Финансовое прогнозирование

Методы экспертных оценок, которые предусматривают многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью инструментария экономической статистики. Это наиболее простые и достаточно популярные методы, история которых насчитывает не одно тысячелетие. Применение этих методов на практике, обычно, заключается в использовании опыта и знаний торговых, финансовых, производственных руководителей предприятия. Как правило, это обеспечивает принятие решения наиболее простым и быстрым образом. Недостатком является снижение или полное отсутствие персональной ответственности за сделанный прогноз. Экспертные оценки применяются не только для прогнозирования значений показателей, но и в аналитической работе, например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей и т. п. 
Стохастические методы, предполагающие вероятностный характер как прогноза, так и самой связи между исследуемыми показателями. Вероятность получения точного прогноза растет с ростом числа эмпирических данных. Эти методы занимают ведущее место с позиции формализованного прогнозирования и существенно варьируют по сложности используемых алгоритмов. Наиболее простой пример - исследование тенденций изменения объема продаж с помощью анализа темпов роста показателей реализации. Результаты прогнозирования, полученные методами статистики, подвержены влиянию случайных колебаний данных, что может иногда приводить к серьезным просчетам. Стохастические методы можно разделить на три типовые группы, которые будут названы ниже. Выбор для прогнозирования метода той или иной группы зависит от множества факторов, в том числе и от имеющихся в наличии исходных данных.

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, основными из которых являются простой динамический анализ и анализ с помощью авторегрессионых зависимостей.

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.

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, различающиеся 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.

Детерминированные методы, предполагающие наличие 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.)[12].

Здесь нельзя не упомянуть об еще одной группе методов, основаных на построении динамических имитационых моделей предприятия. В такие модели включаются данные о планируемых закупках материалов и комплектующих, объемах производства и сбыта, структуре издержек, инвестиционной активности предприятия, налоговом окружении и т.д. Обработка этой информации в рамках единой финансовой модели позволяет оценить прогнозное финансовое состояние компании с очень высокой степенью точности. Реально такого рода модели можно строить только с использованием персональных компьютеров, позволяющих быстро производить огромный объем необходимых вычислений. Однако эти методы не являются предметом настоящей работы, поскольку должны иметь под собой гораздо более широкое информационное обеспечение, чем бухгалтерская отчетность предприятия, что делает невозможным их применение внешними аналитиками.

Формализованные модели прогнозирования финансового состояния предприятия подвергаются критике по двум основным моментам: (а) в ходе моделирования могут, а фактически и должны быть разработаны несколько вариантов прогнозов, причем формализованными критериями невозможно определить, какой из них лучше; (б) любая финансовая модель лишь упрощенно выражает взаимосвязи между экономическими показателями. На самом деле оба эти тезиса вряд ли имеют негативный оттенок; они лишь указывают аналитику на существующие ограничения любого метода прогнозирования, о которых необходимо помнить при использовании результатов прогноза.

1.4 Обзор базовых методов прогнозирования

Простой динамический анализ

Каждое значение временного ряда может состоять из следующих составляющих: тренда, циклических, сезонных и случайных колебаний. Метод простого динамического анализа используется для определения тренда имеющегося временного ряда. Данную составляющую можно рассматривать в качестве общей направленности изменений значений ряда или основной тенденции ряда. Циклическими называются колебания относительно линии тренда для периодов свыше одного года. Такие колебания в рядах финансовых и экономических показателей часто соответствуют циклам деловой активности: резкому спаду, оживлению, бурному росту и застою. Сезонными колебаниями называются периодические изменения значений ряда на протяжении года. Их можно вычленить после анализа тренда и циклических колебаний. Наконец, случайные колебания выявляются путем снятия тренда, циклических и сезонных колебаний для данного значения. Остающаяся после этого величина и есть беспорядочное отклонение, которое необходимо учитывать при определении вероятной точности принятой модели прогнозирования.

Метод простого динамического анализа исходит из предпосылки, что прогнозируемый показатель (Y) изменяется прямо (обратно) пропорционально с течением времени. Поэтому для определения прогнозных значений показателя Y строится, например, следующая зависимость:

(1),

 

где t - порядковый номер периода.

Параметры уравнения регрессии (a, b) находятся, как правило, методом наименьших квадратов. Существуют также другие критерии адекватности ( функции потерь), например метод наименьших модулей или метод минимакса. Подставляя в формулу (1) нужное значение t, можно рассчитать требуемый прогноз.

