|
Анализ финансовых результатов на примере магазинаТаблица10 Анализ показателей прибыли | |1998г. |1999г. |Отклонение | |Показатели | | |1999г от1998г.| | |Сумма |% к |Сумма |% к |Сумма |% | | | |итогу| |итогу | | | |1 |2 |3 |4 |5 |6 |7 | |1.Прибыль от реализации |767 |226 |-6245 |-85 |-7042 |818 | |2.Проценты к получению | |0 |0 |0 |0 |0 | |3.Прочие оерационные доходы|75 |22 |3755 |52,0 |+3680 |5007 | |4.Прочие операционные |261 |77 |819 |11,3 |+558 |314 | |расходы | | | | | | | |5.Прибыль от |581 |171 |-3339 |46,2 |-3920 |575 | |финансово-хозяйственной | | | | | | | |деятельности | | | | | | | |6.Прочие внереализационные |10 |3 |12543 |174 |+12533|125430| |доходы | | | | | | | |7.Прочие внереализационные |252 |74 |1975 |27 |1723 |784 | |расходы | | | | | | | |Валовая прибыль |339 |100 |7229 |100 |+6890 |2132 | Как видно из таблицы 10 предприятие достигло высоких результатов хозяйственной деятельности в 1999 году по сравнению с 1998 годом, о чем свидетельствует увелечение общей суммы прибыли на 6890 тыс .рублей или на 2132,4%. Такой рост прибыли явился результатом увелечения в первую очередь прочих внереализационных доходов и во вторых прочих операционных доходов. А вот прибыль от реализации сократилось на 7042 тыс.руб. или 818%, что соответственно сократило сумму валовой прибыли. Если бы не увлечение прочих операционных расходов(558 тыс.руб.), внереализационных расходов (1723тыс.руб.) и убыток от реализации 7042 тыс.руб., то прибыль бы за 1999 год была на 9323 тыс.руб. больше. Дальнейший анализ прибыли от реализации состоит в исследовании факторов, влияющих на ее объем. Для этого необходимо оценить изменения: -отпускных цен на продукцию; -объема продукции; -структуры реализованной продукции; -сбестоимости продукции; -себестоимости за счет структурных сдвигов в составе продукции; Таблица11 Факторный анализ прибыли от реализации |Показатели |Факт 1998года|План 1999года|Факт 1999года | |1 |2 |3 |4 | |1.Выручка от реализации |47467 |149000 |197544 | |2.Себестоимость |39450 |135009 |175649 | |реализованной продукции | | | | |3.Прибыль от реализации |767 |3452 |-6275 | 1)Изменение отпускных цен на продукцию: 197544-149000=48544тыс.руб. 2)Изменение объема продукции: 135009/39450=2625, 2625-767=1858тыс.руб. 3) Изменения в структуре реализованной продукции: 767 х (149000/17467-135009)=767 х 1,002= -768,5 тыс.руб. Таким образом значительные изменения в структуре объемов реализации уменьшили сумму прибыли от реализации на 769 тыс.руб. 4) Изменение себестоимости продукции: 175649-135009=40640 тыс.руб.Увелечение себестоимости на 40640тыс.руб. ведет к уменьшению прибыли. 5) Измнение себестоимости за счет структурных сдвигов в составе продукции: 39450 х 149000/47467-135009= -11174,5 тыс.руб. Уменьшение прибыли за счет изменения себестоимости в результате структурных сдвигов в составе продукции Таблица12 Оценка прибыли от реализации |Показатели |1998г. |1999г. |Отклонения|Отношени| | | | | |е | | | | |(+; -) |1998г.к | | | | | |1999г. %| |1 |2 |3 |4 |5 | |1.Выручка (нетто) от |47467 |197544 |+150077 |417 | |реализованой продукции | | | | | |2.Себестоимость реализованной |39450 |175649 |+136199 |445 | |продукции | | | | | |3.Коммерческие расходы |107 |12631 |+12524 |11805 | |4.Управленческие расходы |7143 |15539 |+8396 |218 | |5.Прибыль от реализации |767 |-6275 |-7042 |-818 | |(стр.1-2-3-4) | | | | | Как видно из таблицы 12 убыток от реализации на 7042 тыс.руб. обусловлен слишком большими затратами на комерческие расходы на 11805% (12524 тыс.руб.), так как этот показатель имееет наибольшую сумму отклонения среди всех показателей. Тогда как все другие показатели увеличились в меньших пропорциях (415%,445%,218). Следовательно, при значительном сокращении коммерческих расходов приведет к увелечению прибыли. Таблица13 Результаты расчетов влияния прибыли от реализации продуции |Показатели |Сумма | | |изменений | |1 |2 | |Отклонение прибыли от реализации |-7042 | |продукции-всего, | | |В том числе за счет: | | |-увелечения коммерческих расходов |+12524 | |-роста управленческих расходов |+8396 | |-увелечения отпускных цен на продукцию |+48544 | |-увелечения объема продукции |+1858 | |-изменения в структуре продукции |-769 | |-увелечения в себестоимости продукции |-40640 | |-изменения себестоимости за счет структурных |-11174 | |сдвигов в составе продукции | | |-нарушения хозяйственной дисциплины |25781 | Как видно из таблицы 13 нарушения хозяйственной дисциплины повлиявшие отрицательно на объем прибыли составили 25871 тыс. рублей . Это произошло в результате не эффективной ценовой политики на 48544 тыс.