Дипломная работа: Учет и анализ, и аудит текущих обязательств (на материалах ОАО СЗКО «Молот»)
Таким образом,
чем быстрее оборачивается дебиторская и медленнее – кредиторская задолженность,
тем меньше потребность предприятия в рабочем капитале. Целью управления
кредиторской задолженности является ее оптимизация - обеспечение оптимального
размера оборотных средств, а также поддержание ликвидности предприятия, т.е.
способности в срок погасить задолженность по обязательствам перед кредиторами.
Определение оптимального размера кредиторской задолженности в значительной мере
зависит от характера деятельности предприятия.
3.4
Прогнозирование уровня кредиторской задолженности
Под прогнозом
понимается научно обоснованное суждение о возможных состояниях объекта в
будущем, об альтернативных путях и сроках его осуществления.
Задача
экономического прогнозирования, с одной стороны, выяснить перспективы ближайшего
или более отдаленного будущего в исследуемой области, руководствуясь реальными
процессами действительности, а с другой – способствовать выработке оптимальных
текущих и перспективных планов, опираясь на составленный прогноз и оценку
принятого решения с позиций его последствий в прогнозируемом периоде. В
настоящее время, по оценкам ученых, насчитывается свыше 150 различных методов
прогнозирования. Однако на практике используется в качестве основных 15-20.
Методы прогнозирования можно разделить на две группы: эвристические
(интуитивные) и экономико-математические методы, в которых превалируют
объективные начала. При использовании экономико-математических методов
структура моделей устанавливается и проверяется экспериментально в условиях,
допускающих объективное наблюдение и измерение. К их числу относят
статистические методы, методы прогнозной экстраполяции, корреляционный анализ,
регрессионный анализ, метод наименьших квадратов и т.д. В зависимости от целей
анализа различают: детерминированные модели и стохастические модели. В
основе детерминирования лежит положение о существовании причинности, т.е. такой
связи явлений, при которой одна причина при определенных условиях порождает
другую (следствие). Стохастический анализ предполагает изучение массовых
эмпирических данных путем построения моделей изменения показателей за счет
факторов, не находящихся в прямых связях, в прямой взаимозависимости и
взаимообусловленности. Эти методы изучения связей, как и любые, разрабатываемые
в рамках математических наук, сопровождаются целым рядом оговорок и допущений.
Несмотря на существенную условность применения в экономическом анализе
стохастических моделей, они достаточно распространены. Для корректного
использования методов математической статистики (например корреляционно-регрессионного
анализа) желательна проверка нормальности законов распределения переменных.
При
формировании прогнозов с помощью экстраполяции обычно исходят из статистически
складывающихся тенденций изменения тех или иных количественных характеристик
объекта. Экстраполяционные методы являются одним из самых распространенных и
наиболее разработанных среди всей совокупности методов прогнозирования. В
рыночных условиях ключевым фактором деятельности предприятия является
реализация продукции, которая определяет объем производства. Исходя из этого,
осуществляется разработка планов использования материалов, уровня запасов,
дебиторской, кредиторской задолженности, использования денежных средств. Целью
данного исследования является определение оптимального размера краткосрочного
заемного капитала в зависимости от планируемого объема производства, исходя из
плана реализации продукции.
На основе
данных за последние 9 кварталов деятельности предприятия ОАО СЗКО «Молот»
построим график изменения выручки от реализации продукции .
Период
2000 г.
2001 год
2002 год
IV кв.
I кв.
II кв.
III кв.
IV кв.
I кв.
I кв.
II кв.
V кв.
Объем
реализации, тыс.грн.
1392,4
62,2
365,3
689,7
885,1
645
126,1
459,4
212,5
Таблица
3.7 Объем реализации продукции ОАО СЗКО «Молот» в 2000-2002
гг.
Рисунок 3.3
Изменение уровня выручки от реализации продукции за 2000-2002гг.
Построим линию
тренда для кривой развития рассматриваемого показателя. Под трендом понимается
характеристика основной закономерности движения во времени, в некоторой мере
свободной от случайных воздействий. Обычно тенденцию стремятся представить в
виде более или менее гладкой траектории. При помощи метода экстраполяции
определим планируемый объем реализации на 2003 год, и на основе полученных данных
можно определить остальные плановые показатели хозяйственной деятельности
предприятия.
Стохастическое
моделирование можно применять в анализе хозяйственной деятельности, если есть
возможность составить совокупность наблюдений. У нас есть статистические
данные (ряд экспериментальных точек xi;yi) об объемах
реализации продукции и об уровне кредиторской задолженности за ряд периодов. В
условиях инфляции всякая отсрочка платежа дебиторов приводит к тому, что
организация реально получает лишь часть стоимости выполненных работ.
