Практикум по дисциплине «Бизнес-анализ с помощью Microsoft Excel». Автоматизированный практикум

КОНТРОЛЬНЫЕ ВОПРОСЫ

1.Что называется финансовым планом? Как он разрабатывается?

2.Охарактеризуйте принципы финансового планирования.

3.Перечислите методы финансового анализа.

4.Каковы основные этапы проведения горизонтального анализа на основе объема продаж?

5.Сделайте выводы по результатам горизонтального анализа.

21

различные финансовые институты (биржи, ассоциации и т. д.), законодательные органы и органы статистики, пресса и информационные агентства.

Все эти пользователи финансовой отчетности ставят перед собой задачу провести анализ состояния предприятия и на его основе сделать выводы о направлениях своей деятельности по отношению к предприятию в ближайшей или долгосрочной перспективе. Таким образом, в подавляющем большинстве случаев, это будут выводы по их действиям в отношении данного предприятия в будущем, а поэтому для всех этих лиц наибольший интерес будет представлять будущее (прогнозное) финансовое состояние предприятия. Это объясняет чрезвычайную важность задачи определения прогнозного финансового состояния предприятия и актуальность вопросов, связанных

сразработкой новых и улучшением существующих методов такого прогнозирования.

Взависимости от вида используемой модели все методы прогнозирования можно подразделить на три большие группы:

1. 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 показателей и т. п.

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. 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.).

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. 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 просчетам.

23

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.

К стохастическим методам относятся следующие:

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.

Многофакторный регрессионный анализ. Метод применяется для построения прогноза какого-либо показателя с учетом существующих связей между ним и другими показателями. 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.

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,

24

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

Прогнозирование на основе 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. Очевидно, что если некая система находится в состоянии равновесия, то отдельные ее элементы не могут действовать хаотично, по крайней мере, вариабельность действий имеет определенные ограничения.

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. Так, если доля себестоимости продукции в общей выручке составила в отчетном периоде 70%, как правило, нет основания полагать, что в следующем периоде значение этого показателя существенно изменится.

Метод пропорциональных зависимостей показателей опирается на тезис о том, что можно идентифицировать некий показатель, являющийся наиболее важным с позиции характеристики деятельности компании, который благодаря такому свойству мог бы быть использован как базовый для определения прогнозных значений других показателей в том смысле, что они "привязываются" к базовому показателю с помощью простейших пропорциональных зависимостей. В качестве базового показателя чаще всего используется либо выручка от реализации, либо себестоимость реализованной (произведенной) продукции.

Кроме указанных следует отметить еще одну группу методов, основанных на построении динамических имитационных 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 будут использованы в настоящей работе, поскольку должны иметь под собой гораздо более широкое информационное обеспечение, чем бухгалтерская отчетность предприятия, что делает невозможным их применение внешними аналитиками.

25

БАЗОВАЯ ЛИНИЯ И ЕЕ ХАРАКТЕРИСТИКИ

Основными критериями при оценке эффективности модели, используемой в прогнозировании, служат точность прогноза и полнота представления будущего финансового состояния предприятия. С точки зрения полноты, безусловно, наилучшими являются методы, позволяющие построить прогнозные формы отчетности. В этом случае будущее состояние предприятия можно проанализировать не менее детально, чем его настоящее положение. Вопрос с точностью прогноза несколько более сложен и требует более пристального внимания. Точность или ошибка прогноза - это разница между прогнозным и фактическим значениями. В каждой конкретной модели эта величина зависит от ряда факторов.

Чрезвычайно важную роль играют исторические данные, используемые при выработке модели прогнозирования. В идеале желательно иметь большое количество данных за значительный период времени. Кроме того, используемые данные должны быть "типичными" с точки зрения ситуации. Стохастические методы прогнозирования, использующие аппарат математической статистики, предъявляют к историческим данным вполне конкретные требования, в случае невыполнения которых не может быть гарантирована точность прогнозирования. Данные должны быть достоверны, сопоставимы, достаточно представительны для проявления закономерности, однородны и устойчивы.

Точность прогноза однозначно зависит от правильности выбора метода прогнозирования в том или ином конкретном случае. Однако это не означает, что в каждом случае применима только какая-нибудь одна модель. Вполне возможно, что в ряде случаев несколько различных моделей выдадут относительно надежные оценки. Основным элементом в любой модели прогнозирования является тренд или базовая линия основной тенденции изменения ряда. В большинстве моделей предполагается, что тренд является линейным, однако такое предположение не всегда закономерно и может отрицательно повлиять на точность прогноза. На точность прогноза также влияет используемый метод отделения от тренда сезонных колебаний - сложения или умножения. При использовании методов регрессии крайне важно правильно выделить причинно-следственные связи между различными факторами и заложить эти соотношения в модель.

Базовая линия представляет собой числовое выражение результатов наблюдений, проводимых на протяжении длительного периода времени, например:

ежемесячный доход за последние 5 лет; ежедневное количество посещений поликлиники за 6 месяцев; среднегодовое потребление молока с 1970 г.

