Сущность и значение себестоимости продукции в деятельности предприятия

Большинство российских прогнозистов совокупность прогнозных методов делят на три группы: фактографические, экспертные, комбинированные. Фактографические методы базируются на первичной информации об объекте, обычно документально зафиксированной на каком-либо носителе. Экспертные методы используют информацию, получаемую от специалистов-экспертов; те в свою очередь предварительно обобщают фактографическую или иную информацию. Комбинированные методы используют смешанные информационные массивы, то есть и фактографическую информацию, и экспертную. Рисунки 1 и 2 в Приложении В позволяют представить структуру первых двух групп методов более детально [5, с. 70].

Сложность производственных систем, разнообразие и во многих случаях  неопределенный характер поступающей  информации придают задаче управления творческий характер, повышающий роль человеческого фактора. Это непосредственно проявляется в возрастающей роли в современном управлении методов экспертных оценок [5, с. 85]. Метод экспертных оценок используется преимущественно в долгосрочных прогнозах. Прогнозирование осуществляется на основе суждения эксперта (группы экспертов) относительно поставленной задачи. Экспертом выступает квалифицированный специалист по конкретной проблеме, который может сделать достоверный вывод об объекте прогнозирования. Метод используется, когда трудно количественно оценить прогнозный фон, и специалисты делают это на основе своего понимания вопроса. Мнение специалиста – результат мысленного анализа и обобществления процессов, относящихся к прошлому, настоящему и будущему, на основании собственного опыта, квалификации и интуиции [6, с. 45].

Процедуры организации и проведения экспертиз в настоящее время достаточно детально разработаны и подробно описаны в специальной литературе. Рассмотрим наиболее популярные [5, с. 88].

Метод комиссий – это открытая дискуссия по обсуждаемым проблемам для выработки единого мнения экспертов. Недостатки метода: отсутствие анонимности, что может привести к появлению конформизма; дискуссия нередко принимает вид полемики наиболее авторитетных экспертов; различная активность экспертов, часто не совпадающая с их компетентностью [5, с. 88].

Экспертиза по методу суда характеризуется  некоторой аналогией с судебным процессом. Состав экспертов делится  на две группы. Одна объявляется  сторонниками рассматриваемой альтернативы и выступает в качестве защиты, ее противниками и пытается выявить отрицательные стороны.

Метод прогнозного графа включает несколько туров. На первом туре составляется предварительный список промежуточных  целей, необходимых для достижения конечной цели. Эксперты указывают  специалистов, способных оценить  возможность реализации каждой из указанных ими промежуточных и конечной целей. На втором туре анализу подвергаются уже не конечная, а промежуточные цели, сформированные экспертами на первом туре. Последующие туры экспертизы аналогичны второму. Процедура заканчивается когда более не требуется дополнительных анализов и детализации [5, с. 89].

Метод сценариев – эффективен для организации прогнозирования, объединяющего качественный и количественный подходы. Сценарий – это модель будущего, в которой описывается возможный ход событий с указанием вероятностей их реализации. В сценарии определяются основные факторы, которые должны быть приняты во внимание, и указывается, каким образом эти факторы могут повлиять на предполагаемые события [3, с. 27].

Метод «Дельфи» применятся, когда имеющиеся в распоряжении данные непригодны для анализа проблемы; нет времени для сбора данных; процесс получения и анализа данных слишком дорог. Метод «Дельфи» предусматривает создание условий, обеспечивающих эффективную работу экспертной комиссии. Это достигается анонимностью процедуры и возможностью пополнить информацию о предмете экспертизы, отказом от коллективного мнения. Еще одно свойство – обратная связь, позволяющая экспертам корректировать свои суждения с учетом промежуточных усредненных оценок и пояснений экспертов, высказавших «крайние» точки зрения. Для реализации обратной связи необходима многотуровая процедура [5, с. 90].

Метод мозговой атаки, характерен открытым высказыванием мнений специалистов (на заседании) по решению задачи. При этом соблюдаться условия: запрещается критика чужих суждений; высказываются любые идеи по решению вопроса без учета их сиюминутной ценности и возможности реализации. Все идеи фиксируются и после обсуждения прорабатываются. Выявляются рациональные моменты в каждом из предположений и на основе их обобщения формулируются решения. Достоинством метода - возможность принятия решения за сравнительно короткий срок [5, с. 99].