Предприятию можно рекомендовать расширить систему авансовых платежей. Нас
интересует каков должен быть уровень кредиторской задолженности по полученным
авансам при изменении объема реализации продукции. Для того, чтобы вывести формулу
зависимости между рассматриваемыми переменными воспользуемся методом
линейно-регрессионного анализа. Регрессионный анализ – это метод установления
аналитического выражения стохастической зависимости между исследуемыми
признаками. Уравнение регрессии показывает, как в среднем изменяется
результативный (зависимый) показатель Y при изменении любого из независимых показателей (факторов) Xi, и имеет вид:
y = ¦ (x1, x2,
…, xn) (3.1)
где xi - независимая переменная, фактор;
yi – зависимая переменная, следствие ;
n - число наблюдений .
Анализируя
представленные в таблице 3.7 данные,
естественно предположить, что при увеличении объема реализации продукции
уровень кредиторской задолженности будет расти, т.е. зависимость между объемом
реализации и уровнем кредиторской задолженности носит линейный характер.
Формула зависимости результата (уровня кредиторской задолженности) от изменений
объема реализации будет иметь вид однофакторного линейного уравнения регрессии:
y = a + bx
Количество
наблюдений при прямолинейной зависимости должно быть не менее 6 (это будут
кварталы). На этапе графического анализа нанесем точки на плоскость и по
характеру расположения точек на рисунке 3.3 можно сделать вывод о том, что наше предположение о
характере зависимости верно. Соединив последовательно точки на плоскости,
получим эмпирическую линию регрессии и по ней сделаем предположение о теоретической
линии регрессии. Если наблюдается тенденция равномерного возрастания (или
убывания) значений признака, то зависимость называется линейной. Процесс
нахождения теоретической линии регрессии заключается в выборе и обосновании
типа кривой и расчета параметров уравнения регрессии. Способ расчета параметров
уравнения регрессии основан на требовании максимальной близости ее к
эмпирической линии регрессии. В качестве критерия в математике предложен
способ «метод наименьших квадратов», суть которого состоит в минимизации суммы
квадратов отклонений фактических значений результативного признака от его
расчетных значений.
Таблица 3.8
Показатели хозяйственной деятельности ОАО СЗКО «Молот» за 2000-2002гг.
Тыс.грн.
Период
2001 год
2002 год
I кв.
II кв.
III кв.
IV кв.
I кв.
I кв.
II кв.
IV кв.
Объем реализации
62,2
365,3
689,7
885,1
645
1126,1
1459,4
2212,5
Кредиторская задолженность
-
365,8
221,9
458,2
363,4
595,1
626,7
1077,0
Рисунок 3.3
График зависимости уровня кредиторской задолженности от объема реализации
продукции ОАО СЗКО «Молот».
Для линейной
регрессии y= ax + b значения параметров a и b находятся по
следующим формулам:
b = (åxiåyi - nåxiyi ) / ((åxi)2 -
n åxi2 ) ( 3.2)
a = (åyi - båxi ) / n
(3.3)
где xi - независимая переменная, фактор (объем реализованной
продукции);
yi – зависимая переменная, следствие (уровень кредиторской
задолженности);
n - число наблюдений .
Рассчитаем
параметры уравнения для анализируемого периода:
b =
40,6634543 ; a = 0,4543527
Уравнение
имеет вид: y =
0,4543527 х + 40,6634543, коэффициент
регрессии при х показывает,
что при увеличении объема реализации на тысячу гривен уровень кредиторской
задолженности увеличится на 454 гривны. В ходе регрессионного анализа решаются
две основные задачи: построение уравнения регрессии, т.е. нахождения вида
зависимости между результативным показателем и независимыми факторами; оценка
значимости полученного уравнения, т.е. определение того насколько выбранные
факторные признаки объясняют вариацию признака Y. В статистике разработаны методики строгой проверки
значимости коэффициентов регрессии с помощью дисперсионного анализа и расчета
специальных критериев. Нестрогая проверка может быть выполнена путем расчета
среднего относительного линейного отклонения (`e ), называемого средней ошибкой аппроксимации:
`e = 1/n å(( yхk – `y) / yk )2
* 100% (3.4)
где yk - k-е фактическое значение результативного показателя;
yхk - рассчитанное по уравнению регрессии значение
результативного показателя.
`y - среднее
значение, рассчитанное по уравнению
`y = 1/n å yхk ; `y =251,35 тыс.грн.
Х, тыс грн.
yхk, тыс.грн.
yхk – `y
yk, тыс.грн.