руб.Увеличение объема не рентабельной продукции на 1858 тыс. руб. также оказало неблаготворное влияние на объем прибыли. Зато положительно повлияло снижение себестоимости и принесло прибыль 40640 тыс.руб. Как вышеуже было отмечено резкое увелечение коммерческих расходов сократило прибыль на 12524 тыс.руб. Выводы: 1) ГУСП “Башхлебоптицепром” располагает относительно новыыми основными средствами, что говорит о том ,что предприятие технически оснащено. 2) Предприятие испытывает значительные проблемы неплатежей за реализованную продукцию.Дополнительный приток средств в основном связан с увелечением заемных средств, а не за счет собственного капитала, так как прекратилось целевое финансирование из бюджета на зерна. Значительный удельный вес в собственном капитале принадлежит добавочному капиталу, образовавшего за счет переоценки. 3) Все поступающие денежные средсва направляются на сезонную закупку зерна. В результате замедленный оборот средств вложенных в запасы. Для погашения следует сократить велечину запасов. Неоправданный рост дебиторской задолженности также замедляет оборот денежных средств и ухудшает финансовый результат. 4)Увелечение объема прибыли в 1999 году произошло за счет внереализационных доходов. При этом убыток от реализации из-за больших коммерческих расходов уменшил размер прибыли на 7042 тыс.руб. ГЛАВА 3. ПРОГНОЗ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ ФИНАНСОВОГО СОСТОЯНИЯ ГУСП «БАШХЛЕБОПТИЦЕПРОМ» С ПРИМЕНЕНИЕМ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ 3.1 Основные положения корреляционного и регрессионного анализа Одним из инструментов экономического анализа в настоящее время, является экономико-математического моделирование. Экономико-математическое моделирование представляет собой метод исследования экономико-математических моделей, с помощью экономико- математических методов. Экономико-математическая модель - это математическое описание экономического процесса или объекта. Экономико-математические методы – это комплекс экономических и математических дисциплин, таких, как: экономико-статистические методы; эконометрика; исследование операций; экономическая кибернетика. Предметом экономико-математического моделирования является изучение реальных процессов социально-экономического развития, их обобщение и представление в виде конкретных объективно обусловленных оценок. Основной целью экономики является обеспечение общества предметами потребления. Экономика состоит из элементов – хозяйственных единиц: предприятия, фирмы, банки и так далее. Экономика является подсистемой системы более высокого уровня – природы и общества. Задачами экономико-математического моделирования являются: - анализ экономических объектов и процессов; - экономическое прогнозирование, предвидение развития экономических процессов; - выработка данных необходимых для принятия управленческих решений. Любое экономическое исследование всегда предполагает объединение теории (экономической модели) и практики (статистических данных). Теоретические модели используются для описания и объяснения наблюдаемых процессов, а статистические данные собираются с целью эмпирического построения и обоснования модели. Математические модели, используемые в экономике, подразделяются на классы по ряду признаков, относящихся к особенностям моделируемого объекта, цели моделирования и используемого инструментария: модели макро- и микроэкономические, теоретические и прикладные, оптимизационные и равновесные, статистические и динамические. Макроэкономические модели описывают экономику как единое целое, связывая между собой укрупненные материальные и финансовые показатели: ВНП, потребление, инвестиции, занятость и т.д. Микроэкономические модели описывают взаимодействие структурных и функциональных составляющих экономики, либо поведение отдельной такой составляющей в рыночной среде. Теоретические модели позволяют изучать общие свойства экономики и ее характерных элементов дедукцией выводов из формальных предпосылок. Прикладные модели дают возможность оценить параметры функционирования конкретного экономического объекта и сформулировать рекомендации для принятия практических решений. Равновесные модели описывают такие состояния экономики, когда результирующая всех сил, стремящихся вывести ее из данного состояния, равна нулю. В моделях статистических описывается состояние экономического объекта в конкретный момент или период времени; динамические модели включают взаимосвязи переменных во времени. В экономической деятельности достаточно часто требуется не только получить прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов, а также возможные последствия их изменений в будущем. Для решения этой задачи предназначен аппарат корреляционного и регрессионного анализа. Результат опыта можно охарактеризовать качественно и количественно. Любая качественная характеристика результата опыта называется событием; любая количественная характеристика результата опыта называется случайной величиной. Случайная величина – это такая величина, которая в результате опыта может принимать различные значения, причем до опыта не возможно предсказать, какое именно значение она примет. Понятие зависимости (независимости) случайных величин является одним из важнейших понятий в теории вероятностей. Так как наличие или отсутствие зависимости между случайными величинами оказывает существенное влияние на метод исследования. Степень тесноты изменяется в широких пределах: от полной независимости случайных величин до очень сильной, близкой по существу к функциональной зависимости. Связь между зависимой переменной Y(i) и n независимыми факторами можно охарактеризовать функцией регрессии Y(i) = f (X1, X2, ......, Xm), которая показывает, каким будет в среднем значение переменной Y, если переменные Х примут конкретное значение. Это обстоятельство позволяет применять модель регрессии не только для анализа, но и для прогнозирования. Множественная корреляция и регрессия определяют форму связи переменных, выявляют тесноту их связи и устанавливают влияние отдельных факторов. Основными этапами построения регрессионной модели являются: - построение системы показателей (факторов). Сбор и предварительный анализ исходных данных. - выбор вида модели и численная оценка ее параметров. - проверка качества модели - оценка влияния отдельных факторов на основе модели - прогнозирование на основе модели регрессии. Рассмотрим содержание этих этапов и их реализацию. Построение системы показателей (факторов). Информационной базой регрессионного анализа являются многомерные временные ряды, каждый из которых отражает динамику одной переменной и должен удовлетворять требованиям статистического аппарата исследования. Для построения системы показателей используется корреляционный анализ. Основная задача которого, состоит в выявлении связи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции и детерминации. Выбор факторов, влияющих на исследуемый показатель, производится прежде всего исходя из содержательного экономического анализа. Для получения надежных оценок в модель не следует включать слишком много факторов. Их число не должно превышать одной трети объема имеющихся данных. Для определения наиболее существенных факторов могут быть использованы коэффициенты линейной и множественной корреляции. При проведении корреляционного анализа вся совокупность данных рассматривается как множество переменных (факторов), каждая из которых содержит n-наблюдений; хik – i- ое наблюдение k-ой переменной. Связь между случайными величинами X и Y в генеральной совокупности, имеющими совместное нормальное распределение, можно описать коэффициентами корреляции: ( = М ((X – mx) (Y – my)) / (x (y , или ( = Кxy / (x (y , ( 17 ) где ( - коэффициент корреляции (или парный коэффициент корреляции) генеральной совокупности. Оценкой коэффициента корреляции ( является выборочный парный коэффициент корреляции: N _ _ r = ( (xi – x ) (yi – y) / nSxSy, ( 18 ) i = 1 где Sx.Sy – оценки дисперсии; x , y – наилучшие оценки математического ожидания. Парный коэффициент корреляции является показателем тесноты связи лишь в случае линейной зависимости между переменными и обладает следующими основными свойствами: Свойство 1. Коэффициент корреляции принимает значение в интервале (-1,+1), или (xy < 1. Значение коэффициентов парной корреляции лежит в интервале от -1 до +1. Его положительное значение свидетельствует о прямой связи, отрицательное - об обратной, то есть когда растет одна переменная, другая уменьшается. Чем ближе его значение к 1 , тем теснее связь. Коэффициент множественной корреляции, который принимает значение от 0 до 1, более универсальный: чем ближе его значение к 1, тем в большей степени учтены факторы, влияющие на зависимую переменную, тем более точной может быть модель. Свойство 2. Коэффициент корреляции не зависит от выбора начала отсчета и единицы измерения, то есть р ((1X + ( (2 Y + () = ( xy , ( 19 ) где (1, (2 , ( - постоянные величины, причем (1 > 0 , (2 > 0. Случайные величины X,Y можно уменьшать (увеличивать) в ( раз, а также вычитать или прибавлять к значениям X и Y одно и тоже число ( - это не приведет к изменению