Тема 10. Короткостроковий прогноз фінансового стану підприємства

10.1. Особливості прогнозування

Під прогнозом розуміється науково-обґрунтоване судження про можливі стани об'єкта в майбутньому, про альтернативні шляхи й терміни здійснення. Головна позначка прогнозам - виявити процеси розвитку явищ і передбачати розвиток подій у майбутньому, а також побудова моделі ймовірного стану майбутнього середовища (як зовнішнього так і внутрішнього) [27].

Особливістю прогнозів є ті, що вони включають як бажані, так і можливі характеристики стану зовнішнього й внутрішнього середовища, а також позитивні й негативні тенденції у взаємодії внутрішніх і зовнішніх факторів.

Прогнозування — найбільш складний вид діяльності в системі аналітичних досліджень фінансових процесів, які протікають на підприємстві. Воно є основним і завершальним етапом такого роду досліджень, головні результати якого товаровиробники закладають в основу програм своєї діяльності. Відмінності в горизонті прогностичної роботи знаходять висвітлення в характері планування: стратегічне планування — на базі середньо- і довгострокових прогнозів, а поточне планування фінансово-господарських операцій – на основі короткострокових прогнозів.

Розробка прогнозів майбутнього стану умов господарювання включає оцінки майбутньої кон'юнктури ринку (для короткострокових прогнозів) і тенденцій зміни ринку (для середньо- і довгострокових прогнозів). У процесах розробки стратегії дій слід приділяти достатня увага й довгостроковою, і короткостроковим аспектам з метою виключення домінування яких-небудь аспектів. Із цієї причини прогнози проводяться як з коротко-, так і з довгостроковими періодами попередження.

Методологічно при середньо- і довгостроковому прогнозуванні не враховуються часток і випадкові фактори розвитку ринку; чим довше прогнозний період, тим більше узагальненим стає прогноз, а фактори впливів на кон'юнктуру ринку поступаються місцем факторам, що формують тривалі, істотні тенденції ринку.

10.2. Якісні та кількісні методи прогнозування фінансового стану підприємства

Прогнозування фінансового стану підприємства може бути експертним, а також прогноз може бути розрахований математично за допомогою прогнозних моделей. Математичний прогноз є об'єктивним, відкритим і науково обґрунтованим. Тільки математичні прогнозні моделі дозволяють здійснювати моделювання ситуації. Математична прогнозна модель -- це математична модель економічної системи: ринку в цілому, окремого підприємства або групи взаємозалежних підприємств [47]. Така модель розробляється для розрахунку прогнозних значень одного або декількох показників досліджуваної систем.

Чим точніше прогноз, тем вище його цінність. Існують дві стадії оцінки прогностичних здатностей моделей: прогнозування минулих періодів часу й експериментальна експлуатація. У першому випадку модель будується не на всій наявній статистиці, а на так званій навчальній вибірці, з якої виключаються кілька останніх точок. Розроблювач моделі розраховує прогнозні значення, відповідні до інтервалів часу, на які доводиться тестова вибірка, і оцінює прогностичні здатності моделі на основі різниці між фактичними й прогнозними значеннями показників [11].

Модель, що пройшла першу стадію тестування, і передана в досвідчену експлуатацію, розраховує майбутні значення показника в чистому виді [25]. У міру настання майбутнього, прогнозні значення показника рівняються з його фактичними значеннями.

Прогноз, що розраховується за допомогою моделі, може бути двох типів: точковий і інтервальний. Точковий прогноз – це одне число для одного періоду часу Інтервальныий прогноз – це два числа для одного періоду часу: верхня й нижня межа прогнозу.

Відстань між верхньою й нижньою границею прогнозу називається довірчим інтервалом. Чим ширше довірчий інтервал, тем вище ймовірність влучення в цей інтервал фактичного значення прогнозованого показника. Теоретично, можна зробити довірчий інтервал настільки широким, що ймовірність влучення в нього буде рівна ста відсоткам Однак цінність такого прогнозу буде невисока: для ухвалення рішення потрібна визначеність, тобто вузький інтервал. Тому тут доводиться балансувати між шириною довірчого інтервалу й імовірністю влучення в нього.

