенделла, который также не выявил ни средней, ни сильной степени взаимосвязи между предикторами (таблица 2, приложение 2).

Анализируя коэффициенты корреляции Спирмена между результирующей переменной и факторами, можно выдвинуть следующие предположения.

Более сильное влияние на решение проводить коррекцию оказывают рыночные доли приобретаемой компании (Acquir1 - доля рынка приобретаемой компании, находящаяся в промежутке [0-35%], отрицательное влияние, Acquir3 - доля рынка приобретаемой компании, находящейся в промежутке [50-100%], положительное влияние). Между решением ФАС и рыночными долями наблюдается средняя сила взаимосвязи (коэффициент корреляции находится в промежутке [0,3 - 0,6].

Меньшее влияние на решение антимонопольных органов оказывают горизонтальный характер слияния (положительное влияние), Acquid1 и Acquid3 - рыночные доли фирмы-покупателя, входящие в промежуток [0-35%] (отрицательное влияние) и входящие в промежуток [50-100%] (положительное влияние), Acquir2 - рыночная доля покупаемой фирмы, находящаяся в промежутке [35-50%] (положительное влияние), и принадлежность к виду экономической деятельности - операции с недвижимым имуществом, аренда и предоставление услуг (отрицательное влияние). Между решением ФАС и данными переменными наблюдается слабая сила взаимосвязи (коэффициент корреляции находится в промежутке [0,1 - 0,3]).

Остальные факторы оказывают, по результатам корреляционного анализа, относительно небольшое влияние на решения ФАС. Проверим эти предположения и выдвинутые ранее гипотезы, построив регрессионную модель.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и экономической теории.

Выбирая лучшие модели, мы ориентировались на следующие критерии:

-       значимость рассчитанных коэффициентов;

-       значения R² Нэйджелкерка (Nagelkerke's ), указывающего долю влияния всех предикторов модели на дисперсию зависимой переменной;

-       процент корректно объясненных переменных (percentage of correct predictions).

Для того чтобы интерпретировать модели бинарного выбора, следует смотреть на знак и величину коэффициента. Глядя на знак коэффициента, можно сказать как повлияет данный фактор на вероятность применения коррекции: либо увеличит вероятность решения проводить коррекцию (+) либо уменьшит эту вероятность (-). Глядя же на величину коэффициентов, можно сделать вывод какой из факторов влияет больше или меньше на результирующую переменную. Т.е. величина коэффициентов служит для сравнения этих значений коэффициентов между собой для того, чтобы определить какой из факторов оказывает большее влияние (Greene W.H., 2003). Регрессии были построены в программе SPSS Statistics 19.

Модель 1 построена на основе выборки. Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, модель значима на уровне 1%. Построенная логистическая модель объясняет 19,7% случаев принятия решения антимонопольными органами, 93,7% прогнозных значений оказались верными.

Аналогичная модель была построена на основе подвыборки, которая была случайным образом сгенерирована и которая повторяет структуру генеральной совокупности, для проверки корректности результатов, полученных при построении логит модели для выборки. Все включенные объясняющие переменные являются значимыми на 10%-ном уровне, модель значима на уровне 1%. Построенная логистическая модель объясняет 23,5% случаев принятия решения антимонопольными органами, 91,1% прогнозных значений оказались верными. Таким образом, можно сделать вывод, что полученные результаты корректны.

Таблица 3 Логит модель

Зависимые переменные	Модель для выборки	Модель подвыборки
SectorI	-1,115***	-1,259***
Acquid1	-0,618**	-1,256***
Acquid2	1,583***	0,94**
Acquir2	1,552***	0,951*
Vmerger	1,255***	1,294***
Hmerger	2,635***	1,657***
Константа	-2,829***	-1,901***
R2 Нэйджелкерка	19,7%	23,5%
Процент верных прогнозных значений	93,7%	91,1%

*Значим на уровне 0.1. **Значим на уровне 0.05. ***Значим на уровне 0.001

Далее была проведена проверка адекватности модели с помощью теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test). Данный тест применяется только для бинарных моделей. Процедура теста заключается в следующем: происходит группировка наблюдений по ожидаемым вероятностям, затем тестируется гипотеза - разница между наблюдаемыми и ожидаемыми событиями равна нулю для всех групп. В нашем случае для построенных логит моделей не отвергается гипотеза о допустимо незначительных расхождениях между фактической и модельной классификацией «разрешение» - «выдача предписания» (приложения 2 и 3) (Hosmer, D. W. and Lemeshow S., 1989).

На основе построенной модели, представленных в таблице 3, можно сделать следующие выводы:

-       Если компания-покупатель занимает на соответствующем рынке долю от 35 до 50%, то вероятность вынесения предписания Федеральной Антимонопольной Службой увеличивается.

-       Аналогичный вывод относительно рыночной доли делается для приобретаемой компании.

-       Если слияние носит характер горизонтального или вертикального, вероятность вынесения предписания антимонопольными органами увеличивается.

-       Принадлежность к виду экономической деятельности - связь и транспорт - уменьшает вероятность применения корректирующих условий со стороны антимонопольных органов.

Всё сказанное позволяет сделать следующий вывод антимонопольный орган при решении использовать коррекцию использует определенную логику. Федеральная Антимонопольная Служба в половине случаев руководствуется экономической теорией. В остальных случаях антимонопольная служба ориентируется на другие факторы, не включенные в модель.

Качество построенной эконометрической модели в дальнейшем может быть улучшено благодаря включению дополнительных важных факторов, например, барьеров входа на рынок или выручка компании.

корректирующий слияние поглощение антимонопольный

Глава 3. Применение корректирующих условий: случай электроэнергетики

В третьей главе мы оценим деятельность антимонопольного органа на российском рынке электроэнергетики. Оценка будет проводится с помощью проведения ex-post анализа и моделей дискретного выбора. Для проведения ex-post анализа оценим результаты применения корректирующих условий для отдельных случаев крупных сделок. Это позволит определить приносит ли использование средств коррекции планируемые результаты и влияет ли вынесенное требование на участников сделки, на потребителей и на конкурентов и если влияет, то каким образом. Использование моделей дискретного выбора позволит выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решений в данной отрасли и определить согласуются ли в данном случае решения ФАС с экономической теорией.

