Теоретические основы анализа экономических систем

поиск резервов экономии по функциональным зонам;

формулирование задач для поиска новых идей и вариантов оптимальных решений.

Творческий этап включает:

уточнение направлений и задач поиска новых решений;

выбор методов творчества (мозговой штурм, мозговая атака, конференция идей и т.д.)

обработка и систематизация результатов творчества.

Исследовательский этап включает:

систематизацию предложенных вариантов новых решений;

исключение явно невыполнимых предложений и экспертиза оставшихся предложений;

оценка осуществляем ости оставшихся предложений с точки зрения материально-технического, финансового и производственного обеспечения;

определение затрат и экономичности выполнения функций для различных вариантов решений;

ранжирование вариантов и выбор оптимального варианта.

Этап разработки плана-графика внедрения рекомендаций:

оформление рекомендаций;

согласование;

утверждение плана-графика.

Этап внедрения:

организация работы по внедрению;

контроль;

поощрение;

оценка полученных результатов.

9.3. Опыт и перспективы использования ФСА

Метод ФСА универсальный и область его применения может быть весьма широкой.

Применения ФСА при конструировании изделий.

Конструирование изделия начинается с выявления потребностей и предпочтений потребителей. На их основе выкристаллизовывается основная функция изделия. Затем определяют условия, которые должны быть выполнены для того, чтобы потребность в изделии смогла быть практически удовлетворена. Этим самым создается база для формулирования вспомогательных функций. Далее делается укрупненный анализ технической возможности реализации того или иного принципиального варианта изготовления изделия, рассчитывается эффективность вариантов и выбирается наиболее эффективный вариант.

Применение ФСА при изготовлении и эксплуатации изделий.

Главной целью применения ФСА в этой области является устранение или доведения до экономически целесообразного минимума излишних затрат при изготовлении и эксплуатации изделий за счет полного или частичного исключения из конструкции изделия ненужных функций, неэкономичных технических решений.

ФСА может применяться и для решения локальных задач, а именно:

повышения рентабельности изделия;

снижения материалоемкости изделия;

снижения трудоемкости изделия;

и т. д.

Применение ФСА при проектировании и совершенствовании технологии производства.

ФСА эффективен при проектировании самых различных видов оснастки и инструмента, при замене одного технологического процесса другим.

Применение ФСА при совершенствовании организации производства.

Поскольку излишние затраты, связанные с организацией производства, весьма значительны, то эффект от применения этого метода особенно велик. ФСА может быть использоваться при выработке схемы грузопотоков и ликвидации ненужных нерациональных перевозок; при организации входного контроля поступающих материалов и покупных изделий и т. д.

Применение ФСА при совершенствовании системы управления предприятием.

Здесь ФСА позволяет уточнить функции отдельных подразделений, организовать оптимальный документооборот.

Контрольные вопросы по теме

На какие группы делятся все затраты при проведении ФСА?

Какова конечная цель ФСА?

Какие задачи решаются с помощью ФСА?

Назовите основные этапы проведения ФСА.

Какие задачи решаются на творческом этапе?

Каким этапом завершается ФСА?

Какие правила применяются при формулировке функций?

Какие задачи решаются на информационном этапе?

Литература по теме

Савицкая Г.В. Теория анализа хозяйственной деятельности / Г.В. Савицкая. - М.: ИНФРА-М, 2008.-287 с.

Моисеева Н.К. Основы теории и практики функционально-стоимостного анализа/ Н.К Моисеева., М.Г. Карпунин. - М.: Высш. шк., 1988.

Решение типовых задач

Пример 1

Изделие «настольная лампа» состоит из двух основных узлов: светильника и корпуса. Сформулировать функции, которые выполняют данные узлы и определить вид функций.

Решение

Функция светильника - освещать путь. Это основная функция, т. е. функция для которой создано изделие. Функция корпуса - удерживать детали. Это функция необходима, так как без нее нельзя обойтись, поэтому ее следует отнести к вспомогательной.

Пример 2

Определите зону наибольших затрат при изготовлении настольной лампы. Настольная лампа состоит из светильника и корпуса.

При изготовлении светильника:

используется сталь: норма расхода - 0,214 кг на одну деталь; цена материала - 12 руб. за один килограмм;

выполняются работы III разряда: токарная, трудоемкость которой - 0, 7 нормо-часа (н/ч); штамповочная - 0,4 н/ч; слесарная - 0,5 н/ч. ст

При изготовлении корпуса:

используется алюминий: 0,8 кг на одну деталь; цена материала - 30 руб. за килограмм;

выполняются работы III разряда: фрезерная 0,202 н/ч, слесарная 0,803 н/ч.

Тарифная часовая ставка III разряда - 25 руб.

Решение

Необходимо определить переменные затраты на светильник и корпус и сравнить их между собой. В данном случае зона наибольших затрат будет там, где наибольшие переменные затраты.

Переменные затраты на светильник:

Затраты на материалы: 12 * 0,214 = 2,57 руб.

Основная заработная плата: (0,7 + 0,4 +0,5) * 25 = 40 руб.

Сумма переменных затрат на светильник: 2,57 + 40 = 42,57 руб.

Переменные затраты на корпус:

Затраты на материалы: 30 * 0,8 = 24 руб.

Основная заработная плата: (0,202 + 0, 803)* 25 = 25,13 руб.

Сумма переменных затрат на корпус: 24 + 25,13 = 49,13 руб.

Зоной наибольших затрат является светильник.

Задачи для самостоятельного решения

Задача 1.

