Анализ результатов деятельности ООО "Ростелеком"

Консолидированные доходы Компании за 2004 год увеличились на 19,4%, до 37 318,0 млн. рублей. Консолидированные доходы без учета внедрения новой системы расчетов составили 31 393,9 млн. рублей, что на 8,9% выше, чем в 2003 году. Активная работа с российскими операторами на региональном рынке, а также дальнейшая оптимизация тарифной политики способствовали увеличению объемов трафика дальней связи по сравнению с 2003 годом. Рост междугородного трафика по итогам 2004 года составил 10,6%, исходящего международного - 16,4%. Благодаря эффективному взаимодействию с международными операторами входящий международный трафик вырос на 20,0%, что отражает дальнейшее увеличение доли ОАО «Ростелеком» на международном операторском рынке.

В соответствии со стандартом МСФО 5, вступившим в силу в 2003 году, результаты по прекращенной деятельности должны быть отражены в отдельной строке отчетов о прибылях и убытках, включая отчеты за предыдущие отчетные годы. В этой связи, в консолидированных отчетах о прибылях и убытках ОАО «Ростелеком» за 2003 год в строке «чистый убыток от прекращенной деятельности после налога на прибыль» отражены результаты ОАО «РТК-Лизинг» и его дочерних компаний от лизинговой, а также инвестиционной и банковской деятельности.

В 2004 году Компания пересмотрела порядок учета доходов от российских операторов, а также связанных с ними расходов, придя к выводу о том, что некоторые требования по признанию доходов ранее не выполнялись. Руководство Компании посчитало целесообразным скорректировать опубликованные ранее показатели доходов от российских операторов, а также расходов по ним и величину соответствующей дебиторской и кредиторской задолженности за 2003 и 2002 финансовый год в соответствии с новыми принципами учета.

Рост операционных расходов по сравнению с 2003 годом был обусловлен увеличением платежей операторам связи вследствие внедрения новой системы межоператорских расчетов, а также роста трафика. При этом снижение расходов по «неденежным статьям» (амортизационных отчислений и убытка от выбытия основных средств) на 18,5%, а также административных расходов и расходов на ремонт и техобслуживание позволило Компании существенно повысить рентабельность: операционная прибыль увеличилась в 2,3 раза до 5 005,0 млн. рублей, рентабельность по операционной прибыли возросла с 7,0% до 13,4%.

Показатель OIBDA увеличился по сравнению с 2003 годом на 9,2% до 12 720,0 млн. рублей. Снижение рентабельности по OIBDA до 34,1% объясняется эффектом внедрения новой системы межоператорских расчетов. (Рентабельность по OIBDA без учета внедрения новой системы расчетов составила 40,5%).

Продажа доли в ОАО «РТК-Лизинг» в четвертом квартале 2003 года и деконсолидация финансовых результатов этой компании оказала позитивный эффект на финансовые результаты ОАО «Ростелеком» за 2004 год. Начиная с 1 декабря 2003 года, Компания не несет убытки, обусловленные консолидацией ОАО «РТК-Лизинг» и его дочерних компаний. Кроме того, продажа доли в ОАО «РТК-Лизинг» позволила существенно сократить консолидированную задолженность и процентные расходы ОАО «Ростелеком» по сравнению с 2003 годом.

В связи с продажей доли в ОАО «РТК-Лизинг» Компания перестала консолидировать ОАО «РТКомм.РУ», но при этом продолжает включать в свою финансовую отчетность его результаты как зависимой компании (доля ОАО «Ростелеком» в уставном капитале ОАО «РТКомм.РУ» составляет 31%).

По итогам 2004 года консолидированная чистая прибыль ОАО «Ростелеком» составила 4 298,0 млн. рублей, увеличившись по сравнению с 2003 годом более чем в десять раз.

В 2004 году была продолжена реализация инвестиционной программы ОАО «Ростелеком», направленной на модернизацию и расширение сети. Общий объем капитальных вложений увеличился по сравнению с 2003 годом на 44% и составил 156 млн. долл. США. В 2005 году Компания планирует направить на реализацию инвестиционных проектов до 230 млн. долл. США. Дальнейшая реализация инвестиционной программы позволит ОАО «Ростелеком» сохранить лидирующие позиции на российском телекоммуникационном рынке и обеспечить позитивную динамику трафика и доходов.

Дальнейшая работа по оптимизации бизнесс-процессов и организационной структуры позволила сократить численность персонала Компании по сравнению с 2003 годом. Общая численность персонала ОАО «Ростелеком» снизилась по итогам года на 5,5%, составив на 31 декабря 2004 года 25,3 тыс. человек.

