Прогнозирование объёмов сбыта продукции на предприятии

162,9

154,1

2 кв. 2010 г.

165,8

157,0

3 кв. 2010 г.

169,3

158,7

4 кв. 2010 г.

170,8

160,7

1 кв. 2011 г.

175,9

163,4

2 кв. 2011 г.

200,3

186,9

3 кв.2011 г.

290,7

280,35

4 кв. 2011 г.

341,6

321,4

Исходя из приведенных данных, можно сделать вывод, что тенденция роста цен на китайский погрузчик имеет ту же тенденцию, что и отечественный.

Итак, определены еще два фактора, влияющие на объем реализации Амкодор-342С4, это собственная цена и цена основного конкурента на белорусском рынке.

Кроме рассмотренных факторов, существует еще множество качественных показателей влияющих на конечный объем сбыта, однако для модели, описывающей белорусский рынок, ими можно пренебречь ввиду невысокой конкуренции на рынке.

Итак, для дальнейшего построения прогнозной модели, следует обозначить наиболее значимые факторы, влияющие на объем реализации погрузчика А-342С4, их будет три:

- цена реализации погрузчика А-342С4 без НДС;

- цена реализации конкурентной модели, производства китайского концерна XCMGZL40G;

- объем реализации А-342С4 под государственные программы развития.

Итак, сведем все данные, которые будут включены в модель, в единую таблицу.



Таблица 3.3 - Исходные данные для построения многофакторной корреляционно-регрессионной модели.

Период	Цена на А-342С4, без НДС, млн.руб.	Цена на ZL40G (XCMG), без НДС, млн.руб.	Техника, реализованная под государственные программы, млн руб.	Объем реализации погрузчика А-342С4, млн руб.
	Х1	Х2	Х3	Y
1 кв. 2008 г.	129,258	112,4	4071,638	5816,625
2 кв. 2008 г.	133,000	114,8	505,400	5054,000
3 кв. 2008 г.	136,275	119,8	286,178	2861,775
4 кв. 2008 г.	141,500	123,1	2667,275	4103,500
1 кв. 2009 г.	146,083	137,4	2015,950	3359,917
2 кв. 2009 г.	148,450	140,1	0,000	2226,750
3 кв. 2009 г.	154,917	144	325,325	3253,250
4 кв. 2009 г.	161,000	150	4057,200	5796,000
1 кв. 2010 г.	162,850	154	3927,942	5862,600
2 кв. 2010 г.	165,833	157	961,833	4809,167
3 кв. 2010 г.	169,267	159	1675,740	5585,800
4 кв. 2010 г.	170,775	160,7	4781,700	6831,000
1 кв. 2011 г.	175,947	163,4	4948,102	6258,165
2 кв. 2011 г.	200,368	186,9	3547,25	6958,254
3 кв. 2011 г.	290,785	280,35	4034,100	7126,367
4 кв. 2011 г.	341,626	321,4	4556,325	7298,589
1 кв. 2012 г.	346,549	329,6	5101,35	8127,574

Перед тем как приступить к построению модели следует выдвинуть рабочую гипотезу, заключающуюся в том, что существует прямая зависимость изменения объема реализации вследствие воздействия трех факторов: цены на собственный погрузчик А-342С4, цены конкурентной модели ZL40G и реализацией техники под государственные программы развития.

Данное предположение основано на том, что, во-первых, на протяжении многих лет в Республике Беларусь реализовывается большое количество программ развития сельского хозяйства для обеспечения которых практически всегда требуется дополнительная техника, что обеспечивает реализацию для ОАО «Амкодор» как единственного производителя погрузчиков в Беларуси.

Во-вторых, потребителями продукции ОАО «Амкодор» кроме сельскохозяйственных организаций являются также строительные и коммунальные предприятия, для которых вопрос цены приобретения имеет большое значение.

Первым шагом при прогнозировании методом многофакторного корреляционно-регрессионного анализа необходимо построить уравнение регрессии зависимой переменной Y(объем реализации погрузчика А-342С4) от независимых переменных X₁, X₂, X₃,то есть факторов, которые оказывают на него влияние.

Для построения линейного регрессионного уравнения необходимо воспользоваться функцией ЛИНЕЙН MicrosoftExcel. Результаты отразим в таблице 3.4.