(yхk – `y)/yk
(( yхk – `y)/yk )2
62,2
40,6635
-210,69
х
х
х
365,3
206,935
-44,415
365,8
-0,121417673
0,014742251
689,7
141,527
-109,82
221,9
-0,494922928
0,244948705
885,1
248,935
-2,4148
458,2
-0,005270106
2,7774E-05
645
205,845
-45,505
363,4
-0,125221488
0,015680421
1126,1
311,162
59,8122
595,1
0,100507891
0,010101836
1459,4
325,526
74,1758
626,7
0,118359378
0,014008942
2212,5
530,207
278,857
1077
0,258919937
0,067039534
итого
2010,8
х
х
х
0,366549464
`e
х
х
х
х
4,5818683
Чем меньше
теоретическая линия регрессии (рассчитанная по уравнению) отклоняется от
фактической (эмпирической), те меньше средняя ошибка аппроксимации. Модель
считается пригодной для практического использования, если средняя ошибка
аппроксимации не превосходит 5%-8 %. В анализируемой ситуации ошибка аппроксимации
составит 4,6 %. Можно сделать вывод, что исследуемое уравнение связи довольно
точно описывает изучаемую зависимость. Для оценки качества уравнения регрессии
используются еще несколько критериев: коэффициент детерминации, критерий Фишера
(показывает соответствие совокупности генеральных данных общей совокупности),
критерий Стьюдента (оценка значимости каждого параметра уравнения), коэффициент
эластичности (показывает на сколько процентов изменяется в среднем
результативный показатель при изменении фактора на один процент) и т.д.
Коэффициент детерминации R2 (квадрат коэффициента корреляции) характеризует долю
вариации зависимой переменной Y, которая объясняется действием включенных в модель факторных признаков.
R2 = 1 – (å(yk
– yхk)2
/ å( yk–`yk)2)
(3.5),
где `yk = 1/n åyk
(3 .6)
Произведя
расчеты, получим среднюю арифметическую`yk= 463,51, а
коэффициент детерминации R2 = 0,92. Это означает, что 92 % вариации зависимой
переменной объясняется включенными в модель факторами, а 8 % - другими
причинами, т.е. факторами не представленными в модели. Если коэффициент R2 близок к единице, то связь между исследуемыми явлениями
очень тесная и наоборот.
Таким образом
в результате анализа была построена регрессионная зависимость (т.е. проведен
регрессионный анализ) и рассчитаны коэффициенты ее тесноты и значимости (т.е.
проведен корреляционный анализ). Выведенная зависимость имеет вид уравнения
y = 0,4543527 х + 40,6634543,
при помощи
которого можно прогнозировать динамику уровня кредиторской задолженности
предприятия по полученным авансам при планировании изменения объемов
реализации продукции на ОАО СЗКО «Молот».
3.5
Автоматизация анализа текущих обязательств
Экономический
анализ сопровождается выполнением большого объема разнообразных вычислений:
абсолютных и относительных отклонений; средних величин; дисперсии; процентных
величин и других вычислений. В ходе анализа выполняются различные виды оценок;
группировок; сравнение и сортировка исходных данных; нахождение минимального
или максимального значения и ряд других операций. Результаты анализа требуют
графического или табличного представления. Все это многообразие видов
аналитической обработки информации является объектом автоматизации с
применением ПК. С помощью таких систем можно осуществить оценку фактического
состояния предприятия, а также прогнозировать и моделировать управленческие
решения. Одной из программ, позволяющей решать большой спектр задач
экономического анализа, в том числе и с применением экономико-математических
методов, является программа Mikrosoft Excel.
Средства
и инструменты Excel при работе с электронными таблицами помогают
получать максимальную отдачу работы с ними: учат проектировать эффективные
электронные таблицы; помогают быстро суммировать данные. Электронные таблицы
помогают определить размер месячных выплат по кредиту, позволяет создавать
формулы, позволяющие производить математические действия, используя данные из
нескольких листов или даже нескольких рабочих книг. С помощью программы Exсel можно
работать с диаграммами и это очень важно, так как эта программа позволяет
графически представлять данные. Так, например: можно создать диаграмму, нажав
комбинацию клавиш; можно улучшать внешний вид диаграммы, используя встроенные
средства форматирования; в одной диаграмме можно использовать разные типы
данных; существуют диаграммы, в которых часть значений представлена
дополнительной вторичной диаграммой, например, в виде двух круговых диаграмм
или круговых диаграмм и гистограммы. С помощью диаграмм можно визуально
проанализировать, сопоставить данные, определить какие факторы анализа являются
доминирующими и как сильно они влияют на исследуемый показатель.