В 2004 году расходы Компании по оплате труда увеличились на 29,5% и составили 5 109,0 млн. рублей. При этом общая численность персонала сократилась по сравнению с 2003 годом на 5,5%.

Расходы на создание резерва по сомнительным долгам увеличились по сравнению с 2003 годом на 9,5% до 369,0 млн. рублей.

Показатель OIBDA по итогам 2004 года составил 12 720,0 млн. рублей, превысив аналогичный показатель за 2003 год на 9,2%. Снижение рентабельности по OIBDA до 34,1% объясняется эффектом внедрения новой системы межоператорских расчетов. (Рентабельность по OIBDA без учета внедрения новой системы расчетов составила 40,5%).

Снижение амортизационных отчислений на 9,1% до 7 498,0 млн. рублей обусловлено выбытием либо полной амортизацией ряда основных средств в 2003 году.

Операционная прибыль ОАО «Ростелеком» за 2004 год составила 5 005,0 млн. рублей по сравнению с 2 185,0 млн. рублей за предыдущий год. При этом рентабельность по операционной прибыли возросла с 7,0% в 2003 году до 13,4% в отчетном году.

Прочие доходы Компании за 2004 год составили 682,0 млн. рублей по сравнению с 1 516,0 млн. рублей годом ранее. При этом в консолидированной финансовой отчетности Компании за 2003 год в составе прочих внереализационных доходов отражена прибыль от реструктуризации задолженности ОАО «Ростелеком» перед Министерством Финансов РФ в размере 751,7 млн. рублей.

Чистые процентные доходы Компании по итогам 2004 года составили 465,0 млн. рублей по сравнению с 200,0 млн. рублей годом ранее. Улучшение данного показателя объясняется увеличением объемов размещения временно свободных денежных средств, а также снижением задолженности по кредитам и займам.

Укрепление курса рубля по отношению к основным мировым валютам в 2004 году способствовало получению Компанией прибыли от курсовых разниц в размере 102,0 млн. рублей.

Расходы Компании по налогу на прибыль составили 1 507,0 млн. рублей по сравнению с 331,0 млн. рублей в 2003 году, что обусловлено ростом прибыли до налогообложения в отчетном периоде.

В связи с продажей доли в ОАО «РТК-Лизинг», начиная с 1 декабря 2003 года, ОАО «Ростелеком» не несет убытки по статье «чистый убыток от прекращенной деятельности после налога на прибыль». Данная статья за 2003 год включает в себя результаты ОАО «РТК-Лизинг» и его дочерних компаний от лизинговой, а также инвестиционной и банковской деятельности. Чистый убыток Компании от прекращенной деятельности в 2003 году составил 3 109,0 млн. рублей.

Консолидированная чистая прибыль ОАО «Ростелеком» за 2004 год составила 4 298,0 млн. рублей по сравнению с 398,0 млн. рублей годом ранее. Соответственно, рентабельность по чистой прибыли возросла с 1,3% до 11,5%.

2.3 Прогноз на следующие года

Российский системный интегратор «Открытые Технологии» завершил проект внедрения системы бюджетирования и финансового анализа на базе Oracle Financial Analyzer в «Ростелекоме».

Целью проекта было построение и внедрение информационной системы, поддерживающей процессы среднесрочного и долгосрочного планирования, бюджетирования, консолидации бюджетов центров ответственности и контроля за исполнением бюджета в едином информационном пространстве, а также анализа и прогнозирования результатов финансово-хозяйственной деятельности национального оператора дальней связи «Ростелеком».

Контракт о внедрении между компанией «Открытые Технологии» и «Ростелекомом» был подписан в апреле 2004 года. Специалистами компании «Открытые Технологии» было осуществлено концептуальное проектирование и разработка системы, определены требования к детализации данных и параметров финансовой модели бюджетного планирования и анализа. Была разработана техническая архитектура системы, спроектированы многомерные базы данных, организованы рабочие места, обучен персонал заказчика. На последующих этапах объединенная команда специалистов компании «Открытые Технологии» и «Ростелекома» осуществила развёртывание системы, разработала интерфейс с наследуемой системой, провела тестирование и ввод системы в промышленную эксплуатацию.

Проектом были охвачены все организационные единицы «Ростелекома»: генеральная дирекция, все региональные филиалы (Центральный, Приволжский, Северо-Западный, Сибирский, Южный, Уральский, Дальневосточный), а также филиал «Междугородный и Международный телефон».

