Задача о поиске равновесия при решении агентской проблемы с точки зрения риск-менеджмента Выпускная квалификационная работа аспиранта, обучающегося по основной образовательной программе аспирантуры «Экономика и управление народным хозяйством (логистика;
Скачать 1.62 Mb.
|
| На основе теста Breush-Godfrey можно сделать вывод, что серийная корреляция присутствует во временном ряде treasury_return на промежутке 2012-2013 гг. и отсутствует на во временном ряде treasury_return на промежутках 2010-2011 гг. и 2014-2015 гг. (это поддерживает гипотезы, выдвинутые на основе визуального анализа автокорреляционной функции временного ряда). Следовательно, необходимо дифференцирование временного ряда treasury_return 2012-2013 гг. Как видно из Таблицы 6, после дифференцирования первого порядка временного ряда treasury_return, для полученного в результате взятия первых разностей временного ряда Dtreasury_return, p-value, согласно тесту Breush-Godfrey, возросло, однако, по-прежнему меньше 0,05 (это значит, что нет оснований для принятия гипотезы H0 об отсутствии серийной корреляции во временном ряду Dtreasury_return). После дифференцирования второго порядка p-value, согласно тесту Breush-Godfrey, снизилось до 0.00. На основании данных результатов можно выдвинуть гипотезу о том, что для последующего анализа более всего подходит временной ряд Dtreasury_return. Необходимо провести тестирование этой гипотезы при помощи информационных критериев. Результаты теста Breush-Godfrey для corporate_return позволяют принять гипотезу о наличии серийной корреляции во временном ряду corporate_return в периодах 2010-2011 гг. и 2014-2015 гг. и отклонить гипотезу о наличии серийной корреляции в этом временном ряду в периоде 2012-2013 гг. Однако, временные ряды Dcorporate_return в 2014-2015 гг. и 2010-2011 гг. также несвободны от автокорреляции и, более того, их p-value, согласно тесту Breush-Godfrey, ниже, чем p-value для временных рядов corporate_return в 2014-2015 гг. и 2010-2011 гг. Следовательно, предпочтительнее использовать для построения модели временные ряды corporate_return в 2010-2011 и 2014-2015 гг., чем Dcorporate_return согласно тесту Breush-Godfrey. Для industry_return и furutes_return во всех периодах времени результаты теста Breush-Godfrey позволяют приять гипотезу о отсутствии автокорреляции во временном ряду. Также подтверждается гипотеза о наличии серийной корреляции во временных рядах volumes и Dvolumes. Тест Breush-Godfrey показывает, что может быть принята гипотеза об отсутствии серийной корреляции для open и временного ряда Dopen в 2014-2015 и 2012-2013 годах, а также для временного ряда open – в 2010-2011 гг. В то же время, для временного ряда Dopen не может быть принята гипотеза об отсутствии серийной корреляции в периоде 2010-2011 гг. Тест Breush-Godfrey также показывает, что для переменной interest предпочтительнее является использование первых разностей временного ряда. Информационные критерии Акаике, Шварца и Хеннана-Куинна Результаты оценки информационных критериев Акаике, Шварца и Хеннана-Куинна для временных рядов представлены в Таблице 1 Приложения 3. На основе анализа информационных критериев можно сделать вывод, что предпочтительнее использовать для анализа временной ряд treasury_return (так как сопоставление значений информационных критериев, рассчитанных для линейных моделей, построенных по временному ряду treasury_return, а также по временным рядам Dtreasury_return и DDtreasury_return позволяют принять гипотезу о меньшей автокорреляции во временном ряду treasury_return, чем во временных рядах Dtreasury_return и DDtreasury_return). Для corporate_return в 2010-2011 гг., согласно информационный критериям для модели линейной регрессии по временному ряду с 0 количеством лагов, лучше использовать для дальнейшего анализа временной ряд corporate_return, а согласно информационным критериям для модели линейной регрессии с 1 и 2 лагами, лучше использовать Dcorporate_return. Однако, подводя общий итог анализа временного ряда corporate_return с учётом результатов теста Breush-Godfrey, можно сделать вывод, что предпочтительнее использовать для дальнейшего анализа временной ряд corporate_return. Для временного ряда corporate_return в 2014-2015 гг. все информационные критерии (и это совпадает с результатами теста Breush-Godfrey) показывают, что для дальнейшего анализа предпочтительнее использовать временной ряд corporate_return. Для временного ряда open в сравнении с временным рядом Dopen