Финансовое планирование и методы прогнозирования

5.4.1. МЕТОДЫ ЭКСПЕРТНЫХ ОЦЕНОК

Это наиболее простые и достаточно популярные методы; ни в коем случае к ним нельзя относиться как к неким суррогатам «настоящих» методов прогнозирования хотя бы потому, что их история насчитывает не одно тысячелетие. Можно упомянуть, в частности, о дельфийском методе, названном так в честь древнегреческого города Дельфы, известного своими оракулами. В качестве простейшего примера применения подобных методов служит способ установле ния некоторых прогнозов и планов на интуитивном уровне. В современной интерпретации методы экспертного прогнозирования могут предусматривать многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью научного инструментария экономической статистики. Эти методы применяются не только для прогнозирования значений показателей, но и в аналитической работе, например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей и т.п.

 

5.4.2. МЕТОДЫ ОБРАБОТКИ ПРОСТРАНСТВЕННЫХ, ВРЕМЕННЫХ И ПРОСТРАНСТВЕННО-ВРЕМЕННЫХ  СОВОКУПНОСТЕЙ

Эти методы занимают ведущее место  с позиции формализованного прогнозирования и существенно варьируют по сложности используемых алгоритмов. Выбор того или иного метода зависит от множества факторов, в том числе и имеющихся в наличии исходных данных. Как видно из названия подраздела, по этому параметру можно выделить три типовые ситуации.

Первая ситуация — наличие временного ряда — встречается на практике наиболее часто: финансовый менеджер или  аналитик имеет в своем распоряжении данные о динамике показателя, на основании  которых требуется построить  приемлемый прогноз. Иными словами, речь идет о выделении тренда. Это можно сделать различными способами; упомянем о двух: простом динамическом анализе и анализе с помощью авторегрессионных зависимостей.

Первый метод исходит из предпосылки, что прогнозируемый показатель (У) изменяется прямо (обратно) пропорционально с течением времени. Поэтому для определения прогнозных значений показателя Устроится, например, следующая зависимость:

У, = а + b • t,

Где t— порядковый номер периода.

Параметры уравнения регрессии (а, b) находятся, как правило, методом наименьших квадратов. Подставляя в формулу нужное значение t, можно рассчитать требуемый прогноз.

В основу второго метода заложена достаточно очевидная предпосылка о том, что экономические процессы имеют определенную специфику. Они отличаются, во-первых, взаимозависимостью и, во-вторых, определенной инерционностью. Последняя означает, что значение практически любого экономического показателя в момент времени t зависит определенным образом от состояния этого показателя в предыдущих периодах (в данном случае мы абстрагируемся от влияния других факторов), т.е. значения прогнозируемого показателя в прошлых периодах должны рассматриваться как факторные признаки. Уравнение авторегрессионной зависимости в наиболее общей форме имеет вид:

 

 

   Достаточно точные прогнозные  значения могут быть получены  уже при k = 1. На практике также нередко используют модификацию приведенного уравнения, вводя в него в качестве фактора период  (момент) времени t. В этом случае уравнение регрессии будет иметь  вид:

Коэффициенты регрессии данного  уравнения могут быть найдены  методом наименьших квадратов. Соответствующая  система нормальных уравнений будет иметь вид:

где j — длина ряда динамики показателя Y, уменьшенная на единицу.

Для характеристики адекватности уравнения авторегрессионной зависимости можно использовать величину среднего относительного линейного отклонения   :                                  -

где Y, — расчетная величина показателя У в момент времени i;

Y, — фактическая величина показателя Y в момент времени i.

Если  < 15%, считается, что уравнение авторегрессии может использоваться в прогнозных целях. Отметим, что ввиду простоты расчета критерий достаточно часто применяется при построении регрессионных моделей.

Пример

Используя аппарат авторегрессионных  зависимостей, построим уравнение регрессии  для прогнозирования объема реализации на основании следующих данных о динамике этого показателя (млн руб.):17,16,21,24,23,26,28.                                