Таблица 3.4 -Результаты выполнения функции ЛИНЕЙН

	a3	а2	a1	b
Коэффициенты регрессионного уравнения	0,624	-15,43	23,45	1933,232
Стандартные значения ошибок для коэффициентов а1,а2 … и для постоянной b	0,142	57,51	56,98	939,3363
Коэффициент детерминации и стандартная ошибка для оценки y	0,765	875,8848	#Н/Д	#Н/Д
F-статистика и степени свободы	13,018	12	#Н/Д	#Н/Д
Регрессионная и остаточная суммы квадратов	29963160	9206091	#Н/Д	#Н/Д

Из таблицы 3.4 видно, что R²=0,765, что говорит о том, что связь между факторами и результирующим показателем высокая и выбранные факторы объясняют объемы реализации погрузчика А-342С4 на 76,5%.

Уравнение регрессии будет иметь следующий вид:

Y = 23,45*X₁+ (-15,43)*X₂+ 0,624*X₃ - 1933,232.

Затем проведем корреляционный анализ. Это позволит определить степень влияния каждого фактора на конечный результат (объем реализации погрузчика А-342С4), а также устранить мультиколлинеарность - состояние очень высокой степени корреляции между независимыми переменными. Наличие мультиколлинеарности может привести к нескольким проблемам, включая следующие:

1) частные коэффициенты регрессии нельзя точно определить

2) величины и знаки частных коэффициентов регрессии могут быть неточными

3) трудно оценить относительную важность независимых переменных при объяснении вариации зависимой переменной.

Кроме того, мультиколлинеарность приводит к завышению значения множественного коэффициента корреляции.

Результаты корреляционного анализа представим в таблице 3.5.

Таблица 3.5 - Анализ парных коэффициентов корреляции

	Объем реализации	Цена на А-342С4, без НДС	Цена на ZL40G (XCMG), без НДС	Техника, реализованная под государственные программы
Объем реализации	1
Цена на А-342С4, без НДС	0,6196	1
Цена на ZL40G (XCMG), без НДС	0,614836	0,997659	1
Техника, реализованная под государственные программы	0,833835	0,465772	0,463611	1

По данным таблицы 3.5 независимые переменные цена на А-342С4 и цена на ZL40G сильно коррелируют между собой. Однако в данном случае, это вовсе не означает, что факторы зависимы друг от друга, экономически целесообразно объяснить эту взаимосвязь тем, что оба этих показателя относятся к одной экономической категории - цена, и скорее зависят от иных факторов, не рассматриваемых в данной модели. Такими факторами могут быть политика ценообразования, общее экономическое обоснование цены для каждого производителя и т.д. Для исключения выявленной мультиколлинеарности следует удалить из модели один из факторов. Самая слабая связь с зависимой переменной наблюдается у фактора - цена на ZL40G (XCMG), его и следует исключить из модели, во-первых, из-за слабой связи, а во-вторых, как внешний фактор, на который предприятие не может воздействовать.

С оставшимися факторами построим новую экономико-математическую модель. Результаты представим в таблице 3.6.

Из таблицы 3.6 видно, что R²=0,764, что говорит о том, что связь между факторами и результирующим показателем высокая и оставшиеся факторы объясняют объемы реализации погрузчика А-342С4 на 76,4%. Неучтенные в модели факторы влияют на объемы реализации погрузчика А-342С4 на 23,6%.

Таблица 3.6 - Результаты выполнения функции ЛИНЕЙН

	а3	а1	b
Коэффициенты регрессионного уравнения	0,625	8,21	2094,478
Стандартные значения ошибок для коэффициентов а1,а2 … и для постоянной b	0,137	4,237	695,6598
Коэффициент детерминации и стандартная ошибка для оценки y	0,764	844,0431	#Н/Д
F-статистика и степени свободы	20,99072	13	#Н/Д
Регрессионная и остаточная суммы квадратов	29907938	9261313	#Н/Д

Уравнение регрессии будет иметь следующий вид:

