- •Оглавление
- •Глава 1. Научные основы экономического анализа
- •Глава 2. Типология видов экономического анализа
- •Введение
- •Глава 1. Научные основы экономического анализа
- •1.1. История и перспективы развития экономического анализа
- •1.2. Предмет и задачи экономического анализа
- •1.3. Место экономического анализа в системе экономических наук
- •1.4. Системный подход к экономическому анализу
- •Глава 2. Типология видов экономического анализа
- •2.1. Классификация видов и направлений проведения экономического
- •2.2. Основные задачи макроэкономического анализа
- •2.3. Основные задачи анализа деятельности предприятия
- •2.4. Маржинальный анализ безубыточности
- •2.5. Классификация факторов и резервов повышения эффективности
- •Глава 3. Информационное обеспечение экономического анализа
- •3.1. Информационный фонд экономического анализа
- •3.2. Классификация приемов проведения экономического анализа
- •3.3. Способы предварительной обработки информации
- •3.4. Предварительная обработка данных бухгалтерского баланса
- •3.5. Метод коэффициентов в экономическом анализе
- •Глава 4. Методы анализа детерминированных моделей
- •4.1. Построение моделей факторного анализа
- •4.2. Метод цепных подстановок и абсолютных разниц
- •4.3. Логарифмический метод и метод взвешенных конечных разностей
- •4.4. Методы долевого участия и выравнивания начальных точек анализа
- •Относительное Допустимое
- •Где з о.П. – переменные затраты отчетного периода;
- •Глава 5. Методы анализа стохастических моделей
- •5.1. Методы экспертных оценок
- •Примечание
- •5.2. Методика проведения корреляционного анализа
- •Глава 6. Методы оптимизации в экономическом анализе
- •6.1. Использование графических методов в экономическом анализе
- •6.2. Методы линейного и динамического программирования
- •6.3. Математическая теория игр
- •6.4. Теория массового обслуживания
- •6.5. Алгоритмы управления запасами
- •6.6. Функционально-стоимостной анализ
- •Глава 7. Основы финансовой математики
- •7.1. Временная стоимость денег
- •7.2. Основные задачи инвестиционного анализа
- •Пример. Какую сумму необходимо вкладывать ежегодно на депозитный счет, чтобы через пять лет получить сто рублей при ежегодном начислении 10% годовых?
- •Глава 8. Методы комплексного анализа
- •8.1. Системно-матричный анализ
- •8.2. Методика балльной оценки кредитоспособности
- •8.3. Рейтинговая оценка финансового состояния предприятия
Примечание
Среднеарифметическое число рангов = (21 + 15 + 9 + 28 + 7 + 25 + 35) /7 = 20.
5.2. Методика проведения корреляционного анализа
Проводится в несколько этапов. На первом этапе необходимо составить выборку фактических данных о значении фактора и соответствующих значений анализируемого показателя. Чем больше исходных данных, тем точнее будут результаты расчетов. Минимальное количество наблюдений – 8, оптимальное – около 30. Результаты наблюдения ранжируются в порядке увеличения показателя-фактора. Затем рассчитываются среднеквадратичные и нормированные отклонения. Обозначим анализируемый показатель У, показатель - фактор Х.
Среднеквадратичные отклонения:
х = (∑ ( хi – xср))/ n,
у = (∑ ( yi – yср))/ n,
где n – количество наблюдений;
xср , yср - среднеарифметические значения соответственно х и у.
Нормированные отклонения:
Тх = ( хi – xср)/ х;
Ту = ( yi – yср)/ у.
Коэффициент корреляции:
R = ( Тх * Ту) / n.
По значению коэффициента корреляции определяют тесноту и характер взаимосвязи между показателями. Коэффициент может изменяться в диапазоне от 0 до 1 и может иметь как положительное, так и отрицательное значение. Чем ближе абсолютное значение коэффициента к единице, тем более тесная взаимосвязь между показателями. Положительное значение говорит о прямой взаимосвязи, отрицательное – об обратной. Пороговое значение коэффициента для осуществления дальнейших расчетов – 0,7.