Определите зону наибольших затрат по изделию «утюг». Утюг состоит из семи узлов, в том числе: электронагревательного элемента и корпуса. Основные данные приведены в табл. 9.1.



Таблица 9.1 - Исходные данные для решения задачи

Наименование узла	Материалы	Вид работы, трудоемкость, % премии
	Марка материала,	Норма расхода кг.	Цена руб.	Вид работы	Трудоемкость, н/ч	% премии
Электронагревательный элемент.	сталь	0, 21	14,0	штамповка; пайка; слесарная.	0,006 0,153 0,167	30 40 40
Корпус (узел)	сталь; пластмасса.	0,42 0,28	14,0 7,0	штамповка; слесарная.	0,022 0,25	30 40

Тесты

1. Функционально-стоимостной анализ - это:

а) метод выявления экономичного варианта выполнения функций, заданных для конструкции;

б) анализ функциональной зависимости цены изделия от его себестоимости;

в) анализ зависимости между ценой, издержками и прибылью;

г) выявление путей снижения постоянных затрат.

2. На подготовительном этапе ФСА выполняются следующие работы:

а) выбирается объект будущего исследования;

б) создается временная исследовательская группа из специалистов разного направления;

в) осуществляется классификация функций;

г) определяются затраты на реализацию функций;

д) разрабатывается календарный план проведения ФСА.

3. Стоимостной подход в ФСА предполагает:

а) определение затрат на реализацию основных, вспомогательных и ненужных функций;

б) классификацию функций;

в) определение излишних затрат;

г) применение для реализации функций более дешевых технических и технологический решений.

4. Основные функции это:

а) функции, способствующие функционированию объекта;

б) это функции, без выполнения которых объект анализа или его элементы не изменяют свою работоспособность.

в) это функции, для осуществления которых и была создана система (объект).



ТЕМА 10. СПОСОБЫ И ПРИЕМЫ ПЕРСПЕКТИВНОГО (ПРОГНОЗНОГО) АНАЛИЗА

10.1 Понятие, задачи и основные особенности перспективного (прогнозного) анализа

Согласно современным теоретическим представлениям прогнозирование представляет собой процесс опережающего отражения процессов развития и конечного состояния какой-либо системы в будущем, а также определение возможных путей и средств достижения желаемых (оптимальных) состояний прогнозируемой системы.

Если в качестве прогнозируемой системы рассмотреть, например, предприятие, то прогнозирование его экономической деятельности предполагает систематический поиск возможных будущих параметров по ключевым областям (объемы продаж товаров и услуг, себестоимость, финансовый результат, стоимость бизнеса и т.д.).

В учебной литературе по экономическому анализу прогнозирование рассматривается, во-первых, как завершающий этап любого анализа, логическое продолжение реализации первых двух этапов анализа - оценки и диагностики. Во-вторых, как вид анализа, получивший название перспективный (прогнозный) анализ.

Применительно к экономическому анализу предприятия перспективный (прогнозный) анализ определяется как инструмент, с помощью которого можно научно обосновать перспективы развития предприятия в условиях постоянного изменения внешней среды его функционирования.

Реализация задач прогнозирования предприятия предполагает:

опережающее исследование разнообразных экономических процессов и явлений в их взаимосвязи, складывающихся как под воздействием объективных экономических законов, так и под влиянием факторов субъективного порядка, выявление наиболее устойчивых закономерностей и тенденций развития макроэкономической среды, которые в перспективе могут оказать решающую роль в достижении целей предприятия;

классификация факторов, влияющих на финансово-экономическое состояние предприятия, на существенные и несущественные, основные и побочные, управляемые и неуправляемые, определяющие и второстепенные, необходимые и случайные и т.д., а также детальное изучение основных, существенных, управляемых и определяющих факторов;

прогнозирование результатов хозяйственной деятельности, выявление основных тенденций развития предприятия и его внешней среды, формирование временных рядов и их инерционное прогнозирование, определение возможных и желательных пределов изменения показателей финансово-хозяйственной деятельности;

выработка стратегической и тактической политики предприятия, создание образа будущего фирмы, выявление потенциальных конкурентных преимуществ и желаемых показателей финансово-хозяйственной деятельности.;

научное обоснование и корректировка перспективных и текущих планов развития предприятия с учетом изменения ситуации внутреннего и внешнего характера и др..

Основные этапы проведения перспективного анализа:

разработка системы показателей, которые будут составлять основу стратегии развития предприятия;

прогнозирование уровня отобранных показателей на основе их исторического развития и предполагаемых изменений в перспективе;

установление долговременных факторов, способных существенно повлиять на уровень прогнозируемых показателей;

моделирование взаимосвязей между факторными и результативными показателями;

оценка чувствительности прогнозных показателей к изменению факторов внешнего и внутреннего характера;

разработка корректирующих мер, направленных на достижение поставленных целей в изменившейся ситуации.

Важнейшие особенности методики перспективного анализа:

использование ограниченного круга наиболее существенных индикаторов развития предприятия в будущем;

вероятностные оценки будущего поведения факторов, определяющих конечные результаты деятельности предприятия;

выполнение аналитических процедур до совершения хозяйственных операций;

широкое применение эвристических и экономико-математических методов для прогнозирования результатов деятельности в условиях полной или частичной неопределенности;

использование метода сценариев, с помощью которого оцениваются наиболее вероятный ход развития событий и возможные последствия принимаемых решений;

использование преимущественно индуктивного метода исследования.

Для целей перспективного анализа используется весь методический инструментарий анализа, описанный в предыдущих разделах. Однако основу перспективного анализа составляют методы прогнозирования и методы оценки чувствительности экономических результатов к предполагаемым изменениям ситуации.