информационные критерии показывают, что временной ряд open предпочтительнее использовать для моделирования в периоде 2010-2011 гг. В 2012-2013 гг. результаты теста Breush-Godfrey не дают однозначного ответа на вопрос, какой именно временной ряд использовать (open или Dopen). В 2014-2015 гг. вывод однозначный: временной ряд Dopen. Информационные критерии для временных рядов interest, Dinterest и DDinterest показывают, что предпочтительнее использовать Dinterest. Тест Дикки-Фуллера Результаты теста Дикки-Фуллера для некоторых из зависимых переменных представлены в Таблице 2 Приложения 3. Тест Дикки-Фуллера показывает, что, с точки зрения наличия автокорреляции, временной ряд Dvolumes более подходит для построения модели, чем временной ряд volumes. Результаты теста Дикки-Фуллера и Филлипса-Перрона позволяют принять гипотезу о наличии стационарности во временных рядах treasury_return во всех периодах и временных рядах Dtreasury_return и DDtreasury_return в 2012-2013 гг., а также временных рядах futures_return во всех периодах. Следовательно, обобщив выводы по тестам на стационарность и наличие автокорреляции во временных рядах, можно в заключение сказать, что временной ряд treasury_return предпочтительнее для моделирования, чем Dtreasury_return и DDtreasury_return, а временные ряды futures_return могут быть использованы для дальнейшего моделирования. Для временного ряда corporate_return и industry_return тесты Дикки-Фуллера и Филлипса-Перрона показывают стационарность как самих временных рядов, так и временных рядов, построенных на первых разностях. Следовательно, обобщив все результаты тестов на наличие автокорреляции и стационарность можно сделать вывод, что предпочтительнее использовать для анализа во всех трёх периодах времени временные ряды corporate_return, а не Dcorporate_return, а также что временные ряды industry_return подходят для дальнейшего анализа. Для временного ряда volumes в периоде 2014-2015 гг. тест Дикки-Фуллера показывает следующие результаты (Таблица 2 Приложения 3), а тест Филлипса-Перрона показывает похожие результаты с результатами теста Дикки-Фуллера. Гипотеза о наличии стационарности может быть принята только в ограниченном количестве случаев, в то время как для временного ряда, задаваемого переменной Dvolumes, она может быть принята во всех случаях. Результаты теста Дикки-Фуллера для временного ряда open неоднозначны (Таблица 2 Приложения 3). А после дифференцирования временного ряда open и проверки по тесту Дикки-Фуллера временного ряда Dopen, гипотезу о присутствии стационарности во временном ряду Dope можно принять. В 2010-2011 гг. временной ряд суммы open, согласно гипотезе, которую можно принять на основе теста Дикки-Фуллера. Тест Филлипса-Перрона То же самое было сделано для рассмотрения проверки на стационарность по методу Филлипса-Перрона. Тест Филлипса-Перрона показывает похожие результаты: в некоторых случаях для переменной volumes можно отвергнуть гипотезу о наличии стационарности. В противоположность, для переменной Dvolumes гипотеза о наличии стационарности может быть принята для всех случаев. Таким образом, тесты Дикки-Фуллера и Филлипса-Перрона на наличие стационарности во временном ряду показывают, что временной ряд Dvolumes больше подходит для моделирования, чем временной ряд volumes. Рассмотрев эти результаты совместно с результатами теста Breush-Godfrey можно сделать вывод, что временной ряд, который задаётся переменной Dvolumes (рост объёмов торгов фьючерсами на нефть на Московской бирже) лучше подходит для моделирования. Для временных рядов, задаваемых переменной open, согласно тесту Филлипса-Перрона, можно получить неоднозначные результаты. Однако, для переменной Dopen все модели, согласно тесту Филлипса-Перрона, позволяют принять гипотезу о наличии стационарности во временном ряду. Таблица 7: Список переменных
Выводы по выбору переменных для моделирования Не в каждом случае результаты всех тестов на отсутствие автокорреляции и наличие стационарности (проводились тесты Breush-Godfrey, Дикки-Фуллера, Филлипса-Перрона, рассчитывались информационные критерии) говорят в пользу выбора переменных для анализа однозначно (результаты некоторых тестов могут отличаться с точностью до наоборот). Но, задачей является выбор переменной, которая более подходит для моделирования. С другой стороны, невозможно использовать разные временные ряды для построения моделей с одной и той же независимой переменной (речь идёт о случаях, когда, согласно тестам, временной ряд подходит для моделирования в одном периоде, например, 2010-2011 гг., а в остальных периодах для моделирования больше подходит дифференцированный временной ряд. На основе этих соображений были отобраны переменные, на основе которых будут строиться дальнейшие модели (табл. 7) Результаты Как отмечает F.A. Longstaff, при изучении природы финансового заражения полезно учесть два основных элемента. Первый – определить окно события (в данном случае период кризиса 2014-2015 гг.). Второй – определить вектор финансового заражения, который может быть использован для тестирования изменений взаимосвязей между рынками, связанными с кризисным событием [Longstaff, 2010]. Кризис в российской экономике 2014-2015 годов был вызван (причины):
Справедливо то, что обе эти причины многократно обсуждались в российской научной литературе, риски рассматривались, и причины эти не являются новыми. Однако, поводом, спровоцировавшим кризисное событие, стали санкции США, Евросоюза, Австралии, Новой Зеландии и Канады против России, введённые в марте 2014 года. Санкции содаржади в себе в том числе запрет компаниям этих стран поддерживать деловые отношения с лицами и организациями, которые были включены в соответствующие списки. То есть, санкции привели к затруднению отношений российских компаний со своими зарубежными партнёрами. Это сказалось на ценах закупаемых товаров и услуг зарубежом. Так как нефтегазовые российские компании при заключении проектов по разработке месторождений в России и зарубежом используют закупаемые у своих партнёров из западных стран технологии, что привело к тому, что их расходы на разработку новых месторождений возросли. Во время текущего кризиса достаточно сильно упали цены на нефть и курс рубля относительно доллара и евро. Хотя наличие одновременности не означает причинно-следственную связь, но, так как в экономике России нефегазовая отрасль играет большую роль (не только сама по себе, но как источник сырья для строительной, жилищно-коммунальной, транспортной и других отраслей, и особенно экспорта). Падение цен на нефть в 2014 году вызвано рядом причин (поличитическими, экономическими, природными):
Таким образом, санкции не являются причиной кризиса в России 2014-2015 гг., однако, они послужили поводом, который усугубил действие вышеназванных причин, что и выразилось в наступлении кризиса. Поэтому первыми на себе «ощутили» кризис нефтегазовые компании, которые получают доходы от продажи углеводородного сырья. Но, с другой стороны, доходы нефтегазовых компаний в рублях возросли за счёт падения курса рубля (и роста курса доллара). Этим может объясняться рост индексов облигаций нефтегазовых компаний с начала 2015 года (во всё ещё продолжающийся период кризиса). В то время, как экономике погружается в кризис, нефтегазовые компании оказались в несколько лучшем положении относительно остальных за счёт получения высоких (относительно всей экономики) доходов. Однако, индексы облигаций нефтегазовых компаний достаточно сильно снизились во второй половине 2014 года (но быстро возросли потом). В литературе по эмпирическом исследованию финансового заражения достаточно широко используется индикатор финансового заражения как возрастание взаимосвязей между различными рынками. Этот подход объясняется наиболее широко используемым в литературе определением финансового заражения как возникновением и возрастанием взаимосвязей между рынками вследствие кризисного события. Вектроная авторегрессионная модель, которую использовал F.A. Longstaff, позволила оценить взаимосвязь между раныками отдельно во время трёх периодов в рассматриваемом промежутке времени. Такой подход позволяет определить, отличались ли взаимосвязи между рынками во время кризиса и других двух периодов (Longstaff, 2010). В качестве меры доходности на пострадавшем от кризиса секторе нефтегазовых компаний использовались доходности индексов облигаций нефтегазовых компаний. Точнее, использовались ежедневные (за исключением праздничных и выходных дней) доходности. Также, рассматривались облигации компаний, имеющих разный кредитный рейтинг. Для учёта тенденция на рынке государственных облигаций использовались ежедневные доходности (за тот же период, что и доходности индексов облигаций нефтегазовых компаний) индекса обсударственных облигаций Московской Биржи. Как и все индексы доходности, рассчитываемые на Московской Бирже, индекс доходности государственных облигаций рассчитывается ежедневно в момент зарктия торгов на основе