Компьютерные технологии моделирования финансово-экономических процессов (стр. 8 )

Рис. 1. Диалоговое окно проведения корреляционно-регрессионного анализа

Рис. 2. Матрица коэффициентов парных корреляции

Анализ матрицы коэффициентов парной корреляции показывает, что производительность труда (фактор Х4) оказывает наибольшее влияние на величину прибыли предприятия (признак У), т. к. имеет наибольшее по модулю значение коэффициента парной корреляции с результативным признаком (ryx4 =0,930)[3].

‌ | rx3х4 = 0,945| > 0,8 , следовательно, факторные признаки Х3 и Х4 дают мультиколлинеарность. | ryx4 =0,930| > | ryx3 = 0,845|, следовательно, фактор Х4 оказывает большее влияние на результативный показатель У, чем фактор Х3, следовательно, фактор Х4 оставляем в модели, а Х3 из рассмотрения исключаем.

|rx2x4 =0,964| > 0,8, факторные признаки Х2 и Х4 дают мультиколлинеарность. Фактор Х2 из рассмотрения исключаем, т. к. он оказывает меньшее влияние на результативный показатель по сравнению с фактором Х4.

Построим линейную модель зависимости прибыли предприятия от объема реализации (Х1) и производительности труда (Х4) при помощи встроенной функции EXCEL «Пакет анализа. Регрессия» (рис.3-5).

Рис.3. Диалоговое окно построения модели регрессии

Рис. 4. Вывод итогов регрессионного анализа

Рис. 5. Вывод остатков регрессионного анализа

Уравнение регрессии зависимости прибыли предприятия от объемов реализации газа и производительности труда можно записать в следующем виде: У = - 46922-0,0369 х1+849,1 х4 (1)

Оценим качество построенной модели регрессии:

1. Коэффициент детерминации R² = 0,865791. Он показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 86% вариации прибыли предприятия обусловлено вариацией объема реализации газа и производительностью труда. Значение R²=0,86 близко к единице, поэтому качество модели можно признать высоким.

2. Коэффициент множественной корреляции R = 0,93479 и показывает тесноту связи прибыли предприятия с объемом реализации газа и производительностью труда (связь положительная, достаточно тесная).

3. Оценим статистическую значимость уравнения регрессии, используя F - критерий Фишера.

Поскольку Fрасч. = 29,02982 > Fтабл = 4 , следовательно, уравнение регрессии следует признать статистически значимым (адекватным).

4. Оценка статистической значимости параметров регрессии проводится по t–критерию Стьюдента | tрасч. = 6,7901| > t табл.= 2, что говорит о статистической значимости параметров регрессионной модели[4].

Рис. 6. Динамика показателей деятельности предприятия

Построенная модель может быть использована для моделирования прогноза прибыли предприятия. Для этого необходимо рассчитать прогнозные значения факторных признаков через средний арифметический прирост (САП).

1.  САПх1 = х1 (конеч.) – х1 (нач.) (2)

n -1

САПх1 = 44678 – 29731 =1358.8

12-1

САПх4 = 84,08-61,95 =2,01

12-1

2.  Прогнозные значения факторов могут быть найдены по формуле:

хi прогн. = хi(n) +k* САП хi (3)

Прогнозы показателей на два шага (k =1; k =2):

1)  Объем реализации газа:

х1прогн.= х1 (кон.) + 1* САПх1 = 44678+1*1358,8 = 46036,8

х1прогн. = х1 (кон.) +2 * САПх1= 44678+2*1358,8 = 47395,6

2)  Производительность труда:

х4прогн. = х4 (кон.) + 1* САПх4 = 84,08 +1*2,01=86,09

х4прогн. = х4 (кон.) + 2* САПх4 = 84,08 +2*2,01= 88,1

Подставим прогнозные значения факторных признаков в многофакторную модель (см. формулу 1). Рассчитаем прогноз результативного признака (прибыли предприятии) на два шага:

упрогн. = -46922 +(-0,03693)*46036,8+849,0996*86,09 =24476,85

упрогн. = -46922+ (-0,03693)*47395,6+ 849,0996*88,1 =26133,36

В результате проведенного корреляционно-регресионного анализа были определены ведущие факторы, влияющие на прибыль предприятия – объем реализации газа и производительность труда. Также была построена регрессионная модель с ведущими факторами и получено уравнение регрессии зависимости прибыли предприятия от объемов реализации газа и производительности труда: У = - 46922-0,0369 х1+849,1 х4.

Данная модель использована для моделирования прогноза прибыли предприятия, для этого рассчитаны прогнозные значения факторных признаков через средний арифметический прирост (САП), где САПх1=1358.8, САПх4 =2,01. Найдены прогнозные значения факторов на два шага: х1 = 46036,8 (k=1), х1 = 47395,16 (k=2); х4 =86,09 (k=1), х4 = 88,1 (k=2).

Подставив найденные значения прогнозов факторных признаков в многофакторную модель, был определен прогноз прибыли . С учетом тенденций развития предприятия на 1 и 2 квартал 2011 года прогноз прибыли составил: 24476,85 тыс. руб. и 26133,36 тыс. руб., что на 41,15 тыс. руб. меньше чем в первом квартале 2010 г. и 2505,36 тыс. руб. больше чем во 2 квартале 2010 г. (рис.7).

Рис.7. График прогноза прибыли

3.4 Моделирование результатов маркетинговой деятельности предприятия (на примере -Ярцево»)

Прогнозирование результатов маркетинговой деятельности служит для оценки тенденций развития предприятия в условиях постоянного изменения факторов внешней и внутренней среды и поиска рациональных маркетинговых мероприятий по поддержке устойчивости ее экономического поведения. В качестве инструментария при прогнозировании результатов маркетинговой деятельности используется система методов, с помощью которых анализируются причинно-следственные параметры прошлых тенденций в деятельности предприятия и по результатам анализа формируются изменения в перспективе социально-экономического развития предприятия.

