Прогнозирование текущих расходов аналитическим методом на предприятии

Анализ использования линейной, логарифмической, полиномиальной, экспоненциальной и степенной функций для прогнозирования текущих расходов. Особенность среднеквадратического отклонения тренда. Расчет коэффициента устойчивости уровня ряда динамики.

Рубрика Экономико-математическое моделирование
Вид статья
Язык русский
Дата добавления 08.11.2016
Размер файла 165,8 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ФГБОУ ВПО Башкирский Государственный Аграрный Университет

ПРОГНОЗИРОВАНИЕ ТЕКУЩИХ РАСХОДОВ АНАЛИТИЧЕСКИМ МЕТОДОМ НА ПРЕДПРИЯТИИ СПК «УРАЛ» АСКИНСКОГО РАЙОНА

Кулеба Э.С.

Планирование (прогнозирование) заключается в систематическом поиске возможностей действовать и в прогнозировании последствий этих действий в заданных условиях.

Можно считать, что прогнозирование является чуть ли не основной целью и задачей большого числа специалистов, занимающихся анализом данных. Современные методы статистического прогнозирования позволяют с высокой точностью прогнозировать практически все возможные показатели.

При анализе временных рядов можно выделить две основные цели:

· определение природы временного ряда

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

Однако надо помнить, что не существует универсальных методов прогнозирования на все случаи жизни. Выбор метода прогнозирования и его эффективность зависят от многих условий, и в частности от требуемой длины или времени прогнозирования.

Цель данной работы является составление прогноза текущих расходов на 2015-2016 года в СПК «Урал» Аскинского района. По данной цели можно выделить следующие задачи:

- рассчитать прогноз по всем функциям в программе Excel;

- выбрать наиболее оптимальную функцию для прогноза;

- рассчитать интервал прогноза.

В данной статье объектом исследования является кооператив СПК «Урал» Аскинского района. Предметом научной работы являются его текущие расходы, понесенные за период с 2010 года по 2014 года.

Существует 5 функций, использующие для прогнозирования текущих расходов: линейная, логарифмическая, полиномиальная, экспоненциальная и степенная. Рассчитываются они с использованием программы ППП Excel. Рассмотрим использование каждой из них.

Для начала дадим обозначения показателям, использующимся в таблицах. Уt - текущие расходы по заданной функции, t - порядковый номер года, Уi - фактическое значение текущих расходов. Начнем рассматривать прогнозирование текущих расходов по линейной функции. Данные представим в таблице 1.

Таблица 1 Прогнозирование текущих расходов предприятия СПК «Урал» по линейной функции, тыс. руб.

года

Текущие расходы

Номер периода, t

Линейная функция

Уt

Уi - Уt

(Уi - Уt)2

2010

5249

1

6422

-1173

1375929

2011

9419

2

7608

1811

3278272

2012

8691

3

8795

-104

10774

2013

9449

4

9981

-532

283237

2014

11166

5

11168

-2

3

2015

-

6

12354

-

-

2016

-

7

13540

-

-

Расчет показателя текущих расходов по годам представим на рисунке 1, где X - порядковый номер года.

Рисунок 1 Прогнозирование текущих расходов аналитическим методом по линейной функции

Как видно из таблицы 1 прогноз текущих расходов по линейной функции показывает в 2015 году 12354 тыс. руб., в 2016 году 13540 тыс. руб.

Рассмотрим прогнозирование текущих расходов по логарифмической функции. Данные представим в таблице 2

Таблица 2 Прогнозирование текущих расходов предприятия СПК «Урал» по логарифмической функции, тыс. руб.

года

Текущие расходы

Номер периода, t

Логарифмическая функция

Уt

Уi - Уt

(Уi - Уt)2

1

2

3

4

5

6

2010

5249

1

5807

-558

310806

2011

9419

2

7970

1449

2100346

2012

8691

3

9235

-544

296109

2013

9449

4

10133

-684

467837

2014

11166

5

10829

337

113303

2015

-

6

11398

-

-

2016

-

7

11879

-

-

Расчет показателя текущих расходов по годам представим на рисунке 2

Рисунок 2 Прогнозирование текущих расходов аналитическим методом по логарифмической функции

Как видно из таблицы 2 прогноз текущих расходов по логарифмической функции показывает в 2015 году 11398 тыс. руб., в 2016 году 11879 тыс. руб.

Рассмотрим прогнозирование текущих расходов по полиномиальной функции. Данные представим в таблице 3.

Таблица 3 Прогнозирование текущих расходов предприятия СПК «Урал» по полиномиальной функции, тыс. руб.