В терминах прогнозирования существуют 4 важнейших характеристики базовой линии:

1.Базовая линия включает в себя результаты наблюдений, начиная с самых ранних и заканчивая последним. Это требование обязательно.

2.Во временные периоды базовая линия имеет одинаковую продолжительность. Не следует смешивать данные, например, за один день со средними трехдневными показателями. На практике незначительные отклонения можно игнорировать. В частности, в феврале и в марте разное количество дней, но разница в два-три дня в базовой линии для ежемесячных наблюдений обычно не учитывается.

26

3.Наблюдения фиксируются в один и тот же момент каждого временного периода.

4.Не допускается пропуск данных. Если какой-либо промежуточный результат отсутствует, то его следует вставить приблизительно.

После выбора базовой линии следует выбрать метод прогнозирования.

ОБЗОР ОСНОВНЫХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

Метод скользящего среднего (Moving Average Method).

Метод сглаживания временных рядов с целью исключения влияния случайной составляющей. Широко применяется для предобработки данных в прогнозировании и других видах анализа. Заключается в замене фактических значений членов ряда средним арифметическим значений нескольких ближайших к нему членов. Набор усредняемых значений образует так называемое окно скольжения. Член, значение которого заменяется на среднее по окну, занимает в окне срединное положение.

Простой метод заключается в обычной замене значений членов ряда на среднее арифметическое по соответствующему окну:

где n - размер окна (период сглаживания), k-номер члена ряда, значение которого заменяется средним.

Размер окна зависит от характера временного ряда, целей исследования и определяется пользователем. Вообще, чем больше окно, тем сильнее сглаживание. Поэтому, если выбрать окно слишком большим, вместе со случайной составляющей возможно, будут подавлены изменения, несущие полезную информацию. В пределе, если размер окна взять равным длине ряда, значения всех его членов станут одинаковыми и равными среднему значению ряда. Вся информация о динамике исследуемого процесса таким образом будет потеряна.

Метод скользящего среднего может быть реализован в MS Excel различными способами, к которым относятся:

Прогнозирование по методу скользящего среднего с помощью линий тренда. В

этом случае выполняется ряд последовательных действий:

1.Строится базовая линия для выбранного экономического показателя, например, для объема продаж.

2.Выделяется рассматриваемый диапазон данных.

3.В среде Excel, начиная с версии Microsoft Office Excel 2007, на вкладке Вставка выбирается группа Диаграмма и команда График.

4.Щелчком правой кнопки по построенной линии открывается контекстнозависимое меню, в котором выбирается команда Добавить линию тренда. В окне

Формат линии тренда выбирается тип линии Линейная фильтрация, в поле Точки

вводится количество периодов, на протяжении которых вычисляется скользящее среднее (2, 4, …).

Прогнозирование по методу скользящего среднего с помощью надстройки Анализ данных. При этом выполняются действия:

27

1.На вкладке Данные в группе Анализ выбирается команда Анализ данных.

2.В окне диалога Анализ данных, где содержится список всех доступных функций анализа, выбирается операция Скользящее среднее и ОК.

3.В окне диалога Скользящее среднее в поле Входной интервал вносятся данные диапазона базовой линии. В поле Интервал записывается количество периодов для подсчета скользящего среднего (например, 2 или 4). В поле Выходной интервал - адрес ячейки, с которой надо начать вывод результатов.

4.Строится график для наглядного представления полученных результатов.

Прогнозирование с помощью функций регрессии MS Excel.

Простое скользящее среднее является быстрым, но не очень точным способом

прогнозирования временных рядов. Он не дает прогноза, выходящего за пределы известных данных. Передвинуть границу оценки будущего по временной оси можно с помощью функций регрессии MS Excel.

Функция ТЕНДЕНЦИЯ - самый простой способ регрессионного анализа, который дает возможность перспективной оценки показателей на несколько периодов вперед, основанной на линейной связи между результатами наблюдений (Y) и временем наблюдений (X) по формуле: Y=a*X+b.

Эта методика заключается в аппроксимации прямой линией по методу наименьших квадратов массивов Y и X.

Аппроксимация, или приближение — научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми.

В ячейке MS Excel функция ТЕНДЕНЦИЯ записывается в виде:

=ТЕНДЕНЦИЯ(изв_знач_Y;изв_знач_X;новое_знач_X)

Результатом расчета является новое значение Y, соответствующее новому значению X.

Если же базовая линия отличается от линейной формы и стремится вверх, то для прогнозирования может быть использована функция РОСТ. Эта функция используется для аппроксимации связи между массивами Y и X экспоненциальной кривой и оценивает прогнозируемый экспоненциальный рост на основе имеющихся данных по формуле: Y=b*aX.

В ячейке MS Excel функция РОСТ записывается в виде:

=РОСТ(изв_знач_Y;изв_знач_X;новое_знач_X)

Результатом расчета является новое значение Y, соответствующее новому значению X.

Для наглядного представления полученных результатов в MS Excel рекомендуется построить графики.

Регрессионный анализ с помощью диаграмм.

