Показатель nim рассчитывается как отношение: Стагнация чистой процентной маржи будет ограничивать кредитоспособность российских банков

Содержание

Стагнация чистой процентной маржи будет ограничивать кредитоспособность российских банков

  • После некоторого восстановления после кризиса 2014–2015 годов чистая процентная маржа российских банков стагнирует. Согласно оценке АКРА, чистая процентная маржа (net interest margin, NIM) банковской системы РФ, рассчитанная в соответствии с отчетностью банков по МСФО, после падения до 3,8% в 2015 году (по сравнению с пятилетним максимумом 5,6%, зафиксированным в 2013-м) выросла до 4,5% в 2016-м. В 2017 году рост продолжился, но восстановления NIM до докризисных уровней не произошло, что является, по мнению АКРА, частью долгосрочной тенденции к стагнации доходности банковского бизнеса на сложившихся низких уровнях.
  • С 2018 года NIM может начать постепенно снижаться. В 2018 году мы ожидаем снижения NIM до 4,5%, что означает возврат показателя к уровням 2016 года. Слабое посткризисное восстановление NIM в 2016–2017 годах и ожидаемое его снижение в 2018-м говорят о достаточно быстром переходе банковской системы к «новой нормальности». Это состояние в экономике характеризуется низкой (относительно исторических показателей) инфляцией, снижением ключевой ставки ЦБ РФ, а также сравнительно низкими процентными ставками по кредитам и депозитам.
  • Сжатие NIM и прекращение роста чистой прибыли окажут давление на кредитоспособность ряда российских банков. Дальнейшее постепенное ослабление NIM и возросшая вероятность долгосрочной стагнации чистой прибыли банковской системы на нынешних низких уровнях будут сказываться на способности сектора генерировать капитал в следующие 12–18 месяцев. Значительное количество банков будет по-прежнему работать с маржинальными уровнями достаточности регуляторного капитала. Учитывая усиление регуляторного давления в отношении уровня резервирования проблемных кредитов, падающая операционная эффективность и низкая способность к генерации капитала будут рассматриваться АКРА как предпосылки к возможному снижению кредитных рейтингов или ухудшению прогнозов по отдельным банкам, которых эти тенденции затронут в наибольшей степени.

Чистая процентная маржа восстанавливается, однако остается ниже показателей 2013 года

Показатель NIM рассчитывается как отношение чистого процентного дохода к средним активам, генерирующим процентный доход, в которые включаются совокупный кредитный портфель, портфель долговых ценных бумаг, межбанковские кредиты.

Общее восстановление экономики и стабилизация финансовой системы России после кризиса 2014–2015 годов обусловили рост чистой прибыли банковской системы страны в 2016-м и в первой половине 2017-го. В значительной степени это произошло за счет улучшения чистой процентной маржи (NIM). По оценке АКРА, показатель NIM банковской системы РФ, рассчитанный в соответствии с отчетностью банков по МСФО [1], после падения до 3,8% в 2015 году (по сравнению с пятилетним максимумом 5,6%, зафиксированным в 2013-м) вырос до 4,5% в 2016-м. Данные в целом по банковской системе (включая Сбербанк), рассчитанные в соответствии с отчетностью банков по РСБУ, показывают аналогичную динамику NIM. В 2015 году показатель упал до 3,4% с пиковых 5,2% в 2013-м и 4,8% в 2014-м, а затем в 2016-м составил 4,5%.

[1] Данный показатель рассчитан АКРА на основе аудированной отчетности, подготовленной в соответствии с МСФО, по 90 крупным, средним и малым российским банкам (включая «дочки» иностранных банков), на долю которых приходится более 80% совокупных активов банковской системы РФ. В выборку включены только действующие банки по состоянию на конец 2016 года.

На величину NIM в целом по системе значительное влияние оказывает Сбербанк, процентная маржа которого выше, чем у основной массы крупных и средних российских банков. Рассчитанный без учета Сбербанка NIM вырос с 3,3% в 2015-м до 3,6% в 2016-м, но оставался намного ниже зафиксированного в 2013-м уровня (5,3%). Вместе с тем NIM по группе десяти системно значимых банков (за исключением Сбербанка) находится на уровне ниже среднего по анализируемой выборке показателя: 4,0% в 2014-м, 3,0% в 2015-м и 3,2% в 2016-м. Эта особенность характерна для нескольких системно значимых универсальных банков с развитой операционной сетью и достаточно заметным объемом непрофильных либо проблемных активов на балансе, не генерирующих процентный доход.

Рисунок 1. Динамика NIM

Примечание. NIM по РСБУ рассчитан в целом по банковской системе.
Источник: ЦБ РФ, отчетность российских банков по МСФО, расчеты АКРА

Существенное сжатие NIM в период с 2014 по 2015 год произошло из-за высокой волатильности на финансовом рынке на фоне кризиса. Данный процесс сопровождался скачком процентных ставок в конце 2014-го и начале 2015-го, а затем — снижением процентных ставок по кредитам, опережающим по скорости снижение стоимости фондирования. Кроме того, на процентных доходах банков отрицательно сказалось быстрое падение доходности портфелей долговых ценных бумаг после скачка данного показателя в конце 2014 года (см. Рисунок 2).

По оценке АКРА, некоторый рост NIM в 2016 году отражает как наметившуюся стабилизацию ставок по кредитам и депозитам, так и перебалансировку процентных активов российских банков в сторону более высокодоходных инструментов. Тем не менее в 2017 году восстановления NIM до докризисных уровней не произошло, что является, по мнению АКРА, частью долгосрочной тенденции к стагнации доходности банковского бизнеса на сложившихся низких уровнях.

Рисунок 2. Динамика процентных ставок

Источник: ЦБ РФ, Минфин РФ, расчеты АКРА

Восстановление NIM прекратится уже в 2018 году

АКРА полагает, что показатель NIM (по МСФО) продемонстрирует лишь незначительный рост по итогам 2017 года — до 4,8% в целом по выборке анализируемых банков и до 3,9% по той же группе банков без учета Сбербанка (см. Рисунок 1). Вместе с тем в 2018 году мы ожидаем снижение NIM до 4,5% и 3,6% соответственно, что означает возврат показателя к уровням 2016 года. Аналогичное снижение NIM — до 4,5% — будет наблюдаться в целом по банковскому сектору и при использовании отчетности по РСБУ.

По мнению АКРА, слабое посткризисное восстановление NIM в 2016–2017 годах и последующее ожидаемое его снижение в 2018-м означают быстрый переход банковской системы к «новой нормальности». Это состояние экономики характеризуется низкой (относительно исторических показателей) инфляцией, понижением ключевой ставки ЦБ РФ, а также сравнительно низкими процентными ставками по кредитам и депозитам. 

АКРА ожидает, что инфляция (индекс потребительских цен) после падения до примерно 3% в 2017 году вырастет до 4% в 2018 году, а ключевая ставка ЦБ РФ продолжит постепенно снижаться, что приведет к дальнейшему сужению спрэда между ставками по кредитам и депозитам на горизонте двух-трех лет.

Рисунок 3. Динамика инфляции и ключевой ставки ЦБ РФ Источник: ЦБ РФ, прогноз АКРА

Для российских банков переход к «новой нормальности» будет означать сокращение возможностей максимизации процентной маржи за счет арбитража между различными видами процентных активов и пассивов. Это приведет к дальнейшему усилению конкуренции.

Кредитоспособность банков, которым не удается повысить операционную эффективность, может ухудшиться

По нашей оценке, сделанной согласно отчетности банков по МСФО, отношение чистой прибыли к совокупным активам (return on assets, ROA) составило 1,0% в 2016 году, заметно улучшившись по сравнению с 0,5% в 2015-м и 0,2% в 2014-м. Следует отметить, что вклад Сбербанка в прибыль банковского сектора остается весьма значительным: без учета Сбербанка ROA составил 0,4% (по сравнению с 0% в 2015-м и -0,4% в 2014-м).

Тем не менее в 2017 году мы не ожидаем улучшения показателя ROA в целом по банковской системе, поскольку на совокупный финансовый результат серьезное негативное влияние оказывает ожидаемый убыток крупнейших банков, оказавшихся в Фонде консолидации банковского сектора ЦБ РФ (Банк «ФК Открытие» и ПАО «БИНБАНК»). В 2018 году данный фактор будет, как ожидается, значительно меньше влиять на прибыльность отрасли. Однако на финансовый результат начнет оказывать влияние прогнозируемое сжатие NIM, и существенного повышения чистой прибыли в целом по системе не произойдет.

Рисунок 4. Динамика ROA (по МСФО) 

Источник: отчетность банков по МСФО, расчеты АКРА

См. исследование АКРА «Слабый экономический рост способствует повышению достаточности капитала российских банков» от 22 июня 2017 года.

АКРА отмечает, что стагнация и снижение NIM затронет не только малые и средние банки, которые не могут конкурировать по ставкам за счет эффекта масштаба, но и часть крупных и крупнейших универсальных банков со значительными портфелями проблемных кредитов, не генерирующих процентный доход, и/или с существенными непрофильными банковскими активами на балансе. В условиях сокращения процентного спрэда способность банковского сектора к генерации прибыли будет зависеть от того, насколько существенно банки смогут нарастить комиссионный доход и ужесточить контроль за операционными расходами, которые в течение последних четырех лет увеличивались в среднем на 9% ежегодно по рассматриваемой выборке банков.

См. исследование АКРА «Слабое качество активов остается главным риском снижения кредитоспособности российских банков» от 14 сентября 2017 года.

По нашему мнению, дальнейшее постепенное ослабление NIM и возросшая вероятность долгосрочной стагнации чистой прибыли банковской системы на нынешних низких уровнях будут сказываться на способности банковского сектора генерировать капитал в следующие 12–18 месяцев. В результате этого мы не увидим общего тренда восстановления достаточности капитала в целом по банковскому сектору. Напротив, некоторые банки будут по-прежнему функционировать с маржинальными уровнями достаточности регуляторного капитала. Мы отмечаем, что в связи с признанием значительных убытков по банкам, санируемым в рамках Фонда консолидации, реализуется сценарий стагнации уровня достаточности капитала, ранее рассматривавшийся АКРА как несколько менее вероятный.

Согласно методологии АКРА, показатели как чистой прибыли, так и NIM учитываются в факторе «Достаточность капитала», соответственно, через расчет коэффициента усредненной генерации капитала (КУГК) и через оценку операционной эффективности. Учитывая усиление регуляторного давления в отношении уровня резервирования проблемных кредитов, падающая операционная эффективность и низкая способность к генерации капитала будут рассматриваться АКРА как предпосылки к возможному снижению кредитных рейтингов или ухудшению прогнозов по отдельным банкам, которых эти тенденции затронут в наибольшей степени.

Глава 8. Норматив максимального размера риска на связанное с банком лицо (группу связанных с банком лиц) 

8.1. Норматив максимального размера риска на связанное с банком лицо (группу связанных с банком лиц) (Н25) регулирует (ограничивает) кредитный риск банка в отношении связанного с ним лица (группы связанных с ним лиц) и определяет максимальное отношение совокупной суммы обязательств лица (лиц, входящих в группу лиц) перед банком и обязательств перед третьими лицами, вследствие которых у банка возникают требования в отношении указанного лица (лиц, входящих в группу лиц), к собственным средствам (капиталу) банка. Норматив Н25 рассчитывается по формуле:

 

 

где:

Крл — совокупная сумма требований банка к связанному с ним лицу (группе связанных с ним лиц), возникающих по обязательствам связанного с банком лица (группы связанных с банком лиц) перед банком и по причине наличия обязательств связанного с банком лица (группы связанных с банком лиц) перед третьими лицами, вследствие которых у банка возникают требования в отношении указанного лица (лиц, входящих в группу лиц), за вычетом сформированного резерва на возможные потери по указанным требованиям в соответствии с Положением Банка России N 590-П и Положением Банка России N 611-П. Показатель Крл рассчитывается на основании методики, установленной настоящей главой, с учетом требований для расчета показателя Крз, установленных главой 6 (за исключением положений абзацев первого, второго и шестого пункта 6.6, пункта 6.12) настоящей Инструкции.

8.2. Отнесение физических и юридических лиц (группы лиц) к связанным с банком лицам (группе связанных с банком лиц) осуществляется банком на основании критериев, определенных частью третьей статьи 64 и статьей 64.1 Федерального закона «О Центральном банке Российской Федерации (Банке России)».

8.3. Норматив Н25 рассчитывается:

по группе связанных с банком лиц;

по каждому из связанных с банком лиц, которые не составляют группу связанных с банком лиц.

8.4. Максимально допустимое числовое значение норматива Н25 устанавливается в размере 20 процентов.

Открыть полный текст документа

Карта сайта

Условия пользования сайтом

1. Общие положения

Настоящий интернет-сайт (далее — «Сайт») принадлежит Обществу с ограниченной ответственностью «Национальные Кредитные Рейтинги» (далее — ООО «НКР») и обслуживается им.

Настоящие Условия пользования включают в себя условия и положения, в соответствии с которыми посетитель Сайта (также далее по тексту «Пользователь») имеет право доступа к Сайту и его содержимому, включая (помимо прочего) рейтинги, оценки и иные материалы, инструменты, продукты, услуги, публикации и информацию (далее совместно — «Материалы»), размещаемые на Сайте.

ООО «НКР» оставляет за собой право вносить изменения в настоящие Условия пользования без согласия Пользователей после предварительного уведомления, которое может быть сделано путем публикации подобных изменений (или исправленного текста Условий пользования) на Сайте. Изменения вступают в силу с момента публикации. Использование вами Сайта после отправки уведомления о внесении изменений в условия пользования будет означать ваше согласие как Пользователя со всеми изменениями. Пользователь соглашается с тем, что уведомление о внесении изменений в настоящие Условия пользования Сайтом, размещенное на Сайте, представляет собой надлежащее и достаточное уведомление.

Настоящие Условия пользования применимы к любому контенту ООО «НКР» в социальных сетевых сервисах третьих лиц (например, на страницах ООО «НКР» в социальных сетях) со ссылкой на настоящие Условия пользования. В таких случаях понятие «Сайт» включает в себя контент ООО «НКР» во всех случаях, когда данное понятие используется в настоящих Условиях пользования.

Пользуясь Сайтом, вы подтверждаете, что ознакомились с настоящими Условиями пользования, поняли их содержание и согласились соблюдать их положения.

2. Предоставление лицензии

Настоящие Условия пользования предоставляют Пользователю персональную, отзывную, неисключительную, не подлежащую передаче лицензию на пользование Сайтом, при условии соблюдения настоящих Условий пользования. Пользователь имеет право распечатывать и скачивать Материалы, размещенные на Сайте, исключительно для личного некоммерческого использования. При наличии иных соглашений Пользователь имеет право распечатывать и скачивать Материалы с Сайта только в пределах, предусмотренных такими соглашениями, и исключительно для внутреннего использования в служебных целях. В любом случае Пользователь обязуется не затемнять, не изменять и не удалять уведомления об авторских и иных интеллектуальных правах, содержащиеся в подобных Материалах. За исключением вышеизложенного и если настоящими Условиями пользования не предусмотрено иное, Пользователь не имеет права создавать производные документы, изменять, копировать, распространять, перекомпоновывать, перегруппировывать, распределять, транслировать, передавать, воспроизводить, публиковать, лицензировать, продавать или перепродавать, дублировать, фреймить, давать внешние ссылки, скрейпить, анализировать или иным образом использовать или хранить для последующего использования с какой-либо из названных целей информацию и Материалы, полученные на Сайте или через него, без предварительного письменного согласия ООО «НКР». Кроме того, Пользователь не имеет права размещать какие-либо Материалы с Сайта на форумах, списочных серверах, электронных досках объявлений, в новостных группах, списках рассылки и на иных интернет-сайтах без получения предварительного письменного согласия от ООО «НКР». Пользователь гарантирует ООО «НКР», что не будет использовать Сайт в противоправных целях или целях противоречащих положениям настоящих Условий пользования, включая, помимо прочего:

  • нарушение работы, причинение ущерба или взлом Сайта;
  • сбор любой информации о других пользователях Сайта;
  • систематическое извлечение информации, содержащейся на Сайте с целью формирования баз данных для внутреннего или внешнего коммерческого использования.
3. Интеллектуальные права

Все Материалы, размещенные на Сайте, кроме отмеченных отдельно, защищены законодательством, включая, помимо прочего, законодательство Российской Федерации об авторских и (или) смежных правах, товарных знаках. Сайт, размещенные на нем Материалы, верстка и дизайн являются исключительной собственностью ООО «НКР». За исключением случаев, прямо указанных в настоящих Условиях пользования, ООО «НКР» настоящим не предоставляет какие-либо явные или подразумеваемые права на указанные Материалы. В частности, помимо прочего, ООО «НКР» обладает авторскими правами на Сайт как коллективное произведение и (или) компиляцию, а также на все базы данных, доступные на Сайте, и имеет право отбирать, координировать, оформлять и улучшать Материалы Сайта. Общество с ограниченной ответственной «Национальные Кредитные Рейтинги», ООО «НКР» и иные наименования, логотипы и знаки, идентифицирующие ООО «НКР» и (или) продукцию и услуги ООО «НКР» являются товарными знаками ООО «НКР». Товарные знаки третьих лиц, размещенные на Сайте, принадлежат их законным правообладателям.