В первом параграфе будут дана характеристика отрасли и рассмотрено антимонопольное регулирование на примере группы ИНТЕР РАО ЕЭС. Во втором параграфе будет изучено регулирование всей отрасли за период с 2010 по 2012 годы с помощью моделей дискретного выбора и представлено обсуждение результатов.

.1      Коррекция сделок с участием группы ИНТЕР РАО ЕЭС

Рынок электроэнергетики России на протяжении последних 15 лет претерпел структурные изменения от «от модели с доминирующей вертикально-интегрированной компанией к потенциально конкурентной модели организации экономических отношений» [28]. Несмотря на то, что разделение российского акционерного общества «ЕЭС России» было закончено 1 июля 2008 года, построение конкурентной модели организации экономических отношений не завершено и продолжается до сих пор.

Реформирование электроэнергетики заключается в разделении данной отрасли на «потенциально конкурентные и естественно-монопольные виды деятельности» [28]. Цель проведения реформы - обеспечить конкуренцию с помощью привлечения частных инвестиций в таких секторах электроэнергетики, где это возможно, таким образом обеспечивая потребителей достойным качеством услуг и снижением цен.

Несмотря на проведение реформы электроэнергетики, доля присутствия государства на рынке электроэнергетики достаточно высока. Важно понять, нужно ли осуществлять антимонопольное регулирование на данном рынке. Когда большинство игроков являются государственными компаниями, не является ли регулирование избыточным контролем? При регулировании рассматриваемого рынка антимонопольные органы чаще, чем в других отраслях, используют такой инструмент как структурное предписание. Важно понять, приносит ли ожидаемые результат использование структурных средств коррекции и в каких случаях используются поведенческие средства коррекции.

Сначала определим к какой рыночной структуре относится рынок электроэнергетики, а затем рассмотрим антимонопольное регулирование на примере конкретной компании: ОАО «ИНТЕР РАО ЕЭС».

По рыночной структуре электроэнергетика представляет собой рынок закрытой олигополии, так как для электроэнергетики характерны следующие особенности:

-       90% рынка распределено между крупными игроками (табл. 4 и 5);

-       Товар рынка электроэнергии, электрическая энергия и мощность, является стандартизированным.

-       главных свойств товара рынка электроэнергии: неэластичность спроса по цене, невозможность адресной поставки электрической энергии и мощности конкретного производителя конкретному потребителю, невозможность хранения (38).

-       Отсутствие товаров-заменителей.

Таблица 4 Распределение рыночных долей первой ценовой зоны

Группы лиц (ГЛ)/Участники	Рыночные доли, %
ГЛ Газпром	23,90%
ОАО "Концерн Росэнергоатом"	16,20%
ГЛ ИНТЕР РАО ЕЭС	14,20%
ГЛ КЭС	9,92%
ОАО "РусГидро"	9,39%
ОАО "Энгел ОГК-5"	6,23%
ОАО "Э.ОН Россия"	5,42%
ОАО "Генерирующая компания"	3,34%
ОАО "Квадра"	2,34%
ГЛ ЛУКОЙЛ	2,32%
ОАО "Фортум"	2,18%

Таблица 5 Распределение рыночных долей второй ценовой зоны

Группы лиц (ГЛ)/Участники	Рыночные доли, %
ОАО "РусГидро"	15,89%
ГЛ СУЭК	15,52%
ГЛ ИНТЕР РАО ЕЭС	7,97%
ГЛ Кузбассразрезуголь	6,78%
ГЛ Концерн Росэнергоатом	2,46%

Одним из крупных игроков рынка электроэнергетики является компания ИНТЕР РАО ЕЭС. Это крупная энергетическая компания, управляющая активами как в России, так и в странах Европы и СНГ. Деятельность ИНТЕР РАО включает в себя производство электрической и тепловой энергии, энергосбыт, международный энерготрейдинг, инжиниринг, экспорт энергооборудования и управление распределительными электросетями за пределами РФ (29).

В структуру ИНТЕР РАО входят следующие генерирующие активы (29):

-       37 тепловых электростанций и 9 мини-ТЭЦ;

-       13 гидроэлектростанций (в том числе 9 малых ГЭС);

-       2 ветропарка.

Также ИНТЕР РАО управляет семью российскими энергосбытовыми компаниями, имеющими статус гарантирующих поставщиков:

-       «Мосэнергосбыт» (гарантирующий поставщик на территории Москвы и Московской области);

-       Петербургская сбытовая компания (гарантирующий поставщик на территории Санкт-Петербурга и Ленинградской области);

-       «Энергия Холдинг» (гарантирующий поставщик на территории Санкт-Петербурга и Ленинградской области);

-       «Алтайэнергосбыт» (гарантирующий поставщик на территории Республики Алтай и Алтайского края);

-       «Саратовэнерго» (гарантирующий поставщик на территории Саратовской области);

-       Тамбовская энергосбытовая компания (гарантирующий поставщик на,территории Тамбовской области);

-       «ИНТЕР РАО - Орловский энергосбыт» (гарантирующий поставщик на территории Орловской области).

Группа ИНТЕР РАО также владеет тремя компаниями, которые осуществляют сбыт электроэнергии крупным промышленным потребителям:

-       «РН-Энерго»;

-       «Промышленная энергетика»;

-       «РТ-Энерготрейд».

Первоначально ИНТЕР РАО являлась государственной компанией. Она была создана для целей экспорта и импорта электроэнергии в качестве дочерней компании РАО ЕЭС России в 1997 году. В результате проведения реформы российской электроэнергетики в 2008 году дочерняя компания РАО ЕЭС была преобразована в открытое акционерное общество. Не смотря на преобразование в ОАО компания осталась государственной, так как около 60% акционерного капитала принадлежит государственным организациям (рис. 3). Цель создания ОАО «ИНТЕР РАО ЕЭС» - выкупить обратно компании, перешедшие в руки частных инвесторов в результате проведения реформы РАО «ЕЭС России». Правительство решило, что приватизация некоторых государственных компаний прошла не очень успешно и необходимо вмешательство государства (25).

