P/E =  , где (1)

Р – цена акции;
EPS – доход в расчете на одну акцию, 

EPS = (2)

2) Cap – капитализация (в млн.$);

3) P/S – соотношение цены акции и продаж;

P/S =  (3)

Price – рыночная капитализация компании;
Sales – валовая выручка.
4) P/B – соотношение цены акции и собственного капитала в расчете на одну акцию;

P/B =  (4)

5) ROА – рентабельность активов;

ROА =*100%, где (5)

Проценты - проценты по кредитам (из отчета о прибылях и убытках); 
Ставка налога - предельная ставка налога на прибыль, т.е. ставка, по которой будет облагаться дополнительный доход компании;
Средние суммарные активы - среднегодовая величина суммарных активов компании (определяется как сумма активов на начало и на конец года, деленная пополам).
6) ROE – рентабельность собственного капитала;

ROЕ =*100% (6)

7) ROIC – рентабельность инвестиционного капитала.

ROIC = *100% (7)

III. Состояние внешней конъюнктуры.
Для определения этого параметра будем использовать динамику Индекса РТС, будем исходить из наклона тренда. С 28 января 2013 года по дату сделки (21 марта 2013 года) тренд индекса имел резкий отрицательный наклон. [4]

Рисунок.1 Динамика индекса РТС

IV. Тип инвесторов компании.

Т =  (8)

Для расчета показателей нам понадобятся следующие данные, которые получены из отчетности компании за 2012 год [1]:

Проведем нечеткую классификацию параметров. Для этого введем лингвистическую переменную «Уровень фактора Х» с терм-множеством значений «Высокий уровень фактора», «Средний уровень фактора», «Низкий уровень фактора». Промежуточные значения «Низкий-средний» и «Средний-высокий» формируют зону неуверенности эксперта в принятой классификации. Для данной классификации будем использовать границы уровней, предложенные Недосекиным А.О. в диссертации «Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний» [3]:

После вычислений получили следующий результат:

Вычислим ранги показателей. Если значения фактора попадают точно в выбранный интервал, то ранг равен 1 для данного уровня показателя и 0 для всех остальных. Если значение фактора лежит в зоне неуверенности, то для двух смежных классов формируются ранги, сумма которых равна 1; вычисление рангов идет по следующей формуле:

л₁ = , л₂ = 1 – л₁, где (9)

X – значение параметра;
В – верхняя граница интервала неопределенности;
Н – нижняя граница интервала неопределенности.
Оценка для рангов приведена в следующей таблице:

Оценим веса отдельных факторов для комплексной оценки, так как показатели у нас проранжированы, будем использовать правило Фишберна:

= , где (10)

N – количество факторов (4 фактора в данной методике);
i – номер фактора по порядку в соответствие с выбранной системой предпочтений.

=0,4 =======0,043 =0,2 =0,1

Теперь определим лингвистическую переменную «Стоимость акций» с терм-множеством значений «Значительно вырастут», «Не изменятся», «Значительно снизятся», и промежуточными значениями «Снизятся», Вырастут». Итак, мы имеем набор из i=1…10 отдельных факторов со своими текущими значениями , то можно перейти к единому агрегированному фактору A_N, значения которого распознать с помощью стандартного классификатора (см. ниже). Количественное же значение агрегированного фактора определяется по формуле двойной сверки:

, где (11)

i – индекс отдельного показателя для их общего числа N=10;
j – индекс уровня показателя для общего чиcла уровней М=3;
 - ранг i-ого показателя по своему j-ому уровню.
Определим в качестве носителя лингвистической переменной отрезок вещественной оси [0,1]. Любые конечномерные отрезки вещественной оси могут быть сведены к отрезку [0,1] путем простого линейного преобразования, поэтому выделенный отрезок единичной длины носит универсальный характер, назовем носитель вида [0,1] 01-носителем. Для описания подмножеств терм-множества веем систему из трех соответствующих функций принадлежности трапецеидального вида:

 (12)
 (13)
 (14)

В (12), (13), (14) A_N – 01-носитель. Построенные функции принадлежности приведены на рис. 2:

Рисунок. 2 Функции правдоподобия

Введем набор узловых точек α₁=0,2 α₂=0,5 α₃=0,8 , которые с одной стороны являются абсциссами максимумов функций принадлежности терм-множества лингвистической переменной «Стоимость акций» на 01-носителе, а с другой стороны, равномерно отстоят друг от друга на 01-носителе и симметричны относительно узла 0,5. Тогда введенную лингвистическую переменную будем называть стандартным трехуровневым нечетким 01-классификатором. Его суть в том, что если о факторе неизвестно ничего, кроме того, что он может принимать любые значения в пределах 01-носителя (принцип равнопредпочтительности), а надо провести ассоциацию между качественной и количественной оценками фактора, то предложенный классификатор делает это с максимальной достоверностью. При этом сумма всех функций принадлежности для любого A_N равна единице, что указывает на непротиворечивость классификатора. Так как мы не имеем дополнительных данных о поведении фактора (например, гистограммы распределения), то будем использовать стандартный его вид с симметричным расположением узловых точек.
Значения функции принадлежности для подмножеств переменной «Стоимость акций» задаются таблично:

Сопоставив результат вычисления (0,6556) с таблицей, задающей функцию A_N, мы видим, что согласно данной методике котировки акций компании должны вырасти при появлении информации о сделке. Сравним данный результат с реальными котировками. Так как любая информация о сделке держалась в строгой тайне, поэтому 21 марта 2013 года на официальное объявление о сделке акции ОАО «Роснефть» отреагировали ростом котировок: цена на закрытии торгов была выше цены закрытия 20 марта 2013 года на 4,66 руб., а объем торгов по этим акциям был соответственно выше на 871 149 789 акций. На графике отмечена соответствующая данному росту вершина:

Итак, моделирование на основе нечеткой логики показало точный результат на примере сделки слияния ТNК-ВР и ОАО «Роснефть». Котировки приобретающей компании действительно отреагировали ростом на информацию о сделке, хотя общий тренд не изменился. Данная ситуация объясняется предположением Германа Викторовича Чуркина, описанного в его статье «Роль прогнозов в изучении теории сюрпризов», а именно: если новость противоречит основному тренду (в данном случае и рынок находился на спаде, и котировки акций ОАО «Роснефть» падали), то ее влияние может ограничиться несколькими часами.