В результате проекта ООО «Ростелеком» получил информационную систему, которая поддерживает процессы бюджетного планирования, анализа и прогнозирования результатов деятельности «Ростелекома», его подразделений и филиалов. Система введена в эксплуатацию. Она обрабатывает поступающую информацию и производит автоматические расчеты в соответствии с требованиями, закрепленными соответствующими положениями и регламентами. Внедренная система оказывает информационную поддержку аналитикам, менеджерам среднего и высшего звена, участвующим в бюджетном процессе.

Современная наука предлагает более 150 методов прогнозирования, которые могут быть использованы для целей бизнеса. От простейших приемов усреднения до программно-аппаратных систем поддержки принятия решений. И если практикой применения трендовых моделей и экспертных оценок в экономике сложно кого-то удивить, то новые достижения научной мысли на стыке математики, статистики, информатики и кибернетики продолжают оставаться недостаточно востребованными большинством компаний.

Причин здесь несколько: консерватизм и отсутствие воображения у многих менеджеров, сложность новых концепций прогнозирования и их математического аппарата, неочевидность сравнительной практической пользы от внедрения, нехватка информации о них.

Методы "мягких" вычислений, среди которых можно отметить нейронные сети, генетические алгоритмы и нечеткую логику, существуют уже несколько десятилетий.

В научных кругах прогрессивность и практическая польза этих методов не вызывают сомнений, однако теоретикам далеко не всегда удается донести информацию до практиков в доступной форме.

Классификация методов прогнозирования

Чтобы получить общее представление о методах прогнозирования, необходимо для начала классифицировать эти методы. Их принято разделять на количественные и качественные. Методы различаются:

· по горизонту прогноза: краткосрочные (как правило, в пределах года или нескольких месяцев), среднесрочные (несколько лет) и долгосрочные (более пяти лет);

· по типу прогнозирования: эвристические (использующие субъективные данные, оценки и мнения), поисковые (в свою очередь делятся на экстраполятивные, проецирующие прошлые тенденции в будущее, и альтернативные, учитывающие возможности скачкообразной динамики явлений и различные варианты их развития) и нормативные (оценка тенденций проводится исходя из заранее установленных целей и задач);

· по степени вероятности событий: вариантные (подразумевают вероятностный характер будущего и предлагают несколько сценариев развития событий) и инвариантные (предполагается единственный сценарий);

· по способу представления результатов: точечные (прогнозируется точное значение показателя) и интервальные (прогнозируется диапазон наиболее вероятных значений);

· по степени однородности: простые и комплексные (сочетают в себе несколько взаимосвязанных простых методов);

· по характеру базовой информации: фактографические (основываются на имеющейся информации о динамике развития явления или объекта, бывают статистическими и опережающими), экспертные (индивидуальные и коллективные, в зависимости от числа экспертов) и комбинированные (использующие разнородную информацию).

"Мягкие" вычисления

Рассмотрим некоторые методы "мягких" вычислений, не получившие пока широкого распространения в бизнесе. Алгоритмы и параметры этих методов значительно меньше детерминированы по сравнению с традиционными. Появление концепций "мягких" вычислений было вызвано попытками упрощенного моделирования интеллектуальных и природных процессов, которые во многом носят случайный характер.

Нейронные сети используют современное представление о строении и функционировании мозга. Считается, что мозг состоит из простых элементов - нейронов, соединенных между собой синапсами, через которые они обмениваются сигналами.

Основное преимущество нейронных сетей заключается в способности обучаться на примерах. В большинстве случаев обучение представляет собой процесс изменения весовых коэффициентов синапсов по определенному алгоритму. При этом, как правило, требуется много примеров и много циклов обучения. Здесь можно провести аналогию с рефлексами собаки Павлова, у которой слюноотделение по звонку тоже начало появляться не сразу. Отметим лишь, что самые сложные модели нейронных сетей на много порядков проще мозга собаки; и циклов обучения нужно значительно больше.

Применение нейронных сетей оправдано тогда, когда невозможно построить точную математическую модель исследуемого объекта или явления. Например, продажи в декабре, как правило, больше, чем в ноябре, но нет формулы, по которой можно посчитать, насколько они будут больше в этом году; для прогнозирования объема продаж можно обучить нейронную сеть на примерах предыдущих лет.

Среди недостатков нейронных сетей можно назвать: длительное время обучения, склонность к подстройке под обучающие данные и снижение обобщающих способностей с ростом времени обучения. Кроме того, невозможно объяснить, каким образом сеть приходит к тому или иному решению задачи, то есть нейронные сети являются системами категории "черный ящик", потому что функции нейронов и веса синапсов не имеют реальной интерпретации. Тем не менее, существует масса нейросетевых алгоритмов, в которых эти и другие недостатки так или иначе нивелированы.