года

Текущие расходы

Порядковый номер года, t

Полиномиальная функция

Уt

Уi - Уt

(Уi - Уt)2

1

2

3

4

5

6

2010

5249

1

5933

-684

468417

2011

9419

2

7853

1566

2453484

2012

8691

3

9283

-592

350807

2013

9449

4

10225

-776

602735

2014

11166

5

10679

487

237315

2015

-

6

10644

-

-

2016

-

7

10120

-

-

Расчет показателя текущих расходов по годам представим на рисунке 3

Рисунок 3 Прогнозирование текущих расходов аналитическим методом по полиномиальной функции

Как видно из таблицы 3 прогноз текущих расходов по полиномиальной функции показывает в 2015 году 10644 тыс. руб., в 2016 году 10120 тыс. руб.

Рассмотрим прогнозирование текущих расходов по полиномиальной функции. Данные представим в таблице 4.

Таблица 4 Прогнозирование текущих расходов предприятия СПК «Урал» по степенной функции, тыс. руб.

года

Текущие расходы

Порядковый номер года, t

Степенная функция

Yt

Yi - Yt

(Yi - Yt)2

2010

5249

1

5770

-521

271754

2011

9419

2

7662

1757

3088443

2012

8691

3

9044

-353

124321

2013

9449

4

10173

-724

523901

2014

11166

5

11145

21

444

2015

-

6

12008

-

-

2016

-

7

12789

-

-

Расчет показателя текущих расходов по годам представим на рисунке 4

Рисунок 4 Прогнозирование текущих расходов аналитическим методом по степенной функции

Как видно из таблицы 4 прогноз текущих расходов по степенной функции показывает в 2015 году 12008 тыс. руб., в 2016 году 12789 тыс. руб.

Рассмотрим прогнозирование текущих расходов по полиномиальной функции. Данные представим в таблице 5.

Таблица 5 Прогнозирование текущих расходов предприятия СПК «Урал» по экспоненциальной функции, тыс. руб.

года

Текущие расходы

Порядковый номер года, t

Экспоненциальная функция

Уt

Уi - Уt

(Уi - Уt)2

2010

5249

1

6308

-1059

1121500

2011

9419

2

7338

2081

4328919

2012

8691

3

8537

154

23689

2013

9449

4

9932

-483

232888

2014

11166

5

11554

-388

150440

2015

-

6

13441

-

-

2016

-

7

15637

-

-

Расчет показателя текущих расходов по годам представим на рисунке 5

Рисунок 5 Прогнозирование текущих расходов аналитическим методом по экспоненциальной функции

Как видно из таблицы 5 прогноз текущих расходов по экспоненциальной функции показывает в 2015 году 13441 тыс. руб., в 2016 году 15637 тыс. руб.

Необходимо определить какая из выше заданных функций наиболее приближена к фактическим данным. Произведём отбор функции используя F - критерий Фишера при =0.05. Для расчета используется следующая формула: линейный расход среднеквадратический устойчивость

,

где R2 - задана на рисунках для каждой функции отдельно; n - количество данных по годам; m - степень функций. Табличное значение для отбора функций берем из таблицы значений критерий Фишера. Для упрощения обозначим каждую функцию следующим образом: Линейная функция - первая модель; логарифмическая функция - вторая модель; полиномиальная функция - третья модель; степенная функция - четвертая модель; экспоненциальная функция - пятая модель.

1. Первая модель:

=

>, в данном случае функция приближена к фактическим данным и может быть использована для расчета прогноза на будущее.

2. Вторая модель:

=

>, в данном случае функция приближена к фактическим данным и может быть использована для расчета прогноза на будущее.

3. Третья модель:

=

;

<, в данном случае функция не приближена к фактическим данным и не может быть использована для расчета прогноза на будущее.

4. Четвертая модель:

=

>, в данном случае функция приближена к фактическим данным и может быть использована для расчета прогноза на будущее.

5) Пятая модель:

=

>, в данном случае функция приближена к фактическим данным и может быть использована для расчета прогноза на будущее.

Проведя анализ, можно сделать вывод, что четыре модели подходят для отображения тенденции. Отсюда следует необходимость отбора наиболее адекватной модели по наименьшему среднему квадратическому отклонению.

Отбор наиболее подходящей модели проведем с помощью среднеквадратического отклонения, которая находится по следующей формуле:

5. Первая модель:

6. Вторая модель:

7. Четвертая модель:

8. Пятая модель:

Наиболее подходящей моделью является - вторая модель, так как у нее среднеквадратическое отклонение наименьшее.

= 3120,9ln(x)+5806,5

Подводя итог можно сделать вывод, что наиболее приближенным к фактическим значениям текущим расходам будет прогноз в 2015 году 11398 тыс. руб, в 2016 году 11879 тыс. руб.

По отобранной модели можно определить показатели колебания и сделаем вывод о возможности прогнозирования. Для этого используются следующие показатели:

1. Размах колебания:

- тыс.руб.

