Статистический анализ результатов финансовой деятельности ОАО «Газпром»

 

Продолжение таблицы 2.5

 

Годы	Темпы прироста в %.		Абсолютное значение 1 % прироста
	Баз.	Цеп.	А %
Символы	Тб	Тц
1998	-	-	-
1999	-19,62	-19,62	1610,71
2000	-12,29	8,40	1294,45
2001	21,40	39,34	1403,13
2002	-43,78	53,69	-1955,23
2003	33,80	137,97	905,55
2004	72,74	29,11	2154,89
2005	139,26	38,50	2782,44
2006	326,14	78,11	3853,40
2007	331,51	1,26	6870,59
Итого:	849,16	366,76	18919,93

 

Средний коэффициент прироста: =                                                  (34)

КОРЕНЬ 9 СТЕПЕНИ

694990/161058,66=4,315135864= 1,275946346

=                                                                                               (35)

= 1,13264117

 

Средний абсолютный прирост: = ; = 5339,134 млн.руб.                    (36)

 

                                                            = ; = 297730,6515 млн. руб.       (37)

Средний уровень ряда: = ; = 21166946,05 руб.                                    (38)

Средний темп роста: = *100; =1, 275946346*100=127,59%;                 (39)

=1,13264117*100=113,26%;           

Средний темп прироста: = -100; =127,59-100=27,59%                            (40)

=113,26-100=13,26%

 

Таким образом, среднее значение чистой прибыли ОАО «Газпром» за 10 лет, а именно с 1998 г. по 2007 г. в среднем ежегодно чистая прибыль увеличивалась на 5339,134 млн.руб. (на 297730,6515 млн. руб.) или на 27,59 % (на 13,26%). С 2003 года наблюдается постоянный рост чистой прибыли ОАО «Газпром» и в 2003 году наблюдается рост чистой прибыли по сравнению с 2002 годом на 33,8 %.

В 1999, 2000 и 2002 г.г. наблюдается отрицательный базовый абсолютный прирост, это значит, что в сравнении с 1998 годом, объём чистой прибыли уменьшается, в 1999 г. уменьшение чистой прибыли составило 31602,11 млн. руб., в 2000 году уменьшение составило 20728,4 млн. руб., а в 2002 г. – 70505,75 млн.руб. Темп снижения чистой прибыли в 2002 г. составил 43,78 % и только с 2003 года наблюдается устойчивая тенденция роста объёма чистой прибыли, в 2003 году прирост составляет 33,8 %, а в 2004 г. – уже 72,747%. Оживление экономики происходит уже в 2000 г., цепной темп прироста в 2000 г. составляет 8,4 %. Но цепные показатели имеют скачкообразный характер, то повышаясь, то вновь снижаясь. Наибольший прирост объёма чистой прибыли в сравнении с предыдущим годом наблюдается в 2003 году, он составил 137,97 %, это значит, что по сравнению с 2002 г., в 2003 г. чистая прибыль выросла на 137,97%. [7]

 

 

 

 

 

 

 

 

 

 

 

2.4. Определение основной тенденции прибыли

 

Основной тенденцией динамики называется последовательное изменение уровней в определенном направлении по определенному закону на протяжении значительного промежутка времени под влиянием основных постоянно действующих факторов.

Важным направлением в исследовании массовых явлений и процессов выступает изучение основной или общей тенденции их развития (тренда). 
Многочисленные факторы, под действием которых формируются и изменяются уровни рядов динамики изучаемых явлений, неоднократны по силе, направлению и времени их действия.

Поставленные действующие факторы оказывают на изучаемые явления определяющее влияние и формируют в рядах динамики основную тенденцию развития (тренд). Воздействие других факторов проявляется периодически и вызывает повторяемые во времени колебания уровней рядов динамики (так называемые сезонные колебания). Действия разовых (спорадических) факторов отображаются случайными (кратковременными) изменениями уровней рядов динамики. Исходя из этого при анализе рядов динамики необходимо изучить основные компоненты рядов: тренд, периодически (сезонные) колебания, случайные отклонения.

Как показывает практика, в одних рядах основная тенденция развития проявляется достаточно четко на основе анализа статических показателей направления и интенсивности развития (темпов роста, прироста, изменения уровней, средних величин), в других ряда она может быть выявлена с использованием специальных методов анализа рядов динамики. Выбор конкретных методов статистики для этой цели зависит от характера исходной информации и предопределяется задачами анализа.

Рассмотрим основные методы преобразования рядов динамики, позволяющие обнаружить и обосновать основную тенденцию в развитии явления. На практике наиболее распространенными методами статического изучения тренда являются: укрупнения интервала, сглаживание скользящей средней, аналитическое выравнивание.

Метод укрупнения интервалов является наиболее простым методом преобразования ряда с колеблющимися уровнями с целью выявления тренда. Главное в этом методе заключается в преобразовании первоначального ряда динамики в ряды более продолжительных периодов (например, месячные в квартальные, квартальные в годовые и т.д.) Уровнями ряда с укрупненными периодами могут быть средние величины первоначальных уровней по новым периодам. Недостаток метода: резко сокращается количество уровней. 
Так, ряд урожайности по годам обнаруживает колебания, обусловленные метеорологическими условиями отдельных лет. Переход к ряду средних по пятилетиям продолжительным периодам позволяет более ясно видеть общую тенденцию в изменении урожайности во времени.