4. Принятие риска

Пользователь использует интернет исключительно на свой страх и риск и в соответствии с международным законодательством и законодательством Российской Федерации. Несмотря на то, что ООО «НКР» приняло все возможные меры для создания безопасного и надежного интернет-сайта, Пользователь обязан иметь в виду, что конфиденциальность любой корреспонденции или материалов, передаваемых на Сайт или скачиваемых с него, не гарантируется. Соответственно, ООО «НКР» и его лицензиары не несут ответственности за безопасность любой информации, передаваемой в интернете, точность информации, размещенной на Сайте, и за последствия ее использования. ООО «НКР» и его лицензиары также не несут ответственности за перебои и ошибки в работе сети интернет или предоставлении услуг по размещению данных на веб-узлах. Пользователь единолично принимает на себя весь риск, связанный с использованием Сайта.

5. Безопасность

С целью обеспечения безопасности и целостности Сайта ООО «НКР» оставляет за собой право отслеживать и фиксировать деятельность пользователей на Сайте в той степени, в которой это допускается законодательством Российской Федерации. Любая информация, полученная путем такого отслеживания, может быть предоставлена в правоохранительные органы в ходе проведения следственных мероприятий, связанных с возможной преступной деятельностью, осуществляемой на Сайте. ООО «НКР» также будет соблюдать любые судебные решения, которые предусматривают запросы такой информации. Попытка или фактическое несанкционированное использование любой части Сайта может повлечь уголовную и (или) гражданско-правовую ответственность.

Используя Сайт и предоставляя ООО «НКР» адрес своей электронной почты, Пользователь соглашается получать от ООО «НКР» любую информацию, которую ООО «НКР» сочтет необходимым предоставить. Пользователь вправе в любое время отказаться от получения информации.

ООО «НКР» стремится защищать конфиденциальность представленной информации. Информация об адресах электронной почты хранится на защищенном компьютере (далее — «Сервер»), который ООО «НКР» использует для хранения данных и который доступен назначенным сторонним агентствам, поставщикам и (или) уполномоченным сотрудникам только под строгим контролем ООО «НКР» (далее — «Уполномоченный персонал»). Сервер подключен к сети Интернет через брандмауэр и не является общедоступным.

6. Возмещение ущерба

Пользователь соглашается гарантировать возмещение ущерба и не допускать возникновения убытков у ООО «НКР», его лицензиаров, поставщиков, всех их аффилированных лиц и, соответственно, всех их руководителей, членов органов управления, сотрудников, представителей и правопреемников вследствие ущерба, ответственности, издержек и иных расходов (включая оплату услуг адвокатов и иных специалистов, а также судебные издержки в разумных пределах), вытекающих из претензий третьих лиц, возникших на основании или в связи с использованием Сайта или нарушения Пользователем настоящих Условий пользования.

7. Ограничение ответственности

ООО «НКР» получает все Материалы, размещаемые на Сайте, из достоверных и надежных, по его мнению, источников. Настоящим Пользователь полностью соглашается с тем, что:

  1. 1) кредитные рейтинги и иные оценки, приведенные на Сайте, являются и будут являться исключительно изложением оценки относительных будущих кредитных рисков (кредитный риск — риск того, что компания может не выполнить свои договорные и финансовые обязательства при их наступлении, следствием чего является определенный финансовый ущерб) юридических лиц, кредитных обязательств, долговых и аналогичных долговым ценных бумаг, а не утверждением настоящего или исторического факта относительно кредитоспособности, инвестиционными или финансовыми консультациями, рекомендациями, касающимися решений о предоставлении кредитов, покупки, сохранения или продажи ценных бумаг любого рода, подтверждением точности тех или иных данных, выводов, а также попытками самостоятельно определить или подтвердить финансовое состояние какой-либо компании;
  2. 2) кредитные рейтинги и (или) иные оценки, предоставляемые посредством Сайта, не направлены на определение любого другого риска, включая, помимо прочего, риск потери ликвидности, риск, связанный с рыночной стоимостью;
  3. 3) при публикации кредитных рейтингов и (или) иных кредитных оценок на Сайте не учитываются личные задачи, финансовая ситуация или нужды Пользователей;
  4. 4) каждый кредитный рейтинг или иная оценка является одним из факторов инвестиций или решения о предоставлении кредита, принимаемого Пользователем или от имени Пользователя самостоятельно;
  5. 5) Пользователь обязуется с должной осмотрительностью проводить собственное исследование и оценку ценных бумаг или решения об инвестициях, а также каждого эмитента или поручителя, в отношении ценной бумаги или кредита, который Пользователь рассматривает на предмет покупки, удержания, продажи или предоставления. Кроме того, Пользователь соглашается с тем, что все инструменты или материалы, доступные на Сайте, не являются заменой независимой оценки и экспертизы. Пользователю всегда следует обращаться к специалистам за профессиональными консультациями в области инвестиций, налогообложения, законодательства и т. д. В настоящем параграфе термин «кредитный риск» означает риск того, что предприятие может не выполнить свои договорные и финансовые обязательства при их наступлении, следствием чего является определенный финансовый ущерб.

ООО «НКР» принимает все необходимые меры, чтобы информация, используемая при присвоении кредитных рейтингов, соответствовала высоким требованиям качества и поступала из источников, которые ООО «НКР» считает надежными, включая, в том числе, независимые сторонние источники. Однако вследствие возможности человеческой или технической ошибки, а также иных факторов, Сайт и все связанные с ним Материалы предоставляются по принципу «КАК ЕСТЬ» и «КАК ДОСТУПНО» без каких-либо гарантий. ООО «НКР» не предоставляет Пользователю или иным физическим и юридическим лицам никаких выраженных или подразумеваемых заверений или гарантий в отношении точности, результатов, своевременности, полноты, коммерческой выгоды, пригодности для каких-либо целей Сайта или Материалов.

ООО «НКР» не предоставляет никаких гарантий того, что отдельные Материалы, размещенные на Сайте, являются подходящими или доступными для использования в каком-либо конкретном государстве, а также доступ к ним на территориях, где что-либо из содержания Сайта является незаконным или запрещенным. В том случае, если Пользователь желает получить доступ к Сайту, находясь на подобной территории, Пользователь поступает так по собственной воле и несет ответственность за соблюдение соответствующего местного законодательства. ООО «НКР» имеет право частично или полностью ограничивать доступ к Сайту в отношении любого лица, географического района или юрисдикции по выбору ООО «НКР» в любое время. Настоящим вы соглашаетесь и подтверждаете, что никакая устная или письменная информация, рекомендация, предоставленная компанией ООО «НКР», одним из его сотрудников в отношении Сайта не может являться заверением или гарантией, за исключением тех случаев, когда такая информация или рекомендация включены в настоящие Условия пользования посредством письменного соглашения. Также Материалы, размещенные на сайте, могут содержать типографические ошибки или какие-либо неточности. Кроме того, возможны случаи, когда Сайт или размещенные на нем Материалы могут быть не доступны. ООО «НКР» вправе в любое время и по любой причине вносить изменения в Материалы и структуру расположения Материалов, размещенных на Сайте. Пользователь принимает на себя риск использования или принятия каких-либо решений на основе Материалов, размещенных на Сайте.

ООО «НКР» не несет ответственности перед физическими и юридическими лицами за какие-либо прямые и косвенные убытки или ущерб, возникающие или возникшие в связи с доступом к Сайту и его Материалам либо в связи с невозможностью доступа к Сайту и размещенным на нем Материалам. Кроме того, ООО «НКР» не несет ответственности за вышеуказанные убытки и ущерб даже в том случае, когда ООО «НКР» уведомили о возможности возникновения таких убытков и (или) ущерба.

ООО «НКР» не несет ответственности перед физическими и юридическими лицами за какие-либо прямые и косвенные убытки или ущерб, причиненные физическому или юридическому лицу в том числе, но не исключительно, в связи с неосторожностью ООО «НКР», а также вследствие любых непредвиденных или форс-мажорных обстоятельств, вызванных или иным образом связанных с использованием или невозможностью использования Сайта и размещенных на нем Материалов.

Пользователь обязан прилагать все разумные усилия и действия для минимизации любых потерь, убытков и ущерба (возникающих по любой причине) и никакое положение настоящих Условий пользования не может рассматриваться как отменяющее обязанность Пользователя минимизировать возможные убытки или ущерб.

Настоящим ООО «НКР» освобождается от ответственности за причинение любого рода убытков или ущерба, неисполнение обязательств вследствие форс-мажорных обстоятельств, включая, кроме того, сбои электронного, механического оборудования, коммуникаций, телефонного или интернет-соединения, компьютерные вирусы, несанкционированный доступ, кражу, ошибки операторов, суровые погодные условия, землетрясения, стихийные бедствия, забастовки и иные проблемы занятости, войны, террористические акты или государственные запреты.

8. Заключительные положения

ООО «НКР» вправе по своему усмотрению размещать ссылки на другие ресурсы сети Интернет с целью предоставления своим Пользователям доступа к смежной информации и услугам. Данные интернет-сайты могут не принадлежать ООО «НКР», а поддерживаться третьими лицами, на деятельность которых ООО «НКР» не имеет влияния. Соответственно, ООО «НКР» и его органы управления, работники не несут ответственности за содержание, правильность информации, качество предлагаемых или рекламируемых продуктов или услуг и (или) скачиваемого с подобных интернет-сайтов третьих лиц программного обеспечения. Кроме того, указанные ссылки не являются положительной оценкой третьих лиц, интернет-сайтов, продуктов или услуг, предоставляемых третьими лицами.

Все возможные споры, вытекающие из настоящих Условий пользования или связанные с ними, подлежат разрешению в соответствии с действующим законодательством Российской Федерации.

Настоящие Условия пользования вступают в силу с момента начала использования Сайта Пользователем. ООО «НКР» оставляет за собой право по своему усмотрению отказать любому Пользователю в доступе к Сайту, любой части Сайта, любому Материалу, размещенному на Сайте, в любое время.

В результате вступления в силу настоящих Условий пользования или использования Сайта между Пользователем и ООО «НКР» не возникает совместного предприятия, партнерства, трудовых или агентских отношений.

Отсутствие требования о строгом соблюдении положений настоящих Условий пользования не может рассматриваться в качестве отказа от права потребовать такого исполнения в случае нарушения или неисполнения обязательства. Отказ ООО «НКР» от какого-либо права, предусмотренного настоящими Условиями пользования, не является отказом от любого другого права или положения, а также отказом от аналогичного положения в любое другое время.

Если какое-либо из положений Условий пользования признается недействительным или противоречащим законодательству Российской Федерации, соответствующее положение считается удаленным, действительность остальных положений настоящих Условий пользования при этом не затрагивается.

© 2021 ООО «НКР».

Данный документ является интеллектуальной собственностью Общества с ограниченной ответственностью «Национальные Кредитные Рейтинги» и охраняется законом. Представленная информация предназначена для использования исключительно в ознакомительных целях. Не допускается распространение настоящей информации любым способом и в любой форме без предварительного согласия со стороны ООО «НКР» и ссылки на источник. Использование информации в нарушение указанных требований запрещено.

ER, ERR и факторы ранжирования

Instagram — мировая социальная соцсеть, онлайн-инструмент лидогенерации для бренда, а также ведущая площадка для повышения узнаваемости компании в интернете. Ежемесячно Instagram используют около 1 млрд пользователей по всему миру, следуя данным исследования платформы управления социальными сетями Hootsuite. Приложение занимает второе место среди самых скачиваемых бесплатных приложений в AppStore. А ежемесячный охват российских пользователей, по данным информационного портала PPC.World, превышает 59,4 млн. Ежедневно 28,3 млн россиян заходят в социальную сеть. Из них: 59 % – женщины, 41 % – мужчины. Большая часть из которых в возрасте 25-34 года.

Статистика показывает, что в 2020 году Instagram становится необходимой площадкой для продвижения своего бизнеса онлайн. Сегодня мы поговорим о работе алгоритмов соцсети для успешного продвижения.

Начнем с 3-х основныхпоказателей соцсети:

  • Показы.
  • Количество просмотров поста или рекламного объявления в ленте. Учитываются также повторные просмотры, вне зависимости от источника.

  • Охват.
  • Число новых уникальных пользователей, посмотревших пост.

  • Вовлечение. Сумма всех взаимодействий с постом: лайки, комментарии, сохранения.

Для того чтобы получить статистику по показателям, переведите аккаунт в бизнес режим. После этого у вас появится возможность сбора данных как по отдельным постам, так и в целом по аккаунту.

ER – это индикатор активности аудитории на вашем аккаунте. Чем выше показатель, тем большему числу пользователей будет показан новый пост. Коэффициент выступает в качестве маркера популярности публикаций для соцсети. Рассчитывается так: показатель вовлечения делится на количество подписчиков и умножается на 100 %. Пример: На аккаунт подписано 500 человек и опубликовано 20 постов, которые набрали 1000 лайков и 40 комментариев. Считаем: (1000 + 40)/20=52 реакций на пост. ER=52 реакций на пост/1000 подписчиков * 100 %=5, 2 %

– До 18 лет. Чем моложе аудитория, тем больше она взаимодействует с постами, но реже совершает покупки. Пользователи до 18 часто лайкают посты и ждут новых, но далеко не всегда готовы покупать товар или заказывать услугу. Для такой аудитории необходимо ориентироваться на визуальную или интерактивную сторону контента. В этом случае нормальным коэффициентом вовлечения будет 7-10%.

– от 18 до 24 лет. Аудитория в возрасте от 18 до 24 лет реже ставит лайки, но активно читает и просматривает новые посты, а также приобретает недорогие товары. Нормальный ER для такой аудитории – 5-7%

.

– от 24 и старше. Люди от 24 и старше скупятся на лайки, предпочитая читать, а не просматривать публикации. Отличие от предыдущих аудиторий в большей готовности покупать товар. В связи с этим их индекс вовлеченности составляет около 2-5 %.

С ростом числа подписчиков снизится показатель ЕR – станет меньше людей, которым показывается пост. Падение связано с появлением ботов и пользователей, которые редко пользуются соцсетью.

В этом случае более точным показателем будет ERR – коэффициент вовлеченности по охвату. Отношение всех реакций к охвату, что отражает объективную картину успешности поста.

Рассчитывается так: число всех реакций делится на количество людей, посмотревших пост и умножается на 100 %. Нормальным показателем считается 10-15%. Если этот показатель меньше, то пост «не зашел» аудитории.

Алгоритмы Instagram опираются на три основные фактора ранжирования:

Интерес определяется тематикой поста. Алгоритм подстраивается под среднестатистические данные по подписчикам. Это означает, что пост будет конкурировать не со всеми подряд, а только с публикациями в той же категории. Тематика публикации определяется не по фотографии, а по тексту в описании.

Актуальность зависит от количества показов в течение суток после публикации. В первую очередь алгоритмы Instagram прокручивают новые посты и через сутки сдвигают их в глубину ленты. В связи с чем регулярное добавление контента – один из способов поднять популярность аккаунта.

  • Отношение с автором

К этому фактору относятся:

  • Сторис, прямые эфиры – контент, на который ежедневно реагируют подписчики.
  • Обмен личными сообщениями.
  • Авторы, которых вы ищете через поиск.
  • Знакомые из реальной жизни. Контакты в телефоне, Facebook и т.д.

Посты, попадающие во все 3 фактора, будут чаще и приоритетнее показываться в ленте.

Дополнительные факторы ранжирования зависят от поведения конкретного пользователя. К ним относятся:

  • Частота входа в Instagram. Алгоритм показывает больше новых постов пользователям, которые часто заходят в Instagram. Если пользователь редко посещает соцсеть, то ему в первую очередь будут показаны те посты, которые Instagram определил, как интересные.
  • Число подписок пользователя. Чем больше аккаунтов в подписках, тем меньше постов будет показано пользователю.
  • Продолжительность сессии. Чем дольше пользователь проводит в Instagram, тем больше постов увидит.

Используйте карусели

Приоритетно инстаграм не выделяет карусели, однако он отдает предпочтение постам, вызывающим наибольшую вовлеченность. Карусели же помогают показать ваш продукт или работу с разных сторон, вызывая у подписчиков больший интерес. По сравнению с обычными постами, карусели, как правило, получают более высокий охват.