средневзвешенных цен выпусков облигаций, включённых в базу расчёта для индикаторов доходности. Формула расчёта индекса государственных облигаций Московской Биржи:  где Pi,t – средневзвешенная цена облигации i-ого выпуска в день t, выраженная в рублях; Ni,t-1 – размещённый объём i-ого выпуска облигаций, определённый в день t-1, выраженный в количестве ценных бумаг (единиц)18. Для ответа на вопрос, присутствует ли взаимосвязь между кризисными событиями в российской экономике и усилением зависимости между доходностью индексов облигаций российских компаний, была оценена следующая теоретическая модель:  где Yt - доходность индекса государственных облигаций Московской Биржи. Четыре лага в авторегрессионной модели были выбраны на основе того, что информационный критерий Акаике показывает более точные оценки для периодов в 4 недели, по сравнению с информационными критериями Шварца и Хеннана-Куинна [Ivanov, Kilian, 2005; Longstaff, 2010]. Bt-k – доходность индекса облигаций компании (для каждого индекса, то есть для каждой компании, такое уравнение оценивалось отдельно);  – случайная ошибка.VAR (векторная авторегрессионная модель) оценивалась отдельно для доходности индекса каждой облигации и для каждого этапа (2010-2011 гг., 2012-2013 гг., 2014-2015 гг.). В Таблице 1 Приложения 2 представлены результаты оценивания VAR. Для каждого из рассматриваемых периодов представлена t-статистика Newey-West для коэффициентов  в формуле (2) и R2 для моделей VAR. Таблица 1 Приложения 2 также показывает p-value для F-теста о том, что коэффициенты одновременно нулевые. F-тест можно рассматривать как тест гипотезы о том, что доходности индексов облигаций нефтегазовых компаний являются причиной по Гренджеру для последующих изменений в доходностях на других финансовых рынках. Эти тесты также позволяют определить, существует ли значимая разница во взаимосвязи между доходностями индексов облигаций нефтегазовых компаний и другими финансовыми рынками во время кризиса.Обращаясь сначала к результатам моделей VAR для государственных облигаций, Таблица 1 Приложения 2 показывает, что присутствует финансовое заражение во время кризиса. В частности, только одна из индивидуальных t-статистик для лаговых переменных – доходностей индексов нефтегазовых компаний является значимой для моделей 2010-2011 и 2012-2013 гг. Соответственно, только две из пяти F-статистик значимы в период 2010-2011 гг. (восстановление после кризиса 2008-2009 гг.) на 5%-ом уровне значимости, и одна F-статистика значима на 10%-ом уровне. Это можно объяснить тем, что рынок корпоративных облигаций менее ликвиден, чем рынок государственных облигаций (согласно теории). Поэтому, при прочих равных условиях, можно утверждать, что будет достаточно слабая взаимосвязь между динамикой доходности индекса государственных облигаций и динамикой доходности индексов нефтегазовых компаний. Напротив, в 2012-2013 гг. все F-статистики для моделей VAR являются значимыми на 5%-ом уровне значимости, что говорит о том, что доходности индексов нефтегазовых компаний являются причиной по Гренджеру для доходностей индексов государственных облигаций. Однако, наличие причинности по Гренджеру не означает, что между временными рядами существует причинно-следственная связь. Однако, если одна переменная, задающая временной ряд, не является причиной по Гренджеру для переменной, задающей другой временной ряд, то можно отвергнуть гипотезу о том, что между ними может существовать причинно-следственная связь (то есть, между ними точно не существует причинно-следственной связи). В дополнение, в 2012-2013 гг. только одна из индивидуальных t-статистик в моделях VAR для государственных облигаций была значима (у доходностей индекса облигаций Лукойла, имеющего самый высокий кредитный рейтинг из рассмотренных компаний). Это может свидетельствовать о том, что доходность индексов облигаций Лукойла может быть причиной по Гренджеру для доходностей индекса государственных облигаций. При этом лаг переменной, регрессионный коэффициент при которой обладает значимостью на 10%-ом уровне, является 1 лаг. Этот коэффициент обладает положительным знаком, что означает, что отрицательная динамика доходности индекса облигаций Лукойла совпадает с отрицательной динамикой доходности индекса государственных облигаций, что подразумевает возрастание стоимости государственных облигаций. Коэффициенты R2 для моделей в 2012-2013 гг. также выше коэффициентов R2 для моделей в 2011-2011 гг. Наконец, таблица 8 показывает, что