Рис. 3 . Структура акционерного капитала ОАО «ИНТЕР РАО ЕЭС» по состоянию на 29 декабря 2012 года. [29]

Таким образом, политикой ИНТЕР РАО в области генерации электроэнергетики стало приобретение «проблемных» тепловых генерирующих активов. Примером стало приобретение в 2009 году одной из крупнейших компаний по производству тепловой и электрической энергии - ОАО «ОГК-1», которая осталась без стратегического частного инвестора. Другим примером служит консолидация в 2010 году с ОАО «ТГК-11». Данная компания оказалась одной из самых проблемных компаний в отрасли во время реформирования энергетики. Стратегическим акционером ОАО «ТГК-11» в процессе реформы энергетики выступала инжиниринговая компания «Группа Е4», которая отказалась завершать сделку по приобретению государственного пакета акций ТГК-11, в результате чего акции остались у Федеральной сетевой компании (26). В области сбыта электроэнергии политика ИНТЕР РАО другая - прямая экспансия в регионы. В 2011 компания ИНТЕР РАО становится контролирующим акционером пяти энергосбытовых компаний: ОАО «Мосэнергосбыт», ОАО «Петербургская сбытовая компания», ОАО «Алтайэнергосбыт», ОАО «Саратовэнерго», ОАО «Тамбовская энергосбытовая компания». В 2012 году компания приобретает генерирующие активы Группы «Башкирэнерго» и становится 100%-ным акционером ОАО «ТГК-11» и ОАО «Петербургская сбытовая компания».

В результате наращивания активов ОАО «ИНТЕР РАО ЕЭС» стала компанией, занимающей доминирующее положение на рынке в некоторых регионах (табл. 6). «В соответствии со статьей 25 Закона об электроэнергетике доминирующим признается положение хозяйствующего субъекта (группы лиц), если доля установленной мощности его генерирующего оборудования или доля выработки электрической энергии с использованием указанного оборудования в границах зоны свободного перетока превышает 20 процентов» [2].

Таблица 6 Рыночные доли по установленной мощности Группы Лиц «ИНТЕР РАО ЕЭС» на рынке производства электрической и тепловой энергии

Географические границы рынка	Рыночные доли, %
Первая ценовая зона	12,01
Вторая ценовая зона	7,97
Зона свободного перетока:
Тюмень	13,00
Центр	16,26
Сочи	83,86
Бурятия	88,66
Чита	31,64
Урал	44,95
Омск	100,00
Сибирь	1,23
Центр/Москва	1,00
Запад	7,06

Как видно из таблицы 6, группа ИНТЕР РАО в первой и второй ценовой зоне не занимает доминирующего положения, в отличие от зон свободного перетока. В Сочи, Бурятии и Омске ИНТЕР РАО является монополистом, в Чите и на Урале - доминирующей фирмой.

За период своего существования группа лиц ОАО «ИНТЕР РАО ЕЭС» подала в Федеральную Антимонопольную Службу 24 ходатайства о приобретении генерирующих и сбытовых активов, 12 из которых были удовлетворены без вынесения предписаний. Девять из 24 ходатайств были одобрены, но с вынесением предписаний. В трех случаях из 24 в слиянии было отказано из-за угрозы ограничения конкуренции на соответствующем рынке.

Рассмотрим характер выданных предписаний ИНТЕР РАО (табл. 7).

Таблица 7 Компании, при слиянии с которыми ИНТЕР РАО были выданы предписания

Дата вынесения решения	Приобретаемая компания	Приобретаемое количество акций	Производство/ сбыт электроэнергии	Тип предписания
30.08.2010	ОАО "Волжская ТГК"	0,25	Производство	Структурно-поведенческое
29.10.2010	ОАО "ТГК-6"	0,25	Производство	Структурно-поведенческое
05.03.2011	ОАО "ОГК-3"	0,75	Производство	Структурное
15.03.2011	ОАО "Мосэнергосбыт"	0,5092	Сбыт	Структурно-поведенческое
15.03.2011	ОАО энергетики и электрификации "Саратовэнерго"	0,7446	Сбыт	Структурно-поведенческое
15.03.2011	ОАО "Петербургская сбытовая компания"	0,7499	Сбыт	Структурно-поведенческое
15.03.2011	ОАО "Томская энергосбытовая компания"	0,2564	Сбыт	Структурно-поведенческое
26.01.2012	ОАО "Башкирэнерго"	0,75	Производство	Поведенческое
15.06.2012	ОАО "Башэнергоактив"	0,75	Производство	Поведенческое

В отношении сделок по приобретению генерирующих активов (ОАО "Волжская ТГК", ОАО "ТГК-6", ОАО "ОГК-3", ОАО "Башкирэнерго", ОАО "Башэнергоактив") ФАС выдала предписания различного типа: как требование продать активы, так и регулирование цен.

В отношении сделок по приобретению сбытовых активов (ОАО "Мосэнергосбыт", ОАО "Саратовэнерго", ОАО "Петербургская сбытовая компания", ОАО "Томская энергосбытовая компания") были выданы предписания поведенческого и структурного характера, согласно которым необходимо:

-       прекратить права собственности или отказаться от иной возможности осуществления предоставленного акциями ОАО «Мосэнергосбыт» в размере более 50% права голоса;

-       не допускать действий, которые могут привести к значительному повышению цен на розничном рынке;

-       не заключать свободные договоры на поставку электрической энергии и (или) мощности внутри группы лиц ОАО «ИНТЕР РАО ЕЭС»;

-       не завышать объемы потребления в отношении точек поставки, в которых ОАО «Мосэнергосбыт» приобретает электрическую энергию (мощность) на оптовом рынке с целью продажи на розничном рынке(27).

По словам заместителя руководителя ФАС Голомолзина А.Н. «по сделкам с участием "Интер РАО", "Газпрома" и других, в тех зонах рынка, где возникало или усиливалось доминирующее положение, мы предписывали продать ряд энергетических активов компаний, входящих в соответствующие группы лиц» [32].

Как говорилось ранее, главная цель применения корректирующих условий - обеспечение конкуренции после проведения слияния, в результате которой будут устанавливаться доступные цены для потребителей. Таким образом, «одним из показателей, характеризующих состояние электроэнергетики, является цена на электроэнергию». [28].