Точність моделі можна підвищувати постійно, для цього є два способи: екстенсивний і інтенсивний. Екстенсивний спосіб – це перерахування коефіцієнтів моделі на додатковій статистиці. Промислова реалізація прогнозних моделей може містити в собі механізм самонастроювання в міру вступу нової інформації із часом. Інтенсивний спосіб – це додаткове пророблення специфікації моделі, одна із самих витратних робіт у процесі створення прогнозної моделі.

Специфікацією прогнозної моделі називається механізм розрахунку прогнозу. Це набір факторів, вид формул, варіанти включення факторів у формули – проста залежність, лагові залежності, інструментальні змінні на базі факторів.

Процес пророблення специфікації моделі – одна із самих витратних робіт у процесі створення прогнозної моделі [50]. Пророблення специфікації починається з постановки завдання й далі циклічно повторюється між стадіями якісного й чисельного моделювання доти, поки не буде досягнута необхідна точність прогнозування й ступінь відповідності моделі й досліджуваної системи.

Оцінити ступінь пророблення специфікації можна, використовуючи дві методики: аналіз дескриптивних характеристик моделі і її експертне тестування. Дескриптивні характеристики – коефіцієнт множинної регресії, залишкова варіація, коефіцієнт детермінації, F-Статистика – дають кількісну оцінку того, наскільки успішно модель відображає зміну прогнозованого показника в минулому. Це сама початкова, базова оцінка якості моделі. З поганими дескриптивними характеристиками не можна одержати гарний прогноз, адже прогнозна модель – це модель правил функціонування досліджуваної системи [12]. Експертне тестування дає оцінку моделі з погляду змістовного змісту.

Складність пророблення специфікації моделі полягає, насамперед, у тому, що залежність між реальними показниками може бути промодельовано декількома різними способами без істотних змін дескриптивних характеристик моделі.

Розробка прогнозної моделі – це циклічний процес, що включає кілька етапів, на кожному з яких відбувається тісна взаємодія фахівців розроблювача з експертами. Розроблювач розуміється на методах прогнозування, але гарна модель вийде лише після з'ясування всіх деталей механізму досліджуваної системи.

Результати чергового етапу розробки моделі можуть зажадати збір додаткової статистичної інформації, виявлення схованих процесів функціонування досліджуваної системи на стадії чисельного моделювання приводить до переробки концепції моделі на стадії якісного моделювання і так далі.

На першому етапі побудови прогнозної моделі виявляється й формулюється проблема. На основі цього формулювання ставиться завдання й визначається набір прогнозованих показників [31].

Наступний етап – це якісне моделювання досліджуваної системи. Висуваються й оцінюються гіпотези відносно механізму функціонування досліджуваної системи. Визначається набір факторів, що впливають на прогнозований показник, з'ясовується характер залежності між ними. Визначившись із набором факторів і показників, переходимо до третього етапу – збору статистичної інформації. Для розробки прогнозної моделі потрібно достовірна статистична інформація про досліджувану систему.

Уся вихідна інформація в обов'язково порядку проходить перевірку, тому що на основі недостовірних вихідних даних нічого, крім недостовірних результатів, розрахувати не вийде. Перевірка даних за минулі періоди часу проводиться переважно на основі непрямих ознак: відсутні крапки, наявність нульових і негативних значень, перевірка мінімальних і максимальних значень, змістовне пояснення «сплесків» і «провалів» показників, наявність ланцюжків однакових значень.

Від оперативності збору й перевірки статистичної інформації за минулі періоди часу в істотному ступені залежить швидкість побудови моделі.

Паралельно з розробкою прогнозної моделі необхідно налагоджувати регламентований збір статистичної інформації в реальному часі, тому що для розрахунку прогнозу на майбутнє необхідне знати всю інформацію про минуле й сьогодення [42]. На даному етапі неоціненну роль відіграють функціонуючі облікові системи, з яких можна в реальному часі одержувати свіжу достовірну інформацію, необхідну для розробки й експлуатації прогнозних моделей.