Y = 8,21*Х₁+ 0,625*Х₃+2094,478

Исходя из полученного уравнения, свободный член (сдвиг) b₀, равный 2094,478 формально надлежит понимать следующим образом: при отсутствии воздействия факторов x₁ и x₃на объём реализации Амкодор-342С4 составит 2094,478 млн. руб. Однако такое условие невозможно, т.к. фактор цены нельзя приравнять нулю. Коэффициенты регрессии b₁ и b₃ следует рассматривать как степень влияния каждой из независимых переменных на объём реализации, если все другие независимые переменные остаются неизменными. Так, коэффициент b₁, равный 8,21, указывает, что (при прочих равных условиях) при увеличении цены на А-342С4 на 1 млн. руб. объем реализации возрастет на 8,21млн. руб. в квартал. Анализируя коэффициент b₃, следует заметить, что увеличение закупок по государственным программам на 1 млн. руб. приводит к повышению общего объема реализации на 0,625 млн. руб. Стоит заметить, что все названные коэффициенты регрессии отражают влияние на исследуемый параметр у только какой-то одной переменной х при непременном условии, что все другие переменные (факторы) не меняются.

В таблице 3.7 представим результаты повторного корреляционного анализа.

Таблица 3.7 - Результаты повторного корреляционного анализа

	Объем реализации	Цена наА-342С4, без НДС	Техника, реализованная под государственные программы
Объем реализации	1
Цена на А-342С4, без НДС	0,6196	1
Техника, реализованная под государственные программы	0,833835	0,465772	1

Из таблицы 3.7 мы видим, что наибольшее влияние на объемы реализации погрузчика А-342С4 оказывают объемы техники, реализованные под государственные программы. Это вполне закономерно, т.к. на сегодняшний день существует ряд государственных программ (в основном сельскохозяйственных), реализация которых прямо или косвенно обеспечивает сбыт продукции, произведенной ОАО «Амкодор».

Подставив в полученную модель прогнозные значения независимых показателей, мы получим прогноз объема сбыта на первый квартал 2012 года. Он составит 8127,574 млн. руб. Затем рассчитаем показатели, позволяющие оценить построенную модель с математической точки зрения. Так, коэффициент аппроксимации будет равен 0,14 (удовлетворительная степень приближения), среднеквадратическое отклонение - 760,81, ошибка прогноза - 14,63 % (>10%, что говорит о неудовлетворительном подборе функции).

Однако точечный прогноз в практике экономического прогнозирования применяется крайне редко. Намного удобнее пользоваться интервальным прогнозом, который позволяет оценить возможный размах и вероятность наступления прогноза. Переход от точечного прогноза к интервальному осуществляется путем определения доверительного интервала, который рассчитывается по «правилу трех сигм». Доверительный интервал позволяет оценить надежность прогноза при заданных пределах его точности. В упрощенном виде, полученный доверительный интервал прогноза рассматриваемой функции имеет вид:

, (3.1)

где Y^прогн - значение прогнозного показателя (в данном случае объема продаж);

ф - коэффициент, связывающий ширину доверительного интервала и вероятность наступления прогноза;

у - стандартная ошибка прогноза.

Итак, рассчитаем доверительный интервал для полученного точечного прогноза, приняв ф = 2, для вероятности 95%

DI = [8127,574 - 2 · 760,8101; 8127,574 + 2 · 760,8101] = [6605,9538; 9649,1942]

Таким образом, был выполнен переход от точечного прогноза к интервальному, и это позволяет оценить возможную вариацию и вероятность наступления прогноза.

Таким образом, проанализировав все полученные результаты, мы можем сделать следующие выводы: с математической точки зрения все рассчитанные показатели, которые позволяют оценить построенную модель, по итогу оказались не совсем качественными, а именно мы получили очень большую ошибку прогноза - 14,63 %, коэффициент аппроксимации, характеризующий качество подбора функции, должен стремиться и быть как можно ближе к 0, тогда приближение значений расчетного ряда к исходному наиболее сильно, а полученный нами коэффициент аппроксимации свидетельствует об удовлетворительной степени приближения.

С экономической точки зрения, построенная модель позволяет нам выявить две закономерности. Первая закономерность состоит в том, что при увеличении цены на 1 млн. руб. объем реализации увеличится на 8,21 млн. руб. Вцелом, на практике чаще всего при увеличении цены объем реализации снижается, т.е. имеется обратная зависимость между ценой и объемом сбыта, но в нашем случае мы получили прямую зависимость, т.к. мы прогнозируем объем сбыта в денежном выражении, и, следовательно, чем выше цена, тем больше денежные поступления, т.е. тем больше объем реализации в денежном выражении. Также необходимо отметить, что в промышленной сфере не всегда цена является ключевым фактором при выборе поставщика, поэтому не всегда повышение цены ведет к снижению объемов реализации.