Довольно часто при обработке динамического ряда с целью определения тенденции развитии массового явления применяется сглаживание методом скользящей средней (называемый также методом подвижной средней). Суть этого метода заключается в замене фактических уровней первоначального ряда новым рядом подвижных (скользящих) средних, которые рассчитываются для определенных последовательных подвижных (скользящих) интервалов, т.е. по определенному числу членов первоначального ряда. Причем при вычислении каждой новой средней отбрасывается один член ряда слева и присоединяется один член справа. 
Первоначальный ряд можно сглаживать средними за два, три, четыре, пять и т.д. интервалов (периодов) первоначального ряда. Чем меньше интервала сглаживания, тем более сглажены ряд ближе к первоначальному ряду фактических уровней. Чем больше интервал, за который исчисляется средняя, тем более сглаженной ряд усредняет фактические уровни первоначального ряда. Для сглаживания ряда динамики способом скользящей средней, например, из 5 членов, необходимо последовательно по изложенной выше методике суммировать по 5 членов и результаты делить на 5. Недостатком данного метода сглаживания ряда является то, что сглаженный ряд оказывается короче первоначального на (n-1)\2 члена с одного и другого конца (под «n» имеются в виду числа членов или периодов, из которых рассчитывается скользящие средние).На практике обычно выравнивание осуществляется с нечетным числом членов или периодов первоначального ряда. В этом случае вычисляемые средние относятся к середине подвижного интервала сглаживания. При сглаживании его четному числу членов средняя приходится между двумя временными точками (периодами). Чтобы такие средние привязать к определенней временной точке используется специальный прием, называемый центрированием. Суть его в том, что из каждой пары сглаженных скользящих средних рассчитывается средняя арифметическая, которая и относится к определенной временной точке (или определенному периоду).

Следует иметь ввиду, что слишком укороченный ряд скользящих средних может оказаться недостаточно репрезентативным (убедительным) для характеристик тенденции исследуемого ряда динамики. Применение в анализе рядов динамики методом укрупнения интервалов и скользящей средней позволяет выявить тренд для его описания, но получить обобщенную тенденцию количественную статическую оценку тренда посредством этих методов невозможно. Решение этой более высокого порядка задачи – измерение тренда – достигается методом аналитического выравнивания.

Задача выравнивания ряда сводится к определению адекватного тренду вида математической функции, нахождению на основе фактических данных параметров функции и переходу к ряду с расчетными («теоретическими») уровнями по найденной формуле (виду) функции. Если выбранный тип (вид) математической функции f(t) адекватен основной тенденции развития изучаемого явления во времени, что тем самым будет определено количественное измерение тренда. Одним из условий обосновано применения метода аналитического выравнивания является знание эталонных типов развития и сущности изучаемых массовых явлений. 
Различают несколько эталонных (основных) типов развития массовых явлений во времени: 1) равномерное развитие. Для этого типа динамики присущи устойчивые постоянные абсолютные ценные приросты 
Параметр определяет направление развития. Если > 0, то уровни ряда динамики равномерно возрастают, а при < 0 происходит их равномерное снижение; 2) равноускоренное (равнозамедленное) развитие. Практика статического изучения тренда массовых явлений показывает, что зачастую невозможно однозначно решить вопрос, какому типу развития больше всего отвечают показатели ряда динамики. Ведь рассмотренные выше признаки классификации типов развития (абсолютные приросты, темпы роста и прироста) весьма схематичны. В лучшем случае на основе качественного анализа ряда динамика может быть выдвинута рабочая гипотеза о возможных типах развития. Но выбор на этой основе конкретной математической функции весьма затруднителен. Однако возможности широкого использования в анализе трена современных ЭВМ позволяет успешно решать проблему выбора адекватной модели тренда. В заключение по результату сравнительного анализа полученных решений с учетом существа изучаемого явления выбирается наиболее адекватное тренду решение.

При  аналитическом выравнивании временного ряда закономерно изменяющийся уровень изучаемого показателя оценивается как функция времени , где  - теоретические или выравненные уровни временного ряда, вычисленные по соответствующему аналитическому уравнению путем постановки в уравнение значений периодов времени t. Важно, чтобы найденное уравнение тренда как можно более адекватно описывало фактическую динамику показателя. Параметры уравнения тренда считаются найденными верно, если сумма всех найденных теоретических уровней будет равна сумме всех фактических уровней ряда.

Линейная форма тренда:      ,                                        (41)          

где   - выравненные, т.е. лишенные колебаний уровни тренда;

         а – свободный член уравнения, численно равный среднему выравненному уровню для момента или периода времени, принятого за начало отсчета (для t=0);

         b – средняя величина изменения уровней за единицу изменения времени, константа линейного тренда;

 t – номера моментов или периодов времени, к которым относятся уровни временного ряда.

Система нормальных уравнений для линейного тренда:

,                                                          

где   yi - уровни исходного ряда динамики;

         ti  - номера периодов или моментов времени;

         n - число уровней ряда.

Параболическая форма тренда: ,                    (42)

где –  константа параболического тренда.

• При b>0, c>0 – имеем восходящую ветвь параболы, т.е. тенденцию к ускоренному росту уровней;
• При b<0, c<0 – имеем нисходящую ветвь параболы, т.е. тенденцию к ускоренному сокращению уровней;
• При b>0, c<0 - имеем восходящую ветвь параболы с замедляющимся ростом уровней;
• При b<0, c>0 - имеем нисходящую ветвь параболы с замедляющимся сокращением уровней.

Система нормальных уравнений для параболического тренда:

                                              (43)                                                  

Метод укрупненных интервалов (метод многолетней средней).

 

Таблица 2.6 – Укрупнение объема чистой прибыли по трехлетиям

Годы	Объем чистой прибыли, млн. руб.	Средний объем чистой прибыли по трехлетиям, млн. руб.
1998	161058,66	-
1999	129456,55	143615,16
2000	140330,26	-
2001	195529,43	-
2002	90552,91	167191,2
2003	215491,26	-
2004	278220,19	-
2005	385344,2	449965,82
2006	686333,055	-
2007	694990	-