Создавайте публикации на регулярной основе

Инстаграм никогда не объявлял о том, что частота публикаций влияет на продвижение. Однако, чем чаще ваши посты будут появляться в ленте, тем велика вероятность, что их увидит большее число людей и это приведет к росту охвата. Если позволяют ресурсы, то публикации лучше выкладывать ежедневно или выбрать удобный график постинга. Например, каждый будний день или через день. Для облегчения этого процесса распишите контент-план хотя бы на неделю вперед. В нем можно не только планировать график публикаций, но и выписывать новые идеи. Для анализа и вдохновения просматривайте аккаунты конкурентов в вашей области. Так вы узнаете, какие посты хорошо «заходят», а какие форматы лучше не использовать. Также можно анализировать аккаунты не из вашей области. Возможно, в них найдется такие вариации рубрик, которые подойдут и вам. 

Будьте честны и прозрачны при продвижении аккаунта 

Закупка ботов или участие в гивах не приведут ни к чему хорошему. Алгоритмы инстаграма могут быстро вычислить нечестность с вашей стороны и сократить охват.  Любой метод накрутки поможет только в краткосрочной перспективе. После недолгого роста ваш аккаунт, скорее всего, будет ждать резкое и неприятное падение. Боты в качестве подписчиков не будут проявлять активности, а участие в гивах приведет к резкому росту числа подписчиков, что заинтересует алгоритмы инстаграма и  негативно скажется на вашем аккаунте. Лучший способ продвинуть аккаунт – это сосредоточиться на уникальности контента, его пользе для подписчиков и выстраивании доверия к себе и своему бренду.

Используйте новые функции

ТикТок задал тренд на короткие ролики длиной не больше 1 минуты. Инстаграм решил не оставаться в стороне и запустил похожий формат под названием «Reels». Нет гарантии, что ролики, размещенные в «Рилс», соберут больше охвата, чем обычные, однако показатель их вовлеченности обычно немного выше. Сам инстаграм дает следующие советы по созданию роликов в «Рилс»:

  • использовать видео без водяных знаков ТикТок или других сервисов
  • снимать в вертикальном положении для более удобного просмотра
  • обрабатывать видео фильтрами, добавлять эффекты, фоновую музыку (доступную в библиотеке инстаграм) и так далее.

Используйте релевантные хештеги

Внимательно подойдите к проставлению хештегов под своими публикациями. Проанализируйте, какие теги проставляют ваши конкуренты, по каким тегам пользователи могут искать ваш товар или услугу. Старайтесь использовать как можно больше целевых хештегов. Проставляйте теги в порядке убывания частоты их применения. Чем реже спрашивают те или иные целевые теги, тем больше вероятность, что качественный пост соберет среди них больший показатель вовлеченности и поднимет охваты.

Учитывайте время публикации

Проанализируйте статистику аккаунта и найдите временные промежутки, в которые больше всего активна ваша аудитория. Постарайтесь выкладывать посты именно в это время.

Взаимодействуйте с аудиторией

Вежливо отвечайте на комментарии и личные сообщения фолловеров. Обращайтесь к своим подписчикам, задавайте вопросы, интересуйтесь их мнением. Используйте «боли» аудитории в качестве тем для постов. Узнать их можно на тематических форумах и группах в социальных сетях. Побуждайте подписчиков делиться и создавать пользовательский контент с упоминанием вашего бренда или товара. Например, через розыгрыши или с помощью старого-доброго «Call to action». 

Заблуждение о работе алгоритмов в инстаграм

Самые популярные заблуждения об алгоритмах инстаграм:

1. Алгоритмы инстаграм одинаково ранжирует, как личные, так и коммерческие аккаунты.

  1. Лучше продвигать свой аккаунт с помощью одного вида контента. Например, только через сторис или исключительно с помощью прямых эфиров. 
  2. Алгоритмы инстаграма приветствуют частый постинг. Скажем, 30 публикаций в день, самое оно. 
  3. Теневого бана не существует.

Подведем итоги

Для того чтобы алгоритмы Instagram работали на вас, следуйте простым советам:

  • Чем больше вовлеченность, тем выше охват и возможность попасть в «рекомендованные».
  • Обеспечить высокую вовлеченность чаще всего помогают посты, вызывающие эмоции. Делитесь опытом, экспертизой, кейсами из жизни. Используйте форматы: DIY, лайфхаки, креативные идеи и все вариации полезного контента.
  • Время публикации имеет значение, если бизнес нацелен на определенный город или страну с одним часовым поясом. В этом случае пост нужно публиковать в период наибольшей активности аудитории. Часто это утреннее время, когда люди едут на работу или учебу, а также вечер, когда все возвращаются домой. Для определения лучшего времени проводите эксперименты и публикуйте контент в разное время.
  • При выборе, какой пост показать первым, алгоритмы Instagram анализируют не фотографию, а текст в описании. Приоритет изображению стоит отдавать только в том случае, если бизнес связан с визуалом. В противном случае заостряйте внимание на грамотном тексте и ключевых словах.
  • Пишите посты в рамках одной тематики. Тогда алгоритмы Instagram четко определят, какой аудитории показывать ваши публикации. Это положительно скажется на охватах и возможности попасть в «рекомендованное».

Продвигаешь свои товары и услуги в интернете? У нас для тебя еще больше инструментов, лайфхаков и вдохновения на Яндекс.Дзен.Подписывайся!


Мы в социальных сетях

Статьи

Текучесть кадров: как рассчитать

Максимова И.В.

Текучесть персонала — движение рабочей силы, обусловленное неудовлетворенностью работника рабочим местом или неудовлетворенностью организации конкретным работником.

Коэффициент текучести кадров — отношение числа уволенных работников предприятия, выбывших за данный период по причинам текучести (по собственному желанию, за прогулы, за нарушение техники безопасности, самовольный уход и т.п. причинам, не вызванным производственной или общегосударственной потребностью) к среднесписочной численности за тот же период.

Как рассчитать коэффициент текучести за период:

  1. Выделить из всех увольнений именно те, которые обусловлены неудовлетворенностью работника рабочим местом или неудовлетворенностью организации конкретным работником.  К ним не относятся, например, увольнения в связи с уходом в армию или по состоянию здоровья.
  2. Рассчитать среднесписочную численность за период.
  • Среднесписочную численность за месяц рассчитывают путем суммирования списочной численности работников за каждый календарный день месяца, включая праздничные (нерабочие) и выходные дни, и деления полученной суммы на число календарных дней месяца. Численность работников списочного состава за выходной или праздничный день принимается равной ­численности работников за предшествующий рабочий день.
  • Среднесписочная численность работников  за квартал определяется путем суммирования среднесписочной численности работников за все месяцы квартала и деления полученной суммы на 3.
  • Среднесписочная численность работников за год определяется путем суммирования среднесписочной численности работников за все месяцы отчетного года и деления полученной суммы на 12.

В списочной численности за каждый календарный день учитываются как фактически работающие, так и отсутствующие на работе по каким-либо причинам.

В списочную численность не включаются следующие ­категории:

  • внешние совместители;
  • выполняющие работу по договорам гражданско-правового характера;
  • направленные на работу за границу;
  • направленные организациями на обучение в образовательные учреждения с отрывом от работы, получающие стипендию за счет средств этих организаций;
  • лица, с которыми заключен ученический договор на профессиональное обучение с выплатой в период ученичества стипендии;
  • подавшие заявление об увольнении и прекратившие работу до истечения срока предупреждения или прекратившие работу без ­предупреждения администрации;
  • собственники данной организации, не получающие заработную плату;
  • адвокаты;
  • военнослужащие.

Следующие работники списочной численности не включаются ­в среднесписочную численность:

  • женщины, находившиеся в отпусках по беременности и родам, лица, находившиеся в дополнительном отпуске по уходу за ребенком;
  • работники, обучающиеся в образовательных учреждениях и находившиеся в дополнительном отпуске без сохранения заработной платы, а также поступающие в образовательные учреждения, находившиеся в отпуске без сохранения заработной платы для сдачи вступительных экзаменов.

Кроме того, лица, работающие в соответствии с трудовым договором неполный день, учитываются пропорционально отработанному времени (п. 11.3 Постановления).

  • Рассчитать коэффициент текучести:
  • Коэффициент текучести = (кол-во выбывших по причинам текучести) / (среднесписочная численность)

    Возврат к списку

    Показатель EPS — формула расчета. Базовая прибыль на акцию

    Согласно МСФО IAS 33 компании, обыкновенные акции которых обращаются на открытом рынке (биржевом или внебиржевом), обязаны раскрывать информацию о прибыли на акцию, т.е рассчитывать и показывать в отчетности так называемый показатель EPS (earnings per share). Различают два показателя: 1) базовая прибыль на акцию (basic EPS) и 2) разводнённая прибыль на акцию (diluted EPS). Данная статья посвящена рассмотрению базовой прибыли на акцию — формула, техника расчетов и примеры решения задач из экзаменов ACCA (как Дипифр, так и бумаги F7). Расчёт разводнённой прибыли на акцию описан в следующей статье.

    Формула расчета базовой прибыли на акцию

    Базовая EPS показывает, какая величина чистой прибыли за период приходится на одну обыкновенную акцию в обращении. Это относительный показатель прибыльности, который в отличие от абсолютной величины чистой прибыли считается более надёжным индикатором успешности компании. Стандарт МСФО IAS 33 «Прибыль на акцию» был введен в действие с целью унифицировать практику расчета показателя EPS.

    В самом простом случае формула EPS выглядит так:

    EPS = Чистая прибыль за период/Количество обыкновенных акций, где

    • в числителе  формулы — чистая (посленалоговая) прибыль, на которую имеют право держатели обыкновенных акций
    • в знаменателе формулы — средневзвешенное количество обыкновенных акций за отчетный период (год).

    Для России, где структура капитала большинства компаний является довольно простой и состоит только из обыкновенных акций, расчет прибыли на акцию не вызывает больших сложностей. Однако, в западной практике, где существуют разные типы привилегированных акций и где обычной практикой являются выпуск на рынок и выкуп с рынка обыкновенных акций, расчет базовой EPS является более сложным упражнением.

    Какую прибыль надо брать для расчета базовой EPS? Числитель формулы.

    Во-первых, это чистая (=посленалоговая) прибыль, во-вторых, это прибыль, приходящаяся на долю держателей обыкновенных акций.

    Чтобы найти величину прибыли для расчета базовой EPS, из величины чистой прибыли необходимо исключить дивиденды по привилегированным акциям. В общем случае, привилегированные акции — это финансовые инструменты, не обладающие правом голоса, но обладающие определёнными привилегиями: а) дивиденды по ним являются фиксированной суммой, а не долей в прибыли как у обыкновенных акционеров; б) в случае банкротства владельцы таких акций имеют преимущество над обыкновенными акционерами при возмещении убытков. По сути привилегированная акция это нечто среднее между обыкновенной акцией и облигацией.

    Не знаю, будет ли такое на экзамене, но в западной практике различают два типа привилегированных акций:

    1. кумулятивные привилегированные акции (по ним невыплаченные дивиденды накапливаются и выплачиваются впоследствии)
    2. некумулятивные привилегированные акции (дивиденды теряются, не накапливается в случае невыплаты)

    В первом случае дивиденды должны быть выплачены в любом случае,  поэтому они вычитаются из величины прибыли для расчета EPS вне зависимости от того, объявлены они или нет. По некумулятивным привилегированным акциям дивиденды уменьшают величину прибыли в числителе формулы EPS только в том случае, если они были объявлены.

    Расчет средневзвешенного количества акций — коэффициент эмиссии. Знаменатель формулы.

    Самое сложное в задачах на расчет прибыли на акцию – это определение знаменателя в формуле EPS. Средневзвешенное количество акций за период может увеличиться в течение периода в результате эмиссии (выпуска) новых обыкновенных акций. Выкуп акций с рынка наоборот приводит к уменьшению этой величины.

    Рассмотрим следующие варианты эмиссии акций:

    • эмиссия по рыночной цене — простая;
    • эмиссия без возмещения их стоимости — льготная*;
    • эмиссия с частичным возмещением их стоимости – выпуск прав.

    *По поводу терминологии «льготная» и «выпуск прав» написано ниже.

    В всех трех случаях на момент эмиссии произойдет  падение прибыли на акцию, потому что знаменатель формулы увеличится.

    В данной статье я использую метод расчета средневзвешенного количества акций через коэффициенты эмиссии для всех трех вариантов. Внешне этот метод кажется непохожим на тот, который прописан в стандарте и есть в учебниках. Однако, математически это абсолютно тот же метод расчета, который даёт правильный результат.

    1. Простая эмиссия акций по рыночной стоимости

    При данной эмиссии в обращении становится больше акций за рыночную цену. Приведу пример из стандарта МСФО 33, который повторяется во всех учебниках:

    • 1 января в обращении было 1,700 обыкновенных акций,
    • 31 мая были размещены по рыночной стоимости 800 акций, а
    • 1 декабря 250 акций были выкуплены по полной стоимости.

    Как рассчитать средневзвешенное количество обыкновенных акций в обращении за год?

    Поможет графическое представление условия примера:

    В стандарте МСФО 33 приведены два способа расчета, но я предлагаю использовать один, на мой взгляд, более простой:

    1,700 х 5/12 + 2,500 х 6/12 + 2,250 х 1/12 = 2, 146 штук.

    Как видно из формулы, количество акций нужно умножить на количество месяцев до следующего события (выпуска или выкупа), делённые на 12. То есть, количество акций взвешивается пропорционально периоду, в течение которого оно не менялось.

    2. Выпуск прав (rights issue)

    Эта эмиссия дает право акционерам приобрести новые акции по цене ниже рыночной — нечто среднее между льготной (бесплатной) эмиссией и эмиссией по рыночной цене. Потому что компания хотя и получает возмещение за выпущенные акции, но это возмещение будет меньше, чем если бы выпуск акций проходил на рыночных условиях.

    Пример 4 из стандарта МСФО 33.


    На 1 января в обращении было 500 обыкновенных акций. 1 января компания объявила льготную эмиссию 1 к 5 по цене 5 долларов за новую акцию. 1 марта — последний день для выкупа прав по предложенной цене. Рыночная цена одной обыкновенной акции перед 1 марта (закрытием периода выкупа прав) была равна 11 долларам. Как рассчитать средневзвешенное количество акций за год?


    Во-первых, 1 марта добавятся 100 (500/5) новых обыкновенных акций, таким образом, 500 акций будем умножать на 2/12, а 600 акций на 10/12.

    Во-вторых, поскольку это выпуск прав и цена размещения ниже рыночной, то стандарт предписывает использовать коэффициент эмиссии (KЭ). И формула для расчета средневзвешенного количества акций будет такой:

    500 х 2/12 х KЭ + 600 х 10/12 = Х

    *КЭ — не является общепринятым сокращением

    Коэффициент эмиссии считается как отношение рыночной цены акции к теоретической цене после выпуска прав. В данном примере рыночная цена равна 11 долларам, а цена после выпуска прав (красное) рассчитывается следующим образом:

    Дата  Акции  Пропорция  Цена, $
     Стоимость
     (а)  (б) (в)  (г) = (а) х (в)
    1 января  500  5   11  5,500
    1 марта  100  1  5  500
    Итого  600  6  6,000/600=10  6,000

    Алгоритм расчета такой:

    • стоимость акций в обращении до выпуска прав: 500 х 11  = 5,500
    • стоимость выпуска прав: 100 х 5 = 500
    • Итого стоимость всех акций (старых и новых): 5,500 + 500 = 6,000

    Теоретическая цена после выпуска прав: 6,000/600 = 10 долларов.

    Коэффициент данной эмиссии (КЭ): 11/10

    Средневзвешенное количество акций за год будет равно: 500 х 2/12 х 11/10 + 600 х 10/12 = 591,67 штук.

    Если вместо количества акций использовать пропорцию 5 к 1, то результат будет аналогичным, теоретическая цена после выпуска прав получится равной $10:

    а) 5 х 11 = 55,  б) 1 х 5 = 5,  в) 55+5 = 60,  г) 60/6 = 10

    А теперь давайте немного изменим условие и представим, что 1 марта была простая эмиссия по рыночной цене $11, а не выпуск прав по $5. Если составить точно такую же таблицу, но в столбце «цена» везде поставить цифру $11, то легко видеть, что теоретическая цена после такой эмиссии будет равна 11 долларам, т.е. рыночной цене. То есть у нас получилось, что коэффициент простой эмиссии равен единице (11/11 = 1).

    3. Бесплатная эмиссия акций (bonus issue)

    О терминологии. Я хотела назвать этот вид эмиссии льготным, однако в стандарте льготной эмиссией называется любая эмиссия, если выпуск акций происходит меньше рыночной цены (т.е. выпуск прав тоже льготная эмиссия). Поэтому решила использовать слова «бонусная» или «бесплатная» эмиссия. Но хочу предупредить, что это не общепринятые термины, я использую эти слова только для простоты объяснения.

    Иногда компании размещают обыкновенные акции среди существующих акционеров без возмещения их стоимости. Как говорилось в одном нашем известном советском мультфильме: «безвозмездно, то есть даром». Как такая эмиссия повлияет на расчет средневзвешенного количества акций для EPS?

    Снова изменим предыдущий пример 4.


