Инструментарий прогнозного анализа деятельности коммерческих организации

Развитие специфических приемов прогнозного анализа происходит в результате конкретизации общих методов анали­за деятельности коммерческих организации, исключительно с точки зрения их динамики, движения. К числу таких приемов относятся методы экономического прогнозирования.

В наших условиях экономическое прогнозирование - это начальный этап планирования. Основываясь на изучении за­кономерностей развития различных экономических явлений и процессов, оно выявляет наиболее вероятные пути этого разви­тия и дает базу для выбора и обоснования плановых решений на любом уровне управления. Таким образом, функции эконо­мического прогнозирования исключительно аналитические. Ниже рассмотрены наиболее распространенные методы эконо­мического прогнозирования.

Исходным пунктом любого из методов прогнозирования является признание факта некоторой преемственности (или определенной устойчивости) изменении показателей финансо­во-хозяйственной деятельности от одного отчетного периода, к другому. Поэтому, в общем случае, прогнозный анализ при­менительно к коммерческой организации представляет собой изучение ее финансово-хозяйственной деятельности с целью определения финансового состояния в будущем

Для целей прогнозного анализа используется весь методи­ческий инструментарий анализа, достаточно хорошо описан­ный в экономической и специальной литературе. Однако осно­ву прогнозного анализа составляют методы прогнозирования и методы оценки чувствительности экономических результатов к предполагаемым изменениям ситуации.

В зависимости от вида используемой модели все мето­ды прогнозного анализа можно подразделить на три большие группы (см. рисунок):

1. Эвристические методы - это неформальные методы ре­шения экономических задач, связанных со сложившейся хозяй­ственной ситуацией, на основе интуиции, опыта, экспертных оценок специалистов и т. д.

Они используются в основном для прогнозирования со­стояния объекта в условиях частичной или полной неопре­деленности, когда основным источником получения необхо­димых сведений служит интеллектуальный потенциал про­фессионалов, работающих в определенных сферах науки и бизнеса.

Наиболее распространенным из них является метод экс­пертных оценок - организованный сбор суждений и предло­жений специалистов (экспертов) по исследуемой проблеме с последующей обработкой полученных ответов.

2. 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.

Комбинированный метод

3. 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. 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 показаны 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 динамического 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 авторегрессионных 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 корреляционно-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.

Необходимые предпосылки стохастического моделирования -возможность составления совокупности наблюдений (измерений); качественная однородность совокупности относительно изучае­мых связей; достаточная размерность совокупности; наличие со­ответствующих методов.

Далее проведем краткий обзор базовых методов прогнозиро­вания.

Метод экспертных оценок. Основой данного метода являет­ся опрос специалистов, который может быть индивидуальным, коллективным, очным, заочным, анонимным и т.д. Организаторы опроса определяют объект и цели экспертизы, подбирают экс­пертов, проверяют их компетентность, анализируют и обобщают результаты экспертизы. 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.

Метод пропорциональных зависимостей. Основой для раз­работки метода пропорциональных зависимостей показателей послужили две основные характеристики любой экономической системы - взаимосвязь и инерционность.

Одной из очевидных особенностей действующей коммерче­ской организации как системы является естественным образом со­гласованное взаимодействие ее отдельных элементов (как качест­венных, так и поддающихся количественному измерению) Это оз­начает, что многие показатели, даже не будучи связанными между собой формализованными алгоритмами, тем не менее изменяются в динамике согласованно.

Вторая характеристика - инерционность - в приложении к дея­тельности компании также достаточно очевидна. Смысл ее состо­ит в том, что в стабильно работающей компании с устоявшимися технологическими процессами и коммерческими связями не мо­жет быть резких «всплесков» в отношении ключевых количест­венных характеристик.

Метод балансовой модели. Суть данного метода ясна уже из его названия. Баланс коммерческой организации может быть опи­сан различными балансовыми уравнениями, отражающими взаи­мосвязь между различными активами и пассивами. Простейшим из них является основное балансовое уравнение, которое имеет вид:

На практике прогнозирование осуществляется путем исполь­зования более сложных балансовых уравнений и сочетания данно­го метода с другими методами прогнозирования.

Метод системы опережающих индикаторов. Идея, лежащая в основе такого подхода, основывается на предсказании перехода деятельности от подъема к спаду (или, наоборот, от спада к подъе­му), для чего необходимо сформировать «систему раннего обнару­жения». Иными словами, необходимо выделить такие показатели, у которых поворотные точки наступают раньше, чем у показателя, принятого для характеристики жизненного цикла. Тогда достиже­ние пика или впадины опережающим индикатором позволило бы указать на вероятное приближение пика или впадины в динамике развития организации.

В зависимости от того, как экономические показатели меня­ются в ходе жизненного цикла (достигают ли они максимума (ми­нимума) до или после прохождения высшей (низшей) поворотной точки жизненного цикла) выделяют три типа циклических показа­телей - опережающие, совпадающие и запаздывающие.

Опережающими считаются такие показатели, которые дости­гают максимума (минимума) перед наступлением пика (дна) дело­вой активности.

Совпадающими считаются показатели, которые изменяются одновременно с динамикой экономической активности.

Запаздывающими считаются показатели, которые достигают максимума (минимума) после пика (дна) экономической активности.