10.2 Приемы прогнозирования

Прием прогнозирования - это определенная генеральная совокупность способов и методов прогнозирования. Все приемы можно разделить на общетеоретические, используемые практически во всех областях прогностики, и специальные, наиболее эффективные для конкретной области прогнозирования (например, для прогнозирования финансово-хозяйственной деятельности предприятия).

К общетеоретическим подходам относят общеизвестные инструменты общей теории познания, которые можно активно использовать для получения опережающих прогностических утверждений. К общетеоретическим приемам можно отнести такие как: индукция, дедукция, моделирование, системный, генетический, структурный и другие приемы и методы.

Так, общеизвестный и широко применяемый системный подход базируется на учете взаимосвязей и взаимодействий между элементами системы. Предприятие, как правила, рассматривается как системный объект прогнозирования, учитывается его сложная, многоуровневая и многокомпонентная структура. Перспективным приемом для социально-экономических систем, к которым можно отнести предприятие, является моделирование, позволяющее представить качества и поведение моделируемого объекта.

Общетеоретические приемы, используемые при прогнозировании дополняются специальными подходами: алгоритмическим, эвристическим (интуитивным), проблемным программно-целевым, эталонным и сценарным.

Алгоритмический подход базируется на формализованном, логическим описании объекта, предполагает возможность логически стройных объяснений экономических процессов и явлений. Алгоритм - это точное предписание, определяющее процесс преобразования информации, с четко определенной последовательностью.

Эвристический подход не содержит логических, четких оснований и предполагает использование преимуществ образного, интуитивного и субъективного мышления. Эвристический подход лежит в основе интуитивных методов прогнозирования. Из интуитивных методов прогнозных исследований наиболее эффективными для финансово-хозяйственного прогнозирования являются: метод экспертных оценок, метод мозгового штурма, метод определения характеристик публикационной активности, метод патентов-аналогов, метод терминологического и лексического анализа.

Наиболее универсальным методом в приведенном перечне является метод экспертных оценок. Он базируется на оценках высококвалифицированных специалистов (экспертов), обработке их мнений о прогнозируемом объекте. Чаще всего метод экспертных оценок применяется в условиях большой неопределенности, отсутствия достоверной информации, экстремальных условиях. Экспертизы бывают индивидуальными и коллективными, одноэтапными и многоэтапными, с обменом информацией между экспертами или без, анонимными и открытыми.

Одним из наиболее известных методов экспертных оценок является метод Дельфи или дельфийский метод. Этот метод разработан американской корпорацией РЭНД и получил свое название от города Дельфы, который был известен в Древней Греции благодаря своим прорицателям-оракулам, жившим там и предсказывавшим будущее.

Метод представляет собой обобщение оценок экспертов, касающихся перспектив развития того или иного экономического субъекта. Особенность метода состоит в последовательном, индивидуальном анонимном опросе экспертов. Такая методика исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства.

Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами. Выявляются преобладающие суждения экспертов, сближаются их точки зрения. Всех экспертов знакомят с доводами тех, чьи суждения сильно выбиваются из общего русла. После этого все эксперты могут менять мнение, а процедура повторяется.

Метод мозгового штурма (мозговой атаки) - это метод интенсивного генерирования идей, для чего необходимо творческое содружество групп специалистов разного профиля. На первой стадии реализации такого приема выдвигается серия идей, и чем их больше, тем лучше будет ожидаемый результат. Специалисты считают, что для решения сложных задач требуется 400-500 первоначальных идей, которые накапливаются за несколько сессий по 40-50 минут. Затем они обсуждаются с целью выявления самых оптимальных для реализации.

Метод определения характеристик публикационной активности позволяет выявить «прорывные области», в которых предприятию целесообразно концентрировать свою инновационную хозяйственную деятельность. При этом методе проводится статистический анализ числа научных публикаций, научных журналов, частоты использования печатных работ, контент-анализ (число упоминаний той или иной идеи) и т.п.

Метод терминологического и лексического анализа базируется на предположении, что при использовании исследователями идей из других областей знаний происходит смена терминологического аппарата. терминологический и лексический анализ научных текстов позволяет выявить крупные структурные сдвиги еще на стадии их зарождения. Как известно, основные научные открытия происходят в настоящее время на стыках дисциплин. Интуитивные догадки и перспективных отраслях и направлениях деятельности могли бы дать предприятиям важные конкурентные преимущества при дальнейшем развитии.

Метод патентов-аналогов основан на изучении динамики и мощности потоков запантентованных идей и технических решений. Суть его в том, что фирмы обычно патентуют за рубежом только практически значимые разработки. Выявляя частоту патентов по тем или иным направлениям, можно определить наиболее значимые области по интенсивности патентного потока.

Следующий из специальных приемов анализа - проблемный подход, предполагает идентификацию и структуризацию внутренних проблем объекта прогнозирования (например, предприятия) или внешних проблем (прогнозного фона). Под проблемой понимается определенное противоречие, требующее разрешения (между желаемым и реальным, между частями системы или процессами, между целью и средствами и т.д.). При этом рекомендуется не только составлять список проблем, но и развернуть его в проблемное поле, то есть классифицировать выявленные противоречия по разным основаниям. Тогда прогнозирование будет сводится к формированию образа будущего при ликвидации выявленных проблем.