    На 1 января в обращении было 500 обыкновенных акций. А 1 марта компания провела льготную эмиссию в соотношении 1 новая акция на каждые 5 обыкновенных акций в обращении. Рыночная цена одной обыкновенной акции перед 1 марта была равна 11 долларам.


    Шкала времени не изменится, а вот таблица будет немного другой:

    Дата  Акции  Пропорция  Цена, $
     Стоимость
     (а)  (б) (в)  (г) = (а) х (в)
    1 января  500  5   11  5,500
    1 марта  100  1 0 0
    Итого  600  5,500/600=9,17  5,500

    Теоретическая цена после льготной эмиссии: 5,500/600 = 9,1666 долларов.

    Коэффициент данной эмиссии (КЭ): 11/9,1666 = 1,2

    Средневзвешенное количество акций за год: 500 х 1,2 х 2/12 + 600 х 10/12 = 600 штук.

    Если умножить 500 на коэффициент 1,2, то получится 600. И формулу выше можно переписать по-другому: 600 х 2/12 + 600 х 10/12 = 600 штук.

    То есть при бесплатном выпуске акций получается, что новое количество акций (в данном случае 600 штук) было всегда. Математически это так.

    Две эмиссии акций в одном примере — как найти средневзвешенное количество за год?

    Как показано выше, все три типа эмиссии акций можно учесть с использованием коэффициента эмиссии (КЭ):

    1. эмиссия по рыночной цене: КЭ = 1 (единице)
    2. выпуск прав: КЭ = рыночная цена до эмиссии/теоретическая цена после эмиссии
    3. бесплатная эмиссия: КЭ = новое количество акций в обращении/старое количество акций

    Что будет, если в течение года эмиссия акций будет не одна?

    Графически задачу с несколькими эмиссиями можно представить в виде шкалы времени так:

    Для любителей длинных формул: если в течение года произошло несколько эмиссий обыкновенных акций, то в общем виде формулу для расчета средневзвешенного количества акций можно записать так (не является общепринятой!):

    А1 х КЭ1 х КЭ2 х m1/12 + A2 х КЭ2 х m2/12 + A3 х m3/12, где

    КЭ — коэффициент эмиссии, А — количество акций в тот или иной период времени, m — количество месяцев между эмиссиями, N — количество новых акций, то есть, А1+N2 = A2, A2+N3 = A3, А3 = А4. Все обозначения не являются общепринятыми и придуманы мной за неимением других.

    Пример расчета базовой EPS с простой и льготной эмиссиями в течение года

    Чтобы было понятнее, рассмотрим пример из задачи экзамена ACCA F7 в июне 2006 года.

    Количество обыкновенных акций компании Савуар на 1 апреля 2003 года составляло 40 млн. штук. 1 июля 2003 года Савуар выпустила 8 миллионов обыкновенных акций по рыночной стоимости. 1 января 2004 года был произведен льготный выпуск одной обыкновенной акции на каждые четыре в обращении. Прибыль, приходящаяся на обыкновенных акционеров, составила $13,800,000. Отчетная дата 31 марта 2004 года.

    Задание. Рассчитать средневзвешенное количество акций в отчетном периоде и базовую прибыль на одну акцию.

    В данном примере нужно учесть две эмиссии акций в течение года: через 3 месяца эмиссия по рыночной стоимости, ещё через 6 месяцев — «бесплатная» эмиссия. Всё становится понятнее, когда все цифры из условия задачи нанесены на шкалу времени:

    Коэффициент первой эмиссии по рыночной стоимости равен 1 (всегда), коэффициент бесплатной эмиссии равен 60,000/48,000 = 1,25 (количество акций «после»/количество акций «до»)

    Средневзвешенное количество акций за год будет равно:

    40,000 х КЭ1 х КЭ2 х 3/12 + 48,000 х КЭ2 х 6/12 + 60,000 х 3/12 = 57,500

    40,000 х 1 х 1,25 х 3/12 + 48,000 х 1,25 х 6/12 + 60,000 х 3/12 = 57,500

    Прибыль на акцию: 13,800/57,500 = 0,24 доллара или 24 цента.

    При решении данной задачи я использовала формулу с коэффициентами, а в официальном ответе приведен немного другой способ расчета. Но ответ получается одинаковым, потому что оба способа являются правильными.

    ВНИМАНИЕ: Поскольку данный сайт не является официальным учебным пособием, я могу использовать любые приёмы, какие считаю нужными, для объяснения материала. Полезно бывает, взглянуть на расчёты под другим углом зрения. Но я не уверена, что представленный здесь метод расчета средневзвешенного количества акций на экзамене будет оценен правильно. Всё-таки проверяющие экзамен маркеры учились по учебникам, в которых метод получения ответа (при наличии бесплатной эмиссии) внешне несколько отличается. Просто имейте это в виду. Хотя правильный результат расчётов должен говорить сам за себя.

    Выдержка из официального ответа

    Выпуск на 1 июля 2003 года по полной рыночной стоимости должен быть взвешен: 40 млн х 3/12 + 48 млн х 9/12 = 46 млн. Без учета бонусного выпуска прибыль на акцию составит 30 центов ($13,8 млн/46 млн.).

    Бонусный выпуск 1 к 4 приведет к появлению 12 млн новых акций, следовательно, общее число обыкновенных акций составит 60 млн. Разводняющий эффект бонусного выпуска снизит прибыль на акцию до 24 центов (30 центов х 48 млн/60 млн).

    Прямые и обратные коэффициенты эмиссии

    Все коэффициенты эмиссии, которые рассматривались выше, называются прямыми и используются для расчета средневзвешенного количества акций за период. Величина 1/КЭ представляет собой обратный коэффициент эмиссии, который нужен для получения сравнительных данных. Если в отчётном периоде произошел выпуск прав, то это повлияет как на величину EPS в текущей отчетности МСФО, так и на величину EPS в предыдущей отчетности. Чтобы получить сравнительные данные по EPS за предыдущий год, надо пересчитать EPS прошлого года, умножив её на обратный коэффициент эмиссии отчетного года. Если было две эмиссии и два коэффициента, то для пересчёта нужно использовать оба обратных коэффициента.

    Базовая прибыль на акцию — ещё один пример расчета

    Попробуем решить еще одну задачу, на этот раз из экзамена Дипифр, март 2009 года, вопрос 4, 6 баллов.

    (b) Компания «Ипсилон» ежегодно готовит финансовую отчетность за год, заканчивающийся 31 декабря. Чистая прибыль компании за год, закончившийся 31 декабря 2008 года, составила 12 млн. долларов. Этот показатель был сформирован после вычета финансовых расходов, относящихся к привилегированным акциям, в размере 600,000 долларов. По состоянию на 1 января 2008 года «Ипсилон» имела в обращении 30 млн. обыкновенных акций. 1 апреля 2008 года «Ипсилон» выпустила 20 млн. обыкновенных акций по полной рыночной стоимости. 1 октября 2008 года «Ипсилон» выпустила права на приобретение акций, предложив имеющимся акционерам компании (включая держателей акций, выпущенных 1 апреля 2008 года) приобрести 1 акцию за каждые 5, находящиеся в их собственности, по цене 2 доллара за акцию.

    Этот выпуск был полностью выкуплен акционерами. Рыночная стоимость одной обыкновенной акции «Ипсилон» на 1 октября 2008 года непосредственно перед выпуском прав на приобретение акций была равна 2 долларам 30 центам. Прибыль на акцию, отраженная в финансовой отчетности за год, закончившийся 31 декабря 2007 года, составляла 22 цента.

    Задание: Рассчитайте прибыль на акцию (включая сравнительные данные), которая должна быть отражена в финансовой отчетности «Ипсилон» за год, закончившийся 31 декабря 2008 года. 

    Решение задачи

    Числитель формулы для расчета прибыли на акцию — 12,000,000 долларов. В условии сказано, что эта цифра чистой прибыли уже скорректирована на дивиденды привилегированным акционерам, значит, дальнейших корректировок не требуется.

    В течение года было две эмиссии акций: через 3 месяца от начала года простая эмиссия по рыночной стоимости, ещё через полгода — выпуск прав.

    Коэффициент эмиссии по рыночной цене равен 1 (единице).

    Коэффициент эмиссии для выпуска прав будет равен 2,30/2,25:

    Дата  Акции  Пропорция  Цена, $
     Стоимость
     (а)  (б) (в)  (г) = (а) х (в)
    1 апреля  50’000  5  2,30  115’000
    1 марта  10’000  1 2  20’000
    Итого  60’000  2’25  135,000

    Расчёт средневзвешенного количества акций будет таким:

    30,000 х 1 х 2,30/2,25 х 3/12 + 50,000 х 2,30/2,25 х 6/12 + 60,000 х 3/12 = 48,222 штук.

    Базовая прибыль на акцию: 12,000,000/48,222 = 0,249 или 24,9 цента

    Сравнительные данные за прошлый год нужно умножить на обратные коэффициенты эмиссии:

    22 х 1 х 2,25/2,3 = 21,5 (для единицы обратный коэффициент тоже равен 1)

    МСФО 33 «Прибыль на акцию» на экзаменах Дипифр и ACCA

    На экзамене Дипифр данная тема появлялась всего два раза — в марте 2009 года на 25 баллов (русскоязычный экзамен) и в декабре 2010 года на 15 баллов (глобально). В обоих случаях это было задание, включающее в себя как теоретические вопросы, так и расчет обоих показателей EPS — базовой и разводненной прибыли на акцию. В новом формате экзамена Дипифр, введенном в действие с июня 2011 года, данный стандарт не появился ни разу. Возможно поэтому многие преподаватели и слушатели курсов Дипифр ожидают задачи на расчет прибыли на акцию в ближайшее время.

    В народном прогнозе на декабрьскую сессию Дипифр 2016 года на данный момент МСФО 33 занимает второе место с показателем 23%. Такой же прогноз к июню 2016 года МСФО 33 занял первое место в рейтинге ожиданий с 35% голосов.

    Честно говоря, я скептически отношусь к тому, что прибыль на акцию появится на экзамене Дипифр в ближайшее время. По большому счету расчет прибыли на акцию не имеет отношения к бухгалтерскому учету. МСФО 33 описывает алгоритм расчета числового показателя, не более того. Наш же экзаменатор стремится включать в экзамен задачи, требующие умения рассуждать и объяснять основные принципы бухгалтерского учета, заложенные в международные стандарты.

    Хотя, возможно, я ошибаюсь, и Пол Робинс просто ждёт удобного момента, чтобы включить такую задачу в экзамен. Если расчет прибыли на акцию появится на экзамене Дипифр, я думаю, это будет упрощение экзамена с точки зрения нашего экзаменатора, поскольку рассчитать несколько цифр гораздо проще, чем написать объяснения по теоретическому вопросу.

    Что касается основной программы ACCA, то расчет показателя EPS несколько раз появлялся в заданиях бумаги F7: июнь 2006, декабрь 2009, июнь 2011 годов, но расчетной задачи не было ни разу на экзамене более высокого уровня P2 (если я ничего не пропустила).

    Математика — это гимнастика для ума

    Надеюсь, что данная статья не получилась слишком нудной, хотя и не уверена в этом. Слишком много формул, слишком много расчетов. И всё-таки, думаю, что задачи на эту тему будут, скорее, подарком от экзаменатора, чем наоборот. Ведь для того, чтобы правильно рассчитать прибыль на акцию, надо всего лишь помнить алгоритм расчёта. А для того, чтобы написать ответ на теоретический вопрос, надо понять, что хочет увидеть в ответе Пол Робинс.

    «Если математика не кажется людям простой, это лишь потому, что люди не понимают, насколько сложна жизнь». Джон фон Нейман, математик

    Об уникальности публикаций

    Все статьи на данном сайте написаны мной от начала и до конца. И тому есть подтверждение. Именно поэтому я, к сожалению, редко пишу новые статьи — это требует времени, которое в дефиците. Я встречала перепечатки материалов данного сайта на других интернет ресурсах. Некоторые копии имеют ссылку на оригинал на моём сайте. Но если на других сайтах в интернете не стоит ссылка на оригинальную публикацию здесь, то знайте, это ни что иное как плагиат. Тоже самое относится и к заимствованиям не в интернете. Но такова уж судьба у всех пишущих и публикующих что-либо в сети.

    Другие статьи, которые могут быть интересны:

    1. IFRS 16 Leases — новый международный стандарт по учету аренды
    2. Условные обязательства и условные активы МСФО. Прошлое, настоящее и будущее.
    3. Капитализация вклада — что это? Формула капитализации процентов: ежемесячно, ежедневно, непрерывно
    4. МСФО IFRS 9: Классификация и учёт финансовых активов
    5. Шкала времени — один из инструментов улучшения результата экзамена Дипифр

    Вернуться на главную страницу

    ROI — что это такое, по какой формуле рассчитать и примеры в маркетинге

    Мы уже говорили с вами об одной важной метрике для бизнеса — жизненной ценности клиента, или LTV. В этой статье мы расскажем о другом важном показателе — ROI. С ним вы сможете определить эффективные каналы для привлечения клиентов и начать более разумно управлять своим рекламным бюджетом.

    Содержание

    Что такое ROI

    ROI — это показатель возврата инвестиций. Он измеряет доход, относящийся к конкретной инвестиции.

    С маркетинговой точки зрения, ROI можно разделить на две метрики: ROMI и ROAS.

    ROMI — это показатель окупаемости инвестиций в маркетинг, который используется для измерения общей эффективности маркетинга и помогает маркетологам лучше распределить последующие инвестиции. Он рассчитывается как отношение дохода от маркетинговых усилий к маркетинговым затратам (зарплата и т. д.).

    ROAS, или показатель рентабельности расходов на рекламу, обычно используется для оценки эффективности конкретной кампании, группы объявлений, конкретного объявления или даже ключевого слова. С ним вы можете оценить любой аспект вашего интернет-маркетинга. Хотите знать, стоит ли конкретный набор объявлений вашего времени и денег? Проверьте свой ROAS. Хотите знать, работают ли те изменения таргетинга, которые вы внесли? Проверьте свой ROAS.

    Чаще всего ROAS и ROMI выражаются в процентах, но порой и в форме коэффициента.

    Читайте также: подборка главных показателей эффективности, которые подойдут большинству компаний, и без которых digital-маркетинга и веб-аналитика теряют свой смысл.

    Формула расчета ROMI и ROAS

    Давайте рассмотрим пример расчета ROAS. Представьте, что вы продаете продукт через свой сайт. У вас есть бюджет в $1000 в месяц, который вы готовы потратить на объявления Google. Вы запускаете кампанию, все идет хорошо, к концу месяца ваш доход от рекламных кампаний составил $6000.

    Общая формула расчета ROAS:

    Расчет ROAS на основе нашего примера: $6000 / $1000 х 100% = 600%

    Значит, за каждый потраченный доллар вы заработали $6 прибыли. Неплохо для рекламы на одном канале.

    Следуя тому же примеру, в расчет ROMI необходимо включить зарплату и все связанные с кампанией маркетинговые расходы. Например, вы заплатили $200 специалисту PPC за настройку этого объявления, плюс $50 копирайтеру, написавшему текст объявления.

    Общая формула расчета ROMI:

    Расчет ROMI: ($6000 — ($1000 + $200 + $50)) / ($1000 + $200 + $50) x 100% = 380%

    Хоть ROI (ROMI) и ROAS похожи, важно не путать данные показатели, так как это может привести к серьезным ошибкам. Например, ROI в 100% говорит о том, что вы заработали вдвое больше, чем потратили. А вот ROAS в 100% означает, что вы сработали в ноль.

    Вроде все просто и легко считается. Но для более корректного расчета ROI маркетологу нужно учитывать множество нюансов.

    Нюансы при расчете ROI

    1. Выберите правильную модель атрибуции для точных расчетов.

    В простом случае пользователь кликает на объявление и совершает покупку. Этот доход явно относится к расчету ROAS, который мы упоминали выше. Но что, если пользователь кликает не покупает сразу?

    Например, пользователь кликает на ваше объявление, переходит на сайт, но закрывает его, а через три недели видит сообщение о вашем продукте в Facebook, кликает на него, переходит на сайт, запоминает URL-адрес и опять таки закрывает сайт. Затем через месяц он идет прямо на ваш сайт, введя URL в поисковой строке и совершает покупку.

    Должен ли этот клиент учитываться при расчете ROAS по первоначальному объявлению, по которому он в первый раз кликнул? Или ценность получает объявление на Facebook, поскольку именно на него кликнули перед покупкой? Или все же стоит разделить доход между первоначальной рекламой и постом в Facebook?

    Ваша модель атрибуции определяет, какую долю ценности получит первоначальное объявление по этому клиенту. Чтобы объективно распределить ценность заказа, необходимо учитывать не только последнюю сессию, но и в принципе каждую сессию покупателя. Вот почему мы предлагаем нашим клиентам использовать модель атрибуции на основе воронки.