Exсel
предлагает целый ряд программ, функций и команд, которые можно использовать для
проверки правильности вводимых данных и анализа условий. Функция “Если”
используется, чтобы не допускать ошибок в рабочих книгах, Средство “Проверка
вводимых значений” осуществляет выбор из списка значений, отражаются сообщения
с подсказками, относительно вводимых данных и выделяются ошибочные данные в
таблицах. С помощью средства “Подбор параметра” задается желаемая величина и Exсel
рассчитывает, что необходимо сделать для достижения этой цели. С помощью Exсel «Поиск
решений» можно после проведенных анализов получить необходимое, эффективное,
правильное решение. Для этого создаются списки или база данных.
«Автозавершение» и «Выбрать из списка», которые облегчают работу пользователя и
ускоряют получение необходимого, эффективного, правильного решения, в этом
также заключается достоинство программы Excel. В состав Miсrosoft Excel входит набор средств анализа
данных (так называемый пакет анализа), предназначенный для решения сложных
статистических и инженерных задач. Использование пакета анализа не требует
высокого уровня подготовки. Для успешного применения процедур анализа
необходимы начальные знания в области статистических и инженерных расчетов, для
которых эти инструменты были разработаны. В состав пакета анализа входят:
корреляционный анализ (используется для количественной оценки взаимосвязи двух
наборов данных, представленных в безразмерном виде; он дает возможность установить,
ассоциированы ли наборы данных по величине, то есть, большие значения из одного
набора данных связаны с большими значениями другого набора (положительная
корреляция), или, наоборот, меньшие значения одного набора связаны с большими
значениями другого (отрицательная корреляция), или данные двух диапазонов никак
не связаны (корреляция близка к нулю); для вычисления коэффициента корреляции
между двумя наборами данных на листе используется статистическая функция
КОРРЕЛ); ковариационный анализ ; описательная статистика; экспоненциальное
сглаживание ; анализ Фурье ; двухвыборочный F – тест для дисперсий ;
гистограмма ; скользящее среднее ; выборка ; генерация случайных чисел ;
дисперсионный анализ; регрессия.
Кроме
пакета анализа, имеющего колоссальное значение в повышении эффективности и
снижении трудоемкости аналитической работы, в том числе и при анализе
себестоимости, Microsoft Exсel
обладает также десятками статистических функций, позволяющих выполнять
статистический анализ диапазонов данных. Прогнозные значения мы находим с
помощью функции ПРОГНОЗ.
В
данной работе при помощи программы Excel посчитаны все таблицы данных:
баланс, отчет о финансовых результатах, сводная таблица показателей финансового
состояния предприятия, построен график изменения выручки, величины кредиторской
задолженности за период 8 кварталов. Все перечисленные таблицы представлены в
приложениях к курсовой работе. На примере составления сводной таблицы
показателей финансового состояния предприятия продемонстрированы формулы, по
которым производился расчет показателей (приложение ) .
-
В пункте 3.4 данной дипломной работы рассматривалась возможность
прогнозирования уровня кредиторской задолженности при помощи метода
корреляционно-регрессионного анализа. В Excel существует две функции, при
помощи которых можно построить уравнение линейной регрессии: ЛИНЕЙН; инструмент
«Регрессия». Построение уравнения
регрессии с помощью функции ЛИНЕЙН: задать входные данные в виде таблицы;
выделить пустой диапазон ячеек размером 5 строк * 2 столбца; с помощью мастера функций, выбрав категорию
статистические, воспользуемся функцией ЛИНЕЙН; завершим ввод функции
=ЛИНЕЙН(В2:В9;А2:А9;1;1) комбинацией клавиш Ctrl-Shift-Enter, этим
действием мы введем формулу массива в выделенный диапазон ячеек
Объем реализации
Кредиторская задолженность по полученным авансам
62,2
0
365,3
365,8
689,7
221,9
885,1
458,2
645
363,4
1126,1
595,1
1459,4
626,7
2212,5
1077
0,454353
40,66345
0,054875
61,67552
0,919521
97,80264
68,55354
6
655739,1
57392,14
В результате
расчета при помощи функции ЛИНЕЙН получили массив данных, где:
- 0,454353 – коэффициент уравнения регрессии; 40,66345– свободный член
уравнения регрессии; 0,919521– коэффициент детерминации (если коэффициент
близок к единице, то связь между исследуемыми явлениями очень тесная и
наоборот); 68,55354– расчетное значение коэффициента Фишера; 6 – количество
степеней свободы для поиска критического значения распределения Фишера. По
таблицам математической статистики критическое значение распределения Фишера
для уровня надежности 5% и степеней свободы k1=1 (количество независимых переменных) и k2(6) будет 5,99, что гораздо меньше расчетного значения,
значит, выбранная совокупность соответствует общей совокупности данных. Таким
образом, рассчитанное уравнение регрессии y = 0,523066x + 267,427 годится для прогнозирования уровня кредиторской
задолженности.