5637
.pdf91
Рис. 3.1.2. Основные этапы (стадии, шаги) целевого планирования объёма продаж товаров
В специальной учебно-методической литературе по изучению курса «Экономика торгового предприятия» приводится ряд методик планирования (прогнозирования) общего объёма всех трех составляющих розничного товарооборота, в частности:
-методика планирования оборота по продаже товаров с учетом получения реальной прибыли;
-методика, предусматривающая использование норм и нормативов (производительность труда, пропускная способность торгового зала и т.д.);
-методика расчета оборота по продаже товаров с учётом планируемого или прогнозируемого ресурсного обеспечения предприятия на предстоящий период времени;
-экономико-статистические методы;
-экономико-математическое моделирование и оптимальное прогнозирование;
-методика расчёта объёма по продаже товаров на основе исчисления критической точки (массы), т.е. пороговой рентабельности и «запаса» финансовой прочности, и др.
Экономические методы общеизвестны, и их использование не вызывает трудности у студентов. Поэтому акцентируем основное внимание на применении в прогнозировании товарооборота методов экономикоматематического моделирования.
Технология расчёта прогнозного объёма оборота по реализации включает следующие этапы:
первый этап: определение объёма продаж в целом по предприятию; второй этап: расчёт прогноза оборота в разрезе отдельных кварталов и
месяцев; третий этап: прогнозирование ассортиментной структуры оборота.
Как уже отмечалось, первый этап планирования включает расчёт оборота по продаже товаров на будущий год, для чего используем ряд экономических методов и метода экономического моделирования.
92
3.1.1. Прогнозирование розничного товарооборота с помощью математических методов
Прежде чем использовать математические методы для целей планирования и других функций управления товарооборотом, необходимо иметь математическую модель объекта управления. Разработка таких моделей называется математическим моделированием, которое является особой разновидностью моделирования вообще.
«Модель есть средство выделения какой-либо объективно действующей системы закономерных связей и отношений, имеющих место в изучаемой реальной действительности. Чем точнее отображение, чем нагляднее форма отображения, тем лучше модель». (Акад. В. С. Немчинов)
Моделирование – это построение модели на основе изучения определённого объекта (процесса) и выделения его существенных для цели исследования характеристик; экспериментальный или теоретический анализ модели, ее корректировка, использование модели. Цель моделирования – получение новых знаний об изучаемом объекте (процессе).
Экономико-математическое моделирование – это перевод исследуемых экономических объектов с языка экономики на язык математики. Такой перевод подчиняется определённым правилам. Обратный перевод заключается в экономической интерпретации результатов математических решений.
Модель, зависящую от времени, называют динамической, и если время в динамической модели принимает целые значения, то такую модель называют трендом.
Данная модель математического прогноза является наиболее часто встречаемой. Тренд применяется при исследовании ряда, который обязательно достаточно сильно изменяется. Инструментом прогноза служит уравнение тренда (в некоторой литературе данные уравнения называют кривыми роста). Однако метод имеет один существенный недостаток, т.к. прогнозируется только детерминированная составляющая ряда динамики и не учитывается случайная компонента.
Для составления математической модели воспользуемся имеющимся банком данных о товарообороте предприятия за ряд лет (см. табл. 3.1.1).
Таблица 3.1.1
Объем товарооборота предприятия в динамике
Годы |
Товарооборот, тыс. руб. |
Базисные темпы роста, % |
93
Первый |
91 006 |
100,0 |
Второй |
106 113 |
116,6 |
Третий |
122 242 |
134,3 |
Четвёртый |
138 500 |
152,2 |
Пятый |
150 000 |
164,8 |
Как уже говорилось выше, под кривой роста (трендом) будем понимать некоторую функцию, аппроксимирующую заданный динамический ряд. Комплекс аналитических методов выравнивания данных сводится к выбору конкретных кривых роста и определению их параметров.