Четвертий етап розробки моделі присвячений чисельному моделюванню на основі зібраної статистичної інформації На цьому етапі до процесу підключається вся міць математичних програмних додатків: Matlab, Statistica, SPSS.. Результатом даного етапу, в остаточному підсумку, стає прототип прогнозної моделі, що проходить експертне тестування. Прототип моделі, як правило, оформляється у вигляді аркуша MS Excel, що дозволяє самим доступним образом вивчити структуру моделі: набір, що ввійшли в неї змінних, характер взаємозв'язку між ними, коефіцієнти змінних.

Експертному тестуванню підлягають два ключові аспекти: точність прогнозу й отриманий механізм розрахунку прогнозу. Необхідно визначити вимоги до точності роботи моделі й у такий спосіб установити один із двох критеріїв готовності моделі. Специфікація підлягає експертному тестуванню для того, щоб визначити, наскільки точно в моделі відображено механізм функціонування реальної економічної системи -- це другий критерій готовності прогнозної моделі [21].

Залежно від використовуваних методик, модель може бути аналітичною або алгоритмічною. Аналітична модель розраховує прогнозні значення на основі факторів. Алгоритмічна модель працює без факторів як таких. Факторами алгоритмічної моделі є час і минулий значення прогнозованого показника.

Аналітичні моделі в порівнянні з алгоритмічними, як правило, дають більш точні прогнози. Однак вони можуть давати сильну погрішність, якщо немає достовірної інформації із усіх факторів. Для розрахунку прогнозного значення потрібно знати точні значення факторів у минулому й майбутньому. Це є основним обмеженням довжини прогнозного періоду в ході застосування аналітичних моделей. Горизонт прогнозування алгоритмічних моделей сильно залежить від типу моделі: він може не перевищувати одного періоду, а може бути теоретично необмеженим.

Розробка аналітичних моделей – це, як правило, більш довгий і складний процес у порівнянні з розробкою алгоритмічних моделей. Аналітичні моделі відбивають саму суть функціонування досліджуваної системи. Алгоритмічні моделі відбивають основні закони зміни прогнозованого показника. Це сезонність, циклічність, річні й щомісячні темпи росту, залежність показника від його попередніх значень (автокореляція).

Загальновизнані методи прогнозування динамічних рядів: економетричні, регресійні, методи Бокса-Дженкінса (ARIMA, ARMA), методи прогнозування, засновані на згладжуванні, експонентному згладжуванні й ковзному середньому, «наївні» моделі прогнозування.

При створенні «наївних» моделей передбачається, що деякий останній період прогнозованого тимчасового ряду найкраще описує майбутнє цього прогнозованого ряду, тому в цих моделях прогноз, як правило, є дуже простою функцією від значень прогнозованої змінної в недалекому минулому.

Методи прогнозування доцільно класифікувати з урахуванням суб’єктивності та об’єктивності (рис. 3.1).

Аналітичні методи

Область кількісного прогнозування

Область якісного прогнозування

Пояснюючі методи

Експертиза

Суб’єктивність

Об’єктивність

Інтуїція

Евристичні та екстраполяційні методи

«Наївні» методи

Рис. 3.1. Типологія методів прогнозування [35]

При проведенні аналітичної роботи метод прогнозування необхідно обирати за двома вимірами: ступенем свободи процесу прогнозування від суб'єктивності й більшого або меншого ступеня аналітичності цього процесу. У крайніх точках цих вимірів — суб'єктивні й об'єктивні методи й методи наївні й причинно-наслідкові.

До складу кількісних методів прогнозування входять: екстраполяція тренда, прогнози на основі індикаторів, регресійний аналіз. Основними якісними методами прогнозування є методи: Дельфі та сценаріїв.

Суб'єктивні методи – процеси, які використовуються для формування прогнозів, але не викладені в явній формі й невіддільні від аналітика, який здійснює прогноз.