.2     
Моделирование процесса принятия решений антимонопольными органами относительно слияний и поглощений: случай электроэнергетики

Для оценки эффективности средств коррекции в рассматриваемой отрасли необходимо выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решения. Это позволит определить согласуются ли решения ФАС с экономической теорией, придерживается ли логике Федеральная Антимонопольная Служба при вынесении решений в области контроля слияний и поглощений на рынке электроэнергетики.

Для достижения этой цели выдвинем аналогичные гипотезы, которые были описаны в третьей главе. Далее будем использовать аналогичный инструмент (логистическая регрессия) для тестирования гипотез. В качестве зависимых переменной будут выступать вероятность вынесения предписания (зависимая переменная принимает значение 1, если ФАС выдает предписание, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий) и вероятность отказа (зависимая переменная принимает значение 1, если ФАС выносит отказ, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий). Перейдем к следующему шагу - описание данных и переменных.

Собранная выборка состоит из 232 ходатайств, поданных в период с 2010 по 2012 года, из которых 80% (186) были удовлетворены без выдачи предписаний, в 7% (15) случаях были получен отказ и 13% (31) сделок были одобрены с выдачей предписаний структурного и поведенческого характера. Доля структурных предписаний составляет 30% (9), доля поведенческих - 35% (11) и 35% (11) выданных предписаний содержат черты и поведенческого и структурного предписаний (табл. 8). В 60% случаях происходило приобретение генерирующих активов и в 20% - приобретение сбытовых активов.

Таблица 8 Описание выборки в 2010-2012 гг.

	Выборка
Удовлетворено	80%	186
Удовлетворено с выдачей предписаний, в т.ч.:	13%	31
поведенческих	30%	9
структурных	35%	11
структурно-поведенческих	35%	11
Отказано в согласовании	7%	15
Всего	100%	232

Были введены аналогичные объясняющие переменные, описанные в третьей главе:

¾      переменные рыночной доли (Acquid1, Acquid2, Acquid3, Acquir1, Acquir2, Acquir3);

¾      переменные горизонтального и вертикального слияний (Hmerger, Vmerger);

¾      регистрация в оффшорной зоне (Offshore);

¾      форма реорганизации (Typetransaction);

¾      переменные, показывающие суммарное количество акций или долей в уставном капитале покупаемой компании (Sharecapital2).

Для проверки значимости принадлежности компаний к рынку производства или сбыта электрической энергии созданы 2 бинарные переменных (SectorE, SectorG). Так как только 2 компании были иностранными покупателями активов, проверка значимости национальной принадлежности компании в отрасли электроэнергетики не имеет смысла.

Таким образом, мы получили 15 объясняющих переменных, 12 из которых - фиктивные переменные. Составление таких переменных, как рыночная доля фирм и регистрация в оффшорной зоне и не вызвало никаких проблем. Переменные вертикальное (Vmerger) и горизонтальное (Hmerger) слияние были составлены на основе экспертного мнения.

Описав выборку, с помощью которой будут выявлены факторы, влияющие на решение ФАС России и переменные, перейдем к обсуждению полученных результатов моделей для первой зависимой переменной - решение антимонопольного органа разрешить сделку с выдачей предписания.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными был проведен корреляционный анализ (приложение 4).

Для того чтобы определить силу зависимости между качественными переменными был рассчитан ранговый коэффициент корреляции Спирмена, который выявил сильную степень взаимосвязи между переменными SectorE и SectorG, Acquir1 и Acquir3, Acquid1 и Acquid3. Также была выявлена средняя степень взаимосвязи между следующими переменными: Acquir3 и SectorG, Acquir1 и SectorG, Acquid2 и Acquir2, Hmerger и Acquid2, Hmerger и SectorE, Offshore и Acquid1, Offshore и Acquid3. Следовательно, для того чтобы не допустить мультиколлинеарности в модели, будем строить модели, используя одну из двух коррелирующих переменных.

Для определения степени взаимосвязи между количественной переменной и качественными был рассчитан коэффициент корреляции Кенделла, который выявил сильную взаимосвязь между переменными Sharecapital2 и Typetransaction. Следовательно, чтобы не допустить мультиколлинеарность при построении моделей будем использовать только одну из них.

Анализируя коэффициенты корреляции Спирмена между результирующей переменной и факторами, можно выдвинуть следующие предположения.

Более сильное влияние на вынесение предписания оказывают рыночные доли компании-покупателя (доля рынка приобретаемой компании, находящаяся в пределах между нижней границы доминирования и 50% (Acquid2) -положительнок влияние) и горизонтальный характер сделки (Hmerger - положительное влияние). Между решением ФАС и данными переменными наблюдается средняя сила взаимосвязи (коэффициент корреляции находится в промежутке [0,3 - 0,6]).

Меньшее влияние на решение антимонопольных органов оказывают рыночные доли фирмы-покупателя и приобретаемой фирмы, находящиеся в пределах нижней границы доминирования (отрицательное влияние), рыночная доля покупаемой фирмы, находящаяся между нижней границей доминирования и 50% (положительное влияние), приобретение генерирующих активов (положительное влияние) и форма реорганизации (положительное влияние). Между решением ФАС и данными переменными наблюдается слабая сила взаимосвязи (коэффициент корреляции находится в промежутке [0,1 - 0,3]).

Остальные факторы оказывают, по результатам корреляционного анализа, относительно небольшое влияние на решение антимонопольных органов. Проверим эти предположения и выдвинутые ранее гипотезы, построив регрессионную модель.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и здравого смысла.

Выбирая лучшие модели, мы ориентировались на следующие критерии:

-       значимость рассчитанных коэффициентов;

-       значения R² Нэйджелкерка (Nagelkerke's ), указывающего долю влияния всех предикторов модели на дисперсию зависимой переменной;

-       процент корректно объясненных переменных (percentage of correct predictions).

Для интерпретации полученных результатов мы не можем давать количественную оценку, так как оценки ММП являются смещенными. Мы можем только сделать выводы с точностью до знака. Глядя на знак и на величину коэффициента, мы сможем определить какие факторы значимы при вынесении решения антимонопольными органами (Greene W.H., 2003). Регрессии были построены в программе SPSS Statistics 19.

Перейдем непосредственно к результатам построенных логистических регрессий.

В первую спецификацию модели номер 1 вошли следующие объясняющие переменные: форма реорганизации, рыночные доли (Acquid1) и горизонтальный характер слияния (табл. 9). Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, значение R² Нэйджелкерка составляет 28,4%, составляет 88,9% прогнозных значений оказались верными.