    Читайте также: как атрибуция OWOX BI учитывает все действия пользователей в онлайне и офлайне, реальную прибыль из CRM, а также показывает взаимное влияние каналов на конверсию и продвижение пользователя по воронке.

    Посмотрите на отчет ниже, который мы создали для одного из наших клиентов. Мы обнаружили, что ценность (доход от заказов), присвоенная рекламным каналам в результате атрибуции на основе воронки, отличается от полученной в результате использования Last Non-Direct Click модели. То есть, если вы используете атрибуцию по последнему непрямому клику, ROAS будет отличаться от реальных цифр.

    2. Учитывать все факторы, влияющие на выручку.

    Давайте рассмотрим несколько ситуаций, которые могут повлиять на доход.

    Ваш лучший менеджер по продажам перешел в другую компанию. Вы сменили поставщика, что сказалось на сроках доставки определенных товаров. В то же время вы запустили рекламную кампанию и у вас появилось много потенциальных покупателей, но товаров нет в наличии. В результате вы снизили ROMI, но это не имеет ничего общего с рекламой и маркетингом.

    Чтобы увидеть реальный пример важности модели атрибуции на основе воронки, прочитайте наш кейс о том, как компания «Сантехника-Онлайн» оптимизировала расходы на рекламу, создав эффективную систему оценки рекламных кампаний.

    3. Учет различий в затратах (сложно посчитать средний чек).

    Представьте, что в прошлом месяце вы заплатили $100 за доставку заказа в Европу. Но в этом месяце ваша служба доставки подняла цены, и теперь вам нужно заплатить $100 за доставку клиентам в США и $200 за доставку того же продукта европейским клиентам. В результате ваш показатель возврата инвестиций ROMI может снизиться, хотя ваш отдел маркетинга все делает правильно.

    4. Не забывайте о полном цикле продаж.

    Для некоторых покупок клиенту требуется несколько месяцев, чтобы принять решение. Клиент может взаимодействовать с вашей онлайн-рекламой в январе и совершить покупки офлайн в марте. Или ваш клиент может оплатить продукт на вашем сайте. Транзакция будет засчитана после получения банковского подтверждения, что может занять пару дней. В такой ситуации транзакция не будет относиться к правильному сеансу и в результате источник, который привел к этой транзакции, не будет оцениваться правильно, а ROAS не будет корректным.

    Данные сеансов, собранные с помощью алгоритма OWOX BI, имеют максимальную продолжительность 30 дней. Вы также можете выбрать дату начала и загрузить исторические данные за период до 6 месяцев.

    OWOX BI поможет вам объединить данные из разных систем: действия пользователей на сайте, звонки и заказы из CRM, email-рассылки и расходы на рекламу. Вы сможете настроить сквозную аналитику и автоматизировать отчеты любой сложности: по рекламным кампаниям, когортному анализу, ROPO, CPA, ROI, ROAS, LTV, САС, атрибуции и многие другие.

    Как автоматизировать расчет ROI и ROAS

    Стоит учитывать, что расчет ROI вручную и перепроверка возможных ошибок требует много времени и усилий. Мы собрали для вас список самых популярных инструментов для его автоматического расчета.

    OWOX BI Smart Data

    С OWOX BI вы можете детальнее анализировать свои рекламные кампании и сравнивать их эффективность. В сервисе есть множество готовых отчетов по ROAS и ROI, а также простой конструктор отчетов, с помощью которого вы можете добавлять в отчеты необходимые метрики.

    Работать с результатами расчетов можно как в самом сервисе Smart Data, так и в Google Sheets или Data Studio. В результате вы сможете сделать выводы о рентабельности канала на основе полных данных и правильно распределить свой бюджет.

    Попробовать бесплатно

    Преимущества Smart Data:

    • Не нужна специальная техническая подготовка и знание SQL.
    • Чтобы получить отчет, вы можете использовать любой из популярных шаблонов, или выбрать нужные метрики в конструкторе, или ввести вопрос в поле поиска.
    • Вы можете скопировать из отчета SQL-запрос, который сгенерировал сервис. Например, чтобы модифицировать его или использовать для автоматизации отчета в Google Sheets, построенного на данных BigQuery.
    • Для отчетов Smart Data использует данные, которые хранятся в вашем проекте Google BigQuery. Вы полностью контролируете доступ к данным, благодаря использованию Google-аккаунта и двухфакторной авторизации.

    Чтобы получить полную картину при оценке рекламных каналов, необходимо:

    1. Настроить импорт расходов из рекламных сервисов (Facebook, Criteo и т. д.) в Google Analytics.
    2. Настроить сбор данных с сайта в Google BigQuery.
    3. Настроить OWOX BI Attribution.
    4. Получить отчеты в OWOX BI Smart Data: вы можете использовать готовые отчеты во вкладке «Результаты» или создавать собственные с помощью удобного конструктора отчетов.

    Подробнее о всех отчетах вы можете узнать самом сервисе Smart Data и в справочном центре OWOX BI.

    Google Analytics

    Google Analytics — это удобный и простой инструмент для расчета ROAS по Google-каналам.

    Но при использовании других рекламных сервисов (Яндекс. Директ, Facebook и т. д.) вам необходимо импортировать данные из них в Google Analytics. Это легко сделать с помощью OWOX BI Pipeline. Сравнивая ROAS всех источников трафика, вы можете сделать выводы об окупаемости конкретного канала и перераспределить свой рекламный бюджет.

    Узнайте, какие кампании приносят прибыль, а какие не окупаются

    Автоматически импортируйте расходы из рекламных сервисов в Google Analytics. Сравнивайте затраты, CPC и ROAS разных кампаний в одном отчете.

    Кроме того, в Google Analytics вы можете выбрать только одну модель атрибуции из списка, по умолчанию Last non-direct, поэтому не все транзакции могут быть приняты во внимание, например, офлайн-продажи.

    Google Sheets

    Еще одним популярным методом для многих маркетологов является ручная загрузка данных из Google Analytics в Google Sheets, с помощью которого можно выполнить небольшие вычисления. Но в Google Sheets вы можете столкнуться с техническим ограничением по загрузке большого объема данных.

    Какой ROI считается хорошим

    Итак, вы поняли важность расчета ROI. Но что вы должны делать с данными, которые вы получите? Какой ROI считается хорошим, а какой — плохим?

    Каждый бизнес определяет свой идеальный показатель возврата инвестиций. Но одно правило касается всех: ROI должен быть положительным, а ROAS — выше 100%.

    Наблюдая за динамикой изменений ROI в отчетах, вы можете перераспределить свой рекламный бюджет на более эффективные рекламные каналы.

    В приведенном ниже примере мы видим, что компания тратит на Google Ads больше, чем получает взамен. И поэтому расходы на Google Ads следует реинвестировать в более эффективный канал.

    Заключение

    Для любого бизнеса очень важно правильно рассчитать ROI. Данные по нему помогут узнать, в какой рекламный канал необходимо инвестировать, чтобы заработать больше. И помните, начинать настройку сбора данных и расчета ROI нужно с того момента, как только начнете думать о расходах на бизнес и маркетинг.

    Если у вас возникли вопросы по статье, пожалуйста, пишите их в комментариях внизу. Мы на все ответим 🙂

    Использованные инструменты

    Часто задаваемые вопросы

    Открыть все Закрыть все
    • Что такое ROI?

      ROI (показатель возврата инвестиций) = (доход — инвестиции) / инвестиции × 100%.

    • Что такое ROMI?

      ROMI (показатель окупаемости инвестиций в маркетинг) = (доход от рекламы — расходы на рекламу) / расходы на рекламу × 100%.

    • Что такое ROAS?

      ROAS (показатель рентабельности расходов на рекламу) = доход от рекламы / расходы на рекламу × 100%.

    • Что нужно учитывать при расчете ROI/ROMI?
      • Выбрать правильную модель атрибуции для точных расчетов.
      • Учитывать все внешние факторы, влияющие на выручку.
      • Учитывать различия в затратах (сложно посчитать средний чек).
      • Не забывать о полном цикле продаж.
    • Как автоматизировать расчет ROI/ROMI и ROAS?

    по математике

     proc binom (n, k: int): int {...} {. NoSideEffect, raises: [], tags: [].} 
    Вычисляет биномиальный коэффициент.

    Пример:

     doAssert binom (6, 2) == binom (6, 4)
    doAssert binom (6, 2) == 15
    doAssert binom (-6, 2) == 1
    doAssert binom (6, 0) == 1 
    Источник Редактировать
     proc fac (n: int): int {...} {. Raises: [], tags: [].} 

    Вычисляет факториал неотрицательного целого числа n.

    См. Также:

    Пример:

     doAssert fac (3) == 6
    doAssert fac (4) == 24
    doAssert fac (10) == 3628800 
    Источник Редактировать
     proc classify (x: float): FloatClass {...} {. Raises: [], tags: [].} 

    Классифицирует значение с плавающей запятой.

    Возвращает класс x, указанный в перечислении FloatClass.

    Пример:

     doAssert classify (0.3) == fcNormal
    doAssert classify (0.0) == fcZero
    doAssert classify (0.3 / 0.0) == fcInf
    doAssert classify (-0.3 / 0.0) == fcNegInf
    doAssert classify (5.0e-324) == fcSubnormal 
    Источник Редактировать
     proc isPowerOfTwo (x: int): bool {...} {. NoSideEffect, вызывает: [], теги: [].} 

    Возвращает истину, если x является степенью двойки, в противном случае возвращает ложь.

    Ноль и отрицательные числа не являются степенью двойки.

    См. Также:

    Пример:

     doAssert isPowerOfTwo (16) == истина
    doAssert isPowerOfTwo (5) == ложь
    doAssert isPowerOfTwo (0) == ложь
    doAssert isPowerOfTwo (-16) == ложь 
    Источник Редактировать
     proc nextPowerOfTwo (x: int): int {...} {. NoSideEffect, вызывает: [], теги: [].} 

    Возвращает x, округленное до ближайшей степени двойки.

    Нулевые и отрицательные числа округляются до 1.

    См. Также:

    Пример:

     doAssert nextPowerOfTwo (16) == 16
    doAssert nextPowerOfTwo (5) == 8
    doAssert nextPowerOfTwo (0) == 1
    doAssert nextPowerOfTwo (-16) == 1 
    Источник Редактировать
     proc sum [T] (x: openArray [T]): T {...} {. NoSideEffect.} 

    Вычисляет сумму элементов в x.

    Если x пуст, возвращается 0.

    См. Также:

    Пример:

     doAssert sum ([1, 2, 3, 4]) == 10
    doAssert sum ([- 1.5, 2.7, -0.1]) == 1.1 
    Источник Редактировать
     proc prod [T] (x: openArray [T]): T {...} {. NoSideEffect.} 

    Вычисляет произведение элементов на x.

    Если x пуст, возвращается 1.

    См. Также:

    Пример:

     doAssert prod ([1, 2, 3, 4]) == 24
    doAssert prod ([- 4, 3, 5]) == -60 
    Источник Редактировать
     proc cumsummed [T] (x: openArray [T]): seq [T] 

    Возврат кумулятивного (также известного как префикс) суммирования x.

    См. Также:

    Пример:

     пусть a = [1, 2, 3, 4]
    doAssert cumsummed (a) == @ [1, 3, 6, 10] 
    Источник Редактировать
     proc cumsum [T] (x: var openArray [T]) 

    Преобразует x на месте (должен быть объявлен как var) в его кумулятивное (также известное как префикс) суммирование.

    См. Также:

    Пример:

     var a = [1, 2, 3, 4]
    кончает (а)
    doAssert a == @ [1, 3, 6, 10] 
    Источник Редактировать
     proc sqrt (x: float32): float32 {...} {. importc: "sqrtf", header: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc sqrt (x: float64): float64 {...} {. Importc: "sqrt", заголовок: "",
                                     noSideEffect.} 

    Вычисляет квадратный корень из x.

    См. Также:

     эхо sqrt (4.0)
    эхо sqrt (1,44)
    эхо sqrt (-4.0) 
    Источник Редактировать
     proc cbrt (x: float32): float32 {...} {. importc: "cbrtf", header: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc cbrt (x: float64): float64 {...} {. Importc: "cbrt", заголовок: "",
                                     noSideEffect.} 

    Вычисляет кубический корень из x.

    См. Также:

     эхо cbrt (8.0)
    эхо cbrt (2,197)
    эхо cbrt (-27.0) 
    Источник Редактировать
     proc ln (x: float32): float32 {...} {. importc: "logf", header: "", noSideEffect.} 
    Источник Редактировать
     proc ln (x: float64): float64 {...} {. Importc: "журнал", заголовок: "", noSideEffect.} 

    Вычисляет натуральный логарифм x.

    См. Также:

     эхо-сигнал (exp (4.0))
    эхо ln (1.0))
    эхо ln (0,0)
    эхо ln (-7.0) 
    Источник Редактировать
     протокол процесса [T: SomeFloat] (x, base: T): T {...} {. NoSideEffect.} 

    Вычисляет логарифм x по основанию.

    См. Также:

     журнал эхо-сигналов (9.0, 3.0)
    журнал эхо (32.0, 2.0)
    журнал эхо (0,0, 2,0)
    журнал эхо (-7.0, 4.0)
    журнал эхо (8.0, -2.0) 
    Источник Редактировать
     proc log10 (x: float32): float32 {...} {. Importc: "log10f", заголовок: "",
                                      noSideEffect.} 
    Источник Редактировать
     proc log10 (x: float64): float64 {...} {. Importc: "log10", заголовок: " ",
                                      noSideEffect.} 

    Вычисляет десятичный логарифм числа x.

    См. Также:

     журнал эхо-сигналов 10 (100,0)
    эхо log10 (0,0)
    эхо log10 (-100.0) 
    Источник Редактировать
     proc exp (x: float32): float32 {...} {. Importc: "expf", заголовок: "",
                                    noSideEffect.} 
    Источник Редактировать
     proc exp (x: float64): float64 {...} {.Икс). 

    См. Также:

     эхо exp (1.0)
    эхо ln (exp (4,0))
    эхо exp (0,0)
    эхо exp (-1.0) 
    Источник Редактировать
     proc sin (x: float32): float32 {...} {. Importc: "sinf", header: "",
                                    noSideEffect.} 
    Источник Редактировать
     proc sin (x: float64): float64 {...} {. Importc: "sin", заголовок: "", noSideEffect.} 

    Вычисляет синус x.

    См. Также:

     эхо-синус (PI / 6)
    эхо sin (degToRad (90.0)) 
    Источник Редактировать
     proc cos (x: float32): float32 {...} {. Importc: "cosf", заголовок: "",
                                    noSideEffect.} 
    Источник Редактировать
     proc cos (x: float64): float64 {...} {. Importc: "cos", заголовок: "", noSideEffect.} 

    Вычисляет косинус x.

    См. Также:

     эхо-cos (2 * PI)
    эхо-cos (degToRad (60.0)) 
    Источник Редактировать
     proc tan (x: float32): float32 {...} {. importc: "tanf", header: "",
                                    noSideEffect.} 
    Источник Редактировать
     proc tan (x: float64): float64 {...} {. Importc: "tan", заголовок: "", noSideEffect.} 

    Вычисляет тангенс x.

    См. Также:

     эхо-загар (degToRad (45.0))
    эхо-загар (PI / 4) 
    Источник Редактировать
     proc sinh (x: float32): float32 {...} {. Importc: "sinhf", заголовок: " ",
                                     noSideEffect.} 
    Источник Редактировать
     proc sinh (x: float64): float64 {...} {. Importc: "sinh", заголовок: "",
                                     noSideEffect.} 

    Вычисляет гиперболический синус x.

    См. Также:

     эхо-сигнал (0,0)
    эхо sinh (1.0)
    эхо sinh (degToRad (90.0)) 
    Источник Редактировать
     proc cosh (x: float32): float32 {...} {. importc: "coshf", header: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc cosh (x: float64): float64 {...} {. Importc: "cosh", заголовок: "",
                                     noSideEffect.} 

    Вычисляет гиперболический косинус x.

    См. Также:

     эхо cosh (0,0)
    эхо cosh (1.0)
    эхо cosh (degToRad (90.0)) 
    Источник Редактировать
     proc tanh (x: float32): float32 {...} {. importc: "tanhf", header: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc tanh (x: float64): float64 {...} {. Importc: "tanh", заголовок: "",
                                     noSideEffect.} 

    Вычисляет гиперболический тангенс x.

    См. Также:

     эхо tanh (0,0)
    эхо тан (1.0)
    эхо tanh (degToRad (90.0)) 
    Источник Редактировать
     proc arccos (x: float32): float32 {...} {. importc: "acosf", header: "",
                                       noSideEffect.} 
    Источник Редактировать
     proc arccos (x: float64): float64 {...} {. Importc: "acos", заголовок: "",
                                       noSideEffect.} 

    Вычисляет арккосинус x.