Разработка прогноза с использованием кривых роста включает следующие этапы: выбор одной или нескольких кривых, форма которых соответствует динамике временного ряда; оценка параметров выбранных кривых; проверка адекватности выбранных кривых прогнозируемому процессу и окончательный выбор кривой; расчет точечного и интервального прогнозов13.
Кривые роста обычно выбирают из трех классов функций.
К первому классу относятся кривые, которые используются для описания процессов с монотонным характером развития и отсутствием пределов роста.
Ко второму классу относятся кривые, имеющие предел роста в исследуемом периоде. Такие кривые называют кривыми насыщения.
Если кривые насыщения имеют точки перегиба, то они относятся к кривым третьего класса. Их называют S-образными кривыми.
Среди кривых роста первого типа следует выделить класс полиномов:
Y=a0+a1t + a2t2 + a3 t 3 + ....
Параметр а0 является начальным уровнем ряда при t = 0, а1 называют линейным приростом, а2 – ускорение роста (если знак отрицательный, то замедления), а3 – изменением ускорения (замедления) роста.
В экономических исследованиях в большинстве случаях применяются полиномы не выше третьего порядка.
Полином первой степени (линейный тренд): y = a0 + a1t
Изображается он в виде прямой и используется для описания процессов, развивающихся равномерно во времени.
Полином второй степени (парабола второго порядка):
у = а0+а1t + a2t2
13 Шапкин А. С., Мазаева Н. П. Математические методы и модели исследования операций. М. : Дашков и Ко, 2004. С. 234.
94
Он изображается в виде параболы и применяется в тех случаях, когда процесс развивается равноускоренно. Если а2 > 0, то ветви параболы направлены вверх, в случае а2 0 – вниз.
Полином третьей степени:
у= а0+а1 t + a2t2 + a3 t 3
Уэтого полинома знак прироста ординат может изменяться один или два
раза. Однако опыт применения параболического сглаживания функций для прогнозирования говорит о том, что и здесь разумно ограничиться параболой второго порядка. Важно помнить, что всякое усложнение модели путем введения в нее новых факторов или их модификации, неизбежно снижает точность прогноза, требует для получения той же надежности прогноза дополнительных данных (наблюдений), что в подавляющем большинстве случае трудно или невозможно осуществить.
Оценки параметров полиномов определяются методом наименьших квадратов. Так, нормальное уравнение для определения коэффициентов прямой имеет вид:
yt a0n a1 t
{ytt a0 t a1 t2
Решение системы, т.е. нахождение коэффициентов системы а0 и а1, производится по формулам Крамера.
Систему нормальных уравнений можно упростить и уменьшить абсолютные значения величин, если перенести начала координат в середину ряда динамики. Если до переноса начало координат t равно 1,2,3…, то после переноса получим:
•для чётного числа членов t = ..., -5, -3, -1, 1, 3, 5...,
•для нечётного числа членов t = ..., -3,-2, -1, 0, 1, 2, 3...
В этом случае коэффициенты прямой находятся из выражений a0 = yt /n; a1 = yt t/ t2
Аналогично определяются коэффициенты полинома второй степени (параболы), которые после переноса начала координат в середину ряда динамики имеют вид:
a |
0 |
= |
y |
/n- t2 / n (n |
y |
t2 - t2 |
y |
)/ n t4 -( t2 )2 |
|
|
t |
|
t |
|
t |
|
|
|
|
|
a1 = |
yt t/ |
t2 |
|
a |
2 |
=(n |
y |
t2 - t2 |
y |
)/ |
n t4 -( t2 )2 |
|
|
t |
|
t |
|
|
95
3.1.2. Прогнозирование розничного товарооборота методом линейного тренда (полинома первой степени)
Рассчитаем данные коэффициенты применительно к нашему динамическому ряду, построим линейный тренд и сделаем прогноз на будущий год (табл.3.1.2).