Об'єктивні методи – чітко сформульовані процеси прогнозування, які можуть бути відтворені іншими особами.

Це перший вимір фактично протиставляє кількісні методи якісним, у яких переважають інтуїція, творчість, уява.

При використаннях наївних методів прогноз формується на базі спостережень за минулими змінами досліджуваної змінної, без обліку в явній формі інших основних факторів, що впливають на досліджуваний процес. При використанні таких методів прогнозування необхідно враховувати , що прогноз підтверджується при незмінності інших факторів. При прогнозуванні досліджувати інші фактори можна у випадку прогнозування на основі побудови регресійної економіко-математичної моделі.

При використаннях причинно-наслідкових методів фактори ідентифіковані, а їх майбутні ймовірні значення прогнозуються, з них виводиться ймовірне значення досліджуваного показника за умови реалізації прийнятого сценарію.

Цей другий вимір протиставляє методи екстраполяції пояснюючим методам незалежно від їхнього кількісного або якісного характеру.

Експертні судження мають місце в тому випадку, коли прогнози заснований не на об'єктивних даних, а скоріше на думці менеджера, покупця, фахівця. «Експерт» засновує своє судження на групі причинних факторів, оцінюючи ймовірність їх прояву й впливу на результативний показник. Основною перевагою експертного методу в порівнянні з чисто інтуїтивним підходом — можливості обміну і зіставлення ідей внаслідок наявності явно вираженої казуальної структури. Евристичні й екстраполяціні методи застосовуються звичайно у випадках, коли аналітична структура прогнозного процесу слабка, але прогноз опирається на об'єктивну маркетингову інформацію. Це відносно прості методи, засновані на попередньому досвіді або на досить складній екстраполяції даних показників за минулі періоди. До їх складу включаються метод ланцюжка відносин, аналіз купівельної здатності, аналіз і декомпозиція трендів, метод експонентного згладжування.

Експлікативні («пояснюючі») моделі відрізняються від інших моделей математичного моделювання тим, що причинна структура в них установлюється й перевіряється експериментально, в умовах, що піддаються об'єктивному спостереженню й виміру.

Здійснювати процедуру прогнозування можна за допомогою побудови простої, або множинної регресійної економіко-математичної моделі у випадку якщо така модель є лінійною. Прогнозувати в цьому випадку можна значення залежної змінної при цьому, попередньо підставивши в рівняння наступні значення незалежних змінних.

Віднесення економічного об'єкта до певного кластера в майбутніх періодах можна прогнозувати за допомогою використання штучних нейронних мереж.

При проведенні аналітичної роботи метод прогнозування необхідно обирати за двома вимірами: ступенем свободи процесу прогнозування від суб'єктивності й більшого або меншого ступеня аналітичності цього процесу. У крайніх точках цих вимірів – суб'єктивні й об'єктивні методи й методи наївні й причинно-наслідкові.

До складу кількісних методів прогнозування входять: екстраполяція тренда, прогнози на основі індикаторів, регресійний аналіз. Основними якісними методами прогнозування є методи: Дельфі та сценаріїв. Суб'єктивні методи – процеси, які використовуються для формування прогнозів, але не викладені в явній формі й невіддільні від аналітика, який здійснює прогноз. Об'єктивні методи – чітко сформульовані процеси прогнозування, які можуть бути відтворені іншими особами. Перший вимір фактично протиставляє кількісні методи якісним, у яких переважають інтуїція, творчість, уява. При використаннях наївних методів прогноз формується на базі спостережень за минулими змінами досліджуваної змінної, без обліку в явній формі інших основних факторів, що впливають на досліджуваний процес. При використанні таких методів прогнозування необхідно враховувати, що прогноз підтверджується при незмінності інших факторів. При прогнозуванні досліджувати інші фактори можна у випадку прогнозування на основі побудови регресійної економіко-математичної моделі.

1. Наведіть основні відмінності евристичних та екстраполяційних методів.

2. Перерахуйте основні складові мультиплікативної моделі декомпозиції динамічного ряду результативного показника.