При значении 0,7 индекс детерминации, который равен квадрату коэффициента корреляции, имеет значение 0,49. Индекс детерминации показывает долю влияния выбранного фактора на анализируемый показатель. Очевидно, что если доля влияния выбранного фактора меньше 0,5, дальнейшие расчеты не имеют смысла.
После оценки тесноты взаимосвязи необходимо выбрать функцию, график которой максимально приближенно описывает данную взаимосвязь. Наиболее часто используются графики следующих функций:
У = А + В * Х;
У = А + В * ln X;
У = А + В / Х.
После выбора функции необходимо рассчитать параметры уравнения А и В. Используется метод наименьших квадратов. Решение сводится к решению системы линейных уравнений. Приведен пример системы линейных уравнений для линейной функции:
n * a + b * ∑x = ∑y;
a * ∑x + b * ∑x2 = ∑(x*y).
После определения параметров модель можно использовать. Для этого подставляем в формулу желаемое значение фактора и определяем вероятное значение показателя. В качестве проверки можно рассчитать ошибку аппроксимации – процент отклонения значения фактического от значения, рассчитанного по модели:
Ап = ( 1 / n) * ( |У ф – У р| )* 100 / У ф.
Значение ошибки аппроксимации до 10% говорит о наилучшем подборе модели.
Метод экстраполяции временных рядов заключается в определении тенденции изменения показателя во времени. Может считаться частным случаем корреляционного анализа, когда в качестве фактора выступает время. Однако экстраполяция применяется и тогда, когда изменение показателя зависит от нескольких факторов, и его трудно описать однофакторной функцией. В этом случае определение тенденции изменения показателя может быть единственным возможным способом прогнозирования (рис. 9)
Рис. 9. Пример экстраполяции показателя
При проведении экстраполяции временных рядов нельзя забывать о том, что данный метод имеет весьма небольшой «доверительный интервал прогнозирования». Используя время в качестве фактора прогнозирования, следует помнить, что при изменении каких-либо факторов внешней среды изменится и динамика показателя. Например, прогноз развития транспорта на 1998 год предусматривал возрастание пассажиропотоков и грузопотоков приблизительно на 1-2 %. В 1999 году также ожидался устойчивый рост показателей. В результате финансового кризиса 1998 года следующий за ним год оказался одним из самых неблагоприятных для транспортных отраслей. |
Вопросы для обсуждения:
1. Существует мнение, что для описания любого экономического процесса линейная функция применима лишь при незначительном изменении объекта прогнозирования. Прокомментируйте это утверждение.
2. Если ошибка аппроксимации составляет более 50%, результаты прогнозирования считаются неудовлетворительными. Можно ли получить такое значение ошибки аппроксимации, если коэффициент корреляции (теснота взаимосвязи между показателями) близок к единице? Почему?
Задачи и ситуации:
1. Для продукта была разработана шкала качества в баллах от 0 до 30. Проведены наблюдения цены в зависимости от качества. Получены следующие значения:
№ п/п |
Качество (х) |
Цена (у) |
1 |
2 |
12 |
2 |
4 |
11 |
3 |
6 |
14 |
4 |
8 |
16 |
5 |
10 |
17 |
6 |
12 |
19 |
7 |
15 |
20 |
8 |
17 |
21 |
9 |
20 |
23 |
10 |
26 |
27 |
Рассчитать тесноту взаимосвязи между показателями, сделать вывод о целесообразности расчета модели. Рассчитать параметры линейного уравнения, построить график. Рассчитать ошибку аппроксимации.
Предположим, что качество товара соответствует 15 баллам. Цена – 22 рубля. Завышена или занижена цена товара относительно данных полученной модели?
2. Имеются следующие данные об изменении пассажиропотока по маршруту.
Год |
2000 |
2001 |
2002 |
2003 |
2004 |
Количество пассажиров |
14152 |
18590 |
22130 |
23450 |
23800 |
Принимая 2000 год за первый год наблюдений, рассчитайте тесноту взаимосвязи между показателями. Выберите график функции, с наибольшей точностью описывающий зависимость между двумя показателями. Рассчитайте прогнозируемый пассажиропоток на 2005 год (шестой год наблюдений).