Программно-целевой подход предусматривает определение проблемной программы, согласованной с материальными, трудовыми и финансовыми ресурсами, исполнителями и сроками завершения комплекса плановых мероприятий разного характера, осуществление которых обеспечивает своевременную реализацию поставленной цели или системы целей. Предполагает построение дерева целей и дерева ресурсов и взаимоувязку этих деревьев с помощью определенных программ деятельности конкретных исполнителей программы. Программно-целевой подход традиционно использовался в практике планирования. В прогнозировании программно-целевой подход находит выражение составлении многовариантных программ.

Эталонный подход связан с программно-целевым и предполагает разработку идеальных образов прогнозных объектов, определенных эталонов, достижение которых является желательным и возможным. В сфере прогнозирования финансово-хозяйственной деятельности предприятия эталонный подход применяется, когда устанавливаются научно обоснованные нормативы для тех или иных финансовых показателей.

Сценарный подход в отличие от эталонного связан не с построением желаемого результата, а с определением возможных альтернатив движения к нему. Сценарий генерируется в основном экспертным путем и представляет собой определенную логическую последовательность событий. Сценарии могут различаться по общей экономической ситуации, ситуации на каком либо рынке, вариантами макроэкономической политики и т.д.

Формализованные методы прогнозирования, как правило, подразделяются на две группы: методы экстраполяции и методы экономического моделирования или эконометрические методы.

Методы экстраполяции основываются на экономико-статистических методах обработки данных за прошлые периоды, определения тенденций развития изучаемого явления в предпрогнозном периоде и проекции найденной закономерности на будущее. Экстраполирование установленной закономерности за пределы динамического ряда основано на предположении, что начавшееся изменение переменной будет продолжаться такими же темпами и в будущем. Необходимыми предпосылками получения надежных результатов экстраполяции являются стабильность экономических условий, достаточное количество и достоверность информации о прошлом. Группа методов экстраполяции включает в себя: статическую экстраполяцию, динамическую экстраполяцию, экстраполяцию параметров и (или) функций объекта, экстраполяцию системных и структурных характеристик и т.п.

Динамическая задача экстраполяционного прогнозирования предполагает наличие ретроспективного динамического ряда и трансформацию его закономерностей на будущий период. Ее можно представить, в частности математической моделью:

где	y- прогнозируемый параметр;
	a1, a2,…, ak - коэффициенты уравнения;
	t - фактор времени (на основе регрессионного анализа.

Статистическая задача экстраполяционного прогнозирования рассматривает возможность изменения объекта прогнозирования безотносительно к фактору времени в зависимости от тех или иных параметров. Статистические связи полученной многопараметрической модели, выявленные путем корреляционного или иного анализа, продолжают на прогнозный период, учитывая закономерности изменения или нормативные установки в разрезе параметров.

Условием успешного применения методов экстраполяции являются неизменность или относительная стабильность выявленных тенденций или взаимосвязей факторов. Их применяют в основном для краткосрочного или среднесрочного прогнозирования, а также при эволюционном характере развития прогнозного объекта, исключающем резкие качественные скачки. При этом ретроспективный период должен не менее чем в два раза превышать период упреждения.

Прогностические возможности у этого метода весьма ограничены теми рамками, в которых можно считать сохранившимися факторы и параметры развития объекта, известные нам в настоящее время. За этими рамками метод экстраполяции утрачивает свою силу, а попытки его применения могут привести к абсурдным выводам.

Другая группа методов - методы математического моделирования. Они базируются на общенаучном подходе моделирования и предполагают целесообразное абстрагирование и формализованное математическое описание прогнозного объекта. Классификация методов математического моделирования применительно к прогнозированию совпадает с общей классификацией экономико-математических методов анализа и включает в себя:

математико-статистические методы изучения связей (корреляционно-регрессионный анализ, дисперсионный прогнозный анализ, метод главных компонент, ковариационный анализ, кластерный анализ и т.д.);

эконометрические методы (матричный, гармонический, спектральный анализ, методы теории производственных функций, методы теории межотраслевого баланса),

методы экономической кибернетики и оптимального программирования (методы линейного и нелинейного программирования, динамическое и выпуклое программирование и т.д.);

методы исследования операций и теории принятия решений (теория игр, теория массового обслуживания, методы сетевого планирования и управления, методы байесовского анализа и т.п.).

Все рассмотренные выше группы методов прогнозирования тесно аны друг с другом. Так, с определенной степенью относительности можно сказать, что экстраполяция представляет собой разновидность математического моделирования, равно как разновидностью моделирования можно считать экспертные оценки будущего. Более того, во всех группах методов используется терминология факторного анализа, предполагающего выявление существенных характеристик исследуемых объектов и процессов, а также причин их изменения.

Для реальных прогнозных исследований характерным является комплексный подход, соединяющий разные методы и приемы.

10.3 Прогнозирование временных рядов

Рассмотрим методы экстраполяции применительно к прогнозированию временных рядов. Множество данных, где время является независимой переменной, называется временным рядом. Временной ряд представляет собой последовательность измерений через равные промежутки времени. Методика прогнозирования, основанная на временных рядах, предполагает возможность оценки будущих значений ряда с помощью прошлых значений. При этом не делается никакой попытки определить переменные, влияющие на ряд. Тем не менее, анализ временных рядов широко используется с весьма неплохими результатами.

Экстраполирование установленной закономерности за пределы временного ряда основано на предположении, что начавшееся изменение переменной будет продолжаться такими же темпами и в будущем. Необходимыми предпосылками получения надежных результатов экстраполяции являются стабильность экономических условий, достаточное количество и достоверность информации о прошлом.

