<<
>>

Методы прогнозирования основных финансовых показателей

  В планировании и управлении финансами исключительно важную роль играют различные прогнозы и ориентиры. Финансовый менеджер должен уметь прогнозировать объем реализации, себестоимость продукции в целом и по важнейшим статьям, потребность в источниках финансирования, величину денежных потоков и т.
п. Более того, прогнозирование как один из методов управления не должно сводиться лишь к расчету ориентиров для критериев, имеющих количественное измерение. Оно понимается в более широком аспекте, в частности, как метод выявления оптимальных вариантов действий. В этом смысле прогнозирование тесно связано с перспективным анализом, поскольку окончательный вариант действий выбирается после рассмотрения и сравнительного анализа вариантов, в том числе альтернативного характера.

Из множества подходов к прогнозированию наибольшее распространение на практике получили методы экспертных оценок; методы обработки пространственных, временных и пространственно-временных совокупностей; методы ситуационного анализа и прогнозирования. Дадим их краткую характеристику.

5.3.1.              Методы экспертных оценок

Это наиболее простые и популярные методы. К ним нельзя относиться как к неким суррогатам «настоящих» методов прогнозирования хотя бы потому, что их история насчитывает не одно тысячелетие. Можно упомянуть, в частности, о дельфийском методе, названном так в честь древнегреческого города Дельфы, известного своими оракулами. В качестве простейшего примера применения подобных методов служит способ установления некоторых прогнозов и планов на интуитивном уровне. В современной интерпретации методы экспертного прогнозирования могут предусматривать многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью научного инструментария экономической статистики. Эти методы применяются не только для прогнозирования значений показателей, но и в аналитической работе (например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей и т.

п.).

5.3.2.              Методы обработки временных, пространственных и пространственно-временных совокупностей

Эти методы занимают ведущее место с позиции формализованного прогнозирования и существенно варьируют по сложности используемых алгоритмов. Выбор того или иного метода зависит от множества факторов, в том числе имеющихся в наличии исходных данных. По этому параметру можно выделить три типовые ситуации.

Наличие временного ряда. Эта ситуация встречается на практике наиболее часто: финансовый менеджер или аналитик имеет в своем распоряжении данные о динамике показателя, на основании которых требуется построить приемлемый прогноз.

Динамический (или временной) ряд представляет собой совокупность значений изучаемого показателя, относящихся к некоторым последовательным интервалам или моментам времени; в первом случае ряд называется интервальным, во втором — моментным. Временной интервал, заложенный в основу ряда, чаще всего предполагается постоянным (год, месяц, день и т. п.). Пример интервального ряда: данные о годовом товарообороте магазина за ряд лет; пример моментного ряда: данные о стоимости основных средств данного магазина на начало года за ряд лет.

Динамический ряд обычно представляется следующим образом:

у{,у2, -,укgt;(5-4)

где уь — элемент ряда, называемый обычно уровнем ряда, к =¦ 1,2,.... и;

и — количество базисных периодов.

*

Наиболее типовая ситуация при обработке динамического ряда — выделение тренда. Это можно сделать с помощью различных методов1:

•              метод «на глазок». Возможны различные его варианты: например, построение приблизительного графика зависимости по статистическим данным, представленным графически: расчет среднего темпа прироста; определение прогнозируемого значения уровня ряда, главным образом, на основе интуиции и с минимальным привлечением статистических данных. Аналитики шутливо называют подобный способ «методом трех П», от слов: пол, палец, потолок;

•              метод скользящей средней.

Временной ряд делится на сегменты, содержащие, например, по три элемента ряда; для каждой «тройки» рассчитывается средняя. Этим достигается сглаживание отдельных выбросов от общей тенденции. Полученный ряд средних подвергается визуальному или количественному анализу для выявления тенденции;

•              метод усреднения по левой и правой половинам. Один из вариантов таков: ряд разбивают на две части, находят среднее значение признака для каждой половины, строят график в виде прямой, проходящей через найденные два значения;

•              метод наименьших квадратов (построение уравнения регрессии, чаще всего линейного, поскольку оно легче поддается интерпретации, хотя возможно построение любой нелинейной формы тренда).

Как пример применения регрессионных моделей для целей прогнозирования упомянем о двух методах: простом динамическом анализе и анализе с помощью авторегрессионных зависимостей.

Первый метод исходит из предпосылки, что прогнозируемый показатель (у) изменяется прямо (обратно) пропорционально с течением времени. Поэтому для определения прогнозных значений показателя у строится, например, следующая зависимость:

у, ~ а0 + а(5.5)

где г - порядковый номер периода.

Параметры уравнения регрессии (до. л,) находятся, как правило, методом наименьших квадратов. Подставляя в формулу нужное значение I, можно рассчитать требуемый прогноз.

В основу второго метода заложена очевидная предпосылка о том, что экономические процессы имеют определенную специфику. Они отличаются, во-первых, взаимозависимостью и, во-вторых, определенной инерционностью. Последнее

*Напомним, что временной ряд характеризуется базовыми количественными характеристиками (темпом роста, темпом прироста, абсолютным значением одного темпа прироста и др.). Подробную информацию об этих характеристиках, равно как и о других инструментальных методах анализа рядов динамики можно найти: (Елисеева, Юзбашев. С. 445—525; Ковалев, 2001(а)].

означает, что значение практически любого экономического показателя в момент времени I зависит определенным образом от состояния этого показателя в предыдущих периодах (в данном случае мы абстрагируемся от влияния других факторов), т.