в 2014-2015 гг. модели в целом значимы и одновременно несколько индивидуальных t-статистик Newey-West показывают высокую значимость коэффициентов регрессии. Подводя итог, несмотря на то, что в 2012-2013 гг. о кризисе не говорилось в средствах массовой информации в России, санкции были приняты в марте 2014 года, но модели в целом являются значимыми (хотя и коэффициенты регрессий относительно малы, и индивидуальные значения t-статистик являются незначимыми для всех, за исключением одного, коэффициентов). Это говорит о том, что кризиса, конечно, ещё не было видно фактически, однако, модели показывают присутствие финансового заражения. Может ли это отвечать на исследовательский вопрос утвердительно и свидетельствовать о том, что в 2013 году, оценив динамику рыночных индексов, можно было «предсказать» наступление кризиса в 2014 году? Предсказать невозможно, так как данное исследование не способно ответить на такой вопрос (это является ограничением исследования и вызвано спецификой применяемого метода), однако, используя такой индикатор, руководство компании могло бы более осторожно принимать инвестиционные решения (так как в целом стратегия компании в области риск-менеджмента более всего пересекается с её инвестиционной стратегией). Сосредоточившись далее на корпоративном рынке облигаций, Таблица 1 Приложения 2 показывает, что присутствует причинность по Гренджеру и коэффициенты с высокой значимостью в уравнениях VAR в периоде 2010-2011 гг. Также в течение периода 2012-2013 гг. доходности индексов облигаций нефтегазовых компаний являлись причиной по Гренджеру для доходностей индекса корпоративных облигаций ММВБ, однако, во втором периоде наблюдается гораздо меньше значимых индивидуальных t-статистик Newey-West, чем в 2010-2011 гг. Большая часть значимых коэффициентов в моделях VAR положительны по знаку, что значит, что снижение доходности индексов облигаций компаний совпадало преимущественно с понижением доходности индекса корпоративных облигаций. В течение периода 2014-2015 гг. модели взаимосвязи доходности индекса корпоративных облигаций и доходностей индексов нефтегазовых компаний по-прежнему значимы (однако, как и в случае с VAR для государственных облигаций, наименьшие значения p-value для F-статистики и, соответственно, наибольший уровень значимости, имеют модели для периода 2012-2013 гг.). То есть, индикатор финансового заражения в экономике показывает наличие определённой степени эффекта финансового заражения в период, который не считался кризисным (2012-2013 гг.) в российской экономике. Переходя к результатам для модели VAR для доходностей индекса акций нефтегазовых компаний ММВБ, Таблица 1 Приложения 2 показывает, что только одна модель из пяти была значима в периоде 2010-2011 гг. (с кредитным рейтингом компании BBB-). В периоде 2012-2013 гг. также была значима единственная модель (с кредитным рейтингом компании А- и уровнем значимости 5%). Значимые на 10%-ом уровне коэффициенты имеют положительные знаки, говоря о том, что отрицательный шок в доходности индексов облигаций нефтегазовых компаний совпадает обычно с отрицательным шоком в доходности индекса акций нефтегазовых компаний ММВБ). Достаточно странно, что в моделях с индексом нефтегазовых компаний ММВБ наблюдается гораздо более низкая значимость, так как практически все из рассмотренных в исследовании компаний входят в базу расчёта индекса акций нефтегазовых компаний ММВБ19 (за исключением Башнефти). Пока результаты расчёта моделей показывают, что кризис распространился (если верить гипотезе о том, что кризис пришёл на российский рынок через падение курса нефти) от рынка облигаций нефтегазовых компаний на рынок государственных и корпоративных облигаций, но не на рынок акций нефтегазовых компаний. Рынок акций в теории считается более большим по объёму и более ликвидным рынком, чем рынок облигаций. Получается, что кризис распространился с рынка корпоративных облигаций нефтегазовых компаний на рынок государственных и корпоративных облигаций в целом, но не на рынок акций нефтегазовых компаний. С одной стороны, следует задать вопрос, почему в качестве независимых переменных использовались не курсы акций, а курсы облигаций нефтегазовых компаний? Курс акций компании показывает рыночную стоимость её активов (собственный капитал), а курс облигаций компании показывает рыночную стоимость её заимствований (заёмный капитал). Акции более подвержены спекуляциям, чем облигации (в которые инвестируют преимущественно более