The machine learning model for assessing the impact of corporate governance quality on the company's valuation

Cover Page

Cite item

Full Text

Abstract

the article defines the importance of assessing the quality of corporate governance in the process of value formation of public companies. The article classifies the main methods of assessing the quality of corporate governance from the point of view of their applicability for assessing the impact on the value. The author's classification of indicators of corporate governance quality in order to assess their impact on the market value of the company is presented. Using machine learning, a Decision Tree model is developed to estimate the market value of public Russian companies taking into account the most important characteristics of corporate governance. Using the model it is possible to significantly reduce labor costs in the process of value formation due to understanding the significance of indicators. Measures have been developed to minimize the gap in the perception of the company's value by investors on the stock market.

About the authors

S. G Sternik

Institute of Economic Forecasting of the Russian Academy of Sciences; Financial University under the Government of the Russian Federation; Moscow State University of Civil Engineering

Email: sergey-sternik@yandex.ru

G. M Salikhov

Financial University under the Government of the Russian Federation

References

  1. Принципы корпоративного управления G20/ОЭСР. 71 с. // ОЭСР. URL: https://www.iia-ru.ru/upload/iblock/0f1/0f174cac13747b3895aa57a53afab352.pdf (дата обращения: 25.09.2024)
  2. Разработка Кодексов наилучшей практики корпоративного управления. Методические материалы. 98 с. // Всемирный банк. URL: https://documents1.worldbank.org/curated/en/557181485933786308/pdf/34669-v2-RUSSIAN-Toolkit-2-Vol-1-PUBLIC.pdf (дата обращения: 25.09.2024)
  3. Письмо Банка России "О Кодексе корпоративного управления" от 10.04.2014 № 06-52/2463 // Банк России. 2014. 144 с. URL: https://cbr.ru/statichtml/file/59420/inf_apr_1014.pdf (дата обращения: 25.09.2024)
  4. Рейтинги качества управления // Рейтинговое агентство RAEX («Эксперт РА»). URL: https://raexpert.ru/ratings/corporate (дата обращения: 08.09.2024)
  5. Исследование корпоративного управления в России // УК «Арсагера». URL: https://arsagera.ru/kuda_i_kak_investirovat/fundament_analiz1/issledovanie_korporativnogo_upravleniya_v_rossii (дата обращения: 10.09.2024)
  6. Оценка корпоративного управления в публичных акционерных обществах с участием Российской Федерации, акции которых обращаются на организованном рынке ценных бумаг. 226 с. // Научно-учебная лаборатория исследований в области бизнес-коммуникаций НИУ ВШЭ. URL: https://buscom. hse.ru/news/205286698.html (дата обращения: 08.09.2024)
  7. Исследования практик корпоративного управления // Национальное объединение корпоративных секретарей. URL: https://nokc.org.ru/naczionalnyj-indeks-korporativnogo-upravleniya-top-20-023/?ysclid=m28ojqb33t318812332 (дата обращения: 08.09.2025)
  8. Смотрицкая И.И., Фролова Н.Д. Качество корпоративного управления и рыночная капитализация российских компаний: эмпирический анализ // Управленец. 2021. Т. 12. № 4. С. 2 – 15. doi: 10.29141/2218-5003-2021-12-4-1
  9. Наливайский В.Ю., Цой Р.А. Оценка влияния корпоративного управления на рыночную стоимость российских компаний // Вестник Санкт-Петербургского университета. Менеджмент. 2006. № 3. С. 62 – 84.
  10. Анкудинов А.Б., Батаева Б.С. Структура собственности и рыночная стоимость: эмпирический анализ российских публичных компаний // Управленец. 2021. Т. 12. № 2. С. 35 – 45. doi: 10.29141/2218-5003-2021-12-2-3
  11. Bui A.T., Nguyen M.S., Nguyen V.K. Corporate governance mechanism and firm value: evidence from an emerging economy // Cogent Business &Management. 2024. Vol. 11. Issue 1. DOI https://doi.org/10.1080/23311975.2024.2364844. URL: https://www.tandfonline.com/doi/full/ 10.1080/23311975.2024.2364844 (дата обращения: 08.09.2024)
  12. Imang D.P., Sari M.P., Hersugondo H. Corporate Governance and Financial Performance on Firm Value: The Case of Indonesia // WSEAS Transactions on business and economics. 2023. Vol. 20. P. 92 – 103. doi: 10.37394/23207.2023.20.10. URL: https://www.researchgate.net/publication/363601705_Corporate_Governance_and_Financial_Performance_on_Firm_Value_The_Case_of_Indonesia (дата обращения: 08.09.2024)
  13. Рыночная стоимость: рыночная капитализация: в чем разница // FasterCapital. 2024. URL: https://fastercapital.com/ru/content/ (дата обращения: 27.09.2024)
  14. Сервис сравнения ключевых показателей нефинансовой отчетности российских компаний // Интерфакс. URL: https://esg-disclosure.ru (дата обращения: 08.09.2024)
  15. Информационно-аналитическая платформа проверки контрагентов // СПАРК. URL: https://spark-interfax.ru/?ysclid=lnn4a2xw7y509287218 (дата обращения: 08.09.2024)
  16. Информационно-аналитическая платформа SMART-LAB // SMART-LAB. URL: https://smart-lab.ru/ (дата обращения: 08.09.2024)
  17. Макроэкономический опрос Банка России // Банк России. URL: https://cbr.ru/statistics/ddkp/mo_br/ (дата обращения: 08.09.2024)
  18. Mercer Z.C., Harms T.W. The Integrated Theory of Business Valuation // Business Valuation: An Integrated Theory Second Edition. Wiley. 2012. P. 61 – 105. DOI. https://doi.org/10.1002/9781119197089.ch3. URL: https://onlinelibrary.wiley.com/doi/book/10.1002/9781119197089 (дата обращения: 30.09.2024)
  19. Помулев А.А. Управление потенциально проблемными активами как фактор роста стоимости коммерческого банка // Имущественные отношения в Российской Федерации. 2021. № 8 (239). С. 13 – 26. doi: 10.24412/2072-4098-2021-8-13-26
  20. Scikit-learn. Machine Learning in Python // Scikit-learn. URL: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html (дата обращения: 01.07.2024)
  21. Quinlan J.R. Induction of decision trees // Machine Learning. 1986. Vol. 1 (1). P. 81 – 106. URL: https://link.springer.com/article/10.1007/BF00116251 (дата обращения: 06.09.2024)
  22. Стерник С.Г., Салихов Г.М., Пигарева Д.И. Экономическая оценка внедрения технологии искусственного интеллекта в целях повышения стоимости компании // Современная наука: актуальные проблемы теории и практики. Серия: Экономика и право. 2024. № 5. С. 89 – 94. doi: 10.37882/2223-2974.2024.05.32

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».