Во вторую спецификацию модели номер 1 вошли такие объясняющие переменные, как форма реорганизации, рыночные доли (Acquir2) и приобретение генерирующих активов (табл. 9). Все включенные объясняющие переменные являются значимыми на 10%-ном уровне, значение R² Нэйджелкерка составляет 13,8%, 86,6% прогнозных значений оказались верными.

Таблица 9 Коэффициенты спецификации модели номер 1, 2 и 3

Зависимые переменные	Коэффициенты уравнения модели номер 1	Коэффициенты уравнения модели номер 2
Typetransaction	1,08**	1,205**
Acquid1	-1,166***	-
Acquir2	-	1,678*
SectorE	-	0,959**
Vmerger	-	-
Hmerger	1,939***	-
Константа	-3,601***	-4,644***

Далее была проведена проверка адекватности модели с помощью теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test). Данный тест применяется только для бинарных моделей. Процедура теста заключается в следующем: происходит группировка наблюдений по ожидаемым вероятностям, затем тестируется гипотеза - разница между наблюдаемыми и ожидаемыми событиями равна нулю для всех групп. В нашем случае для обеих спецификаций логит моделей не отвергается гипотеза о допустимо незначительных расхождениях между фактической и модельной классификацией «разрешение» - «выдача предписания» (приложения 2 и 3) (Hosmer, D. W. and Lemeshow S., 1989).

На основе первой построенной модели, представленной в таблице 9, можно сделать следующие выводы для отрасли электроэнергетики:

-       Если компания-покупатель занимает на соответствующем рынке долю меьше границы доминирования, то вероятность вынесения предписания ФАС уменьшается. Получается, что антимонопольному органу важно знать, что компания не занимает доминирующее положение на данном рынке.

-       Если слияние является горизонтальным, то вероятность вынесения предписания антимонопольными органами увеличивается. Это важно для рынка электроэнергетики, так как этот рынок является олигополистическим. Горизонтальное слияние на рынке олигополии может значительно увеличить рыночную власть фирмы.

-       Такая форма реорганизации, как приобретение акций или доли в уставном капитале фирмы увеличивает вероятность того, что ФАС разрешит сделку слияния с выдачей предписания.

На основе второй построенной модели, также представленной в таблице 9, можно сделать следующие выводы для отрасли электроэнергетики:

-       Если приобретаемая компания занимает на соответствующем рынке долю от 20 до 50%, то вероятность вынесения предписания Федеральной Антимонопольной Службой увеличивается.

-       Если фирма-покупатель приобретает генерирующие активы, то ФАС с большей вероятностью вынесет предписание по данной сделке.

-       Такая форма реорганизации, как приобретение акций или доли в уставном капитале фирмы увеличивает вероятность того, что ФАС разрешит сделку слияния с выдачей предписания.

Из представленных двух спецификаций в качестве «лучшей» выберем первую спецификацию, основываясь на значении R² Нэйджелкерса и на значении процента корректно объясненных случаев выдачи предписания, который для первой и второй спецификаций составляет 35,5% и 9,7% соответственно.

Перейдем к обсуждению полученных результатов моделей для второй зависимой переменной - решение антимонопольного органа отказать в проведении слияния.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными был проведен корреляционный анализ (приложение 7), результаты которого аналогичны результатам проведенного корреляционного анализа для первой модели.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и здравого смысла. Выбирая лучшие модели, мы ориентировались на аналогичные критерии, на которые мы ориентировались при построении первой модели. Перейдем непосредственно к результатам построенных логистических регрессий.

Так как доля отказов в выборке составляет 7%, удалось построить одну классификацию для данной зависимой переменной. Во вторую модель вошли следующие объясняющие переменные: форма реорганизации, вертикальный и горизонтальный характер слияния (таблица 10). Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, значение R² Нэйджелкерка составляет 25,1%, составляет 92,5 прогнозных значений оказались верными %.

Таблица 10 Коэффициенты спецификации модели номер 1, 2 и 3

Зависимые переменные	Коэффициенты уравнения модели номер 3
Typetransaction	-0,869***
Vmerger	3,681***
Hmerger	1,358**
Константа	-1,994***

Модель также прошла проверку теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test).

На основе построенной модели можно сделать следующие выводы для отрасли электроэнергетики:

-       Если слияние является горизонтальным или вертикальным, то вероятность вынесения запрета антимонопольными органами увеличивается. Это важно для рынка электроэнергетики, так как этот рынок является олигополистическим. Горизонтальное слияние и вертикальная интеграция на рынке олигополии может значительно увеличить рыночную власть фирмы.

Важно заметить, что построение логит регрессии позволило выделить значимые факторы, на которые обращают внимание антимонопольные органы при вынесении предписания или запрета. Выдвигаемые нами гипотезы и предположения, сделанные на основе анализа корреляционного анализа, подтвердились. Значимыми факторами, повышающих вероятность вынесения предписания, оказались рыночные доли фирм, горизонтальный характер слияния, а также форма реорганизации. Гипотеза о влиянии приобретения генерирующих или сбытовых активов не подтвердилась. Регистрация фирмы, оперирующей на рынке электроэнергетики, в оффшорной зоне также явилось незначимым фактором при принятии решений ФАС.

Вероятность вынесения запрета увеличивается, если слияние носит вертикальный или горизонтальный характер. Также значимым фактором оказалась форма реорганизации. Однако, процент корректно объясненных случаев отказа и величина R² Нэйджелкерса являются низкими: 6,7% и 25,1% соответственно.

Всё вышесказанное позволяет сделать следующий вывод: антимонопольный орган при вынесении решений для отрасли электроэнергетики руководствуется другими факторами, чем при вынесении решения для всех остальных отраслей. Это подтверждает гипотезу о существовании отраслевой специфики в практике российского антимонопольного регулирования.

Качество построенной эконометрической модели в дальнейшем может быть улучшено благодаря расширению выборки, что может быть доступно только антимонопольным органом, и включению дополнительных важных факторов, например, барьеры входа на рынок или выручка компании.