Показатели финансовых результатов деятельности -Ярцево» характеризуют эффективность хозяйственной деятельности предприятия. Важнейшими среди этих показателей являются показатели выручки, которая в условиях рыночной экономики составляет основу экономического развития предприятия.

На сегодняшний день наука достаточно далеко продвинулась в разработке технологий прогнозирования. Специалистам хорошо известны методы нейросетевого прогнозирования, нечёткой логики и т. п. Разработаны соответствующие программные пакеты, но на практике они, к сожалению, не всегда доступны рядовому пользователю, а в то же время многие из этих проблем можно достаточно успешно решать, используя регрессионный и трендовый анализ. Алгоритмы этих методов реализованы в широко известном и распространённом пакете прикладных программ MS Excel, что позволяет существенно сократить количество расчётов и время построения моделей.

В выпускной квалификационной работе представлен алгоритм построения трендовых моделей и определения прогноза выручки от реализации продукции за годы (данные представлены в Приложении к работе). При прогнозировании результатов маркетинговой деятельности -Ярцево» учитывается сезонный характер объемов продаж. Так как понятие “сезон” в прогнозировании применим к любым систематическим колебаниям, речь идёт об изучении товарооборота в течение года, под термином “сезон” понимается один месяц. Кроме того, цикл колебаний может существенно отличаться (как в большую, так и в меньшую сторону) от величины один год. И если удаётся выявить величину цикла этих колебаний, то такой временной ряд можно использовать для прогнозирования с использованием аддитивных и мультипликативных моделей. Применение мультипликативных моделей обусловлено тем, что в некоторых временных рядах значение сезонной компоненты представляет собой определенную долю трендового значения.

Основная цель прогнозирования результатов маркетинговой деятельности состоит в том, чтобы получить возможность оценивать работу компании как "удачную" или "неудачную" не по тем показателям (прибыль), которые есть, а по тем, которые потенциально могли быть. Занимаясь прогнозированием результатов маркетинговой деятельности, компания использует те показатели, которыми не может управлять в полной мере – это выручка, объем продаж или действия конкурентов. Поэтому особую роль в маркетинговой деятельности на предприятии выделяют именно прогнозированию, а не планированию, так как планироваться может то, что полностью находится в сфере влияния.

Выбор методов, используемых при прогнозировании деятельности предприятия, зависит только от возможностей аналитика – это могут быть как сложные математические модели, так и интуитивные выводы. Главное, чтобы конечный результат, полученный в результате использования этих методов, как можно более точно описывал реальную ситуацию.

В данной работе будет использован стандартный подход к прогнозированию, основанный на оценке показателей, прямо влияющих на результат прогноза, к примеру, прогнозирование выручки. Чтобы прогнозировать размер выручки, необходимо определить будущие значения объема реализации компании продукции и товаров, а также понять, как они могут изменяться в зависимости от условий внешней и внутренней среды. Показатели объема продаж на предприятии не являются однородными, так как зависят от большого числа факторов (сезонность, состояние отрасли, в которой производится аналогичная продукция), значение которых, в будущем могут значительно изменяться. Для принятия решения относительно будущего объема продаж необходимо определить все факторы, которые могут повлиять на прогноз, в частности большое влияние оказывает фактор сезонности. Компания -Ярцево» не является монополистом, в число таких факторов также следует включить долю рынка, которую предприятие рассчитывает занять в рассматриваемый период времени. Под термином «продукция» понимается продукт основного вида деятельности предприятия – строительные блоки и панели, под термином «товар» - различные вспомогательные строительные продукты, подлежащие реализации, как оптом, так и в розницу.

Для определения динамики внешней среды используются не только данные статистики, но и прогнозы Госкомстата, данные информационных агентств, материалы по мониторингу отраслей, которые собирает и готовит маркетинговый отдел.

Таблица 1 Выручка (с НДС) за 2год
Месяц	2007 год	2007 год	2007 год	2008 год	2008 год	2008 год
Продукция	Товары	ИТОГО	Продукция	Товары	ИТОГО
Январь				2		2
Февраль					0
Март				1	1	2
Апрель				2	8	11
Май				1	11	13
Июнь				2	9	12
Июль				5	8	14
Август		2	2	3	10	14
Сентябрь	1	1	2	7	12	20
Октябрь	1		2	8	5	13
Ноябрь	1	50 150	1	2	3	6
Декабрь	1		1	9	5	15
За год	5	4	10	47	78

Продолжение таблицы 1

Выручка (с НДС) за 2год

Месяц	2009 год	2009 год	2009 год	2010 год	2010 год	2010 год
Продукция	Товары	ИТОГО	Продукция	Товары	ИТОГО
Январь		5	6	8		9
Февраль		4	4	3	3	6
Март	2		2	5	3	8
Апрель	9		10	17	3	20
Май	10	2	13	26	7	34
Июнь	17	4	21	44	9	53
Июль	20	14	35	50	13	64
Август	26	29	55	47	11	59
Сентябрь	20	13	33	54	9	64
Октябрь	16	2	19
Ноябрь	16	1	18
Декабрь	2	11	13

При наличии статистической информации о прошлой динамике в качестве отправных значений прогноза удобнее всего использовать зависимость признака от времени (тренд). Ее, как и прогноз, можно определить с помощью стандартного программного обеспечения Micsoft Excel. В Excel возможен подбор различных трендовых моделей. Одновременно будет изменяться и кривая расчетных значений. В итоге, нужно выбрать такую кривую, которая будет максимально совпадать с линией, соответствующей фактическим значениям показателя.