Смекни!
smekni.com

Выбор варианта инвестиционного проекта (стр. 15 из 17)

Взаимоотношения с гражданскими потребителями регулируется Законом РФ "О защите прав потребителей" (кроме товаров, перечисленных в постановлении Правительства Российской Федерации от 19 января 1998 г. N55 (редакция от 20 октября 1998 года)).

Взаимоотношения с налоговыми органами компания осуществляет в соответствии с Налоговым Кодексом Российской Федерации Трудовые отношения с гражданским персоналом регулируются Трудовым Кодексом РФ

ГЛАВА 4. РАЗРАБОТКА ПРОГНОЗА ФИНАНСОВОГО РАЗВИТИЯ ПРЕДПРИЯТИЯ

Существует много методов прогнозирования, среди которых можно выделить метод анализа временных рядов. Он основан на допущении, согласно которому случившееся в прошлом дает достаточно хорошее приближение в оценке будущего.

При изучении в рядах динамики основной тенденции развития (тренда) решаются две взаимосвязанные задачи:

· выявление в изучаемом явлении наличия тренда с описанием его качественных особенностей;

· измерение выявленного тренда, то есть получение обобщающей количественной оценки основной тенденции развития.

На практике наиболее распространенными методами статистического изучения тренда являются: укрупнение интервалов, сглаживание скользящей средней, аналитическое выравнивание.

Основным содержанием метода аналитического выравнивания в рядах динамики является то, что основная тенденция развития Yt рассчитывается как функция времени:

Yti = f(ti)

Определение теоретических уровней Yt производится на основе адекватной математической функции, которая наилучшим образом отображает основную тенденцию ряда динамики.

Основная тенденция развития в рядах динамики со стабильными абсолютными приростами отображается уравнением прямолинейной функции:

Yt = а + bt, где

а и b – параметры уравнения; t – обозначение времени.

Исходные и расчетные данные о динамике затрат на рубль СМР за 10 предыдущих кварталов занесем в таблицу 21.

Для наглядного отображения зависимости построим график динамики уровня ряда (рис 5).

По виду графика принимается гипотеза, что модель описывается линейной зависимостью:

Y=a+bx

Далее определяем параметры модели методом наименьших квадратов, т.е. min Σеi2. Способ наименьших квадратов дает систему двух нормальных уравнений.

na + båх = åx

aåх + båх2 = åуiх

уi – фактические уровни из таблицы;

n – число членов ряда;

х – показатель времени (года, кварталы, месяцы и т.д.), который обозначается порядковыми номерами, начиная от низшего.

Решая полученную систему уравнений получим:

b = усрхср – уср * хср / xср2 * xср2

a = уср – bхср

Далее провеем проверку адекватности моделей, построенных на основе уравнений регрессии:

Коэффициент корреляции: rxy= усрхср – хср * уср / sх * sу

Гипотеза о линейности верна с доверительной вероятностью р=0,95 если коэффициент корреляции больше 0,7.

Значимость коэффициентов регрессии a и b и коэффициента корреляции rxy проверяется на основе t – критерия Стьюдента:

tb = b / mb; ta = a / ma ; tr = rxy / mrxy

Случайные ошибки аппроксимации a, b и rxy:

mb = Öå(yi – yx^)2 / (n-2) / å(хi – xi ср)2

ma = Öå(yi – y^)2 * åхi2 / (n-2) * nå(хi – xi ср)2

mrxy = Ö1 – rxy2 / (n-2)

Если все расчетные значения t- критерия больше tкр.- табличного, это свидетельствует о значимости коэффициентов регрессии и корреляции. Гипотеза о линейности верна.

Коэффициент детерминации: R2 = å(yi^x– уср)2 / = å(yi – у)2

показывает, какая доля вариации результативного признака обусловлена изменением факторных признаков, входящих в многофакторную регрессионную модель. Изменяется в пределах от 0 до 1 и по определению положителен. Если коэффициент детерминации больше 0,9, то модель описывает наиболее существенные стороны рассматриваемого процесса.

Проверка адекватности всей модели, в т.ч. и значимости коэффициента детерминации, осуществляется с помощью расчета F–критерия и величины средней ошибки аппроксимации. Значимость уравнения регрессии на основе F–критерия Фишера-Снедекора.

Критерий Снедекора: Fф = rxy2 * (n – 2) / (1 – rxy2) .

Если все расчетные значения F - критерия больше Fкр.- табличного, это свидетельствует о значимости уравнения регрессии и подтверждает гипотезу о линейности. Моделью можно пользоваться.