Уравнение регрессии будет строиться  в виде уравнения (5.3); промежуточные  данные для построения системы нормальных уравнений" целесообразно оформлять  следующим образом:

 

Yt-1	t	Yt	Y2t-1	t2	t*Yt-1	t*Yt	Yt • Yt-1	Yt
17	1	16             289		1	17               16		272             17,5
16	2	21             256		4	32               42		336              20,8
21	3	24             441		9	63               72		504              21,6
24	4	23             576		16	96                92		552              23,3
23	5	26             529		25	115            130		598               26,6
26	6	28             676		36	156            168		728              28,2
127	21	138          2767		91	4799          520		2990               —

 

Система нормальных уравнений имеет  вид:

Решая эту систему, получаем уравнение  регрессии

Y_t= 21,7— 0,42 –Y_t-1 +2,91 •t.

Данное уравнение пригодно для  прогнозных целей, поскольку  =5,3%<15%. Можно рассчитать прогнозное значение показателя У для t=1:

У, =21,7— 0,42-28+2,91 -7=30,3.

Вторая ситуация — наличие пространственной совокупности — имеет место в  том случае, если по некоторым причинам статистические данные о показателе отсутствуют либо есть основание полагать, что его значение определяется влиянием некоторых факторов. В этом случае может применяться многофакторный регрессионный анализ, представляющий собой распространение простого динамического анализа на многомерный случай. В этом случае в результате качественного анализа выделяется k факторов (X₁, Х₂,..., Xk), влияющих, по мнению аналитика, на изменение прогнозируемого показателя (Y), и строится чаще всего линейная регрессионная зависимость типа

Y=Ao+A₁-X₁+A2-X2+...+Ak-Xk,

где Ai— коэффициенты регрессии, i = l,2,...,k.

Третья ситуация — наличие пространственно-временной  совокупности — имеет место в том случае, когда: а) ряды динамики недостаточны по своей длине для построения статистически значимых прогнозов; б) аналитик имеет намерение учесть в прогнозе влияние факторов, различающихся по экономической природе и их динамике. Исходными данными служат матрицы показателей, каждая из которых представляет собой значения тех же самых показателей за различные периоды или на разные последовательные даты. Методы обработки таких совокупностей хорошо описаны в отечественной литературе и включают, в частности, осреднение параметров одногодичных уравнений регрессии, метод заводо-лет, ковариационный анализ и  т.д. [Крастинь].

 

МЕТОДЫ СИТУАЦИОННОГО АНАЛИЗА И ПРОГНОЗИРОВАНИЯ

В основе этих методов прогнозирования  лежат модели, предназначенные для  изучения функциональных или жестко детерминированных  связей, когда  каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного признака. В качестве примера можно привести зависимости, реализованные в рамках известной модели факторного анализа фирмы Дюпон. Используя эту модель и подставляя в нее прогнозные значения различных факторов, например выручки от реализации, оборачиваемости активов, степени финансовой зависимости и других, можно рассчитать прогнозное значение одного из основных показателей эффективности — коэффициента рентабельности собственного капитала.

   Другим весьма наглядным  примером служит форма отчета о прибылях и убытках, представляющая собой табличную реализацию жестко детерминированной факторной модели, связывающей результативный признак (прибыль) с факторами (доход от реализации, уровень затрат, уровень налоговых ставок и др.). Один из возможных подходов прогнозирования в этом случае может выглядеть следующим образом.

Ставится задача выявления и  исследования факторов развития хозяйствующего субъекта и установления степени  их влияния на различные результатные показатели, например прибыль. Для этого используется имитационная модель, предназначенная для перспективного анализа формирования и распределения доходов предприятия. В укрупненном виде модель представляет собой многомерную таблицу важнейших показателей деятельности объекта в динамике. В подлежащем таблицы находятся взаимоувязанные показатели либо в номенклатуре статей формы № 2, либо в более детализированном виде. В сказуемом таблицы находятся результаты прогнозных расчетов по схеме «что будет, если ...». Иными словами, в режиме имитации в модель вводятся прогнозные значения факторов в различных комбинациях, в результате чего рассчитывается ожидаемое значение прибыли. По результатам имитации может выбираться один или несколько вариантов действий; при этом значения факторов, использованные в процессе моделирования, будут служить прогнозными ориентирами в последующих действиях. Модель реализуется на персональном компьютере в среде табличного процессора в соответствии с намеченным сценарием.