В прогнозировании нейронные сети используются чаще всего по простейшей схеме: в качестве входных данных в сеть подается предварительно обработанная информация о значениях прогнозируемого параметра за несколько предыдущих периодов, на выходе сеть выдает прогноз на следующие периоды - как в вышеупомянутом примере с продажами. Существуют и менее тривиальные способы получения прогноза; нейронные сети - очень гибкий инструмент, поэтому существует множество конечных моделей самих сетей и вариантов их применения.

Еще один метод - нечеткая логика, моделирующая процессы мышления. В отличие от бинарной логики, требующей точных и однозначных формулировок, нечеткая предлагает иной уровень мышления. Например, формализация утверждения "продажи в прошлом месяце были низкими" в рамках традиционной двоичной или "булевой" логики требует однозначного разграничения понятий "низкие" (0) и "высокие" (1) продажи. Например, продажи равные или большие 1 миллиона шекелей - высокие, меньше - низкие.

В нечеткой логике задачи формулируются в терминах правил, состоящих из совокупностей условий и результатов. Примеры простейших правил: "Если клиентам дали скромный срок кредита, то продажи будут так себе", "Если клиентам предложили приличную скидку, то продажи будут неплохими".

После постановки задачи в терминах правил четкие значения условий (срок кредита в днях и размер скидки в процентах) преобразуются в нечеткую форму (большой, маленький и т. д.). Затем производится их обработка с помощью логических операций и обратное преобразование к числовым переменным (прогнозируемый уровень продаж в единицах продукции).

По сравнению с вероятностными методами нечеткие позволяют резко сократить объем производимых вычислений, но обычно не повышают их точность. Среди недостатков таких систем можно отметить отсутствие стандартной методики конструирования, невозможность математического анализа традиционными методами. Кроме того, в классических нечетких системах рост числа входных величин приводит к экспоненциальному росту числа правил. Для преодоления этих и других недостатков, так же как и в случае нейронных сетей, существует множество модификаций нечетко-логических систем.

В рамках методов "мягких" вычислений можно выделить так называемые гибридные алгоритмы, включающие в себя несколько разных составляющих. Например, нечетко-логические сети, или уже упоминавшиеся нейронные сети с генетическим обучением.

В гибридных алгоритмах, как правило, имеет место синергетический эффект, при котором недостатки одного метода компенсируются достоинствами других, и итоговая система показывает результат, недоступный ни одному из компонентов по отдельности.

Перспективы развития научного прогнозирования

Сегодня разрабатываются методы прогнозирования, использующие положения теории хаоса и фракталов. В отличие от "мягких" алгоритмов, они пока мало проработаны как с теоретической точки зрения, так и в плане практической реализации. Отдельные моменты иногда применяются при анализе финансовых рынков - трейдеры, как правило, первыми испытывают все новые методы прогнозирования. Потенциальная практическая значимость этих исследований не вызывает сомнений. В результате могут быть получены методы довольно точного прогнозирования резких и внезапных изменений - например, экономических кризисов, скачкообразной динамики спроса, банкротств...

Историческая логика развития методов прогнозирования отражает рост информационной насыщенности, возрастающую взаимозависимость различных объектов и сложность их поведения. Новые методы появляются в области сложных комбинированных подходов, использующих элементы искусственного интеллекта, обучения и развития. Учитывая тот факт, что в последнее время в рамках отдельных концепций разработано множество алгоритмов для специфических задач и частных случаев, можно предположить, что будут развиваться не столько методы прогнозирования, сколько методология в целом.

Выбор метода прогнозирования

Любой процесс прогнозирования, как правило, строится в следующей последовательности:

1. Формулировка проблемы.

2. Сбор информации и выбор метода прогнозирования.

3. Применение метода и оценка полученного прогноза.

4. Использование прогноза для принятия решения.

5. Анализ "прогноз-факт".

Все начинается с корректной формулировки проблемы. В зависимости от нее задача прогнозирования может быть сведена, например, к задаче оптимизации. Для краткосрочного планирования производства не так важно, каким будет объем продаж в ближайшие дни. Важнее максимально эффективно распределить объемы производства продукции по имеющимся мощностям.

Краеугольным ограничением при выборе метода прогнозирования будет исходная информация: ее тип, доступность, возможность обработки, однородность, формализуемость, объем. Например, при прогнозировании темпов научно-технического прогресса в случае масштабного контакта и сотрудничества с внеземной цивилизацией применение фактографических методов вряд ли будет возможным. Для таких прогнозов необходимо использовать методы моделирования, экспертные, сценарные. С другой стороны, для прогнозирования объемов продаж туалетной бумаги с приемлемой точностью достаточно простой экстраполяции тренда.