Анализ временных рядов предполагает, что данные содержат систематическую составляющую (обычно включающую несколько компонент) и случайный шум (ошибку), который затрудняет обнаружение регулярных компонент.

В зависимости от формы разложения временного ряда на систематическую d и случайную e составляющие различают аддитивную и мультипликативную модели временного ряда. В свою очередь, в систематической компоненте временного ряда обычно выделяют три составляющие: тренд, сезонную компоненту и циклическую компоненту.

Сезонная компонента (вариация) - это повторение данных через небольшой промежуток времени. Под сезоном можно понимать и день, и неделю, и месяц, и квартал. Объем продаж и сумма выручки в зимние месяцы могут быть выше, чем в летние. Неравномерная в течение года динамика относится и к другим показателям деловой активности, например к ценам на отдельные виды товаров, транспортным издержкам, к расходам по сбыту и т.д.

Если промежуток времени будет длительным (более года), то это - циклическая компонента (вариация). Циклические колебания, как правило, соответствуют циклам деловой активности, - спаду, оживлению, росту, застою.

Сезонная и циклическая компоненты иногда определяются общим термином - периодическая компонента.

Случайные колебания из названных выше составляющих временного ряда нельзя заранее предусмотреть. Это поставка материалов низкого качества, поломка оборудования, какие-либо чрезвычайные обстоятельства в хозяйственной деятельности. Такие колебания представляют собой беспорядочные отклонения, которые важно учитывать при оценке вероятной точности используемой модели прогнозирования.

Таким образом, аддитивную модель временного ряда можно представить следующим образом:

Задачами анализа временных рядов является:

выявление основной тенденции развития (тренда) и измерение отклонений от нее;

предсказание будущих значений временного ряда по настоящим и прошлым значениям (непосредственно прогнозирование).

Наиболее простым методом прогнозирования является применение среднего абсолютного прироста и среднего темпа роста динамического ряда. Прогнозируемое значение переменной для любой даты прогнозного периода можно определить по формулам:

, или

где	- начальный уровень ряда;
	- средний абсолютный прирост изучаемого показателя, рассчитанный по средней арифметической;
	t - порядковый номер даты (года, квартала, месяца);
	- средний темп роста исследуемого показателя, определяемый по средней геометрической:

,

где	- уровень последнего ряда;
	- уровень первого ряда;
	t - число уровней.

На основании полученных данных (табл. 10.1.) рассчитаем прогнозную величину капитала на следующий, одиннадцатый год:

Таблица 10.1 - Исходная информация для расчета среднего абсолютного прироста и темпа роста собственного капитала предприятия

Номер года	1	2	3	4	5	6	7	8	9	10	Средний
Капитал, млн. руб.	50	52	54,6	55,7	57,4	58	60,3	61,5	63	65,3
Абсолютный прирост капитала	-	+2	+2,6	+1,1	+1,7	+0,6	+2,3	+1,2	+1,5	+2,3	+1,7
Индекс роста (цепной)	-	1,04	1,05	1,02	1,03	1,01	1,04	1,02	1,025	1,036	1,03

на базе среднего абсолютного прироста:

млн. руб.;

на базе среднего темпа роста:

млн. руб.

Другим способом выявления тренда, выражающего основную тенденцию временного ряда, является аналитическое выравнивание динамического ряда с помощью регрессионного анализа, которое может производиться по прямой, параболе, гиперболе, экспоненте и т.д. Содержанием этого метода является то, что основная тенденция развития процесса (тренд) рассчитывается как функция времени.

Для приведенных выше исходных данных рассчитаем прогнозное значение в программе EXEL с помощью функции ПРЕДСКАЗ.

Функция «ПРЕДСКАЗ» вычисляет или предсказывает будущее значение по существующим значениям. Предсказываемое значение - это y-значение, соответствующее заданному x-значению. Известные значения - это x- и y-значения, а новое значение предсказывается с использованием линейной регрессии. Эту функцию можно использовать для предсказания будущих продаж, потребностей в оборудовании или тенденций потребления.

ПРЕДСКАЗ (x; известные_значения_y;известные_значения_x)

x- это точка данных, для которой предсказывается значение. В рассматриваемом примере - 11

Известные_значения_y - это зависимый массив или интервал данных. В рассматриваемом примере - значения капитала, в млн. руб.

Известные_значения_x - это независимый массив или интервал данных. В рассматриваемом примере - номер года, от 1до 10.

Прогноз на 11 год составит 66,6 млн. руб.

Для различных видов математических функций в EXEL трендовые модели строятся на основе диаграмм, представляющих уровни динамики.

Для выделения тренда также используют разные приемы сглаживания, в том числе скользящих средних и экспоненциальное.

Скользящие средние могут рассчитываться по трем, пяти, семи значениям временного ряда или по четным значениям. От количества точек при вычленении скользящих средних зависит степень сглаживания, снятие колебаний по отношению к линии тренда. Использование малого количества значений облегчает расчеты, однако снижает возможность получения объективного тренда.

Рассмотрим порядок расчета трехточечных скользящих средних на примере изучения динамики выручки от продаж в течение девяти лет, с 1999 по 2007 г. включительно (табл. 10.3). Для определения средней последовательно находят сумму трех значений и делят ее на три. Значение скользящей средней ставится в таблице по центру диапазона взятых значений. Для 2000 г. Скользящая средняя рассчитана так:

(280 + 220 + 210): 3 = 236 67

Для 1993 г. - (220 + 210 + 260): 3 = 230,0 и т.д.