Для иллюстративных целей укрупненный состав показателей имитационной модели прибыли (на примере торгового предприятия) представлен в табл. 5.2. Некоторые из приведенных в ней показателей являются комплексными, поэтому данная модель может быть дополнена субмоделями, предназначенными для моделирования динамики валового дохода, издержек обращения, внереализационных доходов и расходов, отчислений от прибыли и др.

Таблица

Иллюстрация имитационной модели «Прибыль»

	Показатель	Базовое значение-1998г.	Расчетные значения
			1999	2000		2004
1. 2. 3. 4.	Товарооборот  Уровень торговой наценки, % Индекс розничных цен, %  Валовой доход от реализации
5. 6. 7.   8.	НДС, издержки обращения и прочие расходы Прибыль  Налоги на прибыль и прочие отчисления от прибыли  Чистая прибыль
9. 10. 11. 12.	Собственный капитал  Соотношение собственных и заемных  средств, % Рентабельность собственного капитала Рентабельность авансированного  капитала

 

Примечание. Алгоритмы формирования отдельных показателей в данной модели имеют очевидную интерпретацию и заполняются по данным бухгалтерской отчетности.

Описанная модель может быть реализована  на персональном компьютере в среде  электронных таблиц в два этапа:

1-й этап. Специалист (финансовый менеджер, экономист, бухгалтер) в рамках выбранной версии и сценариев по годам готовит количественные данные для заполнения исходной таблицы и производит различные расчеты путем изменения параметров и переменных (скидки, ставки налога, проценты за кредит и др.). При этом в имитационной модели предусмотрены не только расчеты показателей прибыли, но возможно решение обратной задачи — по заданному значению прибыли определяются значения основных параметров и переменных (темп роста товарооборота, уровень торговой наценки, уровень издержек обращения и др.).

2-й этап. Предложенный специалистом вариант (или варианты) финансовой политики обсуждаются с участием администрации и руководителей объекта путем проведения многократных расчетов с помощью имитационной модели на компьютере.

Полученные в ходе моделирования результаты используются для составления среднесрочного прогноза (допустим, на первые два-три года), а более длительный прогноз служит непосредственно для целей[стратегического управления и постоянной корректировки данных по годам.

 Одним из ключевых моментов для разработки прогнозных оценок является учет: а) уровня и динамики инфляции; б) состава и структуры товарооборота. Для этого в модели целесообразно предусмотреть использование различных относительных величин.

Имитационное моделирование финансово-хозяйственной деятельности основано на сочетании формализованных (математических) методов и экспертных оценок специалистов и руководителей хозяйствующего субъекта, но с превалированием последних. Поэтому для разработки долгосрочного прогноза со стороны администрации необходимо включить 2—3 специалиста от различных служб и подразделений предприятия (коммерческой службы, планового отдела, финансового отдела и бухгалтерии).

  Еще один вариант использования  ситуационного анализа для прогнозирования возможных действий имеет более общее применение.  Теоретически существуют четыре типа ситуаций, в которых необходимо проводить анализ и принимать управленческие решения, в том  числе и на уровне коммерческой организации: в условиях определенности, риска, неопределенности, конфликта. Однако с позиции прогнозирования вариантов возможных действий наибольший интерес  представляет алгоритмизация действий в условиях риска.

  Эта ситуация встречается  на практике достаточно часто.  Здесь применяется вероятностный подход, предполагающий прогнозирование  возможных исходов и присвоение им вероятностей. При этом пользуются: а) известными типовыми ситуациями (типа — вероятность появления герба при бросании монеты равна 0,5); б) предыдущими распределениями вероятностей (например, из выборочных обследований или статистики предшествующих периодов известна вероятность появления бракованной детали); в) субъективными оценками, сделанными аналитиком самостоятельно либо с привлечением группы экспертов. Таким образом, последовательность действий аналитика такова: