Г І Кизилов - Прогнозування чинників платоспроможності підприємств - страница 1

Страницы:
1 

витрат і доведення собівартості будівництва до 300-350 дол. за 1 м2. Ціни у 2000-2006 р. на ринку в середньому зростали до 5-8% щоміся­ця, попит в основному концентрується на одно- і двокімнатних квар­тирах. Більшість угод відбувається за середньою ціною в діапазоні 30­35 тис. дол. На підвищення цін реалізації впливає також зростання до­ходів населення в результаті позитивних зрушень в економіці.

Перспективним напрямком даного дослідження є проведення до­даткового аналізу на основі варіантних розрахунків вартості квартир при зміні її параметрів і незмінних параметрах моделі.

1.Федосеев В.В., Гармаш А.Н. Дайитбегов Д.М. Экономико-математические мето­ды и прикладные модели. - М.: ЮНИТИ, 2000. - 328 с.

2.Хачатрян С.Р. Прикладные методы математического моделирования экономиче­ских систем. - М.: Экзамен, 2002. - 356 с.

3.Афанасьев М.Ю., Суворов Б.П. Исследование операций в экономике. - М.: ИНФРА - М, 2003. - 370 с.

Отримано 28.05.2007

 

УДК 330 : 69.003 Г.І.КИЗИЛОВ, канд. екон. наук

Харківська національна академія міського господарства

ПРОГНОЗУВАННЯ ЧИННИКІВ ПЛАТОСПРОМОЖНОСТІ ПІДПРИЄМСТВ

Досліджуються методи прогнозування чинників платоспроможності підприємств. Запропоновано нові способи розрахунків прогнозних значень з використанням сучасних комп'ютерних продуктів.

Фінансові проблеми підприємств часто створюються не лише внутрішніми, але й зовнішніми чинниками, наприклад, хронічною за­боргованістю покупців (замовників) за поставлений товар чи виконані послуги, тобто дебіторською заборгованістю. Оцінка платоспромож­ності підприємств є одним із основних елементів у системі управління й обґрунтування господарських рішень. Однак для побудови стійких господарських відносин не достатньо зробити оцінку на поточний час. Необхідно здійснювати прогнозування фінансового стану партнерів на попередній термін.

Проблема прогнозування економічних чинників пов'язана з при­родою статистичної бази, що використовується для побудови необхід­них математичних імітаційних моделей. Ця проблема висвітлювалась у роботах [1-5].

Однією з проблем розрахунків прогнозу є те, що часовий ряд мо­же принципово відрізнятись від випадкової вибірки з генеральної су­купності статистичних даних тим, що його члени можуть виявитись статистично залежними. Взаємозалежність членів часового ряду по­требує специфічних методів для побудови прогнозних значень показ­ників, тобто, для визначення прогнозних оцінок   X(n+k), виходячи із

спостережень X], x2, x„.

В системі факторів часових рядів прийнято виділяти чотири типи:

-        довготривалі, що обумовлюють загальну тенденцію зміни xt. Ця тенденція описується за допомогою тієї чи іншої невипадкової фу­нкції/тр(ґ), як правило, монотонної функції тренду;

-        сезонні, що обумовлюють коливання змінної з періодичним повторюванням у певний період року. Результат дії сезонних факторів описується за допомогою невипадкової функції (p(t). Оскільки функція повинна бути періодичною, то аналогічно вона визначається гармоні­ками (тригонометричними функціями);

-        циклічні (кон' юнктурні), що обумовлюють зміну xt під впли­вом довготривалих циклів економічної, демографічної чи астрофізич­ної природи. Результат їх дії описується невипадковою функцією ці(t).

-        випадкові (нерегулярні), що не піддаються реєстрації і обліку. Їх вплив на формування значень часового ряду обумовлює стохастич-

ну природу елементів Xt і необхідність інтерпретації X], x2,        xяк

спостереження, що виконані над випадковими величинами, відповідно в], e2, en. Результат дії випадкових факторів описується за допомо­гою випадкових величин («залишків») et [1].

З огляду на недовгий період стабільного функціонування підпри­ємств у ринковому середовищі циклічні фактори не проявляються і тому ми припускаємо, що у досліджуваному періоді на значення часо­вого ряду показників могли впливати тільки три групи факторів: дов­готривалі, сезонні і випадкові:

x(t) = fTP(t) + <p(t) + e(t).

Прогнозування потребує адекватних оцінок для невипадкових функцій frp(t) і <(t), а також побудови моделі, яка описує поведінку випадкових залишків e(t).

Для короткострокового прогнозування не більше ніж на три такти вперед (k < 3), а також для середньострокового (3 < k < 6) існує ряд екстраполяційно-статистичних методів. Такі прогнози вважаються найбільш ефективними. Довгострокове прогнозування (k > 6) потребує застосування комплексних методів збору й аналізу статистичної інфо­рмації. Окрім того, статистична інформація повинна відображати дов­гий часовий ряд (n > 50). Часовий ряд вважається коротким, якщо

n < 50. Саме такі ряди ми маємо для дослідження показників підпри­ємств у діючий організаційній формі. Вік більшості функціонування окремих підприємств не перевищує 32 тактів.

Найбільш потужним критерієм, що забезпечує меншу ймовірність помилки при прийнятті цієї гіпотези, в наукових працях вважається критерій Аббе (q). Розрахунки критерію на прикладі двох підприємств будівельної галузі, розташованих у м.Харкові, показали значне відста­вання фактичних значень q,p часових рядів питомої ваги поточних зо­бов'язань (кредиторської заборгованості) від критичних, що свідчить про наявність невипадкової складової в траєкторії ряду.

Аналітичні методи ґрунтуються на допущенні, що нам відомо про загальний вигляд невипадкової складової. Наприклад, x(t)=fmi,(t)+E(t). На підставі аналізу графіків часових рядів були висунуті припущення, що невипадкова складова динаміки питомої ваги поточних зобов' язань у валюті балансу описується поліномами різних степенів. Подальша ідентифікація моделей підтвердила обґрунтованість поліному третього степеня:

xt = Ъ+ b2t+ b3t2+ b4t3+ et, (1) де bj, b2, b3, b4 - невідомі параметри, що підлягають статистичному оцінюванню; et. - випадкові регресійні залишки (помилки) , що очіку­ються незначними порівняно з трендом.

Модель придатна для прогнозу у випадку відсутності взаємної кореляції і незмінності дисперсії помилок незалежно від номеру спо­стережень.

Існують різні погляди на використання методів у прогнозуванні. Відомий російський вчений-економетрик С. А. Айвазян застерігає щодо екстраполяції тенденції, на яку вказують регресійні моделі. Проте він не виключає можливості використання регресійних моделей у складі аналітичних методів для оцінки невипадкової складової часових рядів [1]. Приклади використання класичних часових рядів наведені також у роботах [6, 7].

Розрахунки регресійної моделі, наведеної у формулі (1), досить трудомісткі. На сьогодні існує низка програмних продуктів, призначе­них для математичної та статистичної обробки, аналізу даних. Однією з цих програм відомою, але не досить поширеною є STATISTICA®. Для рішення поставленої вище задачі доцільно використовувати модуль «Нелінійне оцінювання» - «Nonlinear estimation)).

Модуль містить процедури, які дозволяють оцінити нелінійні за­лежності серед показників. Він дає можливість вибрати різнобічні мо­делі залежностей, тобто шукати залежності в певному класі функцій,або самостійно ввести функцію й оцінити, наскільки данні погоджені з нею, можна самостійно вибрати методи оцінювання невідомих пара­метрів: метод виважених квадратів, метод максимальної правдоподіб­ності. Серед кількісних процедур, що реалізують методи оцінювання, у програмі пропонується вибір серед наступних: квазиньютоновський, метод Розенброка, Хука-Джевиса.

Результати ідентифікації моделей для двох будівельних підпри­ємств м. Харкова описують наступні моделі: для «1» - (2) , для «2» -(3) :

xt = 0,61755 + 0,02093 t - 0,00004 t2 + 0,00004 t3, (2) xt = 0,36097 + 0,0469 t - 0,00009 t2 + 0,00009 t3. (3)

Статистичні характеристики моделей показують, що вони мають високу прогностичну силу. Коефіцієнти детермінації вказують, що не менше 82,3% варіації зобов'язань обумовлено плином часу. Досліджу­ваний період часу відбив характерні політичні та економічні процеси на шляху розбудови ринкової економіки в Україні.

Остаточний висновок щодо придатності моделей (2) і (3) для про­гнозу доцільно зробити після оцінки якості прогнозів, виконаних на різні періоди часу.

Аналіз часових рядів потребує окремого дослідження залишків. Графіки залишків дають підставу висунути гіпотезу про періодичність змін і розглядати їх як періодичний часовий ряд. Такий ряд можна зо­бразити як суму середнього рівня та лінійної комбінації (p-1) синусої­дних хвиль - гармонічних компонент. Ці хвилі мають основний період p і гармоніки з періодамиp/2,p/3, що відповідають 1, 2, 3, ... цілим хвилям на протязі періоду p. З кожним періодом пов'язана синусоїда­льна і косинусоїдальна компоненти. Для періоду 2 синусоїдальна ком­понента відсутня: sin(nt)=0, для цілих t. Модель часового ряду пері­одичної поведінки можна зобразити як лінійну комбінацію гармоній­них векторів:

xt  + 2fAJ sin2^ + BJ cos^l, (4)

j=0 V          p                        p J

де j - середній рівень, у нашому випадку після виключення із часового ряду функції тренду і аналізу однорідності залишків на підставі коефі­цієнта Аббе вважаємо, що j =0; q - кількість гармонік: q=p/2, якщоp -парне число. У нашому дослідженні p=16; J - порядковий номер гар­моніки. J= 0, p/2-1 для синусоїдальної компоненти, /= 0, p/2-1 -для косинусоїдальної; Aj, Bj - коефіцієнти гармонік. Вони визначають­ся   за   методом   найменших   квадратів,   тобто   за   умови, що

2 (xt

xt )2 ® min. Для оцінки їх значень використовуються форму -

t=1 ли:

2 Л    . jt .     „     2 Л        2л/t А. =— 2 x, sin—— ;    B = — 2 x, cos—.

'   p t=1                                                            p               '   p t=1 p

Результати розрахунків рівняння гармонік на прикладі підприємс­тва «1» за допомогою програмної системи STATISTICA наведені ниж­че.

xt = 0,570 + 0,049t - 0,004t2 + 0,0001t3 + 2 Г,

j=1

(5)

2 Г = -0,0041sin x - 0,013sin2x - 0,007sin3x + 0,001sin4x +

j=1

+0,0068sin5x - 0,0055sin6x - 0,0034sin7x + 0,0018cos x - 0,0101cos2x + ' +0,0102cos3x - 0,0001cos4x + 0,0055cos5x + 0,0036cos6x + +0,0105cos7 x - 0,0119cos8x,

x = t;

p

де p - повний період, p=16.

Оскільки регресійні моделі були ідентифіковані на підставі 16 спостережень за формулами (2)-(3) і визнані якісними за статистични­ми параметрами, можна зробити висновок, що вони придатні для про­гнозу на п' ять тактів.

Розраховані нами результати прогнозу показують, що найвищу якість прогнозу забезпечує використання моделі тренду з додаванням гармонік. Для оцінки якості прогнозу використовували запропоноване Х. Тейлом середнє квадратичне значення помилки прогнозу, яке на­ближається до нуля. Крім того, абсолютна помилка має також досить низькі значення.