Для устранения колебаний в ряде значений можно использовать экспоненциальное сглаживание. Расчет сглаженных значений в этом случае производится по алгоритму

где St- текущее сглаженное значение;

St-1- предыдущее сглаженное значение;

Xt- текущее значение временного ряда,

б- сглаживающая константа.

Сглаживающая константа выступает в качестве весов. Чаще всего используется ее значение в пределах от 0,1 до 0,3. Для конкретных случаев приходится подбирать приемлемое значение сглаживающей константы, имея в виду, что чем меньше значение, тем менее оно чувствительно к изменениям тренда в данном временном ряду. Малое значение константы приводит к большему сглаживанию, а большее ее значение более точно отражает изменения тренда.

Таблица 10.2 - Выделение тренда несколькими методами, млн. руб.

Год	Выручка от продаж	Трехточечные скользящие средние	Экспоненциальное сглаженное значение, (а = 0,3)
1999	280	-	280,00
2000	220	236,67	262,00
2001	210	230,00	246,40
2002	260	253,33	250,48
2003	290	256,67	262,34
2004	220	260,00	249,64
2005	270	266,67	255,75
2006	310	291,67	272,02
2007	295	-	278,91

Продолжим приведенный выше пример и рассчитаем экспоненциальные сглаженные значения (см. гр. 4 в табл. 10.3). Сглаженное значение 1999 г. совпадает с фактическим значением, поскольку предыдущие данные отсутствуют. Для 2000 г. расчет будет таким при б = 0,3:

St = 0,3Xt + (1 - 0,3) St-1 = 0,3*220 + 0,7*280 = 262,0

Для 2001 г.: St = 0,3*210+0,7*262,0 = 246,4 и т.д.

Продолжим пример и определим прогнозные экспоненциально сглаженные значения временного ряда для 2008 и 2009 гг., используя метод регрессии. Расчет параметров регрессии а и b производится на основе системы уравнений, полученных способом наименьших квадратов:

В 2008 и 2009 гг. экспоненциально сглаженные значения соответственно составят 265,44 и 266,3 млн. руб.

По прогнозу на эти годы сумма выручки от продаж в 2008 г. будет равна 234 млн. руб. (0,3 Xt = 265,58 - 0,7 * 278,91 = 70,34; Xt = 70,34: 0,3 = 234,47), а в 2009 г. - 268 млн руб. (0,3 Xt = 266,30 - 0,7 х 265,58 = 80,39; Xt = 80,39: 0,3 = 268).

С удалением горизонта прогноза достоверность расчетов будет снижаться.

Рассмотрим выделение сезонной составляющей временного ряда. Сезонные колебания достаточно часто сопровождают динамику, например, в торговой и сбытовой деятельности, в ряде производств добывающей и перерабатывающей, в пищевой промышленности. При оценке сезонных колебаний используются два метода - сложения и умножения, соответственно для аддитивных и мультипликативных моделей.

Первый целесообразно применять тогда, когда сезонные составляющие относительно постоянны по всему анализируемому периоду. Значение временного ряда в этом случае представляет собой сумму тренда и сезонной составляющей.

Метод умножения целесообразно использовать, когда сезонные колебания пропорциональны значениям тренда по всему периоду. Значения временного ряда будут представлять собой произведение тренда и сезонной составляющей, рассчитанной как отношение исходного значения к значению тренда, который, в свою очередь, может быть определен на основе, например, скользящих средних.

Прогнозируемые показатели каждого сезона предстоящего года будут представлять собой сумму тренда и среднего значения сезонного колебания в соответствующем периоде. Рассмотрим пример расчета прогнозных значений временного ряда на основе данных табл. 10.3.

В данном примере для прогнозной оценки объемов продаж по сезонам 2009 г. использованы методы сложения и умножения. Первоначально рассчитаем трехточечные скользящие средние (табл. 10.3.)

Затем рассчитаем среднюю величину отклонений и коэффициентов по формуле средней арифметической для каждого периода (табл. 10.4.)



Таблица 10.3 - Исходные значения временного ряда объема продаж (тыс. т) и производные величины

Год	Период	Объем продаж	Трехточечные скользящие средние	Отклонения (сезонная вариация)	Коэффициенты (сезонная вариация)
2006	Янв. - апр.	58	-	-	-
	Май - авг.	67	57,67	9,33	1,16
	Сент. - дек.	48	59,67	-11,67	0,804
2007	Янв. - апр.	64	63,00	1,0	1,01
	Май - авг.	77	65,33	11,67	1,18
	Сент. - дек.	55	68,00	-13,00	0,81
2008	Янв. - апр.	72	70,0	2,00	1,03
	Май - авг.	83	70,67	12,33	1,17
	Сент. - дек.	57	-	-	-

Чтобы усреднить значения сезонной вариации в среднем за год, необходимо, чтобы сумма средних отклонений была равна нулю. Проверим равенство в таблице 10.5.. и скорректируем величину отклонений и коэффициентов, если это необходимо.

Таблица 10.4 - Средняя величина отклонений и коэффициентов за каждый сезон в течение трех лет

Год	Январь - апрель	Май - август	Сентябрь - декабрь
	отклонение	коэффициент	отклонение	коэффициент	отклонение	коэффициент
2005	-	-	9,33	1,16	-11,67	0,804
2006	1,0	1,01	11,67	1,18	-13,00	0,81
2007	2,0	1,03	12,33	1,17	-	-
среднее	1,5	1,02	11,11	1,17	-12,33	0,805

Таблица 10.5 - Скорректированная величина отклонений и коэффициентов за каждый сезон в течение трех лет

Год	Январь - апрель	Май - август	Сентябрь - декабрь	Сумма
	отклонение	коэффициент	отклонение	коэффициент	отклонение	коэффициент	отклонение	коэффициент
среднее	1,5	1,02	11,11	1,17	-12,33	0,805	0,28	3
	1,41		11,02		-12,43		0

Так как сумма отклонений должна быть равна 0, отнимем от каждого отклонения величину, равную 0,28/3 =0,09. Сумма коэффициентов должна быть равна 3, поэтому корректировку проводить не нужно. Далее исключим сезонную вариацию из фактических данных воспользовавшись рассчитанным скорректированным средним отклонением (Таблица 10.6.)