2. Среднее абсолютное отклонение:

тыс. руб.

3. Дисперсия колеблемости

= тыс. руб

4. Среднеквадратическое отклонение тренда

тыс. руб.

5. Относительный размах колеблемости

6. Относительное линейное отклонение

6. Коэффициент колеблемости

7.Коэффициент устойчивости уровня ряда динамики

Подводя итог по расчетам показателей можно сделать вывод, что коэффициент устойчивости больше 50%, а значит данное уравнение тренда подходит для расчета прогноза на перспективу.

Далее сделаем интервальный прогноз на 2 года с помощью следующей формулы:

,

где = тыс. руб

- интервальный прогноз,

- табличное значение Стьюдента,

при ,

Интервальный прогноз на 2015 год:

тыс. руб.

тыс. руб.

тыс. руб.

тыс. руб.

Интервальный прогноз на 2016 год:

тыс. руб.

тыс. руб.

тыс. руб.

тыс. руб.

Таким образом, если выявленная тенденция по третьей модели сохранится, то в следующие два года с вероятностью 95% можно ожидать увеличение текущих расходов, причем в 2015 году текущие расходы составят от 7752 до 15044 тыс. руб., а в 2016 году - от 7227 до 16531тыс руб.

В данной научной работе были использованы труды автора П.П. Мельникова «Компьютерные технологии в экономике» и автора Г.А. Сагитова «Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике». С помощью них было показано как можно сделать прогноз с помощью компьютерных программ.[1, 2]

Подводя итог можно сделать вывод, что любой финансовый менеджер предприятия может составить прогноз на перспективу с помощью данных отчетности, используя при этом простую программу Excel, которая имеется у любых пользователей программы Microsoft Office. Но надо учитывать, что данная программа не предвидит такие ситуации как кризис в стране, рост инфляции и другие черезвычайные ситуации как внешнего так и внутреннего характера.

Страхование предназначено для покрытия таких рисков как гибель, повреждение или частичная утрата застрахованного имущества. [3]

В связи с ростом расходов в СПК «Урал», сложившейся ситуации в стране, риском засухи и потерей урожая можно предложить застраховать расходы кооператива, во избежание больших убытков.

Библиографический список

1. Мельников, П.П. Компьютерные технологии в экономике [Текст]: учебное пособие/ П.П. Мельников. - М.:КноРус,2009.-224 с.

2. Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике [Текст]: учебное пособие/Г.А. Соколов, Р.В. Сагитов. - М.:ИНФРА-М,2010. - 222 с.

3. Ефимов, О.Н. Агрострахование. Научно-практические рекомендации [Текст]: Монография / О.Н.Ефимов, 2012. - 517 с.

4. Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике [Текст]: учебное пособие/Г.А. Соколов, Р.В. Сагитов. - М.:ИНФРА-М,2010. - 222 с.

5. Экономико-математические методы и модели: компьютерное моделирование [Текст]: учебное пособие/ И.В. Орлова, В.А. Половников. - 2-е изд., М.: ИНФРА-М,2010. - 245с.

Аннотация

В данной научной работе был составлен прогноз текущих затрат аналитическим методом с использованием функций программы Excel. В ходе исследования была выявлена наиболее близкая к фактическим данным функция для прогнозирования с наименьшим отклонением от нормального значения. В данной статье так же были рассмотрены показатели о колебаниях данных и сделан вывод о возможности прогнозирования. По итогам расчета показателя колебания был составлен интервальный прогноз на 2 последующих периода.

Ключевые слова: линейная функция, логарифмическая функция, полиномеальная функция, полиномиальная функция, размах колеблемости, среднеквадратическое отклонение, степенная функция

Размещено на Allbest.ru

...

Подобные документы

  • Проверка графика на анормальности и наличие тренда. Определение параметров линейной регрессии. Сглаживание уровней ряда методом простой скользящей средней. Расчет среднеквадратического отклонения. Адекватность и точность параметров нелинейных регрессий.

    контрольная работа [912,4 K], добавлен 26.05.2016

  • Нахождение уравнения линейной регрессии, парного коэффициента корреляции. Вычисление точечных оценок для математического ожидания, дисперсии, среднеквадратического отклонения показателей x и y. Построение точечного прогноза для случая расходов на рекламу.

    контрольная работа [216,6 K], добавлен 12.05.2010

  • Анализ изменения курса доллара и проведение аналитического выравнивания. Вычисление точечного прогресса на начало 2018 года с помощью уравнения динамического ряда. Расчет среднеквадратического отклонения от тренда для определения интервального прогноза.

    задача [85,6 K], добавлен 15.04.2014

  • Расчет параметров уравнения линейной регрессии, экономическая интерпретация ее коэффициента. Проверка равенства математического ожидания уровней ряда остатков нулю. Построение степенной модели парной регрессии. Вариация объема выпуска продукции.