Заключение

В настоящее время слияния и поглощения все больше несут стратегический характер: большинство фирм объединяются для того, чтобы занять доминирующую позицию на рынке. Доминирование на рынке может привести к негативным последствиям как для общества, так и для фирм-конкурентов. Поэтому деятельность антимонопольного органа имеет большое значение для общества. Регулируя деятельность фирм в случае «антиконкурентных» слияний, антимонопольная служба вмешивается в структуру рынка, вызывая необратимые и непредсказуемые последствия. По этой причине оценивание применения корректирующих условий становится все более важной задачей как для исследователей, так и для самих антимонопольных органов. Оценивая применение средств коррекции, важно понять какими факторами и критериями руководствуются антимонопольные органы, вынося то или иное решение. Учитывает ли ФАС при принятии решений экономические параметры?

После исследования теоретической базы, был проведен обзор качественных и количественных методов, с помощью которых проводили оценивание качества применения корректирующих условий, для выбора метода исследования. В результате был выбран метод дискретного моделирования, использованного в работе М. Бергмана с соавторами (Bergman M. et al., 2005). Для проведения эмпирического анализа за период с 2010 по 2012 годы была собрана база данных, и с помощью логистического анализа была оценена вероятность использования тех или иных факторов, влияющих на принятие решения выдавать предписание или нет.

Значимыми факторами при принятии решений антимонопольным органом получились структурные (рыночные доли) и рыночные (горизонтальные и вертикальный характер слияния) переменные. Также значимым фактором оказалась принадлежность к отрасли связи и транспорта. Принадлежность к данной отрасли умешает вероятность вынесения предписания.

Затем в качестве кейса были рассмотрены корректирующие условия на примере электроэнергетики. Было выявлено, что именно для этой отрасли характерно использование структурных предписаний.

Также проводилось оценивание контроля слияний в этой отрасли с помощью моделей дискретного выбора. С помощью логистического анализа были выявлены значимые факторы, влияющие на решение провести коррекцию: структурные факторы (рыночная доля), рыночные факторы (горизонтальный характер слияния) и форма реорганизации. Также были выявлены значимые факторы, влияющие на вероятность вынесения отказа. Такими факторами оказались рыночные переменные (горизонтальный и вертикальный характер слияния). Это объясняет, что в отрасли электроэнергетики присутствует специфика.

В заключение хотелось сказать, что проведенное исследование может быть улучшено двумя способами: первый - это включение в модель дополнительных переменных (например, барьеров входа, выручки); второй - это использование других методов моделирования (например, для отрасли электроэнергетики можно построить мультиноминальную регрессию, рассчитывая вероятность вынесения запретов и предписаний).

Список использованной литературы

Нормативные правовые акты

.      Федеральный закон Российской Федерации "О защите конкуренции" / Принят Государственной Думой 8 июля 2006 года № 135-ФЗ.

2.      Федеральный закон Российской Федерации "Об электроэнергетике" / Принят Государственной Думой 21 февраля 2003 года № 250-ФЗ.

Специальная литература

.      Aktas N., de Bodt E., and Roll R. Market Response to European Regulation of Business Combinations // Journal of Financial & Quantitative Analysis, 39(4), P. 731-757, 2004.

4.      Asch P. The Determinants and Efects of Antitrust Activity // Journal of Law and Economics, 18(2), P. 575-581, 1975.

.        Bergman M. et al. An econometric analysis of the European Commission’s merger decisions / Bergman M., Jakobsson M., Razo C. // International Journal of Industrial Organization, 23, P. 717- 737, 2005.

.        Bougette P. et al. Market structures, political surroundings, and merger remedies: an empirical investigation of the EC’s decisions / Bougette P., Turolla S. // European Journal of Law and Economics, Springer, vol. 25(2), P. 125-150, 2008.

.        Coate M.B., Higgins R.S., and McChesney F.S. Bureaucracy and Politics in FTC Merger Challenges // Journal of Law and Economics, 33(2), P. 463-482, 1990.

.        Duso T., Gugler K., and Yurtoglu B.B. EU Merger Remedies: A Preliminary Empirical Assessment // Working paper, GESY Discussion Paper № 81, January 2006.

.        Duso T. et al. The Political Economy of European Merger Control: Evidence using Stock Market Data / Duso T., Neven D.J., Röller L. // Journal of Law and Economics, University of Chicago Press, vol. 50, P. 455-489, 2003.

.        Fama E.F. Efcient Capital Markets: A Review of Theory and Empirical Work // Journal of Finance, 25(2), P. 383-417, 1970.

.        Greene W.H. (2003), Econometric analysis, 5th ed., New York: Prentice-Hall.

.        Hosmer D.W. and Lemeshow S. Applied Logistic Regression. New York: John Wiley & Sons, Inc. 1989.

.        Khemani R.S., Shapiro, D.M. An empirical analysis of Canadian merger policy // Journal of Industrial Economics 41, P. 161 - 177, 1993.

.        Lindsay A. et al. Econometrics study into European merger decisions since 2000 / Lindsay A., Lecchi E., Williams G. // European Competition Law Review 24, P. 673 - 682, 2003.

.        Long W.F., Schramm R., and Tollison R.D. The Economic Determinants of Antitrust Activity // Journal of Law and Economics, 16(2), P. 351-364, 1973.

.        Manne, Henry G. Mergers and the market for corporate control // Journal of Political Economy, 73, P. 110 - 120, 1965.

.        McFadden D. Conditional Logit Analysis of Quantative Choice Behavior // Frontiers in Econometrics, Academic Press: New York, P. 105-142, 1973.

.        Motta M. et al., Merger Remedies in the European Union: An Overview / Motta M., Polo M., Vasconcelos H. // International Journal of Industrial Organization / Elsevier, vol. 23(9-10), P. 777-801, 2002.

20.    Röller L., Lars-Henrik, Neven, Damien. Discrepancies between markets and regulators: Analysis of the first ten years of EU merger control. The Pros and Cons of Merger Control // Swedish Competition Authority, 2002.

.        Stillman R. Examining antitrust policy towards horizontal mergers // Journal of Financial Economics, P. 225-240, 1983.

.        Weir, C. Monopolies and merger commission, merger reports and the public interest: Probit analysis // Applied Economics, 24, P.27 - 32, 1992.

.        Weir C. Merger policy and competition: Analysis of the monopolies and mergers commission’s decisions // Applied Economics, 24, P. 57-66, 1993.