коэффициента корреляции (. Свойство 3. При ( = +-1 корреляционная связь представляется линейной функциональной зависимостью. При этом линии регрессии y по x и x по y совпадают. Свойство 4. При ( = 0 линейная корреляционная связь отсутствует и параллельны осям координат. Рассмотренные показатели во многих случаях не дают однозначного ответа на вопрос о наборе факторов. Поэтому в практической работе с использованием ПЭВМ чаще осуществляется отбор факторов непосредственно в ходе построения модели методом пошаговой регрессии. Суть метода состоит в последовательном включении факторов. На первом шаге строится однофакторная модель с фактором , имеющим максимальный коэффициент парной корреляции с результативным признаком. Для каждой переменной регрессии , за исключением тех, которые уже включены в модель , рассчитывается величина С(j) , равная относительному уменьшению суммы квадратов зависимой переменной при включении фактора в модель. Эта величина интерпретируется как доля оставшейся дисперсии независимой переменной, которую объясняет переменная j. Пусть на очередном шаге k номер переменной, имеющей максимальное значение, соответствует j. Если Сk меньше заранее заданной константы, характеризующей уровень отбора, то построение модели прекращается. В противном случае k-я переменная вводится в модель. После того, как с помощью корреляционного анализа выявлены статистические значимые связи между переменными и оценена степень их тесноты, переходят к математическому описанию Регрессионной моделью системы взаимосвязанных признаков является такое уравнение регрессии, которое включает основные факторы, влияющие на вариацию результативного признака, обладает высоким (не ниже 0,5) коэффициентом детерминации и коэффициентом регрессии, интерпретируемыми в соответствии с теоретическим знанием о природе связей в изучаемой системе. Основной задачей линейного регрессионного анализа является установление формы связи между переменными, а так же выбор наиболее информативных аргументов Xj; оценивание неизвестных значений параметров aj уравнения связи и анализ его точности. В регрессионном анализе вид уравнения выбирается исходя из физической сущности изучаемого явления и результатов наблюдений. Простейший случай регрессионного анализа для линейной зависимости между зависимой переменной Y и независимой переменной Х выражается следующей зависимостью: Y = a0 + a1X + ( , ( 20 ) где a0 – постоянная величина (или свободный член уравнения). a1 – коэффициент регрессии, определяющий наклон линии, вдоль которой рассеяны данные наблюдений. Это показатель, характеризующий процентное изменение переменой Y, при изменении значения X на единицу. Если a1 > 0 –переменные X и Y положительно коррелированны, если a2 < 0 – отрицательно коррелированны; ( - независимая ((М ((i (j ) = 0, при i ( j ) нормально распределенная случайная величина – остаток (помеха) с нулевым математическим ожиданием (m( = 0) и постоянной дисперсией ( D( = (2 ). Она отражает тот факт, что изменение Y будет недостаточно описываться изменением X – присутствуют другие факторы, неучтенные в данной модели. Параметры модели оцениваются по методу наименьших квадратов, который дает наилучшие (эффективные) линейные несмещенные оценки. Если записать выражение для определения коэффициентов регрессии в матричной форме, то становится очевидным, что решение задачи возможно лишь тогда, когда столбцы и строки матрицы исходных данных линейно независимы. Для экономических показателей это условие выполняется не всегда. Линейная или близкая к ней связь между факторами называется коллиниарностью и приводит к линейной зависимости нормальных уравнений, что делает вычисление параметров либо невозможным, либо затрудняет содержательную интерпретацию параметров модели. Чтобы избавиться от коллиниарности, в модель включают лишь один из линейно связанных между собой факторов, причем тот, который в большей степени связан с зависимой переменной. Проверка качества модели Качество модели оценивается стандартным для математических моделей образом: по адекватности и точности. Расчетные значения получаются путем подстановки в модель фактических значений всех включенных факторов. Кроме рассмотренных выше характеристик, целесообразно использовать корреляционное отношение (индекс корреляции), а также |
|
|||||||||||||||||||||||||||||
|
Рефераты бесплатно, реферат бесплатно, сочинения, курсовые работы, реферат, доклады, рефераты, рефераты скачать, рефераты на тему, курсовые, дипломы, научные работы и многое другое. |
||
При использовании материалов - ссылка на сайт обязательна. |