Вторая закономерность была выявлена между объемом реализации А-342С4 и объемом техники, реализованной под государственные программы. В данном случае также имеется прямая зависимость, т.е. при увеличении закупок по государственным программам на 1 млн. руб. общий объем реализации увеличится на 0,625 млн. руб. Это вполне закономерно, т.к. на сегодняшний день существует ряд государственных программ (в основном сельскохозяйственных), реализация которых прямо или косвенно обеспечивает сбыт продукции, произведенной ОАО «Амкодор».

Полученный прогноз на первый квартал 2012 года указывает на тенденцию роста объемов сбыта, по сравнению с четвертым кварталом 2011 года темп роста составит 111,36%. Такой показатель вполне реален, учитывая тот факт, что на первый квартал каждого года приходится большое количество техники, реализованной для осуществления государственных программ развития. Однако, исходя из полученных результатов, можно сделать вывод, что метод корреляционно-регрессионного анализа, а именно метод многофакторных регрессионных моделей не может быть использован на практике предприятием для прогнозирования объемов сбыта своей продукции, т.к. модель, построенная данным методом, и выявленные закономерности не вполне отражают объективную экономическую ситуацию.

В тоже время при прогнозировании объемов реализации продукции ОАО «Амкодор» могли возникнуть различного рода ошибки, которые также повлияли на конечный результат. Наиболее распространенными ошибками могли быть:

1. Ошибки, связанные с неточным предвидением процесса развития системы более высокого порядка, чем объект прогнозирования. ОАО «Амкодор» является одним из крупнейших предприятий машиностроительной отрасли, поэтому эффективность результатов деятельности предприятия во многом зависит от общего состояния национальной экономики. Учитывая сильное влияние государства на сбыт продукции в Республике Беларусь, прогнозирование любых показателей деятельности предприятия должно быть во взаимосвязи с макроэкономическими показателями страны.

2. Сложность приведения экономических показателей к сопоставимому виду. Для разработки системы прогноза сбыта продукции анализируется определенный временной промежуток. Для того, чтобы проанализировать тенденцию требуется минимум 10-12 наблюдений. Важное условие, которое нужно соблюдать при анализе, - необходимость привести все показатели в сопоставимый вид, поскольку сравнивать можно только качественно однородные величины. Основными способами приведения показателей в сопоставимый вид являются нейтрализация воздействия стоимостного, объемного, качественного и структурного факторов путем приведения к единому базису, а также использование относительных величин, поправочных коэффициентов. При построении системы прогноза использовались сопоставимые цены, однако не представляется возможным изучить методы, используемые при приведении цен в сопоставимый вид. Поэтому существует вероятность возникновения погрешности в исходных данных.

3. Сложность учета факторов, имеющих качественную характеристику изучаемого объекта. Основным недостатком корреляционно-регрессионного анализа является невозможность учесть все факторы, влияющие на зависимую переменную, при этом большую сложность вызывает учет качественных показателей, влияющих на исследуемый объект. Некоторые из них вообще невозможно представить в количественном выражении (например, законодательство).

4. Сложность получения детализированных данных.

Учитывая тот факт, что исследование осуществлялось с выборочными данными при установлении закономерной связи между признаками, в прогнозе могут иметь место ошибки выборки.

Для анализируемой модели следует также подчеркнуть тот факт, что выбранный период с 2008 по 2011 гг. характеризуется нестабильностью как рынка строительной техники в частности, так и экономической ситуации в целом. Кроме этого следует отметить, что возможно в будущем, такой фактор как кризисные явления придется включить в модель, описывающую белорусский рынок. Изменив временной интервал, можно получить другие результаты регрессии.

Еще одной ошибкой при практическом использовании методов регрессии может быть ошибка измерения, которая может вообще сделать невозможной оценку количественной связи между признаками.