Электронные ресурсы

24.  Ec.europa.eu / Сайт Европейской антимонопольной комиссии

25.    Expert.ru / Эксперт

.        Fas.gov.ru / Официальный сайт ФАС

.        Gisee.ru / Государственная информационная система в области энергосбережения и повышения энергетической эффективности

.        Interrao.ru / Официальный сайт ОАО “ИНТЕР РАО ЕЭС»

.        Newasp.omskreg.ru / Оффшорные территории и экономическая преступность

.        Reestr.fas.gov.ru / Реестр хозяйствующих субъектов, с долей на рынке более 35%

.        Rg.ru/ Российская газета

.        Авдашева С. и др. За отсутствием состава доказательств, 2011 / Авдашева С., Крючкова П.

.        Авдашева С. и др. Искать под фонарем, или где потеряли?, 2008 / Авдашева С., Шаститко А.

.        Авдашева С. и др. Новое антимонопольное законодательство: результат стратегического взаимодействия?, 2007 / Авдашева С., Шаститко А.

.        Авдашева С. и др. Развитие и применение антимонопольного законодательства в России, 2011 / Авдашева С., Дзагурова Н., Крючкова П., Юсупова Г.

.        Антимонопольное законодательство сегодня: совершенствование и устранение пробелов

37.    Antitrust division policy guide to merger remedies, 2011

.        Balto D.A. et al. The Evolving Approach to Merger Remedies, 2000 / Balto D.A., Parker R.G.

.        Fas.gov.ru / Доклад о состоянии конкуренции в Российской Федерации за 2011 и 2012 год

40.    Files.nyu.edu / Discrete Choice Models I

.        Korah V. et al. EC Merger Regulation, 2004 / Korah V., Fatur A.

42.    Merger Remedies, 2003

Приложение 1

Таблица 1 Непараметрические корреляции Спирмена

Typedecision

Offshore

Foreigncountry1

Foreigncountry2

Vmerger

Hmerger

Acquid1

Acquid2

Acquid3

Acquir1

Acquir2

Acquir3

SectorD

SectorG

SectorI

SectorJ

SectorK

Typetransaction

Typedecision

1

Offshore

-,040*

1

Foreigncountry1

-,093**

-,048*

1

Foreigncountry2

-,036

-,051*

,285**

1

Vmerger

,038

-,083**

-,036

-,018

1

Hmerger

,222**

-,186**

-,129**

-,035

-,133**

1

Acquid1

-,166**

,105**

,107**

,045*

-,015

-,096**

1

Acquid2

,255**

-,060**

-,052**

-,020

-,002

,166**

-,450**

1

Acquid3

,078**

-,088**

-,086**

-,033

,042*

,055**

-,736**

-,039

1

Acquir1

-,407**

,055**

,076**

,043*

,008

-,021

,279**

-,113**

-,014

1

Acquir2

,148**

-,032

-,022

-,019

-,011

,060**

-,116**

,146**

,069**

-,445**

1

Acquir3

,462**

-,041*

-,065**

-,032

,019

,028

-,015

,069**

-,002

-,729**

-,036

1

SectorD

,040*

-,083**

,126**

,141**

,105**

-,072**

,038

-,017

-,036

-,017

,026

,009

1

SectorG

-,021

-,017

,043*

-,034

,043*

-,027

-,011

-,045*

,023

-,004

-,009

-,014

-,188**

1

SectorI

-,051*

-,069**

-,049*

-,044*

,009

,068**

-,072**

,039

,084**

-,008

,047*

,004

-,191**

-,160**

1

SectorJ

-,044*

,033

-,019

,045*

-,061**

,046*

,037

-,027

-,061**

,048*

-,033

-,078**

-,164**

-,138**

-,140**

1

SectorK

-,137**

,145**

-,040*

-,050*

-,072**

-,076**

,078**

-,063**

-,063**

,100**

-,038

-,108**

-,236**

-,199**

-,201**

-,173**

1

Typetransaction

-,030

,084**

-,065**

-,010

,015

-,056**

,070**

-,031

-,071**

,013

-,017

-,003

,028

-,156**

,033

,094**

-,022

1

Таблица 2

Непараметрические корреляции Кенделла

	Sharecapital2
Typedecision	,004
Offshore	,040*
Foreigncountry1	-,094**
Foreigncountry2	-,026
Vmerger	,008
Hmerger	,013
Acquid1	-,007
Acquid2	,003
Acquid3	-,002
Acquir1	,013
Acquir2	-,037
Acquir3	,000
SectorD	-,008
SectorG	-,124**
SectorI	,005
SectorJ	,049*
SectorK	-,017

Приложение 2

Логистическая модель, построенная для выборки

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	1037,265a	,078	,197

Таблица 2 Прогнозные значения

Таблица классификации
Наблюденные			Предсказанные
			Typedecision		Процент корректных
			0	1
Шаг 1	Typedecision	0	2279	14	99,4
		1	141	29	17,1
	Общий процент				93,7

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	,724	3	,868

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
		B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Vmerger	1,255	,315	15,843	1	,000	3,509
	Hmerger	1,635	,182	80,316	1	,000	5,130
	Acquid2	1,583	,386	16,856	,000	4,872
	Acquir2	1,552	,369	17,703	1	,000	4,723
	Acquid1	-,618	,268	5,328	1	,021	,539
	SectorI	-1,115	,317	12,349	1	,000	,328
	Константа	-2,829	,275	106,205	1	,000	,059

Таблица 5 Значимость модели

Объединенные тесты для коэффициентов модели
		Хи-квадрат	ст.св.	Знч.
Шаг 1	Шаг	199,656	6	,000
	Блок	199,656	6	,000
	Модель	199,656	6	,000

Приложение 3

Логистическая модель, построенная для подвыборки

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	636,867a	,113	,235

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные			Предсказанные
			Typedecision		Процент корректных
			0	1
Шаг 1	Typedecision	0	1070	9	99,2
		1	98	22	18,3
	Общий процент				91,1