    См. Также:

     эхо radToDeg (arccos (0.0))
    эхо radToDeg (arccos (1.0)) 
    Источник Редактировать
     proc arcsin (x: float32): float32 {...} {. importc: "asinf", header: "",
                                       noSideEffect.} 
    Источник Редактировать
     proc arcsin (x: float64): float64 {...} {. Importc: "asin", заголовок: "",
                                       noSideEffect.} 

    Вычисляет арксинус x.

    См. Также:

     эхо radToDeg (arcsin (0,0))
    эхо radToDeg (arcsin (1.0)) 
    Источник Редактировать
     proc arctan (x: float32): float32 {...} {. importc: "atanf", header: "",
                                       noSideEffect.} 
    Источник Редактировать
     proc arctan (x: float64): float64 {...} {. Importc: "atan", заголовок: "",
                                       noSideEffect.} 

    Вычислить арктангенс x.

    См. Также:

     эхо-арктан (1.0)
    эхо radToDeg (арктан (1.0)) 
    Источник Редактировать
     proc arctan2 (y, x: float32): float32 {...} {. importc: "atan2f", header: "",
                                           noSideEffect.} 
    Источник Редактировать
     proc arctan2 (y, x: float64): float64 {...} {. Importc: "atan2", заголовок: "",
                                           noSideEffect.} 

    Вычислить арктангенс y / x.

    Он дает правильные результаты, даже если результирующий угол близок к pi / 2 или -pi / 2 (x около 0).

    См. Также:

     эхо arctan2 (1.0, 0,0)
    эхо radToDeg (арктан2 (1.0, 0.0)) 
    Источник Редактировать
     proc arcsinh (x: float32): float32 {...} {. Importc: "asinhf", заголовок: "",
                                        noSideEffect.} 
    Источник Редактировать
     proc arcsinh (x: float64): float64 {...} {. Importc: "asinh", заголовок: "",
                                        noSideEffect.} 
    Вычисляет обратный гиперболический синус x. Источник Редактировать
     proc arccosh (x: float32): float32 {...} {. importc: "acoshf", header: "",
                                        noSideEffect.} 
    Источник Редактировать
     proc arccosh (x: float64): float64 {...} {. Importc: "acosh", заголовок: "",
                                        noSideEffect.} 
    Вычисляет обратный гиперболический косинус x. Источник Редактировать
     proc arctanh (x: float32): float32 {...} {. Importc: "atanhf", заголовок: "",
                                        noSideEffect.} 
    Источник Редактировать
     proc arctanh (x: float64): float64 {...} {. Importc: "atanh", заголовок: "",
                                        noSideEffect.} 
    Вычисляет обратный гиперболический тангенс x. Источник Редактировать
     proc cot [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет котангенс x (1 / tan (x)). Источник Редактировать
     проц сек [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет секанс x (1 / cos (x)). Источник Редактировать
     proc csc [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет косеканс x (1 / sin (x)). Источник Редактировать
     proc coth [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет гиперболический котангенс x (1 / tanh (x)). Источник Редактировать
     proc sech [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет гиперболический секанс x (1 / ch (x)). Источник Редактировать
     proc csch [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет гиперболический косеканс x (1 / sinh (x)). Источник Редактировать
     proc arccot ​​[T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет обратный котангенс x. Источник Редактировать
     proc arcsec [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет обратный секанс x. Источник Редактировать
     proc arccsc [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет обратный косеканс x. Источник Редактировать
     proc arccoth [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет обратный гиперболический котангенс x. Источник Редактировать
     proc arcsech [T: float32 | float64] (x: T): T {...} {.noSideEffect.} 
    Вычисляет обратный гиперболический секанс x. Источник Редактировать
     proc arccsch [T: float32 | float64] (x: T): T {...} {. noSideEffect.} 
    Вычисляет обратный гиперболический косеканс x. Источник Редактировать
     proc hypot (x, y: float32): float32 {...} {. Importc: "hypotf", заголовок: "",
                                         noSideEffect.} 
    Источник Редактировать
     proc hypot (x, y: float64): float64 {...} {. importc: "hypot", header: "",
                                         noSideEffect.} 
    Вычисляет гипотенузу прямоугольного треугольника с основанием и высотой x и y. Эквивалентно sqrt (x * x + y * y).
     эхо-гипотеза (4.0, 3.0) 
    Источник Редактировать
     proc pow (x, y: float32): float32 {...} {. Importc: "powf", header: "",
                                       noSideEffect.} 
    Источник Редактировать
     proc pow (x, y: float64): float64 {.прок. 

    См. Также:

     эхо-сигнал (100, 1,5)
    эхо-сигнал (16,0, 0,5) 
    Источник Редактировать
     proc erf (x: float32): float32 {...} {. Importc: "erff", заголовок: "",
                                    noSideEffect.} 
    Источник Редактировать
     proc erf (x: float64): float64 {...} {. Importc: "erf", заголовок: "", noSideEffect.} 

    Вычисляет функцию ошибок для x.

    Примечание. Недоступно для серверной части JS.

    Источник Редактировать
     proc erfc (x: float32): float32 {...} {. Importc: "erfcf", заголовок: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc erfc (x: float64): float64 {...} {. Importc: "erfc", заголовок: "",
                                     noSideEffect.} 

    Вычисляет дополнительную функцию ошибок для x.

    Примечание. Недоступно для серверной части JS.

    Источник Редактировать
     proc gamma (x: float32): float32 {...} {. importc: "tgammaf", header: "",
                                      noSideEffect.} 
    Источник Редактировать
     proc gamma (x: float64): float64 {...} {. Importc: "tgamma", заголовок: "",
                                      noSideEffect.} 

    Вычисляет гамма-функцию для x.

    Примечание. Недоступно для серверной части JS.

    См. Также:

     эхо-гамма (1.0)
    эхо-гамма (4,0)
    эхо гамма (11.0)
    эхо гамма (-1,0) 
    Источник Редактировать
     proc lgamma (x: float32): float32 {...} {. Importc: "lgammaf", заголовок: "",
                                       noSideEffect.} 
    Источник Редактировать
     proc lgamma (x: float64): float64 {...} {. Importc: "lgamma", заголовок: "",
                                       noSideEffect.} 

    Вычисляет натуральный логарифм гамма-функции для x.

    Примечание. Недоступно для серверной части JS.

    См. Также:

     эхо-lgamma (1.0)
    эхо-lgamma (4,0)
    эхо lgamma (11.0)
    эхо lgamma (-1,0) 
    Источник Редактировать
     proc floor (x: float32): float32 {...} {. Importc: "floorf", header: "",
                                      noSideEffect.} 
    Источник Редактировать
     proc floor (x: float64): float64 {...} {. Importc: "floor", header: "",
                                      noSideEffect.} 

    Вычисляет функцию пола (т.е., наибольшее целое число не больше x).

    См. Также:

     эхо-пол (2.1)
    эхо-пол (2.9)
    эхо-пол (-3,5) 
    Источник Редактировать
     proc ceil (x: float32): float32 {...} {. Importc: "ceilf", header: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc ceil (x: float64): float64 {...} {. Importc: "ceil", заголовок: "",
                                     noSideEffect.} 

    Вычисляет функцию потолка (т. Е. Наименьшее целое число не меньше x).

    См. Также:

     эхо-потолок (2.1)
    echo ceil (2.9)
    эхо-потолок (-2,1) 
    Источник Редактировать
     proc round (x: float32): float32 {...} {. Importc: "roundf", header: "",
                                      noSideEffect.} 
    Источник Редактировать
     proc round (x: float64): float64 {...} {. Importc: "round", header: " ",
                                      noSideEffect.} 

    Округляет число с плавающей запятой до нуля.

    Используется внутри процедурой раунда, когда указанное количество мест равно 0.

    См. Также:

     эхо круглый (3.4)
    эхо круглый (3.5)
    эхо круглый (4.5) 
    Источник Редактировать
     proc trunc (x: float32): float32 {...} {. Importc: "truncf", заголовок: "",
                                      noSideEffect.} 
    Источник Редактировать
     proc trunc (x: float64): float64 {...} {. importc: "trunc", header: "",
                                      noSideEffect.} 

    Усекает x до десятичной точки.

    См. Также:

     усечение эха (PI)
    усечение эха (-1,85) 
    Источник Редактировать
     proc `mod` (x, y: float32): float32 {...} {. Importc:" fmodf ", заголовок:"  ",
                                         noSideEffect.} 
    Источник Редактировать
     proc `mod` (x, y: float64): float64 {...} {. importc: "fmod", header: "",
                                         noSideEffect.} 

    Вычисляет операцию по модулю для значений с плавающей запятой (остаток от деления x на y).

    См. Также:

     (6.5 мод 2.5) == 1.5
    (-6,5 мод 2,5) == -1,5
    (6.5 мод -2.5) == 1.5
    (-6,5 мод. -2,5) == -1,5 
    Источник Редактировать
     раунд [T: float32 | float64] (x: T; места: int): T {...} {. noSideEffect.} 

    Десятичное округление двоичного числа с плавающей запятой.

    Эта функция НЕ надежна. Числа с плавающей запятой не могут точно содержать нецелые десятичные дроби. Если разряды 0 (или опущены), округлить до ближайшего целого значения в соответствии с обычными математическими правилами округления (например, round (54,5) -> 55,0). Если разрядов больше 0, округлить до заданного количества десятичных знаков, например круглый (54,346, 2) -> 54,350000000000001421…. Если разряды отрицательны, округлить слева от десятичного разряда, например круглый (537.345, -1) -> 540.0

     эхо-раунд (PI, 2)
    эхо круглое (ИП, 4) 
    Источник Редактировать
     proc floorDiv [T: SomeInteger] (x, y: T): T {...} {. noSideEffect.} 

    Разделение этажа концептуально определяется как этаж (x / y).

    Он отличается от оператора system.div, который определяется как trunc (x / y). Таким образом, div округляется в сторону 0, а floorDiv округляется в меньшую сторону.

    См. Также:

     echo floorDiv (13, 3)
    эхо floorDiv (-13, 3)
    эхо floorDiv (13, -3)
    эхо-этажDiv (-13, -3) 
    Источник Редактировать
     proc floorMod [T: SomeNumber] (x, y: T): T {...} {. NoSideEffect.} 

    Модуль упругости пола концептуально определяется как x - (floorDiv (x, y) * y).

    Эта процедура ведет себя так же, как оператор% в Python.

    См. Также:

     echo floorMod (13, 3)
    эхо floorMod (-13, 3)
    эхо floorMod (13, -3)
    эхо floorMod (-13, -3) 
    Источник Редактировать
     proc c_frexp (x: float32; exponent: var int32): float32 {...} {. Importc: "frexp",
        заголовок: "", noSideEffect.} 
    Источник Редактировать
     proc c_frexp (x: float64; exponent: var int32): float64 {...} {. Importc: "frexp",
        заголовок: " ", noSideEffect.} 
    Источник Редактировать
     proc frexp [T, U] (x: T; exponent: var U): T {...} {. NoSideEffect.} 

    Разделите число на мантиссу и показатель степени.

    frexp вычисляет мантиссу m (число с плавающей запятой больше или равно 0,5, но меньше 1) и целочисленное значение n, такое, что x (исходное значение с плавающей запятой) равно m * 2 ** n. frexp сохраняет n в экспоненте и возвращает m.

    Пример:

     var x: int
    doAssert frexp (5.0, х) == 0,625
    doAssert x == 3 
    Источник Редактировать
     proc log2 (x: float32): float32 {...} {. Importc: "log2f", заголовок: "",
                                     noSideEffect.} 
    Источник Редактировать
     proc log2 (x: float64): float64 {...} {. Importc: "log2", заголовок: "",
                                     noSideEffect.} 

    Вычисляет двоичный логарифм (основание 2) числа x.

    См. Также:

     журнал эхо 2 (8.0)
    эхо log2 (1.0)
    эхо log2 (0,0)
    эхо log2 (-2.0) 
    Источник Редактировать
     proc splitDecimal [T: float32 | float64] (x: T): кортеж [intpart: T, floatpart: T] {...} {.
        noSideEffect.} 

    Разбивает x на целую и дробную части.

    Возвращает кортеж, содержащий intpart и floatpart, представляющие целую и дробную части соответственно.

    Обе части имеют тот же знак, что и x. Аналогично функции modf в C.

    Пример:

     doAssert splitDecimal (5.25) == (intpart: 5.0, floatpart: 0.25)
    doAssert splitDecimal (-2.73) == (intpart: -2.0, floatpart: -0.73) 
    Источник Редактировать
     proc degToRad [T: float32 | float64] (d: T): T {...} {. inline.} 

    Преобразование из градусов в радианы.

    См. Также:

    Пример:

     doAssert degToRad (180.0) == 3.141592653589793 
    Источник Редактировать
     proc radToDeg [T: float32 | float64] (d: T): T {...} {. inline.} 

    Преобразование радианов в градусы.

    См. Также:

    Пример:

     doAssert radToDeg (2 * PI) == 360.0 
    Источник Редактировать
     proc sgn [T: SomeNumber] (x: T): int {...} {. Inline.} 

    Знаковая функция.

    Возврат:

    • -1 для отрицательных чисел и NegInf,
    • 1 для положительных чисел и Inf,
    • 0 для положительного нуля, отрицательного нуля и NaN

    Пример:

     doAssert sgn (5) == 1
    doAssert sgn (0) == 0
    doAssert sgn (-4.4 == 81,0 
    Источник Редактировать
     proc gcd [T] (x, y: T): T 

    Вычисляет наибольший общий (положительный) делитель x и y.

    Обратите внимание, что для чисел с плавающей запятой результат не всегда может быть интерпретирован как «наибольшее десятичное z такое, что z * N == x и z * M == y, где N и M - положительные целые числа».

    См. Также:

    Пример:

     doAssert gcd (13.5, 9.0) == 4.5 
    Источник Редактировать
     proc gcd (x, y: SomeInteger): SomeInteger 

    Вычисляет наибольший общий (положительный) делитель x и y, используя двоичный алгоритм GCD (также известный как алгоритм Штейна).

    См. Также:

    Пример:

     doAssert gcd (12, 8) == 4
    doAssert gcd (17, 63) == 1 
    Источник Редактировать
     proc gcd [T] (x: openArray [T]): T 

    Вычисляет наибольший общий (положительный) делитель элементов x.

    См. Также:

    Пример:

     doAssert gcd (@ [13.5, 9.0]) == 4.5 
    Источник Редактировать
     процесс lcm [T] (x, y: T): T 

    Вычисляет наименьшее общее кратное x и y.

    См. Также:

    Пример:

     doAssert lcm (24, 30) == 120
    doAssert lcm (13, 39) == 39 
    Источник Редактировать
     proc lcm [T] (x: openArray [T]): T 

    Вычисляет наименьшее общее кратное элементов x.

    См. Также:

    Пример:

     doAssert lcm (@ [24, 30]) == 120 
    Источник Редактировать

    Определение чистой процентной маржи

    Что такое чистая процентная маржа?

    Чистая процентная маржа (NIM) - это измерение, сравнивающее чистый процентный доход, который финансовая фирма генерирует от кредитных продуктов, таких как ссуды и ипотека, с исходящими процентами, которые она выплачивает держателям сберегательных счетов и депозитных сертификатов (CD).Выраженная в процентах, чистая процентная маржа - это показатель прибыльности, который приблизительно соответствует вероятности процветания банка или инвестиционной компании в долгосрочной перспективе. Этот показатель помогает потенциальным инвесторам определить, следует ли инвестировать в данную фирму финансовых услуг, обеспечивая видимость прибыльности их процентного дохода по сравнению с их процентными расходами.

    Проще говоря: положительная чистая процентная маржа предполагает, что предприятие работает прибыльно, а отрицательная величина подразумевает неэффективность инвестиций.В последнем сценарии фирма может предпринять корректирующие действия, направив средства на погашение непогашенного долга или переместив эти активы в сторону более прибыльных инвестиций.

    Расчет чистой процентной маржи

    Чистая процентная маржа может быть рассчитана по следующей формуле:

    Чистая процентная маржа знак равно ИК - IE Активы со средней доходностью куда: ИК знак равно Доходность инвестиций IE знак равно Процентные расходы \ begin {align} & \ text {Чистая процентная маржа} = \ frac {\ text {IR} - \ text {IE}} {\ text {Средние доходные активы}} \\ & \ textbf {где:} \\ & \ text {IR} = \ text {Доходность инвестиций} \\ & \ text {IE} = \ text {Процентные расходы} \\ \ end {выровнено} Чистая процентная маржа = средние доходные активы IR-IE, где: IR = инвестиционная прибыль IE = процентные расходы

    Рассмотрим следующий вымышленный пример: Предположим, что компания ABC может похвастаться доходностью от инвестиций в размере 1000000 долларов, процентными расходами в размере 2000000 долларов и средним доходом активов в размере 10000000 долларов.В этом сценарии чистая процентная маржа ABC составляет -10%, что указывает на то, что компания потеряла больше денег из-за процентных расходов, чем заработала от своих инвестиций. Эта фирма, вероятно, преуспела бы, если бы использовала свои инвестиционные фонды для выплаты долгов, а не для этих инвестиций.