Заключение

Обеспечение эффективности управления сбытом требует умения предвидеть вероятное будущее состояние предприятия и среды, в которой оно существует, вовремя предупредить возможные сбои и срывы в работе. Это достигается с помощью прогнозирования как плановой, так и практической работы предприятия по всем направлениям его деятельности, и в частности, в области прогнозирования сбыта продукции.

Прогнозирование сбыта продукции является одним из ключевых показателей любого производственного предприятия, характеризующих его коммерческую деятельность, и приобретает особое значение в условиях рынка, так как во многом определяет его будущую прибыль и стратегию дальнейшего развития. Результаты прогнозирования объема продаж могут не только интерпретировать закономерности спроса и развития производства продукции, но и использоваться для поиска оптимальных стратегических решений. Кроме того, они могут рассматриваться, как начальная стадия планирования производства и сбыта продукции, определяющая выбор путей их достижения.

Исходя из вышеизложенного, автором работы был определен предмет исследования - объем реализации продукции ОАО «Амкодор».

В первой главе была проанализирована необходимость прогнозирования сбыта продукции, рассмотрены методы для прогнозирования объемов реализации продукции промышленных рынков.

Во второй главе автором был подробно проанализирован процесс планирования и прогнозирования на предприятии и намечены пути его совершенствования, среди которых повышение комплексности планирования, совершенствование технико-экономического обоснования исследований и разработок, определение наиболее перспективных направлений с целью концентрации сил на этих направлениях.

В третьей главе был построена модель, отражающая изменения объемов сбыта продукции ОАО «Амкодор». Модель была построена методом многофакторных регрессионных моделей. Планируемый объем реализации на 1 квартал 2012г. составил 8127,574 млн. бел. руб. Также был выполнен интервальный прогноз, в соответствии с которым можно утверждать, что с вероятностью 95% объем реализации продукции ОАО «Амкодор» на 1 квартал 2012 года составит от 6605,9538 до 9649,1942 млн. бел. руб.

Кроме этого была произведена проверка качества модели с помощью коэффициентов корреляции, детерминации, аппроксимации; рассчитаны абсолютная и относительная ошибка прогноза.



Список использованных источников

1 Арженовский, С.В. Методы социально-экономического прогнозирования: Учебное пособие. - М.: Издательско-торговая корпорация «Дашков и К^?»; Ростов н/Д: Наука-Спектр, 2009. - 236 с.

2 Баркан, Д.И. Эффективное управление сбытом. - М.: Академия, 2005. - 347 с.

3 Бокун, И.А. Прогнозирование и планирование экономики / И.А.Бокун, А.М. Темичев. Минск: Сигма, 2002. - 97 c.

4 Болт, Г. Дж. Практическое руководство по управлению сбытом. - М.: Экономика,1991.- 271 с.

5 Гуртовой, А.А. Прогнозирование рынка: практикум / А.А. Гуртовой. - Минск: БГЭУ, 2009. - 107 с.

6 Дуброва, Т.А. Статистические методы прогнозирования в экономике / Т.А. Дуброва. - М: МГУЭСиИ, 2001. - 50 с.

7 Ильин, А.И. Планирование на предприятии: учеб.пособие / А.И. Ильин. - 6-е изд., перераб. и доп. - Минск: Новое знание, 2005. - 656 с.

8 Прогнозирование и планирование: Учеб.пособие / Е.А. Черныш, Н.П. Молчанова, А.А. Новикова, Т.А. Салтанова. - М.: Издательство ПРИОР, 1999. -176 с.

9 Прогнозирование социально-экономических процессов: учеб.пособие / Т.А. Дуброва.-2-е изд. испр. и доп. - М.: Маркет ДС, 2010. - 192 с.

10 Романенко, И.В. Социальное и экономическое прогнозирование: Конспект лекций / И.В. Романенко. - СПб.: Издательство Михайлова В.А., 2000. - 64 с.

11 Садовникова, Н.А. Анализ временных рядов и прогнозирование. Учебное пособие / Н.А. Садовникова, Р.А. Шмойлова. - М: МГУЭСиИ, 2001. - 67 с.

12 Санников, А.А. Эффективное управление сбытом. - М.: Прогресс, 2004. - 389 с.

13 Режим доступа: http://www.amkodor.by/. - Дата доступа: 19.11.2011.

Размещено на Allbest.ru

...