При составлении прогнозов очень полезны диаграммы MS Excel, которые помогают визуально представить данные, проанализировать значения отклонений от среднего и определить, влияют ли эти отклонения на прогноз. Иногда возникает необходимость провести регрессионный анализ непосредственно на графике без введения в рабочий лист числовых значений для прогноза. Это можно выполнить с помощью графической линии тренда, подобно методу прогнозирования с использованием скользящего среднего.

Основные этапы регрессионного анализа на основе диаграмм в MS Excel формулируются следующим образом:

28

1.Строится базовая линия для выбранного экономического показателя, например, для объема продаж.

2.Выделяется рассматриваемый диапазон данных.

3.В среде Excel, начиная с версии Microsoft Office Excel 2007, на вкладке Вставка выбирается группа Диаграмма и команда График.

4.Щелчком правой кнопки по построенной линии открывается контекстнозависимое меню, в котором выбирается команда Добавить линию тренда. В окне Формат линии тренда выбирается тип линии Линейная, в поле Прогноз вводится количество периодов, на протяжении которых линия тренда будет продолжена вперед.

5.Рекомендуется установить флажок Показывать уравнение на диаграмме.

Уравнение разместится на графике в виде текста: Y=a*X+b.

6.Рекомендуется также вывести на экран величину достоверности аппроксимации R2, которая рассчитывается для определения степени достоверности тренда и точности прогноза.

Сглаживание (Time Series Smothing).

Сглаживанием называется выявление основной тенденции развития событий путем очистки временного ряда от искажений (случайных отклонений).

Предполагается, что каждый член временного ряда yt состоит из двух компонент: уровня ut и случайного отклонения от него et:

yt = ut + et.

Первое слагаемое приведенной формулы отражает существенные и типичные черты развития системы, представленной рассматриваемым временным рядом, т.е. последовательными значениями некоторого экономического показателя. Случайные отклонения мешают выявить основную тенденцию развития.

Сглаживание обеспечивает быстрое реагирование полученного прогноза на все события, происходящие в течение периода протяженности базовой линии. Основная идея метода сглаживания состоит в том, что каждый новый прогноз вырабатывается путем перемещения предыдущего прогноза в направлении, которое дало бы лучшие результаты по сравнению со старым прогнозом. Различают линейное и экспоненциальное сглаживание. Базовое уравнение для сглаживания имеет вид:

f(t+1) = f(t) +kсгл*e(t)

где t – временной период (например, 1-й месяц, 2-й месяц,…); f(t) - прогноз, сделанный в момент времени t; f(t+1) - прогноз в момент времени, следующий за t; kсгл - константа сглаживания; e(t) - погрешность, определяющая различие между прогнозом в момент времени t и фактическим результатом наблюдения.

Линейное сглаживание происходит по формуле:

Yi+1 = Yi + kсгл* (Xi – Yi)

Экспоненциальное сглаживание выполняется с учетом фактора затухания kзат:

Yi+1 = kсгл* Xi + kзат*Yi)

Константа сглаживания и фактор затухания связаны между собой в виде:

kсгл + kзат = 1

Выполнение экспоненциального сглаживания производится с помощью надстройки Анализ данных. При этом выполняются действия:

1.На вкладке Данные в группе Анализ выбирается команда Анализ данных.

2.В окне диалога Анализ данных, где содержится список всех доступных функций анализа, выбирается операция Экспоненциальное сглаживание и ОК.

29

3.В окне диалога Экспоненциальное сглаживание в поле Входной интервал

вносятся данные диапазона базовой линии. В поле Фактор затухания записывается значение коэффициента затухания, обычно принимаемое равным 0,7. В поле Выходной интервал - адрес ячейки, с которой надо начать вывод результатов.

4.Строится график для наглядного представления полученных результатов.

ПОРЯДОК ПРОВЕДЕНИЯ РАБОТЫ

Задание.

Для разработки прогнозов рассматриваются ежемесячные и еженедельные базовые линии объема продаж. При использовании метода сглаживания рассматриваются еженедельные и ежедневные базовые линии для прогнозирования изменения числа клиентов в агентстве проката автомобилей.

1.В среде MS Excel создать и сохранить (на диске С: в папке 3 курс, содержащейся в папке ФПМ) файл на тему: «Методы прогнозирования в управлении финансами» с указанием фамилии исполнителей, например, под именем

Прогнозирование_Петров.

2.Заполнить четыре листа файла Прогнозирование в MS Excel под именами Скользящее среднее, Тенденция и Рост, РегрАнализ, Сглаживание.

3.Проверить правильность выполнения расчетов и сделать выводы на основе полученных результатов.

4.Представить отчет по работе в виде ответов на контрольные вопросы.

КОНТРОЛЬНЫЕ ВОПРОСЫ

1.Что такое прогнозирование? перечислите основные методы прогнозирования.

2.Что называется базовой линией? Как ее строить?

3.Опишите метод скользящего среднего.

4.Опишите методы регрессионного анализа с помощью функций регрессии и диаграмм.

5.Дайте характеристику методам сглаживания.

6.Проведите сравнительный анализ методов сглаживания по результатам проделанной работы.

30