Прогноз потребности в оборотных средствах

      Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в  некотором смысле описания тренда и  на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул. Тем не менее сама по себе прогнозная экстраполяция имеет ряд специфических черт и приемов, позволяющих причислять ее к некоторому самостоятельному виду методов прогнозирования.

      Специфическими  чертами прогнозной экстраполяции  можно назвать методы предварительной  обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как па выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.

      Итак, в данном пункте рассмотрен метод, с помощью которого можно спрогнозировать величину оборотных средств, в которых нуждается предприятие. Далее, используя метод экстраполяции, составим прогноз величины оборотных средств на плановый период. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

3 ПРОГНОЗ ПОТРЕБНОСТИ В ОБОРОТНЫХ СРЕДСТВАХ ПРЕДПРИЯТИЯ 

       Для расчета потребности в оборотных  средствах взято 9 периодов наблюдения (см. табл. 3.1) потребности в оборотных  средствах на предприятии ОАО «Ямбурггаздобыча».

       Таблица 3.1

       Потребность в оборотных средствах (тыс. руб.)

 

         Этап 1. Установить наличие и тесноту  связи между оборотными средствами  и фактором времени. 

       r_yt= 0,89 – тесная связь между коэффициентами корреляции.

       Проверим значение коэффициента корреляции по критерию (табл.1 приложение 2):

       t_yt=2,306 – табличное значение

       t*=5,258

       5,258>2,306

       Неравенство выполняется и следовательно  коэффициент корреляции значим и  величина Y(ti) зависит от фактора времени.

       Для выбора математической модели, описывающей взаимодействие Y(ti) и t(i) используем визуальный метод.

       

       Рисунок 3.1 График изменения потребности в оборотных средствах (у) в зависимости от периода наблюдения (ti). 

       Исходя  из визуального метода, можно предположить, что между показателями существует линейная зависимость.

       У= 3,6833ti+865,47

       Таблица 3.2

       Значения  уравнения тренда

 

       Рассчитываются   критерии точности модели.

       Рассчитывается  отклонения  фактического потребления  оборотных средств от расчетного потребления.

       

 

       Таблица 3.3

       Отклонения   фактического потребления оборотных средств от расчетного потребления.

 

       Среднеквадратическое  значение рассчитывается по формуле: 

       

 

       

       Средняя относительная ошибка рассчитывается по формуле: 

       

 

       ε=0,03

      Критерии среднеквадратического значения и средней относительной ошибки показывает степень точности воспроизведения моделью реального изменения потребности в оборотных средствах.

       При расчете непосредственно самого прогноза используют следующие формулы:

       

 

       

 

       S^*_yt = 20, 42

       Интервальный  прогноз при n+1 = 952,28, при n-1 = 852,32. Точечный прогноз равен 902,303

       Таблица 3.4

       Интервальная  и точечная оценка прогноза.

 

       

       Рисунок 3.2 Точечный и интервальный прогнозы. 
 

     Для того чтобы составить прогноз  величины оборотных средств на плановой период, можно использовать различные методы прогнозирования. Необходимо рассмотреть метод регрессии. Выберем три параметра: материалоемкость продукции, объем выпускаемой продукции и количество запасов сырья и материалов. Рассмотрим величину этих показателей на предприятии ОАО «Ямбурггаздобыча» за девять периодов (таблица 3.1).

                                                                                                                                    Таблица 3.1

 

   Необходимо  определить коэффициенты парной корреляции, которые позволят выбрать те факторы, которые в большей степени влияют на величину оборотных средств. Матрица парных коэффициентов отражена в таблице 3.2

                                                                                                             Таблица 3.2

 
 

      Из  данной таблицы видно, что наибольшее влияние оказывают такие факторы  как материалоемкость продукции  и численность, так как коэффициент  парной корреляции равен 0,8471622, то есть выполняется условие 0,847122>0,8

      Тогда уравнение регрессии  имеет следующий  вид:

y = -1008,12-1,1346х₁+3,7364х₂

где х₁ – материалоемкость продукции, кг

      х₂ – численность

      Коэффициенты  регрессии -1008,12; -1,1346; 3,7364 получены с помощью Excel.

     Построим  тренд, отражающий изменение величины оборотных средств (рис.3.1):

      

Рис. 3.1 Линия тренда

     Построим  тренд для факторов x₁ и x₂ (рис. 3.2 и 3.3):