Таблица 3.1.2 Прогнозирование товарооборота методом линейного тренда
Года |
t |
t2 |
Yt |
|
Ytt |
YtT |
Yt – YtT |
Первый |
-2 |
4 |
91 006 |
|
-182 012 |
136 610 |
-45 604 |
Второй |
-1 |
1 |
106 113 |
|
-106 113 |
151 647 |
-45 534 |
Третий |
0 |
0 |
122 242 |
|
0 |
166 685 |
-44 443 |
Четвертый |
1 |
1 |
138 500 |
|
138 500 |
181 722 |
-43 222 |
Пятый |
2 |
4 |
150 000 |
|
300 000 |
196 760 |
46 760 |
Сумма |
0 |
10 |
607 861 |
|
150 375 |
Ошибка, |
38,4 |
|
|
|
|
|
|
% |
|
– |
– |
– |
Прогноз на будущий |
211797 |
– |
||
|
|
|
|
год |
|
|
Вычислим коэффициенты линейного тренда по формулам:
а0 = ∑yt / n = 607 861/5=121 572,2; a1 = ∑ytt / ∑t2 = 150 375/10=15 037,5
Таким образом, величина среднего уровня ряда при t = 0 составляет 12 1572,2 тыс. руб., а среднегодовое увеличение товарооборота составляет 15 037,5 тыс. руб.
Уравнение линейного тренда имеет вид: Ytт = 121 572,2 + 15 037,5х t Прогноз объёма продаж на будущий год составит:
YtT = 121 572,2 + 15 037,5х 6 = 211 797 тыс. руб.
Для сравнения рассчитаем линейный тренд без переноса начала координат в середину ряда динамики (см. табл. 3.1.3).
a1 =∑(t-tcp) х (Yt-Ycp)/ ∑t= 150 375,0/10,0= 15 037,5
а0 = Y(t)сp – a1 х tcp = 121 572,2 – 15 037,5х3,0 = 76 459,7.
Таким образом, уравнение линейного тренда имеет вид:
YtT = 76 549,7 + 15 037,5 t
Прогноз объема продаж на будущий год составит:
YtT = 76 549,7 + 15 037,5х 6 = 166 685 тыс. руб.
96
Таблица 3.1.3 Прогнозирование товарооборота методом линейного тренда
Годы |
t |
Y(t) |
(t-tcp) |
(t- |
Yt – Yср |
(t- tср)х |
Расчёт |
Откло- |
| Yt – |
|
|
|
|
tcp)2 |
|
(Yt – Yср) |
Yр(t) |
нение Е(t) |
YtT| х |
|
|
|
|
|
|
|
|
|
100/ |
|
|
|
|
|
|
|
|
|
Yt |
Первый |
1 |
91 006 |
-2,0 |
4,0 |
-30566 |
61132,4 |
91497 |
-491,2 |
0,540 |
Второй |
2 |
106 113 |
-1,0 |
1,0 |
-15459 |
15459,2 |
106535 |
-421,7 |
0,397 |
Третий |
3 |
122 242 |
0,0 |
0,0 |
670 |
0,0 |
121572 |
669,8 |
0,548 |
Четвертый |
4 |
138 500 |
1,0 |
1,0 |
16928 |
16927,8 |
136610 |
1890,3 |
1,365 |
Пятый |
5 |
150 000 |
2,0 |
4,0 |
28428 |
56855,6 |
151647 |
-1647,2 |
1,098 |
Сумма |
15 |
607 861 |
0,0 |
10,0 |
0,0 |
150375,0 |
– |
– |
3,948 |
Средняя |
3,0 |
121572,2 |
– |
– |
– |
Прогноз |
166685 |
величина |
0,79 |
величина |
|
|
|
|
|
на |
|
ошибки, |
|
|
|
|
|
|
|
будущий |
|
% |
|
|
|
|
|
|
|
год |
|
|
|
Как видно из таблицы, данный расчёт более трудоёмок, однако даёт меньшую сумму отклонений (3,948 %) и более приближенное к реальному прогнозное значение. Среднелинейная ошибка составляет 0,79 %, что говорит о том, что с вероятностью 99,21 % прогнозный объём продаж товаров в будущем году составит 166 685 тыс. руб.
Однако есть еще один вариант расчёта прогнозной модели показателя с помощью полинома первой степени – линейный тренд, рассчитанный по базисным темпам роста, без переноса начала координат. Данный метод обычно используется при анализе временных рядов с целью получения «кривой освоения» на товарном рынке.
На основе фактических данных о товарообороте предприятия составим основную тенденцию определения объёма продаж товаров или так называемую «кривую освоения», начиная с первого года, по данным, представленным в табл. 3.1.1 в строке 2.
Под основной тенденцией понимается некоторое общее направление развития исследуемого явления, которое определяется на основе выравнивания временного ряда по методу наименьших квадратов и сводится к представлению в виде плавной линии, выраженной функцией:
Yt = f(t)+Et.
Для дальнейших расчётов преобразуем абсолютные значения объема товарооборота в относительные значения, приняв товарооборот первого года за
100 % (см. табл. 3.1.1).
Допустим, что основная тенденция описывается линейной функцией:
Yt=a+bt.
97
Для нахождения параметров необходимо решить следующую систему уравнений:
na |
b |
t |
Yt |
a |
t |
b |
t2 Y t |
|
|
|
t |
Для решения системы уравнения заполним табл. 3.1.4.
Таблица 3.1.4
Матрица параметров математических функций
Год |
Yt |
t |
t2 |
Yt t |
YtT |
Yt – YtT |
( Yt – |
| Yt – YtT| |
|
|
|
|
|
|
|
YtT)2 |
х |
|
|
|
|
|
|
|
|
100/ Yt |
Первый |
100,0 |
1 |
1 |
100,0 |
100,5 |
-0,5 |
0,3 |
0,5 |
Второй |
116,6 |
2 |
4 |
233,2 |
117,1 |
-0,4 |
0,2 |
0,4 |
Третий |
134,3 |
3 |
9 |
403,0 |
133,6 |
0,7 |
0,6 |
0,6 |
Четвертый |
152,2 |
4 |
16 |
608,8 |
150,1 |
2,1 |
4,3 |
1,4 |
Пятый |
164,8 |
5 |
25 |
824,1 |
166,6 |
-1,8 |
3,3 |
1,1 |
Сумма |
667,9 |
15 |
55 |
2169,0 |
– |
– |
8,6 |
3,9 |
Рассчитав первые 4 столбца, подставим значения в систему:
5a + 15b = 667,9
15a + 55b =2169,0
Решение системы даст искомые значения а = 83,99 и b = 16,53. Следовательно, линейная функция Yt будет иметь вид:
Yt = 83,99+16,53t.
Для нахождения величины среднелинейной ошибки Е вычислим значение Yt теоретическое путём последовательной подстановки значения t от 1 до 6. После этого рассчитаем значение граф 7, 8 и 9.
Е= |
1 |
|
Yt -Yt T |
100 =3,926/5 = 0,785%. |
|
|
|
||
n |
|
Yt |
||
|
|
|
3.1.3. Прогнозирование товарооборота с помощью показательной функции
Также с помощью вычисленных базисных темпов роста можно рассчитать прогнозную модель товарооборота, используя показательную (степенную) функцию.
Допустим, что основная тенденция описывается степенной функцией,
тогда:
98
Уt=а t b или lgYt = lga + b lgt.
Обозначим lgYt = К, lga = a', lgt = 1. Тогда функция равна: К = а'+ b 1. Составим систему уравнений:
n |
a |
b |
l |
K |
a |
|
l b |
l2 |
K l |
Для решения системы уравнения составим табл. 3.1.5.
Таблица 3.1.5
Матрица параметров математических функций
Годы |
Yt |
t |
lgYt = |
lgt = |
К 1 |
l2 |
lgYtT |
Yt |
Yt- |
(Yt- |
|Yt- |
|
|
|
К |
1 |
|
|
|
|
YtT |
YtT)2 |
YtT| 100/ |
|
|
|
|
|
|
|
|
|
|
|
Yt |
Первый |
100,0 |
1 |
2,000 |
0,0 |
0,0 |
0,0 |
1,988 |
97,3 |
2,7 |
7,4 |
2,7 |
Второй |
116,6 |
2 |
2,067 |
0,301 |
0,622 |
0,091 |
2,083 |
121,0 |
- |
19,5 |
3,8 |
|
|
|
|
|
|
|
|
|
4,4 |
|
|
Третий |
134,3 |
3 |
2,128 |
0,477 |
1,015 |
0,228 |
2,138 |
137,5 |
- |
10,1 |
2,4 |
|
|
|
|
|
|
|
|
|
3,2 |
|
|
Четвертый |
152,2 |
4 |
2,182 |
0,602 |
1,314 |
0,362 |
2,178 |
150,5 |
1,6 |
2,7 |
1,083 |
Пятый |
164,8 |
5 |
2,217 |
0,699 |
1,550 |
0,489 |
2,208 |
161,5 |
3,3 |
11,0 |
2,016 |
Сумма |
667,9 |
15 |
10,594 |
2,079 |
4,501 |
1,169 |
- |
- |
- |
50,7 |
11,971 |
Первоначально заполним графы 1, 5 и 7.
5 a |
2, |
079 b |
10, 594 |
2, 079 |
a |
1,169 |
b 4, 501 |
Решив систему, получим а' = 1,988 и b = 0,315. Следовательно, степенная функция Yt будет иметь вид:
lgYt =l,988 + 0,315 lgt или Yt = 97,27 t 0,315.
Подставим значения t от 1 до 5 и рассчитаем столбцы с 9 по 12. Затем рассчитаем среднелинейную ошибку:
|
1 |
|
Y |
Y T |
|
Е= |
|
t |
t |
100 2,394% |
|
n |
|
|
Yt |
||
|
|
|
|
Преобразуем полученные данные в рублевый эквивалент и составим таблицу, отражающую реальные значения товарооборота, прогнозные значения, сумму отклонения и величину ошибки (см. табл. 3.1.6).
99
|
|
|
|
|
|
Таблица 3.1.6 |
|
|
Прогноз выручки методом линейной и степенной функций, тыс. руб. |
||||||
|
|
|
|
|
|
|
|
Год |
|
Фактическое |
Линейная |
Отклонение |
Степенная |
|
Отклонение |
|
|
значение |
функция |
|
функция |
|
|
Первый |
|
91 006 |
91 479 |
473,23 |
88 526 |
|
-2 480,2 |
Второй |
|
106 113 |
106 523 |
409,52 |
110 127 |
|
4 014,2 |
Третий |
|
122 242 |
121 566 |
-676,19 |
125 131 |
|
2 888,5 |
Четвертый |
|
138 500 |
136 609 |
-1890,89 |
136 999 |
|
-1 500,5 |
Пятый |
|
150 000 |
151 652 |
1652,40 |
146 976 |
|
-3 024,3 |
Прогноз на шестой год |
166 696 |
отклонение |
155 656 |
|
Отклонение |
||
|
|
|
|
0,785 % |
|
|
2,3 94 % |
Полученная трендовая модель, а также базисные темпы роста объёма товарооборота (см. табл.3.1.1) позволяют прогнозировать объёмы продаж товаров в будущих периодах.
Рассчитаем прогнозный объём товарооборота на будущий год на основе экстраполяции по полученной модели:
Yt = 97,27 t 0,3l5(lgYt = 1,988 +0,315 lgt) Y6 = 171,0
Полученное значение легко перевести в рублёвый эквивалент. Умножив полученный темп роста на базисное значение товарооборота (первый год), получим 155 656 тыс. руб.