1.Айвазян С. А., Мхитарян В.С. Прикладная статистика и основы эконометрики. Учебник для вузов. - М.: ЮНИТИ, 1998. - 1022 с.

2.Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление: Вып.1: Пер. с англ. - М.: Мир, 1974. - 406 с.

3.Вітлінський В.В., Верченко П.І. Аналіз, моделювання та управління економіч­ним ризиком. - К.: КНЕУ, 2000. - 292 с.

4.Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. -М.: Статистика, 1973. - 103 с.

5.Ястремський О.І. Моделювання економічного ризику. - К.: Либідь, 1992. - 176 с.

6.Dougherty C. Introduction to econometrics. - New York: Oxford University Press,

1992. - 399 p.

7.Prestley M.B. Spectral Analysis of time series. Vol. 2. Multivariate series, prediction and control. - London: London Academic Press, 1981. - Р. 654-890.

Отримано 28.05.2007

 

УДК 657.1 : 364.124.6

Н.Є.ЛЕЛЮК, канд. екон. наук, О.О.КОРОП

Харківська національна академія міського господарства

ВИКОРИСТАННЯ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ ДЛЯ ВИБОРУ МЕТОДУ НАРАХУВАННЯ АМОРТИЗАЦІЇ

Розглядаються проблеми та процес розробки програм з використанням електро­нних таблиць Microsoft Excel з метою автоматизації процесу обчислення та вибору оп­тимального методу нарахування амортизації основних виробничих фондів.

Бухгалтерський облік на підприємстві в сучасних умовах немож­ливий без використання інформаційних технологій. Існує багато про­грам, за допомогою яких можна раціонально використовувати час працівників бухгалтерії, скорочуючи обсяги ручної роботи з докумен­тами. У кожної з програм, що пропонуються на ринку інформаційних послуг є свої переваги та недоліки [5]. Тому саме за підприємством залишається право вибору програмного забезпечення, що задовольня­ло б його потреби як за вартісними, так і за якісними характеристика­ми. Проте залишаються питання, які потрібно вирішувати до того, як вони відображаються в обліку. До них можна віднести, наприклад, вибір того чи іншого методу нарахування амортизації основних засо­бів, що буде застосовуватись підприємством. Згідно з П(С) БО 7 „Ос­новні засоби" підприємство може самостійно обирати метод нараху­вання амортизації груп основних засобів.

Проблема полягає в тому, що обираючи метод нарахування амор­тизації виробничих основних засобів, частіше за все основним крите­рієм є простота методу або тотожність сум нарахованої амортизації в бухгалтерському та податковому обліку. Внаслідок цього втрачається контроль за термінами корисного використання основних засобів, то­му обладнання використовується понад нормативні терміни експлуа­тації. Не приймається до уваги той факт, що амортизаційні відраху­вання на кожному підприємстві є розрахунковими витратами в собіва­ртості продукції, а їх сума у виручці від реалізації продукції - джере­лом фінансування інвестицій в основний капітал підприємства [3].

Аналіз останніх досліджень та публікацій [3-5] дає змогу говори­ти про те, що проблемам автоматизації бухгалтерського обліку приді­ляється значна увага. Але серед теоретиків і практиків у цій сфері не­має одностайної думки про те, яке програмне забезпечення повинно

Страницы:
1 


Похожие статьи

Г І Кизилов - Розпізнавання чинників підвищеного ризику

Г І Кизилов - Проблеми привабливості інвестиційного клімату в україні

Г І Кизилов - Проблеми реалізації методів нейтралізації підприємницького ризику на будівельних підприємствах

Г І Кизилов - Оцінка рівня несистематичного ризику зростання операційних витрат на будівельних підприємствах

Г І Кизилов - Проблеми реалізації методів нейтралізації підприємницького ризику на будівельних підприємствах