Выбор конкретного метода прогнозирования зависит от многих моментов. Достаточно ли объективной информации о прогнозируемом явлении (существует ли данный товар или аналоги достаточно долго)? Ожидаются ли качественные изменения изучаемого явления (оснащение автомобиля антигравитационным оборудованием)? Имеются ли зависимости между изучаемыми явлениями и/или внутри массивов данных (объемы продаж, как правило, зависят от объемов вложений в рекламу)? Являются ли данные временным рядом (информация о наличии собственности у заемщиков не является временным рядом)? Имеются ли повторяющиеся события (сезонные колебания)?

Используемые методы

Из всего набора методов прогнозирования в реальной практике бизнеса используются лишь некоторые.

Абсолютный хит - метод оценки прогнозов сотрудниками компании. Подразумевается, что работники обладают необходимым опытом и интуитивным знанием предметной области, рынка. К этой же группе можно отнести опросы потребителей, которые призваны выявить их предпочтения и ожидания, на основе чего моделируется будущее.

Второй по популярности является экстраполяция трендов, которая подразумевает выявление во временном ряде основной тенденции и продление ее в будущее. Этот метод предельно прост и дает приблизительные результаты.

Скользящее среднее применяется при краткосрочном прогнозировании: каждое последующее значение среднего рассчитывается на основе сдвигающегося вперед набора предыдущих значений.

Метод аналогий предполагает построение прогноза на основе известной динамики родственных явлений, например товаров-субститутов. Этот способ прогнозирования схож с методом подобия, применяемым на финансовых рынках, но менее трудоемок, используется обычно в случае новых товаров.

Экспоненциальное сглаживание выдает в качестве прогноза комбинацию прошлых значений. Метод работает при небольших колебаниях уровней ряда или при краткосрочном прогнозировании.

Регрессионный анализ исследует взаимосвязь зависимой переменной от других независимых, применяется при наличии связи между прогнозируемым процессом и какими-либо факторами, влияющими на него.

Из экспертных оценок обычно используют хорошо известный метод "Дельфи".

В бизнесе в основном применяют субъективные методы прогнозирования и некоторые количественные. Возникает вопрос: почему, имея значительный набор средств прогнозирования, аналитики в подавляющем большинстве случаев продолжают пользоваться простейшими из них? Причин здесь несколько.

Во-первых, использование более сложных методов не всегда приводит к повышению точности прогнозов. Многие вещи можно прочувствовать, но практически невозможно просчитать. Интуиция в бизнесе все еще остается незаменимой. Во-вторых, чем сложнее метод, тем больше времени требуется на подготовку данных, на расчеты, анализ, численные эксперименты. Чем больше ассортимент, тем проще используемые методы прогнозирования (или больше штат прогнозистов).

В-третьих, окружающая среда, продукция, внутрифирменные факторы и прочие условия меняются слишком часто, что не позволяет опереться при прогнозировании на репрезентативные выборки исходных данных. При этом подавляющее большинство методов прогнозирования так или иначе использует именно исторические данные.

В-четвертых, грамотное применение научных методов прогнозирования обычно требует специальных знаний, соответствующего образования, умения пользоваться математическим и статистическим аппаратом, прикладными пакетами анализа и т. д.

Какой же точности прогноза удается добиться с помощью используемых на практике методов? Здесь все, как правило, зависит от степени агрегированности показателя. Так, если прогнозировать совокупный общий объем реализации в деньгах - точность прогноза может достигать +-5%. Но если прогнозировать, например, объемы оптовых продаж потребительских товаров по ассортиментным позициям в разрезе регионов - очень высоким результатом считается 40-процентная точность попадания в интервал +-20% в пределах месяца, то есть объем реализации 40% позиций ассортимента угадан с точностью +-20%.

Широко известным является факт значительного роста объемов оптовых продаж к концу месяца. Если сравнивать объемы продаж первой и последней недель внутри месяца - разница может достигать нескольких сотен процентов, тогда как разница между двумя месяцами обычно не так велика.

Чем более агрегированный по объему или по времени показатель анализируется, тем точнее будет прогноз. Со снижением степени агрегированности снижается и польза от статистических методов. Поэтому необходимо искать баланс между детализацией и точностью.

Научное прогнозирование и бизнес

Текущий уровень развития средств обработки информации позволяет говорить о возможности массового перехода от отдельных методов прогнозирования к системам поддержки принятия решений, использующим в работе элементы искусственного интеллекта и самообучения. Однако практическая востребованность этих методов вызывает сомнения.

Во-первых, не доказано их преимущество перед человеческой интуицией в условиях бизнеса. Во-вторых, процесс функционирования сложной системы, как правило, недостаточно прозрачен для пользователя, соответственно, результат не вызывает полного доверия. В-третьих, параметры таких систем требуют тонкой настройки и подбора, методы проведения которых практически не формализованы. В-четвертых, комплексные прогностические системы создаются для уникальных условий и редко тиражируются, в связи с чем стоимость их разработки, внедрения и поддержки довольно высока.

Эти и другие причины тормозят проникновение научного прогнозирования в бизнес, фильтрующий все методы на предмет практической пользы и простоты применения. Вне зависимости от их продвинутости - с академической точки зрения.

Заключение

В результате написания работы были достигнуты цели и решены задачи, поставленные во введении к настоящей работе.

Была определено экономическое содержание понятия прибыль как денежное выражение части стоимости прибавочного продукта и ее роль в воспроизводственной функции как основной источник финансирования расширенного воспроизвордства.

По итогам проведенного анализа предприятию можно дать следующие рекомендации:

- придерживаться сложившееся на предприятии системы ценообразования, т.к. она обеспечивает предприятию рост прибыли;

- расширять розничную и оптовую сеть.

Список литературы

1. Абрютина М.С.,Грачев А.В. Анализ финансово-экономической деятельности предприятия:Учебно-практическое пособие.-3-е издание, переработанное и дополненное.-М.:Издательство «Дело и сервис»,2001.-272с.

2. Анализ хозяйственной деятельности в промышленности: Учебник / Н.А.Русак, В.И.Стражев, О.Ф.Мигун и др.; Под общ. ред. В.И.Строжева - Мн.: Высшая школа, 1999

3. Артеменко В.Г., Белендир М.В. Финансовый анализ:Учебное пособие.-2-е издание переработанное и дополненное.-М.:Издательство «Дело и сервис»,Новосибирск:Издательский дом “Сибирское соглашение”,1999.-160с.

4. Астринский Д. Экономический анализ финансового положения предприятия /Финансы/2000, № 12, с.55.

5. Балабанов И.Т. Финансовый анализ и планирование хозяйствующего субъекта. - 2-е изд., доп.-М.:Финансы и статистика - 2002ю -208с: ил.

6. Бендиков М.А, Джамалай Е.В. Совершенствование диагностики финансового состояния промышленного предприятия // Менеджмент в России и за рубежом.-2001.-№ 5 - с.80.

7. Бланк Г.Я. Основы теории и история потребительской кооперации: Учебное пособие. - М., 2001.

8. Браташова Н.И., Ващенко А.Н. Финансовое состояние предприятия: В помощь студентам вузов, колледжей, техникумов, руководителям предприятий, изучающим финансы потребительской кооперации. Выпуск 7. - Волгоград:Издательство ВКПК, 2000. - 48 с.

9. Вахрин П.И. Финансовый анализ в коммерческих и некоммерческих организациях: Учебное пособие. - М.:Издательско-книготорговый центр «Маркетинг», 2001.

10. Гаврилов А. А., Калайдин Е. Н. Анализ взаимосвязи финансового результата и обеспеченности собственными оборотными средствами /Менеджмент в России и за рубежом/ 2000, № 1, с. 95.

11. Глущенко В.В., Глущенко И. И. Финансы. Финансовая политика, маркетинг, менеджмент. Финансовый риск - менеджмент, ценные бумаги. Страхование. - г. Железнодорожный, Моск. обл.: ТОО НПЦ «Крылья», 1999. - 416 с.

12. Ефимова О.В. Как анализировать финансовое положение предприятия. - М.,1999.-542 с.

13. Ефимова О.В. Финансовый анализ. - М.: Финансы и статистика, 2001 г.

14. Матвейчева Е.В., Вишнинская Г.Н. Традиционный подход к оценке финансовых результатов деятельности предприятия // Аудит и финансовый анализ -2000.-№1

15. Мерзликина Г. С., Шаховская Л. С. Оценка экономической состоятельности предприятия. - Волгоград: ВолгГТУ, 1998. - 265 с.

16. Методические положения по оценке финансового состояния предприятия и установлению неудовлетворительной структуры баланса, утверждены Распоряжением Федерального управления № 31-р от 12 августа 1994 г.

17. Негашев Е.В. Анализ финансов предприятия в условиях рынка: Учебное пособие.- М.: Высшая школа, 1997. - 192 с.:ил.

18. Остапенко В, Подъяблонская Л, Мешков В. Финансовое состояние предприятий: оценка, пути изменения // Экономист. - 2000. - №7. - с. 37

19. Уткин Э.А.: Финансовый менеджмент Учебник для вузов.-М.:Издательство»Зерцало»,1997.-279с.

20. Финансовый менеджмент / Под ред. Е. С.Стояновой - М.: Перспектива, 2000. - 268 с.