Доверительные интервалы a и b - это проекция подынтегральной кривой, равной доверительной вероятности, решение интегрального уравнения. Интервал зависит от числа степеней свободы (m), доверительной вероятности (р) и разброса случайной величины.

При m → ∞ имеет место нормальный закон распределения.

Предельные ошибки a, b и rxy: Δa = tнаб * ma; Δb = tнаб * mb; Δr = tтабл * mr

Значение средней ошибки аппроксимации не должно превышать 12-15%.

Доверительные интервалы для определенных параметров:

Lamin = a – Δa; Lamax = a + Δa; Lbmin = b – Δb; Lbmax = b + Δb

Прогнозное значение Yp:

Yp = a + bxp определяется на основе экстраполяции линейной зависимости

Средняя квадратическая ошибка прогноза:

my^p = sостÖ1 + 1/n + (хp– хср)2 / å(хi – хср)2,

где:

хp – прогнозное значение, подставляемое вместо xi

sост = Öå(y – y^)2 / n – 1

Доверительный интервал L – диапазон прогноза:

Lymin = y^p – Δy^p ;Lymax = y^p + Δy^p; Δy^p = tтабл * my^p

Далее проведем расчет прогноза затрат на рубль СМР на четыре квартала 2005 года.

В качестве динамического ряда возьмем отчетные данные по кварталам второго полугодия 2002 и за 2003- 2004 гг.

Прогноз будем производить по кварталам 2005 года.

Расчёты производятся при помощи табличного редактора Excel по приведённым формулам.

Исходные и расчетные данные (тыс.руб.) для определения параметров системы уравнения представлены в табл.21.

Таблица 21

Исходные и расчетные данные для определения параметров системы уравнения

T X Y Xi * Yi X2 Y2 Xi - Xср Yi - Yср (Xi - Xср)2 (Yi - Yср)2 7*8 Y^ Yi - Y^ (Y^ - Yср)2 (Yi - Y^)2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1 88,30 88,30 1 7796,89 -4,5 1,86 20,25 3,46 -8,37 87 1,56 0,09 2,43
2 2 87,50 175,00 4 7656,25 -3,5 1,06 12,25 1,12 -3,71 87 0,83 0,05 0,68
3 3 86,30 258,90 9 7447,69 -2,5 -0,14 6,25 0,02 0,35 87 -0,31 0,03 0,09
4 4 85,60 342,40 16 7327,36 -1,5 -0,84 2,25 0,71 1,26 87 -0,94 0,01 0,88
5 5 85,40 427,00 25 7293,16 -0,5 -1,04 0,25 1,08 0,52 86 -1,07 0,00 1,15
6 6 84,90 509,40 36 7208,01 0,5 -1,54 0,25 2,37 -0,77 86 -1,51 0,00 2,27
7 7 85,60 599,20 49 7327,36 1,5 -0,84 2,25 0,71 -1,26 86 -0,74 0,01 0,55
8 8 86,30 690,40 64 7447,69 2,5 -0,14 6,25 0,02 -0,35 86 0,03 0,03 0,00
9 9 86,90 782,10 81 7551,61 3,5 0,46 12,25 0,21 1,61 86 0,69 0,05 0,48
10 10 87,60 876,00 100 7673,76 4,5 1,16 20,25 1,35 5,22 86 1,46 0,09 2,13
ИТОГО: 55 864,40 4748,70 385 74729,78 0 0,00 82,5 11,0 -5,50 864 0,00 0 10,68

Полученные результаты и коэффициенты:

Xср = 5,5; Yср = 86,4; (X*Y)ср = 474,87

Коэффициенты регрессии:

β = -0,07 α = 86,8

Уравнение регрессии: У = 86,8-0,07* Х

Среднеквадратические отклонения:

dx = 3,028; dy = 1,108; dо = 1,24

Коэффициент корреляции: Kxy= 0,893.

Гипотеза о линейности модели верна, т.к. коэффициент корреляции больше 0,7 и равен 0,893

Оценка значимости коэффициентов по t-критерию Стьюдента:

ta = 81,22 tb = 19,42 ; tr = 5,61

ta > tтабл. (81,22 > 2,306), tb > tтабл. (19,42 > 2,306)

и tr > tтабл. (5,61 > 2,306).

Модель линейная – надежна, т.е. пригодна для практического применения.

Коэффициент детерминации: r2= 0,9843 , он больше 0,9, следовательно, модель описывает наиболее существенные стороны рассматриваемого процесса.