Таблица 10.6 - Десезонализированный объем продаж

Год	Период	Объем продаж	Сезонная вариация	Десезонализированный объем продаж
2006	Янв. - апр.	58	1,41	59,41
	Май - авг.	67	11,02	78,02
	Сент. - дек.	48	-12,43	35,57
2007	Янв. - апр.	64	1,41	65,41
	Май - авг.	77	11,02	88,02
	Сент. - дек.	55	-12,43	42,57
2008	Янв. - апр.	72	1,41	73,41
	Май - авг.	83	11,02	94,02
	Сент. - дек.	57	-12,43	44,57

По последнему столбцу таблицы 10.6. построим уравнение линейного тренда методом регрессионного анализа: y=2,08t+54,18. Методика расчетов приведена при рассмотрении темы 7.

Подставив вместо t значения 10,11, 12 рассчитаем прогноз на 2009 год и скорректируем его на величину сезонной вариации (таблица 10.7.)

Таблица 10.7 - Прогноз объема продаж в 2009 году

Год	Период	Прогноз объема продаж	Сезонная вариация	Прогноз с учетом сезонности
2009	Янв. - апр.	74,93	1,41	76,34
	Май - авг.	77,01	11,02	88,03
	Сент. - дек.	79,08	-12,43	66,65



Если для вычисления прогнозных значений временного ряда воспользоваться методом умножения (мультипликативной моделью временного ряда), то прогнозные показатели рассчитываются путем умножения тренда на средние значения коэффициента отклонений, рассчитанные для каждого сезона (табл. 10.4).

Иногда трудно выбрать метод расчета. Считается, что при почти одинаковых колебаниях исходных значений целесообразно применять метод сложения. Если колебания изменяются вслед за динамикой тренда, то более точным может быть метод умножения.

Вычленение и анализ такого элемента временных рядов, как случайные колебания, может использоваться для определения вероятных ошибок и оценки надежности модели прогнозирования. Случайные колебания расцениваются как ошибки прогноза. Разность между фактическими и прогнозируемыми значениями характеризует допущенную ошибку. Для оценки ошибок существуют статистические показатели - средняя ошибка и среднеквадратическая ошибка. Чем меньше значения этих критериев, тем больше надежность прогнозной модели.

Обычно для признания модели объективной ее проверяют путем сравнения фактических и прогнозных показателей, прежде чем использовать в дальнейших исследованиях. Эффективным может оказаться прием, когда прогнозная модель формируется исходя из усеченных исторических данных, т.е фактические значения последнего периода исключаются из прогнозных расчетов и используются как фактические показатели для оценки прогноза. Надежность модели зависит от протяженности временного ряда, как правило, не менее 4-5 лет, причем без нетипичных данных.

У аналитика практически всегда есть выбор из нескольких моделей прогнозирования, и необходимо сделать его правильно, в пользу наиболее объективной модели, способной помочь в принятии эффективного делового решения.

На точность прогнозов могут оказать влияние непредвиденные обстоятельства и внешние факторы: стихийные бедствия, изменения валютнообменных курсов и процентных ставок, смена конкурентами политики ценообразования и т.д. Такие факторы невозможно заранее предусмотреть, и они не включатся в модель прогнозирования. Однако аналитики должны иметь в виду определенную вероятность появления внешних дополнительных факторов и возможные их последствия, используя в аналитической практике подготовку нескольких вариантов прогнозов.

10.4 Методические основы анализа чувствительности

Анализ чувствительности - один из инструментов прогнозирования результатов деятельности предприятия. В условиях неопределенности никогда нельзя точно определить заранее, каковы будут фактические значения той или иной величины через определенное время. Однако для успешного планирования производственной деятельности следует предусмотреть и изменения, которые могут произойти в будущих ценах на сырье и конечную продукцию предприятия, на возможное падение или увеличение спроса на товары, производимые предприятием. Основываясь на технике детерминированного моделирования, он позволяет оценить чувствительность результативных показателей к изменению внутренних и внешних факторов, а также их реакцию на принятие любого управленческого решения. Анализ чувствительности называют еще однофакторным анализом, в котором исследование причинно-следственных связей осуществляется способом логической индукции - от частных факторов к обобщающим, от причин к следствиям. Он составляет основу принятия управленческих решений, уточнения и корректировки планов и прогнозов, оценки и прогнозирования эффективности инновационной деятельности.

Основная его цель - всестороннее изучение влияния управленческого воздействия (мероприятия) на результаты хозяйственной деятельности и комплексная оценка его эффективности во избежание риска потерь или упущенной выгоды.