21. Финансовый менеджмент Учебник для вузов/ Г.Б.Поляк, И.А.Акодис, Г.А.Краева и др.; Под ред. проф. Г.Б.Поляка.-М.: Финансы, ЮНИТИ.1997. - 518с.

22. Финансовый менеджмент: Теория и практика: Учебник/Под. ред. Е.С, Стояновой. - 5-е изд, перераб. и доп. - М.:Изд-во «Перспектива», 2000. - 656 с.

23. Финансы / Под ред. В. М. Родионовой. Учебник. М.: Финансы и статистика, 1999 г.;

24. Финансы предприятий: Учебник / Под ред. Н.В. Колчиной - М.: Финансы, ЮНИТИ, 1999. - 413 с.

25. Хедервик К. Финансово-экономический анализ деятельности предприятия / Под ред. В.Н. Воропаева. - М.: Финансы и статистика, 1996. - 192 с.

26. Хелферт Э. Техника финансового анализа / Пер. с англ., М.: Аудит, 1998.

27. Шашура А. Не всякий рост означает развитие /Экономист/ 2000, № 4

28. Шеремет А.Д., Негашев Е.В. Методика финансового анализа. М.: Инфра-М, 1999. - 208 с.

29. Шим Джей К., Сигел Джоэл Г. Финансовый менеджмент/ перевод с англ. - 2-е изд. стереотипное. - М.: Информационно-издательский дом “Филинъ”, 1997.-400с.

30. Шуляк П.Н. Финансы предприятия: учебник.-М.: Издательский дом «Дашков и К», 2000.-752 с.

31. Экономика предприятия (фирмы): Учебник / Под ред. проф. О.И. Волкова и доц. О.В. Девяткина.- 3-е изд., перераб. и доп.- ИНФРА-М, 2003.-601 с.

Приложение

Сокращенные балансы на 31 декабря 2001 и 2002 гг. в долл. США*

Млн. долл. США	31 дек 01	31 дек 02	% изменения
Обменный курс	30,14	31,78
АКТИВЫ
Внеоборотные активы Основные средства Оборотные активы Дебиторская задолженность, нетто Резерв по сомнительным долгам Финансовые вложения для возможной продажи	1 862 1 806 422 246 53 93	1 811 1 629 529 271 77 144	-2,7% -9,8% 25,4% 10,2% 45,3% 54,8%
Денежные средства и их эквиваленты	64	115	79,7%
Итого активы	2 284	2 340	2,5%
СОБСТВЕННЫЕ СРЕДСТВА АКЦИОНЕРОВ И ОБЯЗАТЕЛЬСТВА
Собственные средства акционеров Доля меньшинства Краткосрочные обязательства Текущая доля кредитов и займов Краткосрочные займы Долгосрочные обязательства Кредиты и займы за вычетом текущей доли Отложенные налоговые обязательства	1 405 56 457 193 35 366 31 324	1 430 88 456 143 48 366 73 285	1,8% 57,1% -0,2% -25,9% 37,1% 0,0% 135,5% - 12,0%
Итого обязательства	823	822	-0,1%
Итого собственные средства акционеров и обязательства	2 284	2 340	2,5%
Чистый долг **	102	5	-95,0%

* Для расчета приведенных в Приложении I долларовых значений, «неденежные» показатели аудированных консолидированных балансов были «очищены» от эффекта инфляции с использованием средневзвешенных исторических индексов инфляции, индивидуальных для каждой конкретной статьи, и разделены на курс доллара на конец соответствующего периода. Для пересчета «денежных» статей баланса на 31.12.2001 был использован коэффициент инфляции 1,15124 (индекс инфляции за 2002 год). Деинфлирование не применялось к «денежным» статьям баланса на 31.12.2002.

** показатель чистого долга рассчитывается как сумма обязательств по кредитам и займам за вычетом денежных средств и их эквивалентов, а также финансовых вложений для возможной продажи

Сокращенные консолидированные балансы на 31 декабря 2003 года и 31 декабря 2004 года в рублях

Млн. рублей	31.12.2004 г.	31.12.2003 г.1	% изменения
АКТИВЫ
Внеоборотные активы Основные средства Оборотные активы Дебиторская задолженность, нетто Финансовые вложения для возможной продажи Денежные средства и их эквиваленты	48 788 45 987 15 632 5 613 8 150 1 255	52 135 49 585 12 913 7 081 2 755 2 529	-6% -7% 21% -21% 196% -50%
Итого активы	64 420	65 048	-1%
СОБСТВЕННЫЕ СРЕДСТВА АКЦИОНЕРОВ И ОБЯЗАТЕЛЬСТВА
Собственные средства акционеров Доля меньшинства Краткосрочные обязательства Текущая доля кредитов и займов Долгосрочные обязательства Кредиты и займы за вычетом текущей доли Отложенные налоговые обязательства	50 838 0 6 266 1 107 7 316 777 5 954	47 970 191 7 398 1 932 9 489 1 641 7 482	6% н/п -15,3% -43% -23% -53% -20%
Итого обязательства	13 582	16 887	-20%
Итого собственные средства акционеров и обязательства	64 420	65 048	-1%
Чистый долг2	-7 521	-1 711	н/п