Таблица 3 Проверка адекватности модели

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	636,867a	,113	,235

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
		B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Acquid1	-1,256	,322	15,224	1	,000	,285
	Acquid2	,940	,468	4,045	1	,044	2,561
	Acquir2	,951	,499	3,634	1	,057	2,588
	Vmerger	1,294	,351	13,577	1	,000	3,649
	Hmerger	1,657	,230	52,021	1	,000	5,243
	SectorI	-1,259	,463	7,389	1	,007	,284
	Константа	-1,901	,337	31,781	1	,000	,149

Таблица 5 Значимость модели

Объединенные тесты для коэффициентов модели
		Хи-квадрат	ст.св.	Знч.
Шаг 1	Шаг	143,121	6	,000
	Блок	143,121	6	,000
	Модель	143,121	6	,000

Приложение 4

Корреляционный анализ

Таблица 1 Непараметрические корреляции Спирмена

	Typedecision	Typetransaction	Offshore	Vmerger	Hmerger	Acquid1	Acquid2	Acquid3	Acquir1	Acquir2	Acquir3	SectorE	SectorG
Typedecision	1,000
Typetransaction	,183**	1,000
Offshore	-,006	,172*	1,000
Vmerger	,064	-,007	-,047	1,000
Hmerger	,366**	,095	-,091	-,058	1,000
Acquid1	-,206**	,053	,238**	-,090	-,095	1,000
Acquid2	,506**	,083	-,091	-,027	,312**	-,342**	1,000
Acquid3	-,035	-,097	-,205**	,108	-,055	-,883**	-,139*	1,000
Acquir1	-,134*	-,042	,081	-,095	-,060	-,184**	-,123	,255**	1,000
Acquir2	,149*	-,046	-,072	-,022	,108	-,045	,314**	-,110	-,279**	1,000
Acquir3	,079	,063	-,056	,106	,018	,205**	,002	-,217**	-,923**	-,112	1,000
SectorE	,155*	,018	,054	,019	,245**	-,142*	,194**	,053	,025	,047	-,048	1,000
SectorG	-,043	-,023	-,064	-,060	-,190**	,194**	-,117	-,146*	-,295**	-,028	,315**	-,604**	1,000

Таблица 2

Непараметрические корреляции Кенделла

	Sharecapital2
Typedecision	,025
Typetransaction	,679**
Offshore	,112
Vmerger	,020
Hmerger	,083
Acquid1	-,067
Acquid2	-,018
Acquid3	,080
Acquir1	-,022
Acquir2	-,217**
Acquir3	,112
SectorE	-,002
SectorG	,031

Приложение 5

Корреляционный анализ

Таблица 1 Непараметрические корреляции Спирмена

	Typedecision	Typetransaction	Offshore	Vmerger	Hmerger	Acquid1	Acquid2	Acquid3	Acquir1	Acquir2	Acquir3	SectorE	SectorG
Typedecision	1,000
Typetransaction	-,172*	1,000
Offshore	-,108	,182**	1,000
Vmerger	,319**	-,026	-,061	1,000
Hmerger	,146*	-,048	-,032	-,067
Acquid1	-,073	,154*	,205**	,030	,017	1,000
Acquid2	-,020	,046	-,027	-,011	-,030	-,112	1,000
Acquid3	,076	-,162*	-,202**	-,029	-,012	-,988**	-,044	1,000
Acquir1	,045	-,049	,094	,025	,003	-,284**	,043	,279**	1,000
Acquir2	-,041	-,090	-,054	-,023	-,060	,090	-,010	-,089	-,235**	1,000
Acquir3	-,034	,082	-,080	-,019	,015	,259**	-,041	-,254**	-,949**	-,083	1,000
SectorE	,130	-,068	,080	,073	,191**	-,095	,061	,086	,069	-,022	-,068	1
SectorG	-,007	,032	-,121	-,083	-,148*	,162*	-,037	-,157*	-,350**	,014	,353**	-,6**	1

Таблица 2 Непараметрические корреляции Кенделла

	Sharecapital1	Sharecapital2	Dsharecapital
Typedecision	-,124	-,138*	-,029
Typetransaction	,695**	,723**	,065
Offshore	,107	,123	,114
Vmerger	-,015	-,022	-,016
Hmerger	,051	,035	-,042
Acquid1	,006	-,013	-,048
Acquid2	,066	,063	-,007
Acquid3	-,017	,003	,049
Acquir1	-,076	-,052	,061
Acquir2	-,155*	-,161*	-,014
Acquir3	,131	,108	-,058
SectorE	,019	-,008	-,015
SectorG	,056	,035	-,052
Sharecapital2	,960**	1,000	,089

Приложение 6

Логистическая модель, построенная для предписаний, спецификация 1

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	140,215a	,159	,284

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные			Предсказанные
			Typedecision		Процент корректных
			0	1
Шаг 1	Typedecision	0	181	4	97,8
		1	20	11	35,5
	Общий процент				88,9

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	4,066	5	,540

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
		B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Hmerger	1,939	,443	19,131	1	,000	6,950
	Typetransaction	1,080	,508	4,516	1	,034	2,945
	Acquid1	-1,166	,438	7,079	1	,008	,312
	Константа	-3,601	1,007	12,789	1	,000	,027

Приложение 7

Логистическая модель, построенная для предписаний, классификация 2

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	160,233a	,078	,138

Таблица 2 Прогнозные значения

Таблица классификации
Наблюденные			Предсказанные
			Typedecision		Процент корректных
			0	1
Шаг 1	Typedecision	0	184	1	99,5
		1	28	3	9,7
	Общий процент				86,6

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	1,581	4	,812

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
		B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Typetransaction	1,205	,535	5,064	1	,024	3,336
	SectorE	,959	,463	4,298	1	,038	2,610
	Acquir2	1,678	,873	3,694	1	,055	5,356
	Константа	-4,644	1,076	18,640	1	,000	,010

Приложение 8

Логистическая модель, построенная для отказов

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	84,705a	,103	,251

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные			Предсказанные
			Typedecision		Процент корректных
			0	1
Шаг 1	Typedecision	0	184	1	99,5
		1	14	1	6,7
	Общий процент				92,5

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	2,684	3	,443

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Exp(B)
Typetransaction	-,869	,330	6,942	1	,008	,420
Vmerger	3,681	1,049	12,308	1	,000	39,701
Hmerger	1,358	,650	4,363	1	,037	3,888
Константа	-1,994	,514	15,029	1	,000	,136