Так как формула даёт только точечное значение прогнозируемого объёма товарооборота, а попадание в точку имеет нулевую вероятность, то определяем доверительный интервал прогноза, в котором будет находиться значение с вероятностью 95%.
Используя коэффициент Стьюдента, рассчитаем данный интервал и получаем: от 153 152 тыс.руб. до 15 8160 тыс.руб. Для расчёта используется формула:
Y |
= Y T |
|
|
|
2,57 |
|
|
|
|||
t |
t |
n |
|||
|
|
|
Таким образом, мы получили две модели : пессимистическую и оптимистическую.
Для пессимистической модели прогнозное значение товарооборота в будущем году составит 153 152 тыс.руб., что на 168,3% выше, чем в первом году, и лишь на 2,1 % выше, чем в предплановом году. Такое прогнозное значение обычно не удовлетворяет.
Согласно же оптимистической модели величина объёма продаж в будущем году увеличится на 5,4% по сравнению с предшествующим, или на
100
173,8% по сравнению с базисным первым годом и составит, таким образом, 158 160 тыс.руб.
Что же касается прогнозной модели, рассчитанной по линейной функции, то точечное значение показателя в будущем году с вероятностью 95% попадает в интервал от 165 875 тыс.руб. до 167 517 тыс.руб. и составит 166 696 тыс.руб.
3.1.4. Прогнозирование товарооборота методом параболического тренда
Полином второй степени или параболический тренд применяется в тех случаях, когда процесс развивается равноускоренно.
Рассчитаем данную модель для имеющегося динамического ряда (см.
табл. 3.1.7).
Таблица 3.1.7 Прогнозирование товарооборота методом параболического тренда
Года |
t |
t2 |
t4 |
|
Yt |
|
Ytt |
t2Yt |
YtТ |
Yt – YtТ |
Первый |
-2 |
4 |
16 |
|
91 006 |
|
-182 012 |
364 024 |
136 104 |
-45 098 |
Второй |
-1 |
1 |
1 |
|
106 113 |
|
-106 113 |
106 113 |
149 623 |
-43 510 |
Третий |
0 |
0 |
0 |
|
122 242 |
|
0 |
0 |
162 130 |
-39 888 |
Четвертый |
1 |
1 |
1 |
|
138 500 |
|
138 500 |
138 500 |
173 625 |
-35 125 |
Пятый |
2 |
4 |
16 |
|
150 000 |
|
300 000 |
600 000 |
184 108 |
-34 108 |
Сумма |
0 |
10 |
34 |
|
607 861 |
|
150 375 |
1208 637 |
Ошибка, |
34,3 |
|
|
|
|
|
|
|
|
|
% |
|
- |
( t 2 )2 |
100 |
- |
|
- |
|
Прогноз на |
193579 |
- |
|
|
|
|
|
|
|
|
будущий год |
|
|
|
Вычислим коэффициенты параболического тренда по формулам: |
|
|||||||||
а0 = 121 572,2; а1 = 15 037; а2 = -506,07 |
|
|
|
|||||||
Уравнение параболического тренда: |
|
|
|
|
||||||
YtT= 121 572,2 + 15 037,5 |
t-506,07 t2 |
|
|
|
|
|||||
Прогноз объема продаж на будущий год составит: |
|
|
||||||||
YtT= 12 1572,2 + 15 037,5 |
6 - 506,07 36 = 193 579 тыс. руб. |
|
Однако применение данного прогнозного значения на практике в нашем случае весьма рискованно, что подтверждает высокий уровень среднелинейной ошибки, составляющий 34,3 %.
3.1.5. Прогнозирование товарооборота на основе адаптивных моделей
Для лучшего отображения особенностей изменения исследуемого