Чтобы всесторонне оценить эффективность (выгодность) инновационного мероприятия, управленческого воздействия, необходимо выяснить, как изменились или изменятся в связи с его проведением основные показатели хозяйственной деятельности: например, объем производства и реализации продукции, ее себестоимость, прибыль, рентабельность и в конечном итоге финансовое положение предприятия. Проведение определенного мероприятия может быть эффективным с точки зрения увеличения производства продукции, но при этом может повыситься ее себестоимость, снизиться прибыль и уровень рентабельности, что для предприятия и общества в целом будет невыгодным. Поэтому, прежде чем осуществлять определенное управленческое воздействие, необходимо его всесторонне взвесить, оценить и показать, как изменятся ситуация и будущее состояние предприятия.

Осуществляя анализ чувствительности, необходимо вначале определить базовый вариант состояния объекта, где все исследуемые показатели имеют исходные значения. В качестве базового варианта может служить фактически сложившаяся ситуация на данный момент или план предприятия.

Оценивать чувствительность показателей к изменению фактора или ситуации можно как по абсолютным, так и по относительным показателям.

Относительным показателем чувствительности (эластичности) результативных показателей к изменению факторных показателей служит отношение относительного приращения результата (У) к относительному приращению фактора (х):



Коэффициент эластичности показывает, на сколько процентов изменяется результативный показатель с изменением факторного показателя на один процент.

Рассмотрим суть этого метода на следующей модели для чистой прибыли.

где	ЧП	- чистая прибыль;
	Ц	- цена единицы продукции;
	Ипер. ед.	- переменные издержки на единицу продукции;
	Ипост. общ.	- издержки постоянные общие на весь объем производства (продажи) продукции;
	ОП	- объем производства (продаж);
	СНП	- ставка налога на прибыль.

Исходные данные для расчета представлены в табл. 10.8.

Рассмотрим чувствительность чистой прибыли к изменению лишь одного фактора (например, объема продаж) при неизменности всех остальных.

Предположим, что объем продаж уменьшится на 10% и составит 900 штук. Сравним фактические и прогнозные значения показателей в таблице 10.9.

Чистая прибыль при снижении объема продаж на 10% снизится на 20%, то есть коэффициент эластичности чистой прибыли в зависимости от объема продаж составит: 20:10=2. Это означает, что при снижении объема продаж на 1 % чистая прибыль снизится ни 2%.

Анализ чувствительности должен определить, какие факторы производственной и финансовой деятельности подвержены наибольшему варьированию и насколько чувствительны конечные результаты деятельности к каждому предполагаемому изменению. На основе этого оценивается степень риска, связанного с вариантами предполагаемых изменений, и выбирается наиболее оптимальный вариант.

Таблица 10.8 - Исходные данные для анализа чувствительности

Показатель	Обозначение	Значение
Объем продаж, шт	ОП	1000
Цена за ед., руб.	Ц	500
Выручка от продаж, руб	ВП	500000
Переменные издержки на ед., руб.	И пер. ед	300
Переменные издержки общие, руб.	Ипер. общ.	300000
Маржинальный доход, руб.	МД	200000
Постоянные издержки, руб.	Ипост	100000
Налогооблагаемая прибыль.	П	100000
Ставка налога на прибыль,%	СНП	24
Налог на прибыль, руб	НП	24000
Чистая прибыль, руб.	ЧП	76000

Таблица 10.9 - Чувствительность прибыли к изменению объема реализации

Показатель	Обозначение	Значение	Отклонение
		фактическое	прогнозное	абсолютное	%
Объем продаж, шт	ОП	1000	900	-100	-10
Цена за ед., руб.	Ц	500	500	0	0
Выручка от продаж, руб	ВП	500000	450000	-50000	-10
Переменные издержки на ед., руб.	И пер. ед	300	300	0	0
Переменные издержки общие, руб.	Ипер. общ.	300000	270000	-30000	-10
Маржинальный доход, руб.	МД	200000	180000	-20000	-10
Постоянные издержки, руб.	Ипост	100000	100000	0	0
Налогооблагаемая прибыль.	П	100000	80000	-20000	-20
Ставка налога на прибыль,%	СНП	20	20	0	0
Налог на прибыль, руб	НП	24000	16000	-4000	-20
Чистая прибыль, руб.	ЧП	76000	64000	-16000	-20

В условиях компьютерной технологии обработки информации анализ чувствительности значительно облегчается и углубляется. Использование компьютера и его инструментальных средств позволяет исследовать больше вариантов предполагаемых изменений факторов внешней и внутренней среды:

охватить больший круг показателей, чувствительных к данным изменениям, и более комплексно оценить каждый вариант прогнозируемых изменений;

разработать и применить более сложные математические модели, которые будут точнее отражать сложные взаимосвязи экономических явлений и объективнее оценивать сценарии развития предприятия;

сделать анализ более оперативным.

Таким образом, анализ чувствительности является важным инструментом в выработке управленческих решений. Он показывает, как прогнозируемые и неожиданные изменения условий деятельности влияют на будущее состояние предприятия.

Контрольные вопросы по теме

В чем состоит сущность прогнозирования?

Для решения каких задач используется перспективный (прогнозный) анализ?

Какие приемы могут быть применены для прогнозирования экономического состояния организации?

Какие формализаванные методы прогнозирования вы знаете?

В чем сущность методов экстраполяции?

Как методы регрессии применяются для получения простых прогнозов?

Охарактеризуйте составные элементы временных рядов и их интерпретацию (тренд, сезонные, циклические и случайные колебания).

Каковы роль и задача анализа чувствительности?

Какова в общих чертах методика анализа чувствительности?

Литература по теме

Гиляровская Л.Т. Экономический анализ: учеб. для вузов / Л.Т. Гиляровская [и др.]. - М.: ЮНИТИ-ДАНА, 2004. - 615 с.

Ковалев В.В. Анализ хозяйственной деятельности ...