    контрольная работа [771,6 K], добавлен 28.04.2016

  • Расчет выборочной средней, дисперсии, среднего квадратического отклонения и коэффициента вариации. Точечная оценка параметра распределения методом моментов. Решение системы уравнений по формулам Крамера. Определение уравнения тренда для временного ряда.

    контрольная работа [130,4 K], добавлен 16.01.2015

  • Теория и анализ временных рядов. Построение линии тренда и прогнозирование развития случайного процесса на основе временного ряда. Сглаживание временного ряда, задача выделения тренда, определение вида тенденции. Выделение тригонометрической составляющей.

    курсовая работа [722,6 K], добавлен 09.07.2019

  • Понятие о рядах динамики, их роль. Показатели анализа ряда динамики. Средние показатели по рядам динамики. Статистическое изучение сезонных колебаний. Методы анализа основной тенденции в рядах динамики. Экстраполяция тенденции как метод прогнозирования.

    курсовая работа [106,6 K], добавлен 14.10.2008

  • Выравнивание заданного динамического ряда по линейной зависимости. Определение параметров и тесноты связи меду ними. Построение графика зависимости переменной и коэффициента корреляции для линейной зависимости. Расчет критериев автокорреляции остатков.

    контрольная работа [112,5 K], добавлен 13.08.2010

  • Понятие экстрополяции. Условия и методы применения ее при прогнозировании. Способы определения величины доверительного интервала. Классификация методов и основные этапы прогнозирования, аналитическое выражение тренда. Интерпретация полученных результатов.

    презентация [197,0 K], добавлен 02.05.2014

  • Проблемы и тенденции развития гостиничного бизнеса в России. Структура номерного фонда гостиниц. Прогнозирование уровня заполняемости гостиниц в России в ближайшие несколько лет методом экстраполяции временного ряда и методом наименьших квадратов.

    курсовая работа [330,6 K], добавлен 20.06.2014

  • Основы управления грузовыми перевозками в транспортных системах. Расчет параметров уравнений степенной и показательной парной регрессии. Расчет прогнозного значения расходов на железнодорожные перевозки по линейной модели при увеличении длины дороги.

    курсовая работа [93,2 K], добавлен 29.11.2014

  • Прогнозирование, его основные подходы и виды. Текущее состояние российского кинематографа, его проблемы и тенденции. Прогнозирование числа выходящих кинофильмов в Российской Федерации методом экстраполяции временного ряда и методом наименьших квадратов.

    курсовая работа [280,0 K], добавлен 20.06.2014

  • Понятие и особенности прогнозирования. Стандартная ошибка предсказываемого среднего значения. Прогнозирование при наличии авторегрессии ошибок. Точечное и интервальное прогнозирование, основанное на модели линейной регрессии, коэффициент ее детерминации.

    контрольная работа [827,9 K], добавлен 08.01.2016

  • Социально-экономические показатели объема услуг компьютерной связи в Украине, анализ основных тенденций развития и причинно-следственных связей. Анализ динамики временного ряда, выбор метода и построение математической модели для прогнозирования.

    курсовая работа [216,1 K], добавлен 05.09.2011

  • Проверка гипотезы на наличие тенденции. Обоснование периода упреждения прогноза. Выбор оптимальной прогнозной модели по коэффициенту детерминации. Получение точечного и интервального прогноза. Расчет параметров линейной и экспоненциальной моделей.

    реферат [567,8 K], добавлен 30.09.2014

  • Особенности расчета параметров уравнений линейной, степенной, полулогарифмической, обратной, гиперболической парной и экспоненциальной регрессии. Методика определения значимости уравнений регрессии. Идентификация и оценка параметров системы уравнений.

    контрольная работа [200,1 K], добавлен 21.08.2010

  • Этапы и проблемы эконометрических исследований. Параметры парной линейной регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициентов автокорреляции второго порядка для временного ряда расходов на потребление.

    контрольная работа [60,3 K], добавлен 05.01.2011

  • Использование принципа дисконтирования информации в методах статистического прогнозирования. Общая формула расчета экспоненциальной средней. Определение значения параметра сглаживания. Ретроспективный прогноз и средняя квадратическая ошибка отклонений.

    реферат [9,8 K], добавлен 16.12.2011

  • Изучение метода экспоненциального сглаживания - эффективного метода прогнозирования, который дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения.

    лабораторная работа [28,7 K], добавлен 15.11.2010

  • Построение поля корреляции. Оценка данной зависимости линейной, степенной и гиперболической регрессией. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициента эластичности. Определение доверительного интервала прогноза.

    контрольная работа [508,1 K], добавлен 13.11.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.