    Что влияет на чистую процентную маржу

    На чистую процентную маржу финансового учреждения может повлиять множество факторов, главные из которых: спрос и предложение. Если существует большой спрос на сберегательные счета по сравнению с кредитами, чистая процентная маржа уменьшается, поскольку банк должен выплачивать больше процентов, чем он получает.И наоборот, если спрос на ссуды выше, чем на сберегательные счета, когда больше потребителей берут взаймы, чем сберегают, чистая процентная маржа банка увеличивается.

    Денежно-кредитная политика и налогово-бюджетное регулирование могут влиять на чистую процентную маржу банка, поскольку направление процентных ставок определяет, будут ли потребители брать кредиты или сберегать.

    Денежно-кредитная политика, устанавливаемая центральными банками, также сильно влияет на чистую процентную маржу банка, поскольку эти указы играют ключевую роль в регулировании спроса на сбережения и кредиты.Когда процентные ставки низкие, потребители с большей вероятностью займут деньги и с меньшей вероятностью сохранят их. Со временем это обычно приводит к увеличению чистой процентной маржи. Напротив, если процентные ставки повышаются, ссуды становятся дороже, что делает сбережения более привлекательным вариантом, что, следовательно, снижает чистую процентную маржу.

    Чистая процентная маржа и розничные банковские услуги

    Большинство розничных банков предлагают проценты по депозитам клиентов, которые обычно составляют около 1% в год. Если такой банк собрал вместе депозиты пяти клиентов и использовал эти поступления для выдачи ссуды малому бизнесу с годовой процентной ставкой 5%, маржа в 4% между этими двумя суммами считается чистым процентным спредом.Если заглянуть еще дальше, чистая процентная маржа рассчитывает это отношение ко всей базе активов банка.

    Предположим, у банка есть доходные активы в размере 1,2 миллиона долларов, 1 миллион долларов на депозитах с годовой процентной ставкой 1% для вкладчиков и ссуды на 900 000 долларов под 5% годовых. Это означает, что его инвестиционная прибыль составляет 45 000 долларов, а процентные расходы - 10 000 долларов. Используя указанную выше формулу, чистая процентная маржа банка составляет 2,92%. Учитывая, что чистая процентная маржа (NIM) находится на положительной территории, инвесторы могут серьезно рассмотреть возможность инвестирования в эту фирму.

    Историческая маржа чистой процентной ставки

    Экзаменационный совет федеральных финансовых институтов (FFIEC) ежеквартально публикует среднюю чистую процентную маржу для всех банков США. Исторически эта цифра имела тенденцию к снижению, составляя в среднем около 3,8% с момента первого ее регистрации в 1984 году. Периоды рецессии совпадают с падениями средней чистой процентной маржи, в то время как периоды экономического подъема характеризовались резким первоначальным увеличением этого показателя, а затем постепенным снижением.

    Общее изменение средней чистой процентной маржи отслеживало изменение ставки по федеральным фондам во времени. Показательный пример: после финансового кризиса 2008 года банки США работали с уменьшающейся чистой процентной маржой из-за падающей ставки, которая достигла почти нулевого уровня с 2008 по 2016 год. Во время этой рецессии средняя чистая процентная маржа для банков в США снизилась. почти четверть его стоимости, прежде чем снова подняться в цене в 2015 году.

    Все калькуляторы

    Все калькуляторы

    Калькуляторы для садоводства 🌼

    Калькуляторы для сельского хозяйства 🌾

    Калькуляторы для домашних животных 🐕

    Генетические калькуляторы 🧬

    Прочие калькуляторы

    Биохимические калькуляторы 🧫

    Физико-химические калькуляторы ⚗️

    Конвертеры

    🧪2 Другие конструкции

    🧪

    Калькуляторы строительных материалов 🏗️

    Калькуляторы для дома и сада 🏡

    Калькуляторы кровли 🏠

    Калькуляторы проезжей части 🚧

    Прочие калькуляторы

    Калькуляторы экологического следа ♻️

    Калькуляторы возобновляемых источников энергии 🔋

    Другие калькуляторы 9100 💰

    Транспортные калькуляторы 🚘

    Калькуляторы времени и производительности ⏱️

    Калькуляторы одежды и шитья 👗

    Другие калькуляторы

    Калькуляторы бизнес-планирования 💼

    Инвестиционные калькуляторы 📈

    Калькуляторы продаж 💸

    Калькуляторы налогов и заработной платы 🧾

    Калькуляторы недвижимого имущества 🏠

    Калькуляторы личных финансов 💰

    Калькуляторы управления долгом 💳

    Микроэкономические калькуляторы 💲

    Макроэкономические калькуляторы

    Другие калькуляторы

    Калькуляторы для завтрака 🍳

    Калькуляторы для вечеринок 🍸

    Другие калькуляторы

    Калькуляторы измерения тела 📏

    Диетические калькуляторы

    Калькуляторы метаболических нарушений 🍟

    Калькуляторы беременности и родов

    Калькуляторы для лечения наркозависимости 🚬10031003 системные калькуляторы ❤️

    Калькуляторы электролитов и жидкостей 🧪

    Калькуляторы урологии и нефрологии 🚽

    Гематологические калькуляторы 🆎

    Детские калькуляторы 🧒

    Процентильные калькуляторы 👶

    Легочные калькуляторы 💨 9 1003

    Калькуляторы дозировки 💊

    Калькуляторы общего состояния здоровья ⚕️

    Калькуляторы вакцины Covid-19 😷

    Другие калькуляторы

    Процентные калькуляторы 💯

    Алгебраные калькуляторы 🔡

    Арифметические калькуляторы ➗

    Геометрические калькуляторы

    2 Координаторы

    Калькуляторы линейной алгебры 🔢

    Калькуляторы тригонометрии 📐

    Калькуляторы 2D-геометрии 📏

    Калькуляторы треугольника 🔺

    3D-калькуляторы геометрии 📦

    Калькуляторы последовательностей 🔗

    Прочие калькуляторы

    1002 Калькуляторы

    Механические калькуляторы

    Калькуляторы периодических движений 🌎

    Калькуляторы волн 🔊

    Калькуляторы оптики 🔍

    Калькуляторы механики жидкости 💧

    Калькуляторы атмосферной термодинамики ☁️

    Калькуляторы термодинамики 🌡️

    Калькуляторы электромагнетизма s 🧲

    Калькуляторы квантовой механики ⚛️

    Калькуляторы относительности 🚀

    Астрофизические калькуляторы 🌌

    Калькуляторы для экспериментов своими руками 👩‍🔬

    Другие калькуляторы

    Беговые калькуляторы 🏃

    Велосипедные калькуляторы сгоревшие калькуляторы 🔥

    Калькуляторы триатлона 🏊🏽‍♀️🚴🏿‍♂️🏃🏻‍♀️

    Другие калькуляторы

    Калькуляторы риска и вероятности 🎲

    Калькуляторы распределений 🔔

    Калькуляторы описательной статистики 📊

    Калькуляторы логической статистики 📉

    Другое калькуляторы

    Фото и видео калькуляторы 📷

    Технические и электронные калькуляторы 💻

    Образовательные калькуляторы 🎓

    Музыкальные калькуляторы 🎵

    Логистические калькуляторы 🚚

    Прочие калькуляторы

    Быстрая, точная и мощная альтернатива

    2006 ANISIMOVA AND GASCUEL - ПРИБЛИЗИТЕЛЬНЫЙ LRT ДЛЯ ФИЛИАЛОВ 551

    без тактовых топологий, Жан-Франсуа Дюфаяр за любезное внедрение

    , эффективной версии aLRT, и

    для публичной версии в PHY10.

    Franck Le Thieck за общую помощь в программировании.Мы особенно благодарны

    Родерику Пейджу, Джеку Салливану, Джиму Вилгенбушу и анонимному рецензенту

    за их подробные и конструктивные комментарии

    , которые помогли улучшить рукопись. Это исследование было поддержано

    Министерства исследований Франции (ACI NIM и IMPBIO).

    СПИСОК ЛИТЕРАТУРЫ

    Alfaro, M. E., S. Zoller, and F. Lutzoni. 2003. Байес или бутстрап? Исследование sim-

    , сравнивающее эффективность байесовской цепи Маркова

    Монте-Карло выборки и бутстреппинг при оценке филогенетической уверенности

    .Мол. Биол. Evol. 20: 255–266.

    Берри В. и О. Гаскуэль. 1996. Об интерпретации бутстрэп-деревьев:

    Соответствующий порог отбора клады и индуцированного прироста. Мол. Биол.

    Evol. 13: 999–1011.

    Бакли Т. Р., П. Аренсбургер, К. Саймон и Г. К. Чемберс. 2002.

    Объединенные данные, байесовская филогенетика и происхождение новых

    Зеландских родов цикад. Syst. Биол. 51: 4–18.

    Чернов Х. 1954. О распределении отношения правдоподобия.Анна.

    Матем. Стат. 25: 573–578.

    Cowles, M.K. и B.P. Carlin. 1996. Марковская цепь Монте-Карло преобразование-

    Диагностика генерации: сравнительный обзор. Варенье. Стат. Доц. 91: 883–

    904.

    Каммингс, М. П., С. А. Хэндли, Д. С. Майерс, Д. Л. Рид, А. Рокас,

    и К. Винка. 2003. Сравнение значений начальной и апостериорной вероятности

    в случае с четырьмя таксонами. Syst. Биол. 52: 477–487.

    Деспер Р., Гаскуэл О. 2004. Теоретические основы сбалансированного

    метода минимальной эволюции филогенетического вывода и его соотнесения с методом взвешенной аппроксимации дерева методом наименьших квадратов.Мол. Биол. Evol.

    21: 587–598.

    Douady, C. J., F. Delsuc, Y. Boucher, W. F. Doolittle, E. J. Douzery.

    2003a. Сравнение байесовских и бутстраповских методов максимального правдоподобия

    показателей филогенетической надежности. Мол. Биол. Evol. 20: 248–254.

    Дуади, К. Дж., М. Досай, М. С. Шивджи и М. Дж. Стэнхоуп. 2003b.

    Молекулярно-филогенетические данные, опровергающие гипотезу о Batoidea

    (скаты и скаты) как производных акул. Мол. Филогенет.Evol. 25: 215–

    221.

    Дурбин Р., С. Эдди, А. Крог и Г. Митчисон. 1998. Биологический анализ

    : вероятностные модели белков и нуклеиновых кислот.

    Издательство Кембриджского университета, Великобритания.

    Эфрон Б., Э. Халлоран и С. Холмс. 1996. Уровни уверенности начальной загрузки

    для филогенетических деревьев. Proc. Natl. Акад. Sci. USA 93: 13429–13434.

    Эфрон Б. и Р. Тибширани. 1993. Введение в бутстрап.

    Чепмен и Холл, Нью-Йорк.

    Эриксон П., Б. Свеннблад, Т. Бриттон и Б. Оксельман. 2003. Reliabil-

    Байесовские апостериорные вероятности и частоты бутстрапа в филогенетике

    . Syst. Биол. 52: 665–673.

    Felsenstein, J. 1978. Случаи, в которых экономия или совместимость мет-

    ods будут положительно вводить в заблуждение. Syst. Zool. 27: 401–410.

    Фельзенштейн, Дж. 1985. Интервалы уверенности по филогении: подход

    с использованием бутстрапа. Evolution 39: 783–791.

    Фельзенштейн, Дж. 2004. Вывод филогении. Sinauer Associates, Sander-

    land, Massachusetts.

    Фельзенштейн Дж. И Х. Кишино. 1993. Что-то не так с

    , начальной загрузкой филогении? Ответ Хиллису и Быку. Syst. Биол.

    42: 193–200.

    Galtier, N. 2004. Выборочные свойства бутстраповой поддержки в молекулярной филогении: влияние независимости между сайтами. Syst.

    Биол. 53: 38–46.

    Gaut, B. S., and P.O. Lewis. 1995. Успешный вывод филогении с максимальной вероятностью

    в случае четырех таксонов. Мол. Биол. Evol. 12: 152–

    162.

    Гейер, К. Дж. 1992. Практическая цепь Маркова Монте-Карло. Стат. Sci. 7: 473–

    483.

    Голдман, Н. и С. Уилан. 2000. Статистические тесты гетерогенности распределенной скорости гамма-

    в моделях эволюции последовательностей в филогенетике

    . Мол. Биол. Evol. 17: 975–978.

    Гиндон, С., и О. Гаскуэль. 2003. Простой, быстрый и точный алгоритм

    для оценки крупных филогений по максимальной вероятности. Syst.

    Биол. 52: 696–704.

    Hillis, D. M., and J. J. Bull. 1993. Эмпирический тест бутстрапинга как метода

    для оценки уверенности в филогенетическом анализе. Syst. Биол.

    42: 182–192.

    Huelsenbeck, J., and B. Rannala. 2004. Частотные свойства

    Байесовские апостериорные вероятности филогенетических деревьев при простых

    и сложных моделях замещения.Syst. Биол. 53: 904–913.

    Huelsenbeck, J. P., B. Larget, R. E. Miller и F. Ronquist. 2002. Возможности

    приложений и ловушек байесовского вывода филогении. Syst.

    Биол. 51: 673–688.

    Huelsenbeck, J. P., and F. Ronquist. 2001. MrBayes: Байесовский вывод

    филогенетических деревьев. Биоинформатика 17: 754–755.

    Huelsenbeck, J. P., F. Ronquist, R. Nielsen и J. P. Bollback. 2001.

    Байесовский вывод филогении и его влияние на эволюционную биологию.Наука 294: 2310–2314.

    Larget, B. and D. L. Simon. 1999. Алгоритм Монте-Карло цепи Маркова -

    рифмов для байесовского анализа филогенетических деревьев. Мол. Биол.

    Evol. 16: 750–759.

    Leach´e, A. D., and T. W. Reeder. 2002. Молекулярная систематика восточной ящерицы

    (Sceloporus undulatus): сравнение пар-

    симонии, вероятности и байесовского подхода. Syst. Биол. 51: 44–

    68.

    Льюис П. О., М. Т. Холдер и К.Э. Холсингер. 2005. Политомии и

    Байесовский филогенетический вывод. Syst. Биол. 54: 241–253.

    Ли С. 1996. Филогенетическая реконструкция с использованием цепи Маркова Монте

    Карло. Кандидат наук. диссертация. Государственный университет Огайо, Колумбус.

    Мау, Б., М.А. Ньютон и Б. Ларгет. 1997. Байесовский филогенетический вывод

    с помощью методов Монте-Карло цепи Маркова. Мол. Биол. Evol.

    14: 717–724.

    Миллер Р. Г. 1981. Одновременный статистический вывод.Springer-Verlag,

    Нью-Йорк.

    Ота Р., П. Дж. Уодделл, М. Хасегава, Х. Шимодаира и Х. Кишино.

    2000. Соответствующие тесты отношения правдоподобия и предельные распределения

    для моделей эволюционного дерева с ограничениями на параметры. Мол.

    Биол. Evol. 17: 798–803.

    Posada, D., and K.A. Crandall. 1998. ModelTest: Тестирование модели замены ДНК

    . Биоинформатика. 14: 817–818.

    Posada, D., and K.A. Crandall.2001. Выбор моделей замены нуклеотидов

    : приложение к вирусу иммунодефицита человека 1

    (ВИЧ-1). Мол. Биол. Evol. 18: 897–906.

    Рамбаут А. и Грассли Н.С. 1997. Seq-Gen: приложение для моделирования

    Монте-Карло эволюции последовательности ДНК вдоль филоге-

    сетевых деревьев. Comput. Прил. Biosci. 13: 235–238.

    Rannala, B., and Z. Yang. 1996. Распределение вероятностей молекулярных

    эволюционных деревьев: новый метод филогенетического вывода.J. Mol.

    Evol. 43: 304–311.

    Рокас А., Б. Л. Уильямс, Н. Кинг и С. Б. Кэрролл. 2003. Масштабный геном

    подходы к разрешению несоответствия в молекулярных филогенезах. Na-

    тур 425: 798–804.

    Сандерсон, М. Дж. 1995. Возражения против самонастройки филогении: критическая тика

    . Syst. Биол. 44: 299–320.

    Селф, С. Г. и К.-Й. Лян. 1987. Асимптотические свойства оценок максимального правдоподобия

    и тестов отношения правдоподобия в нестандартных условиях

    .Варенье. Стат. Доц. 82: 605–610.

    Сиддалл, М. Э. 2002. Меры поддержки. Страницы 80–101 в Techniques

    по молекулярной систематике и эволюции (Р. ДеСалл, Дж. Гирибет и

    У. Уиллер, ред.). Birkh¨auser Verlag, Базель.

    Симмонс, М. П., К. М. Пикетт и М. Мия. 2004. Насколько значимы байесовские значения поддержки

    ? Мол. Биол. Evol. 21: 188–199.