¹ Величина дебиторской и кредиторской задолженности на 31 декабря 2003 года скорректирована по сравнению с ранее опубликованными данными в связи с изменением порядка учета доходов от российских операторов и расходов по ним, а также учета некоторых пенсионных программ, которые ранее трактовались как выходное пособие, а теперь учитываются как программы с установленными выплатами.

² Показатель чистого долга рассчитывается как сумма обязательств по кредитам и займам за вычетом денежных средств и их эквивалентов, а также финансовых вложений для возможной продажи.

Основные показатели отчета о прибылях и убытках

Млн. долл. США	2002 г.	2001 г.	% изменения
Обменный курс	31,350000	29,170000
Индекс инфляции, применяемый для «денежных» статей	1,062425	1,2318268
Индекс инфляции, применяемый для «неденежных» статей	1,1498185	1,1513101
Доходы	844,90	842,44	0,3%
EBITDA	327,11	294,45	11,1%
EBITDA margin, %	38,7%	35,0%
EBITDA (без резерва по сомнительным долгам)	353,02	293,67	20,2%
EBITDA margin (без резерва), %	41,8%	34,9%
Операционная прибыль	74,49	56,33	32,2%
Операционная прибыль (без доп. амортизации и резерва)	125,28	55,55	125,5%
Чистая прибыль	37,20	116,84	-68,2%

Основные показатели отчетов о прибылях и убытках

Млн. долл. США	2003	2002	% изменения
Обменный курс	30,69	31,35
Индекс инфляции, применяемый для «денежных» статей	-	1,062425
Доходы	1 039,1	837,3	24,1%
Доходы без учета новой системы расчетов	942,4	837,3	12,6%
Операционные расходы	929,9	757,5	22,8%
Операционные расходы без учета новой системы расчетов	840,1	757,5	10,9%
в т.ч. амортизация	241,0	252,1	-4,4%
в т.ч. убыток от выбытия основных средств	35,1	12,5	182,2%
OIBDA	385,3	344,4	11,9%
Рентабельность по OIBDA, %	37,1%	41,1%	-
Операционная прибыль	109,2	79,8	36,8%
Рентабельность по операционной прибыли, %	10,5%	9,5%
Прибыль/(убыток) по прекращенной деятельности	(101,3)	(67,6)	49,9%
Чистая прибыль	40,6	37,2	9,2%
Рентабельность по чистой прибыли, %	3,9%	4,4%

*В соответствии со стандартом МСФО 5, вступившим в силу в 2003 году, результаты по прекращенной деятельности должны быть отражены в отдельной строке отчетов о прибылях и убытках, включая отчеты за предыдущие отчетные годы. В этой связи, результаты ОАО «РТК-Лизинг» и его дочерних компании от лизинговой, а также инвестиционной и банковской деятельности отражены в строке «чистый убыток от прекращенной деятельности после налога на прибыль» в консолидированных отчетах о прибылях и убытках ОАО «Ростелеком» за 2002 и 2003 годы.

Основные показатели отчетов о прибылях и убытках1

Млн. рублей	2004 г.	2003 г.2	% изменения
Доходы	37 318	31 267	19,4%
Доходы без учета новой системы расчетов	31 394	28 823	8,9%
Операционные расходы	32 313	29 082	11,1%
Операционные расходы без учета новой системы расчетов	26 389	26 774	-1,4%
в т.ч.: амортизация	7 498	8 252	-9,1%
убыток от выбытия основных средств	217	1 214	-82,1%
OIBDA	12 720	11 651	9,2%
Рентабельность по OIBDA, %	34,1%	37,3%	н/п
Рентабельность по OIBDA без учета новой системы расчетов, %	40,5%	40,0%	н/п
Операционная прибыль	5 005	2 185	129,1%
Рентабельность по операционной прибыли, %	13,4%	7,0%	н/п
Убыток по прекращенной деятельности	0	3 109	н/п
Чистая прибыль	4 298	398	979,9%
Рентабельность по чистой прибыли, %	11,5%	1,3%	н/п

Размещено на Allbest.ru

...