е. значения прогнозируемого показателя в прошлых периодах должны рассматриваться как факторные признаки. Уравнение авторегрессионной зависимости в наиболее общей форме имеет вид

Уг = «О + «1^-1 + «2 + •• +              (5-6)

где у, — прогнозируемое значение показателя у в момент времени с; у,-} — значение показателя у в момент времени (? - к)-,

— к-й коэффициент регрессии.

Точные прогнозные значения могут быть получены уже при к = I На практике также нередко используют модификацию приведенного уравнения, вводя в него в качестве фактора период (момент) времени г. В этом случае уравнение регрессии будет иметь вид

у, = а0 + а,уг+ а2г.(5.7)

Коэффициенты регрессии данного уравнения могут быть найдены методом наименьших квадратов. Соответствующая система нормальных уравнений будет иметь вид

./0 о ++ lt;^2/=

' «о2^-2 ++=(5'8^

«о 2/+«12#,., + «2= где ) - длина ряда динамики показателя у, уменьшенная на единицу.

Для характеристики адекватности уравнения авторегрессионной зависимости можно использовать величину среднего относительного линейного отклонения:

пЫ у к

где — расчетная величина показателя у в момент времени к\

У к ~ фактическая величина показателя у в момент времени к\ п —число членов ряда.

Если е lt; 15%, считается, что уравнение авторегрессии может использоваться в прогнозных целях. Отметим, что ввиду простоты расчета критерий е довольно часто применяется при построении регрессионных моделей.

Пример

Используя аппарат авторегресс ион ых зависимостей, построить уравнение регрессии для прогнозирования объема реализации на основании следующих данных о динамике этого показателя (млн руб.): 17, 16, 21, 24, 23, 26, 28.

Система нормальных уравнений имеет вид

6а0 + 127а, + 21я2 = 138;

1127йд + 2767а, + 479й2 = 2990;

21яо + 479а, + 91«, = 520.

Решая эту систему, получаем уравнение регрессии у, = 21,7-0,42г/,_| + 2,91г\

Данное уравнение пригодно для прогнозных целей, поскольку

ё = 53% lt; 15%.

Можно рассчитать прогнозное значение показателя у, для I = 7;

у, = 21,7-0,42- 28+ 2,91 - 7 = ЗОД

lt;5.9)

ГДе (Ц

I/ = о0 + я,*, + а2х2 + ... + я**'*, коэффициенты регрессии.

Наличие пространственно-временной совокупности. Данная ситуация имеет место в том случае, когда; (а) длина ряда динамики недостаточна для построения статистически значимых прогнозов; (б) аналитик имеет намерение учесть в прогнозе влияние факторов, различающихся по экономической природе, и их динамики. Исходными данными служат матрицы показателей, каждая из которых представляет собой значения тех же показателей за разные периоды или на разные последовательные даты. Методы обработки таких совокупностей описаны в отечественной литературе и включают, в частности, осреднение 1ираметров одногодичных уравнений регрессии, метод заводолет, ковариационный анализ и т.д. (см.: (Крастинь]).

5.4.               

<< | >>
Источник: Ковалев В. В.. Финансовый менеджмент; теория и практика. — 2-е изд., перераб. и доп. — М.: ТК Велби, Изд-во Проспект. — 1024 с.. 2007

Еще по теме Методы прогнозирования основных финансовых показателей:

  1. 2.2.2. Международная и отечественная практика оценки финансового состояния заемщика
  2. Принципы и методы оценки эффективности предпринимательской деятельности
  3. 4.1. Стратегическая реструктуризация: основные понятия и инструменты
  4. 13.1. СОДЕРЖАНИЕ, МЕТОДЫ И ИНФОРМАЦИОННАЯ БАЗА АНАЛИЗА ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЯ
  5. МЕТОДЫ ПРОГНОЗИРОВАНИЯ НЕСОСТОЯТЕЛЬНОСТИ (БАНКРОТСТВА) ОРГАНИЗАЦИИ
  6. Методы прогнозирования макроэкономических показателей
  7. Методы прогнозирования и планирования инвестиций
  8. Методы прогнозирования и планирования НТП и инновационной деятельности
  9. Методология прогнозирования мирового рынка и внешнеэкономической деятельности1
  10. Методы прогнозирования макроэкономических показателей
  11. Методы прогнозирования и планирования НТП и инновационной деятельности
  12. 2.9. Методы прогнозирования уровня доходов населения
  13. 9.2 Задачи и методы прогнозирования НТП на различных стадиях его развития.
  14. Методы прогнозирования основных финансовых показателей
  15. Моделирование в финансовом менеджменте
  16. Методы прогнозирования основных финансовых показателей Прогнозирование характеристик временных рядов
  17. ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ ПОТРЕБНОСТЕЙ ПРИ НЕПОСТОЯНСТВЕ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ КОМПАНИИ
- Cвязи с общественностью - PR - Бренд-маркетинг - Деловая коммуникация - Деловое общение и этикет - Делопроизводство - Интернет - маркетинг - Информационные технологии - Консалтинг - Контроллинг - Корпоративное управление - Культура организации - Лидерство - Литература по маркетингу - Логистика - Маркетинг в бизнесе - Маркетинг в отраслях - Маркетинг на предприятии - Маркетинговые коммуникации - Международный маркетинг и менеджмент - Менеджмент - Менеджмент организации - Менеджмент руководителей - Моделирование бизнес-процессов - Мотивация - Организационное поведение - Основы маркетинга - Производственный менеджмент - Реклама - Сбалансированная система показателей - Сетевой маркетинг - Стратегический менеджмент - Тайм-менеджмент - Телекоммуникации - Теория организации - Товароведение и экспертиза товаров - Управление бизнес-процессами - Управление знаниями - Управление инновационными проектами - Управление качеством товара - Управление персоналом - Управление продажами - Управление проектами - Управленческие решения -
Яндекс.Метрика