    Стюарт А., Дж. К. Орд и С. Арнольд. 1999. Продвинутая теория Кендалла о статистике

    .Издательство Оксфордского университета, Нью-Йорк.

    Салливан Дж. И Д. Л. Своффорд. 2001. Следует ли нам использовать основанные на модели методы

    для филогенетического вывода, когда мы знаем, что предположения

    о межсайтовых вариациях скорости и паттерне нуклеотидных замен

    нарушены? Syst. Биол. 50: 723–729.

    Судзуки Ю., Глазко Г. и Масатоши Н. 2002. Чрезмерная достоверность молекулярных филогений, полученных с помощью байесовской филогенетики. Proc. Natl.

    Акад.Sci. USA 99: 16138–16143.

    Своффорд, Д. Л., Г. Дж. Олсен, П. Дж. Уодделл и Д. М. Хиллис. 1996. Phy-

    логенетический вывод. Страницы 407–514 в Молекулярной систематике (Д. М.

    ,

    Хиллис, К. Мориц и Б. К. Мейбл, ред.) Sinauer Associates, Sunder-

    land, Massachusetts.

    Татено Ю., Такезаки Н. и М. Ней. 1994. Относительная эффективность максимальной вероятности

    , объединения соседей и максимальной экономии

    Коэффициент покрытия процентов: REIT Analysis 101

    Сложный процент - восьмое чудо света.Тот, кто это понимает, зарабатывает. Тот, кто этого не делает, платит.
    - Альберт Эйнштейн (по сообщениям)

    Заимствования и заимствования при правильном использовании могут быстро вырастить бизнес. Стоимость заимствования также дешевле, чем стоимость собственного капитала.

    Но все может внезапно пойти очень плохо, если компания попытается откусить больше долга, чем она может проглотить. Тот же кошмар случится и с людьми, когда мы влезем в слишком большие долги.

    Интересы и инвестиции творят чудо (или ужас) по той же самой концепции, которая складывается.С точки зрения непрофессионала, компаундирование - это внезапное резкое увеличение количества чего-либо с течением времени.

    Экспоненциальный рост бактерий. От 1 клетки до 2, до 4, до 8 и медленно до сумасшествия. Источник: Википедия.

    Это та же теория или концепция, которая вызывает вспышку пандемии, как и вспышка COVID-19.

    Верно по состоянию на 10 июля 2020 года, дату снимка
    Сложные проценты: если оставить без присмотра, ваш банковский счет будет причинен еще больший ущерб

    Вероятно, одно из ключевых практических правил инвестирования - погасить все долги с высокими процентами перед инвестированием.Хорошим инвестициям нужно время, чтобы укрепиться. Безнадежные долги с высокими процентными ставками могут подорвать любую прибыль от инвестиций быстрее, чем мы их создаем!

    Инвестирование - это не только поиск потенциально наилучшей прибыли. Это также обеспечивает сохранность нашего финансового здоровья без страха перед безнадежными долгами под высокие проценты. Резкое повышение зарплаты не означает, что вы в конечном итоге сэкономите больше денег. Многое может пойти не так, если вы позволите безнадежным долгам разрастаться.

    То же самое можно сказать и о REIT.

    Коэффициент покрытия процентов: измерение того, как REIT управляет своими затратами по займам

    REIT - это специальные инвестиционные инструменты, сочетающие в себе преимущества инвестирования в акционерный капитал и недвижимость.Это также баланс с точки зрения сбора арендной платы, своевременного обслуживания займов и щедрых выплат держателям паев.

    Иногда вы можете встретить REIT, которые сообщают о более высоком валовом доходе и чистом доходе от аренды. Но распределение может оставаться неизменным. Скорее всего, с процентными расходами что-то не так!

    Проще говоря, даже несмотря на то, что REIT может увеличивать свой валовой доход, но если процентные расходы не будут управляться должным образом, это подорвет чистую прибыль, относящуюся к держателям паев!

    Как рассчитать коэффициент покрытия процентов?

    В общем.Коэффициент покрытия процентов (ICR) измеряет, насколько прибыль до уплаты процентов и налогов (EBIT) является отношением к процентным расходам.

    Однако, если вы решите инвестировать в сингапурские REIT (S-REIT), есть некоторые отличия от расчета ICR в других регионах и странах. Минимальное требование ICR денежно-кредитного управления Сингапура - EBITDA в 2,5 раза выше расходов и комиссий по займам. (за исключением влияния любых изменений справедливой стоимости производных финансовых инструментов и инвестиционной собственности, а также пересчета иностранной валюты).

    Это формализованное определение коэффициента покрытия процентов, применимое к S-REIT, определенно более строгое. Но это обязательное предварительное условие для S-REIT, которые хотят поднять свой коэффициент заимствования с 45% до 50% . Таким образом, официальная формула коэффициента покрытия процентов для S-REIT выглядит следующим образом:

    EBITDA = прибыль до уплаты процентов, налогов, износа и амортизации

    Коэффициент покрытия процентов эффективно работает с коэффициентом заемного капитала. Это необходимо для того, чтобы REIT был хорошо капитализирован, а его процентные расходы контролировались.

    Конечно, чем выше ICR, тем более ликвидным является REIT. Тем меньше вероятность того, что REIT испортит выплату долга.

    Преимущества высокой процентной ставки покрытия?
    кредиты: cafecredit.com

    Если REIT демонстрирует значительно высокий коэффициент покрытия процентов, это означает, что REIT или компания находятся в хорошем состоянии, чтобы брать больше кредитов для расширения. Банки и кредитные учреждения с большей вероятностью будут ссужать деньги таким REIT.

    Заимствования, если они выполнены хорошо, могут вырастить REIT и компанию.Но должна быть какая-то мера, чтобы измерить, насколько хорошо REIT или компания способны выплатить свои взносы. Коэффициент покрытия процентов служит критерием для определения благоразумия REIT или руководства компании.

    Та же теория о том, имеют ли люди право на получение более крупных ссуд или нет

    Нравится вам это или нет, но на индивидуальном уровне есть некоторые сходства. Каждый раз, когда мы подаем заявку на ссуду на более крупную машину или дом, мы проходим такую ​​же проверку в банках. Как только банк уверен, что наша ежемесячная заработная плата достаточна для будущих займов и займов, только тогда ставится печать одобрения.

    MyKayaPlus Вердикт

    Во многих отношениях котирующиеся на бирже компании ничем не отличаются от обычных людей, таких как мы с вами. Займы и ссуды играют важную роль в увеличении наших активов в такой же степени, как и активы REIT. Однако взятие слишком большого количества кредитов и беспорядки по выплате процентов могут создать опасность.

    Сложные интересы сломают людей и компании быстрее, чем они смогут воспользоваться этим, чтобы строить и расти. Итак, лучше всего внимательно следить за коэффициентом покрытия процентов, когда вы решите инвестировать в REIT!

    ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ
    Информация, доступная в этой статье / отчете / анализе, предназначена только для обмена и образовательных целей.Это не рекомендация покупать или продавать какие-либо из упомянутых акций, ценных бумаг или других инструментов; это также не может рассматриваться как профессиональный совет по покупке, продаже или занятию позиции в каких-либо акциях, ценных бумагах или других инструментах. Если вам нужен конкретный инвестиционный совет, пожалуйста, проконсультируйтесь с соответствующим профессиональным инвестиционным советом и / или только для учебы или исследования.

    Не дается никаких гарантий относительно точности, адекватности, надежности, пригодности, применимости или полноты содержащейся информации.Автор отказывается от каких-либо вознаграждений или ответственности за любые прибыли или убытки, возникающие в результате прямого или косвенного использования и применения любого содержания статьи / отчета / письменных материалов

    % PDF-1.2 % 561 0 объект > эндобдж xref 561 109 0000000016 00000 н. 0000002532 00000 н. 0000003579 00000 п. 0000003932 00000 н. 0000004015 00000 н. 0000004180 00000 н. 0000004247 00000 н. 0000004342 00000 п. 0000004431 00000 н. 0000004590 00000 н. 0000004656 00000 п. 0000004722 00000 н. 0000004879 00000 н. 0000004988 00000 н. 0000005105 00000 н. 0000005171 00000 н. 0000005309 00000 н. 0000005375 00000 п. 0000005489 00000 н. 0000005555 00000 н. 0000005685 00000 н. 0000005751 00000 п. 0000005817 00000 н. 0000005972 00000 н. 0000006038 00000 н. 0000006152 00000 н. 0000006263 00000 н. 0000006375 00000 н. 0000006441 00000 н. 0000006507 00000 н. 0000006573 00000 н. 0000006735 00000 н. 0000006801 00000 п. 0000006897 00000 н. 0000006992 00000 н. 0000007131 00000 п. 0000007197 00000 н. 0000007304 00000 н. 0000007370 00000 н. 0000007479 00000 н. 0000007545 00000 н. 0000007611 00000 п. 0000007677 00000 н. 0000007868 00000 н. 0000007934 00000 п. 0000008049 00000 н. 0000008171 00000 п. 0000008237 00000 п. 0000008303 00000 н. 0000008453 00000 п. 0000008518 00000 н. 0000008620 00000 н. 0000008723 00000 н. 0000008841 00000 н. 0000008907 00000 н. 0000009025 00000 н. 0000009091 00000 н. 0000009209 00000 н. 0000009275 00000 п. 0000009393 00000 п. 0000009459 00000 н. 0000009577 00000 н. 0000009643 00000 п. 0000009761 00000 н. 0000009826 00000 н. 0000009944 00000 н. 0000010009 00000 п. 0000010074 00000 п. 0000010139 00000 п. 0000010205 00000 п. 0000010333 00000 п. 0000010465 00000 п. 0000010587 00000 п. 0000010651 00000 п. 0000010787 00000 п. 0000010851 00000 п. 0000010981 00000 п. 0000011045 00000 п. 0000011111 00000 п. 0000011177 00000 п. 0000011243 00000 п. 0000011525 00000 п. 0000011641 00000 п. 0000012744 00000 п. exRiVw3'lg.33s8C; Mf9Ifj

    Прикладные науки | Бесплатный полнотекстовый | Измерение и анализ характеристик канала в отражающей среде на частотах 3,6 ГГц и 14,6 ГГц

    4.1. Примеры APDP
    Мы обозначаем PDP, усредненную по пяти пространственным точкам (см. Рисунок 4), как усредненную PDP (APDP) [23]. На рисунке 5 мы наблюдаем APDP для обоих частотных диапазонов. Для примеров APDP, TX и RX расположены в середине коридора, а расстояние TX – RX составляет 1,2 м. Для визуального сравнения мы нормализовали вклад прямой видимости (LOS) на 0 дБ.

    Замечено, что основные компоненты соответствуют одинаковым задержкам. Для обоих частотных диапазонов задержка самого большого компонента составляет около 4 нс, что, умноженное на скорость света, равняется расстоянию LOS (1,2 м).

    На рисунке 5 ясно показано многолучевое распространение. Исходя из базовой тригонометрии, избыточные расстояния (по сравнению с траекторией прямой видимости) для пути, отраженного от земли, пути, отраженного от потолка, и пути, отраженного от стены, составляют 1,85 м, 1,85 м, 1,43 м и 1,43 м, соответственно. Разница расстояний, деленная на скорость света, составляет от 4.77 и 6,16 нс. Компоненты (область, выделенная красным квадратом на рисунке 5), вероятно, представляют собой комбинацию всех четырех отраженных путей, поскольку относительная избыточная задержка также составляет от 4,77 до 6,16 нс. Рисунок 5 также показывает, что нормализованные амплитуды отраженных путей аналогичны для две группы. Полученная мощность для компонента LOS на RX составляет

    PRX, LOS = PtGt4πdLOS2Ae,

    (4)

    где Pt - передаваемая мощность, Gt - коэффициент усиления антенны передатчика, Ae - эффективная площадь приемной антенны, а dLOS - расстояние для тракта прямой видимости, как показано на рисунке 6.Для отраженного компонента принимаемая мощность на RX составляет [24]

    PRX, r = PtGt | Γ | 24π (dr1 + dr2) 2Ae,

    (5)

    где (Γ) - коэффициент отражения, dr1 - расстояние между передатчиком и отражающей точкой, а dr2 - расстояние между приемником и отражающей точкой. Отношение мощностей между компонентой прямой видимости и отраженной составляющей составляет

    PRX, rPRX, LOS = | Γ | 2dLOS2 (dr1 + dr2) 2.

    (6)

    Коэффициент отражения (Γ) определяется комплексной диэлектрической проницаемостью δ, а δ определяется как [19] где j - мнимая единица, ϵ - диэлектрическая проницаемость, а σe - проводимость.Поскольку σe очень мало [25], мнимая часть в уравнении (7) становится незначительной. Кроме того, остается постоянным в широком диапазоне частот (1–100 ГГц) для многих типичных строительных материалов (например, бетона, дерева, стекла и ДСП) [25]. Таким образом, коэффициент отражения практически не зависит от частоты. Затем, согласно уравнению (6), отношение мощностей между составляющей LOS и отраженной составляющей (то есть нормализованная мощность для отраженного пути) почти не зависит от частоты.

    Подобные задержки и нормализованные амплитуды должны давать одинаковый среднеквадратичный разброс задержки.

    4.2. Среднеквадратичный разброс задержки
    Таблица 2 указывает минимальную разницу в среднеквадратичном разбросе задержки для двух полос частот. Статистические результаты согласуются с приведенным выше теоретическим предсказанием. Это явление также наблюдалось в измерениях [26,27], где разброс среднеквадратичных задержек от 2,4 ГГц до 28 ГГц аналогичен для внутренних каналов LOS и каналов без LOS (NLOS). Однако в некоторых статьях представлены разные результаты. Например, в [10] для LOS разброс среднеквадратичной задержки составляет около 8 и 4 нс для 2–10 и 57–66 ГГц соответственно.Измерения проводились в лаборатории, оборудованной несколькими шкафами, полками, столом и стульями. В этом сценарии есть не только распространение и отражение в свободном пространстве, но и дифракция. Дифракционное усиление зависит от частоты [24]. Это может быть причиной разницы в разбросе среднеквадратичной задержки в данном сценарии.

    Поскольку коэффициент отражения нечувствителен к частоте с большим частотным диапазоном для многих типичных строительных материалов, разумно предположить, что среднеквадратичный разброс задержки также не зависит от частоты в сценарии с типичными строительными материалами, где распространение в свободном пространстве и / или отражение являются основными механизмами.Чтобы проверить эту гипотезу, мы провели некоторые измерения в Национальном институте метрологии (NIM) RC (см. Раздел «Проверка в реверберационной камере»).

    4.3. Потери на трассе
    Рисунок 7 и «Подгонка точки пересечения» в таблице 2 показывают, что потери на трассе на 14,6 ГГц больше, чем на 3,6 ГГц. Как и ожидалось, более высокая частота приводит к большим потерям при распространении. «Показатель потерь на трассе» в таблице 2 указывает минимальную разницу в показателе потерь на трассе для двух полос частот.Это наблюдение согласуется с тем, что было сделано в [8,10,28]. В [8] была представлена ​​многочастотная (от 0,8 ГГц до 28 ГГц) модель потерь на трассе для затухания на внешней стене и распространения в помещении. Для распространения внутри помещения результаты измерений показывают, что линейный коэффициент затухания (аналогичный экспоненте потерь на трассе) не очень чувствителен к частоте. В [10] измеренные показатели потерь на трассе составляют 1,31 и 1,29 для сверхширокополосных каналов LOS сантиметрового и миллиметрового диапазонов соответственно.В [28] показатели степени аналогичны при 1,33 и 1,31 для 5 и 60 ГГц для внутренних каналов.
    4.4. Ширина полосы когерентности
    Результаты измерений в таблице 2 показывают, что значения ширины полосы когерентности в двух полосах частот аналогичны. Для простоты наш анализ начинается с двухлучевой модели. Предполагается, что диаграммы направленности антенн одинаковы для разных частот. Для тракта прямой видимости мы можем выразить электрическое поле в дальней точке в точке u в пространстве как [29]

    E (f, t) = αs (θ, ψ, f) cos [2πf (t − dc)] d,

    (8)

    где αs (θ, ψ, f) - диаграмма направленности антенны TX на частоте f в направлении (θ, ψ), d - расстояние от TX до точки u, а константа c - скорость света. .Поскольку разность фаз между двумя лучами определяет, складываются ли две волны конструктивно или деструктивно, мы сосредотачиваемся на фазе сигнала. Тогда уравнение (8) упрощается как

    E (f, t) = Acos (2πft + θ),

    (9)

    где A равно αs (θ, ψ, f) d, а θ равно −2πfdc.

    Похожие записи

    Вам будет интересно

    Порядок приема на работу кратко – как оформляется, порядок и правила по ТК РФ, оформление трудовой книжки работника, ответственность за неоформление

    Как посчитать чистые активы предприятия: Порядок расчета чистых активов по балансу — формула 2019 — 2020

    Добавить комментарий

    Комментарий добавить легко