По  данным таблицы 11 мы видим, что остаток  денежных средств на конец периода в рассматриваемых годах положительный, приток денег больше их оттока в 2010г., и хотя в 2009г. отток больше, но за счет большого остатка предыдущего года остаток денежных средств все-таки положительный. Однако на чистую прибыль большой отток средств повлиял не очень хорошо. Постепенное преодоление последствий экономического кризиса 2009г. говорит о хорошей работе финансовых менеджеров предприятия. Этот факт является положительным в деятельности рассматриваемого предприятия.

Таблица 11

Отчет о  движении денежных средств КПК «Уральская народная касса» за 2008-2010гг. (косвенный метод)

 

     В результате анализа выявлено, что  в исследуемом учреждении в отчетном периоде несколько ухудшилось  финансовое положение, результаты финансово-хозяйственной деятельности крайне неустойчивы. Оценивая данную ситуацию и сравнивая масштабы отрицательного и положительного денежных потоков в целом, можно сделать вывод, что организация в анализируемом периоде  в целом осуществляла не достаточно рациональное управление денежными потоками, хотя некоторые факты свидетельствуют об эффективности принимаемых управленческих решений в некоторых областях деятельности организации. Значения коэффициента корреляции положительных и отрицательных денежных потоков свидетельствует о существенных ежеквартальных отклонениях между величинами положительных и отрицательных денежных потоков.

 

Глава 3. Совершенствование  управления денежными  потоками КПК «Уральская народная касса»

3.1. Корреляционно-регрессионный  метод прогнозирования  денежных потоков

 

      Поскольку экономические процессы имеют вероятностный  характер, а развитие исследуемого объекта определяется суммарным влиянием закономерности и случайности, целесообразно использовать статистические методы прогнозирования.

       Статистические  методы исследования исходят из предположения  о возможности представления уровней ряда в виде суммы компонент, отражающих закономерность и случайность развития: 

                                                     Y(t) = f(t) + E(t),                                            (3) 

где f(t) – тренд (долговременная тенденция) развития;

        E(t) – остаточная компонента.

      Основная  цель  статистического анализа  временных рядов – изучение соотношения закономерности и случайности в формировании значений уровней ряда с оценкой количественной меры их влияния. Закономерности, объясняющие динамику показателя в прошлом, могут быть использованы для прогнозирования его значений в будущем, а учет случайности позволяет определить вероятность отклонения от закономерного развития и их возможную величину.

       На  основе анализа временных рядов  решим следующую экономическую задачу:

• построение математической модели денежных потоков предприятия, представленного временным рядом (таблица 12);
• прогнозирование денежных потоков на 2011г., представленное временным рядом.

 

Таблица 12

Временный ряд – притоки, тыс.руб.

 

       Предметом исследования в этой главе является информационная модель денежных потоков и прогноз её на 4 квартала вперед.

      Основные  этапы анализа построения прогнозной модели на основе одномерных временных рядов:

• предварительный анализ данных;
• формирование набора базисных функций-кандидатов для аппроксимации кривых роста;
• численное оценивание параметров модели;
• установление адекватности модели;
• оценка погрешностей адекватной модели;
• выбор лучшей модели из числа адекватных по критерию минимальной точности;
• получение оценок точечного и интервального прогнозов.

       Для того чтобы найти параметры и  оценить качество этих моделей (адекватность и точность), а также построить точечный и интервальный прогнозы, воспользуемся статистическими методами прогнозирования и возможностями программы «Microsoft Excel».

    Прогнозные  значения определим и вычислим на основе экстраполяционных методов.

    Прежде  чем построить прогноз денежных потоков, выберем модель уравнения с помощью построения линии тренда в среде Excel с наибольшим коэффициентом детерминации R² [18, с. 92].

     С помощью перебора была выявлена модель временного ряда – полиномиальный 2-й степени: 

                              У = 274,72353x² – 1 794,11563x + 17 892,47727                       (4) 

Таблица 13

Таблица трендов

 

      Коэффициент детерминации этой модели оказался ближе  всех к 1 и составил R² = 0,4314.

       После того, как модель временного ряда построена, необходимо осуществить проверку адекватности модели. Модель считается адекватной, если правильно отражает систематические компоненты временного ряда.

       Для проверки адекватности проводят исследования ряда остатков (t)= y(t) – (t). Остаточная компонента (t) должна удовлетворять следующим свойствам:

• равенства  нулю математического ожидания;
• случайности;
• отсутствия автокорреляции;
• соответствовать закону нормального распределения.

       Рассмотрим  перечисленные требования подробнее.

      1. Проверка равенства математического  ожидания уровней ряда остатков  нулю осуществляется с использованием  t-критерия Стьюдента: 

                                                       t_расч =

,                                         (5)

где –  среднее значение уровней остаточного ряда;

       S_E – среднее квадратичное отклонение уровней остаточного ряда. 

                                                       S_E =

                                         (6) 

      Гипотеза  отклоняется, если t расч > t_α,ν , где t_α,ν – критерий распределения Стьюдента с доверительной вероятностью (1 – α) и ν = n – 1 степенями свободы.

      Для расчета показателя S_Е построим таблицу с промежуточными результатами расчета в приложении 8. 

S_E =

= 8136,077457

t_расч =

= 0 

      Таким образом, при доверительной вероятности 0,8 и ν = n – 1 = 11 имеем:

t_расч = 0 < t_α,ν = 2,2.

      Следовательно, математические ожидания уровней ряда остатков равно нулю.

       2. Проверку случайностей уровней ряда остатков проведем на основе критерия поворотных точек. В соответствии с ним каждый уровень ряда сравнивается с двумя рядом стоящими. Если он больше или меньше их, то эта точка считается поворотной. Далее подсчитывается сумма поворотных точек S. В случайном ряду чисел должно выполняться строгое неравенство:

                                 S > [ 2*(N – 2) / 3 – 2*

]                        (7)

      Квадратные  скобки здесь означают, что берется  целая часть числа (в отличие от процедуры округления). При N = 12 в правой части неравенства имеем:

      2*(12 – 2) / 3 – 2*

= 4

      В приложении 1 в графе 6 для первого и последнего наблюдения проставим прочерк, ноль – если точка неповоротная, и единицу, если она поворотная. В нашем примере количество поворотных точек равно пяти (S = 5), неравенство (7) выполняется, следовательно, свойство случайности выполняется.