Метод аналогии предполагает перенос знаний об одном предмете (явлении) на другой. Такой перенос верен с определенной долей вероятности, так как сходство между явлениями редко бывает полным [6, с. 46].

Метод экстраполяции  применяется при стабильности системы, устойчивости явлений, когда динамика процессов, показателей в перспективе  определяется тенденциями их изменения в прошлом. Предполагается, что развитие идет непрерывно, гладко, силы прошлого в состоянии контролировать будущее. Будущее воспроизводит только в случаях, если в прогнозном периоде не будут действовать факторы, влияние которых изменит характер тенденций прошедших лет. Поэтому нужно иметь информацию об устойчивости тенденций за срок, в 2-3 раза превышающий срок прогнозирования [11, с. 65].

Прогнозирование тенденций  временных рядов. Самым распространенным способом моделирования тенденций временного ряда является построение аналитической функции, характеризующей зависимость уровней ряда от времени. Длительную тенденцию изменения показателей временного ряда, на которую могут налагаться другие составляющие, называют тренд [5, с. 71].

Временной ряд содержит результаты наблюдения за процессом  на некотором интервале времени, называемом участком наблюдения. Отрезок  времени от последнего наблюдения до того момента, для которого необходимо получить прогноз, называется участком упреждения [5, с. 71].

Некоторые социально-экономические  процессы и объекты моделируются на основе тренда с помощью определенных функций. Временные ряды наблюдаемых  показателей чаще всего аппроксимируются элементарными функциями: y = a + b₁*t (уравнение прямой линии); y = a + b₁*t + b₁*t² (парабола 2-го порядка); y = a + b*ln(t) (логарифмическая); y = a + t^b (степенная); y = a +b^t (показательная); y = a + (b/t) (гиперболическая); у = sin t и y = cos t (тригонометрическая). Возможно использование комбинированных функций.

Методы экстраполяции  динамических рядов (трендовые методы) делятся на два основных блока  методов: аналитические (простая экстраполяция, экстраполяция тренда) и адаптивные (скользящее среднее, экспоненциальное сглаживание, метод гармонических весов, метод Бокса-Дженикинса) [5, с. 72].

При простой экстраполяции  динамического ряда прогнозная оценка (точечный прогноз) на период упреждения рассчитывается как средняя арифметическая значений интервала оценивания [5, с. 72].

Прогнозирование на основе экстраполяции тренда включает ряд последовательных этапов: анализ и обработка исходной информации, проверка ряда динамики на наличие тренда; выбор вида функции, описывающей временной ряд; определение параметров прогнозной функции; расчет точечных и интервальных прогнозов [5, с. 72].

 Выбранная прогнозная эмпирическая функция, описывающая динамический ряд, должна минимизировать стандартное отклонение S на интервале оценивания, обеспечивать тесноту связи (по коэффициенту корреляции); аппроксимирующее уравнение должно быть адекватно фактической временной тенденции (по F-критерию) и устранять автокорреляцию [5, с. 73].

Оценка адекватности может проводиться с помощью  следующих показателей (формулы 26, 27, 28, 29):

                                                   

                                              (26)

где Е – остаточная сумма квадратов отклонений фактических значений от расчетных.

                                                   

                                          (27)

где S – стандартное отклонение;

n – число элементов ряда;

f – число параметров [5, с. 73].

                                                 

                                    (28)

где А – средняя ошибка аппроксимации, А<12% свидетельствует об адекватности функции реальным условиям [5, с. 73].

 

                                                    

                                         (29)

где R² (квадрат коэффициента корреляции) – доля дисперсии, объясняемая регрессией, в общей дисперсии результативного        признака [5, с. 73].

F-тест – оценивание качества уравнения – состоит в проверке гипотезы Н₀ о статистической незначимости уравнения регрессии и показателя тесноты связи (формула 30):

                                                    

                                     (30)

где F – критерий Фишера [5, с. 73].

Наличие автокорреляции остатков выявляется критерием Дарбина-Уотсона (DW) (формула 31):

                                         

, 0≤ DW ≤ 4                            (31)

где , [5, с. 73].