Авторегрессионые зависимости

В основу этого 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 авторегрессионой зависимости в наиболее общей форме имеет вид:

(2),

 

где Yt - прогнозируемое значение показателя Y в момент времени t; 
Yt-i - значение показателя Y в момент времени (t-i); 
Ai - i-й коэффициент регрессии.

Достаточно точные прогнозные значения могут быть получены уже при k = 1. На практике также нередко используют модификацию уравнения (2), вводя в него в качестве фактора период времени t, то есть объединяя методы авторегрессии и простого динамического анализа. В этом случае уравнение регрессии будет иметь вид:

(3)

 

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

(4)

 

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

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

(5),

 

где Y*i - расчетная величина показателя Y в момент времени i; 
Yi - фактическая величина показателя Y в момент времени i.

Если e < 0,15 , считается, что уравнение авторегрессии может использоваться при определении тренда временного ряда экономического показателя в прогнозных целях. Ввиду простоты расчета критерий e достаточно часто применяется при построении регрессионных моделей[6].

Многофакторный регрессионный анализ

Метод применяется для построения прогноза какого-либо показателя с учетом существующих связей между ним и другими показателями. Сначала в результате качественного анализа выделяется kфакторов (X1, X2,..., Xk), влияющих, по мнению аналитика, на изменение прогнозируемого показателя Y, и строится чаще всего линейная регрессионная зависимость типа

(6),

 

где Ai - коэффициенты регрессии, i = 1,2,...,k.

Значения коэффициентов регрессии (A0, A1, A2,..., Ak) определяются в результате сложных математических вычислений, которые обычно проводятся с помощью стандартных статистических компьютерных программ.

Определяющее значение при использовании данного метода имеет нахождение правильного набора взаимосвязанных признаков, направления причинно-следственной связи между ними и вида этой связи, которая не всегда линейна. Влияние этих элементов на точность прогноза будет рассмотрено ниже.

 

 

Заключение

На основание исследования проведенного в рамках данной творческой работы сделано следующие теоретическое обращение и практические рекомендации:

Финансовое прогнозирование представляет собой научную теорию, которая играет  важную роль при планирование и регулирование экономике на макроуровне, а на микроуровне позволяет эффективно управлять финансовыми ресурсами предприятия для получения максимальной прибыли.

Финансовое прогнозирование - обработка имеющейся на данный момент информации о финансах, закономерностях их изменений, конкретных условиях их функционирования в данный момент времени с использованием специального инструментария качественных оценок и получения представления о направлениях их развития и состояние в будущем.

При рассмотрение особенностей построения финансовых прогнозов необходимо помнить тесную связь финансового планирования и прогнозирования. Финансовое прогнозирование обосновывает качественно и количественно наиболее вероятные сценарии развития будущего , на основание которых разрабатываются финансовые планы для наиболее адекватной реакции в будущем.

К важнейшим методологическим принципам как прогнозирования, так и планирования следует отнести принципы: системности, непрерывности, комплексности, адекватности, целенаправленности и приоритетности, оптимальности, сбалансированности и пропорциональности.

 При разработке финансовых прогнозов немаловажную роль играют используемые методы. В мировой практике используется следующая классификация методов финансового прогнозирования: методы экспертных оценок, стохастические методы, детерминированные методы. Наиболее распространенным методом является комбинированный метод, который учитывает все возможные (релевантные) факторы, что означает высокую точность осуществления прогнозируемого сценария.

 

Список использованной литературы:

1.Бюджетный  кодекс с комментариями - М.-»Проспект», 2008. -326с.

2.Барулин  С.В. «Финансы» - М. -»КНОРУС», 2010. -640с.

3.Белозеров  С.А., Бродский С.А., Горбушина и  др. «Финансы» М. «Проспект»2010.-928с.

4.Боди  З., Р.К. Мертон Финансы: учебное пособие : пер. с англ. - М. [и др.] : Вильямс, 2009. - 584 с..

5.Буряковский В.В. Финансы предприятий - учебник- М.: Финансы и статистика, 2008. - 485 с.

6.Галдаева Л.А. «Финансы, денежное обращение и кредит» М. «Юрайт»2011.-540с.

7.Грязнов А.Г., Маркин Е.В. «Финансы».-М.- «ИНФРА -М» 2010.-495с.

8.Ковалев В.В. «Финансы» М.- «Проспект»2008.-640с.

9.Романовский М.В., Врублевский О.В., Сабаити Б.М. «Финансы» М. «Юрайт»2010.-462с.

10.Романовский М.В., Врублевский О.В. «Финансы» М. «Юрайт»2011.-590с

11.www.minfin.ru

12.www.kremlin.ru

13.www.il-tumen.ykt.ru