консервативные инвесторы, чем инвесторы, вкладывающие в акции). Поэтому облигации представляются более «достоверным» индикатором кризисности экономики, чем акции (они менее волатильны). Это одна из причин выбора именно облигаций компаний в качестве независимых переменных. Вторая причина заключается в том, что используемая в исследовании методология позаимоствована у F.A. Longstaff, который использовал доходность индексов облигаций. Результаты оценки VAR для доходности индекса акций нефтегазовых компаний также показывают, что отсутствует или очень слаба взаимосвязь между доходностями индексов облигаций нефтегазовых компаний и доходностью индекса акций нефтегазовых компаний. R2 для всех моделей VAR с доходностью индекса акций нефтегазовых компаний относительно малы. Однако, если в 2010-2011 гг. и 2012-2013 гг. хотя бы одна из пяти моделей была значима для доходностей индекса акций нефтегазовых компаний, то в 2014-2015 гг. уже все модели являются незначимыми, согласно p-value для F-критерия (при этом два из коэффициентов регрессии в модели значимы на 10%-ом уровне, и один из коэффициентов регрессии значим на 5%-ом уровне значимости). Наконец, Таблица 1 Приложения 2 показывает, что результаты оценки моделей для доходности фьючерсов на нефть свидетельствуют о значимости модели в период кризиса 2014-2015 гг., модель в 2012-2013 годах была значима только для отдельных облигаций нефтегазовых компаний, а в 2010-2011 годах модель была незначима для всех облигаций нефтегазовых компаний. Отрицательные знаки для всех значимых коэффициентов регрессии в периоде 2012-2013 гг. свидетельствуют о том, что доходность фьючерсов на нефть возрастает в случае отрицательной динамики доходности индексов облигаций нефтегазовых компаний. Это можно объяснить тем, что цены фьючерсов на нефть на российском рынке отражают «опасения» инвесторов; негативные финансовые новости часто совпадают с ростом волатильности на рынках, которая сказывается на доходности фьючерсов на нефть. На основе анализа всех моделей можно сделать вывод, что для оценки индикатора кризиса (который является значимостью модели в целом и индивидуальной значимостью коэффициентов регрессии в модели) подходят в качестве зависимых переменных доходность индекса государственных облигаций и доходность фьючерсов на нефть Brent. При этом модели с зависимыми переменными – доходностью индекса корпоративных облигаций и доходностью индекса акций нефтегазовых компаний – не показывают способности быть использованными для определения степени финансового заражения экономики. Модель с зависимой переменной – доходностью индекса корпоративных облигаций – показывает наибольшую значимость в периоде восстановления после кризиса 2008-2009 годов (в данном исследовании: 2010-2011 гг. период), что может указывать на то, что взаимосвязь между доходностями индексов корпоративных облигаций и облигаций нефтегазовых компаний (по отдельности) оценивает степень финансового заражения на послекризисном периоде. Такая модель также имеет смысл с точки зрения анализа степени финансового заражения в экономике, однако, в качестве индикатора кризиса, позволяющего увидеть наступление опасности заранее (с целью принятия управленческих решений по корректировке инвестиционной стратегии компании) она неприемлема. | |||||||||||||||||||||||||||||||||||||||||||||
Похожие:
 | Выпускная квалификационная работа (дипломная работа) представляет собой законченную разработку, в которой решается актуальная для... |  | Сборник научных работ. Серия «Государственное управление». Вып. 1 : Экономика и управление народным хозяйством / Донгуу. – Донецк... |
| Экономика и управление народным хозяйством ( экономика, организация и управление предприятиями, отраслями, комплексами) | | Иссертация (выпускная квалификационная работа магистра) представляет собой выпускную квалификационную работу научной направленности,... |
| Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | | С точки зрения одного из исследователей этой проблемы Д. Стотта, задача выделения типов «трудных» детей является малопродуктивной.... |
| Автор(ы) рабочей программы Астанина Л. В., Астанина М. А., Орехов В. И., Орехова Т. Р | | Особенности стратегических альянсов фирм-конкурентов в автомобильной промышленности |
| Применение Международных стандартов для малых и средних предприятий в Российской Федерации | | Теоретические аспекты организации эффективного маркетингового взаимодействия вузов и потребителей образовательных услуг на основе... |