Адаптивные методы представляют собой  подбор и адаптацию моделей  прогнозирования с учетом вновь  поступившей информации. В адаптивные методы включают методы скользящей средней,  экспоненциального сглаживания, гармонических весов, авторегрессии и метод Бокса-Дженкинса. Параметры адаптивных моделей чаще всего рассчитываются с использованием пакетов прикладных программ Statistika, SPSS или Forest Expert [5, с. 76].

Метод скользящего среднего предполагает, что следующий во времени  показатель по своей величине равен  средней за последние месяцы (годы) величине. Прогноз при экспоненциальном сглаживании определяется как сумма  фактических и прогнозных данных за период, взвешенных с помощью специальных коэффициентов, определяемых статистическим путем [11, с. 65].

В экономических исследованиях  часто изучаются связи между  случайными и неслучайными величинами. Такие связи называют регрессионными, а метод их изучения – регрессионным анализом. Математически задача формулируется следующим образом. Требуется найти аналитическое выражение зависимости экономического явления от определяющих его факторов, то есть следует определить функцию Y = f(Х, …, Х_n), отражающая в среднем зависимость, по которой, зная значения независимых факторов Х_i, можно найти приближенное значение зависимого от них показателя Y. В качестве функции в регрессионном анализе принимается случайная переменная, а аргументами являются неслучайные переменные.

Понятие «регрессия»  связано с понятием «корреляция». Корреляция в широком смысле - связь, соотношение между объективно существующими объектами, явлениями и процессами. На основе показателей корреляции можно оценить силу или тесноту связи. В корреляционном анализе оценивается сила связи, в регрессионном анализе исследуется ее форма [5, с. 76].

Классификация видов  регрессии:

1) по числу объясняющих переменных: парная (простая) регрессия – регрессия между двумя переменными: результативной и объясняющей (результативным и факторным признаками); множественная регрессия –между зависимой переменной и двумя (и более) объясняющими переменными;

2) по форме зависимости:  линейная регрессия выражается  линейной функцией; нелинейная регрессия  выражается нелинейными функциями;

3) по характеру регрессии:  положительная регрессия – с  увеличением (уменьшением) объясняющей  переменной зависимая переменная увеличивается (уменьшается); отрицательная регрессия – с увеличением (уменьшением) объясняющей переменной зависимая переменная уменьшается (увеличивается);

4) по типу соединения: непосредственная регрессия –  зависимая и объясняющая переменные  связи непосредственно друг с  другом; косвенная регрессия –  объясняющая переменная действует  на зависимую через ряд других переменных; ложная регрессия возникает при формальном подходе к исследуемым явлениям без объяснения того, какие причины обусловливают данную связь [5, с. 77].

Для нахождения уравнения  регрессии необходимо определить общий  вид функциональной зависимости и рассчитать параметры уравнения. При выборе вида зависимости руководствуются следующим: он должен согласовываться с профессионально-логическими соображениями относительно природы и характера исследуемых связей; по возможности использовать простые зависимости, легко поддающиеся интерпретации и практическому применению.

Частным случаем регрессионной  функции является тренд (зависимость  у от времени t). Поэтому рассмотренные приемы экстраполяции вполне применимы к трендовым регрессиям [5, с. 77].

Таким образом, существуют различные типовые методы прогнозирования. Задача прогнозиста – выбрать такой метод, который в наибольшей мере соответствовал бы задачам и принципам прогнозирования данного явления (объекта).

 

3. СОВЕРШЕНСТВОВАНИЕ ПРОГНОЗИРОВАНИЯ СЕБЕСТОИМОСТИ ПРОДУКЦИИ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ

 

3.1.  Изучение  финансового положения ЗАО «Кондитер-Курск»

 

Закрытое акционерное  общество «Кондитер-Курск» относится  к кондитерской отрасли перерабатывающей пищевой промышленности. История создания и развития ЗАО «Кондитер-Курск» в Приложении Г.

В настоящее время  в состав предприятия входят 6 производственных цехов: карамельный, крекерный, вафельный, конфетный, цех №1 (приготовление  шоколадных масс), цех №2 (помадные конфеты), а также транспортный, тарный и  ремонтно-строительный участки, столовая. Технологические возможности предприятия, позволяют выпускать продукцию качество которой соответствует уровню мировых стандартов.