Проведенное исследование позволяет сделать вывод о том, что почти все исследуемые показатели носят циклический харак­тер и во многом копируют динамику рентабельности активов. Но проявление их различно. Некоторые из них являются совпадаю­щими на отдельной стадии развития организации, некоторые опережающими, другие запаздывающими.

Методы динамических рядов. Динамический ряд (у) - это ряд наблюдений значений измеряемого параметра (u) в после­довательные моменты времени (t):

Динамический ряд есть частный случай табличной функ­ции, которая представляет собой «протокол» любого наблюде­ния. Математическая обработка этой таблицы преследует цепь «выжать» из нее как можно больше информации о закономер­ностях развития данного явления в прошлом и настоящем, ис­пользовать полученную информацию для характеристики яв­ления в будущем.

Задача прогнозирования динамических рядов заключается в том, чтобы по имеющимся наблюдениям за ходом экономи­ческого процесса в моменты времени t₁, t₂,..., t_n, предсказать зна­чения измеряемого параметра в моменты времени t_n+₁, t_n+₂ и т.д.

Несмотря на кажущуюся простоту, данная задача в общем виде для нестационарных процессов еще не решена. Большая часть экономических процессов нестационарна, что выража­ется наличием в динамических рядах эволюторной составля­ющей - временного тренда. Поэтому среди методов прогнози­рования динамических рядов большое место занимают всевоз­можные неформальные, эмпирические методы, базирующиеся на интуиции и опыте специалистов определенной отрасли.

Неформальный подход к анализу позволяет сделать прогно­зирование динамических рядов более определенным путем вве­дения в подстановку дополнительных ограничений (условий).

Метод простого динамического анализа. 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 Үстроится, например, следующая зависимость:

Метод авторегрессионных зависимостей. 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 (зависит определенным образом от состояния этого показатели в предыдущих периодах (в данном случае абстрагируемся от вли­яния других факторов), т.е. значения прогнозируемою 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 уравнения (4), вводя в него в качестве фактора период времени t, т.е. объединяя методы авторегрессии и простого ди­намического анализа. В этом случае уравнение регрессии будет иметь вид:

Коэффициенты регрессии данного уравнения могут быть най­дены методом наименьших квадратов.

Метод корреляционно-регрессионного анализа. Это клас­сический метод стохастического моделирования. Он изучает взаимосвязи показателей хозяйственной деятельности, когда зависимость между ними не является строго функциональной и искажена влиянием посторонних, случайных факторов. При проведении корреляционно-регрессионного анализа строят различные корреляционные и регрессионные модели хозяйст­венной деятельности. В этих моделях выделяют факторные и результативные показатели (признаки). В зависимости от коли­чества исследуемых показателей различают парные и многофак­торные модели корреляционно-регрессионного анализа.

Корреляционно-регрессионный анализ применяется для по­строения прогноза какого-либо показателя с учетом существую­щих связей между ним и другими показателями. Сначала в резуль­тате качественного анализа выделяется k факторов (X₁, Х₂,., X_k), влияющих, по мнению аналитика, на изменение прогнозируемого показателя Y, и строится чаще всего линейная регрессионная за­висимость типа:

Основной задачей корреляционно-регрессионного анализа является выяснение формы и тесноты связи между результа­тивным и факторными показателями. Под формой связи пони­мают тип аналитической формулы, выражающей зависимость результативного показателя от изменений факторного. Раз­личают связь прямую, когда с ростом (снижением) значений факторного показателя наблюдается тенденция к росту (сни­жению) значений результативного показателя. В противном случав между показателями существует обратная связь. Форма связи может быть прямолинейной (ей соответствует уравнение прямой пинии), когда наблюдается тенденция равномерного возрастания или убывания результативного показателя, в про­тивном случае форма связи называется криволинейной (ей со­ответствует уравнение параболы, гиперболы и др.).

Аналитические достоинства регрессионных моделей за­ключаются в том, что, во-первых, точно определяются фактор, по которому выявляются резервы повышения результативно­сти финансово-хозяйственной деятельности; во-вторых, вы­являются объекты с более высоким уровнем эффективности; в-третьих, возникает возможность количественно измерить экономический эффект от внедрения передового опыта, прове­дения организационно-технических мероприятий.

Метод имитационных моделей. В такие модели включаются данные о планируемых закупках материалов и комплектующих, объемах производства и сбыта, структуре издержек, инвестици­онной активности компании, налоговом окружении и т д. Об­работка этой информации в рамках единой финансовой модели позволяет оценить прогнозное финансовое состояние организа­ции 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, что делает невозможным их примене­ние внешними аналитиками.

Литература:

1. Ваганова О.Е. Прогнозный анализ денежных потоков предприя­тия. - journal.seun/ru/J2004_1R/Ecnomy/VAGANOVA.DOC
2. Шереметьев А.О. Анализ эффективности использования эко­номического потенциала коммерческой организации на разных стадиях жизненного цикла. Автореф. дисс. на соис. уч. ст. канд. экон. наук, Йошкар-Ола, 2008. - 27 с.
3. Ковалев В.В., Ковалева Вит. В. Финансовая отчетность. Анализ финансовой отчетности (основы балансоведения). 2-е изд., пе-рераб. и доп. - М.: ТК Велби, Проспект, 2006. - 432 с.