- •Всп Агротехнічний коледж унус
- •З дисципліни «Інформаційні системи та технології обліку»
- •Нормативи
- •( Розробка показників фінансової частини бізнес – плану) Розділ Створення бюджету компанії та цикли планування Розробка планів фінансової діяльності підприємства
- •Прогрес за 2003-2005 роки
- •Прогрес за 2003-2005 роки
- •Прогрес в процентному відношенні до об’єму продажу
- •Визначити період спостережень
- •Об’єму продажу
Нормативи
Оборотних активів та джерела їх покриття
Статті оборотних активів |
Код |
Планове використання, тис.грн. |
Норма запасу, % |
Норматив на кінець року, тис. грн. |
І Оборотні активи |
0100 |
|
* |
|
1. Тварини на вирощуванні і відгодівлі |
0110 |
* |
* |
415,6 |
2. Запаси, всього, утому числі: |
0120 |
|
* |
|
Насіння |
0130 |
162,3 |
30 |
|
Корми |
0140 |
142,5 |
|
|
Добрива |
0150 |
57,4 |
17 |
|
Сировина |
0160 |
25,4 |
8 |
|
Запчастини |
0170 |
120,7 |
18 |
|
Тара |
0180 |
5,5 |
4 |
|
Паливо |
0190 |
182,3 |
20 |
|
МШП |
0200 |
46,2 |
16 |
|
Статті оборотних активів |
Код |
Планове споживання, тис. грн. |
Норма запасу, % |
Норматив на кінець року, тис. грн. |
3. Незавершене виробництво, всього у тому числі |
0300 |
* |
* |
|
Рослинництві |
0310 |
* |
* |
|
Тваринництві |
0320 |
* |
* |
|
4. Витрати майбутніх періодів |
0400 |
* |
* |
|
|
0500 |
* |
* |
|
5. продукція |
0510 |
* |
* |
|
Разом потреба |
0600 |
* |
* |
|
Джерела покриття |
Код |
Сума, тис.грн |
Наявність оборотних активів на початок року (75-85% від кода 0600) |
0700 |
|
Сталі пасиви (3-5% від кода 0600) |
0800 |
|
Прибуток |
0900 |
|
Кредит банку |
1000 |
|
Разом джерел покриття |
1100 |
|
Виконавши обчислення заданих завдань проаналізуйте рух необігових активів підприємства.
|
|
Поняття поточного активу.
Необігові активи та їх роль в діяльності підприємства.
Статі витрат необігових ативів.
Нормативи оборотних активів.
Джерела покриття необоротних активів.
|
|
У більшості випадків при дослідженні скаладних реальних явищ в економіці, соціології, фізиці тощо ми не знаємо точних функцірональних залежностей між вихідними характеристиками та факторами, що на них впливають, а часто і не знаємо всіх факторів, що впливають на процеси. Для подолання цих труднощів використовують апарат регресійного аналізу, що дає змогу:
Знаходити форми функціональної залежності між змінними;
оцінювати кількісний ступінь впливу кожного з факторів на залежну змінну;
прогнозувати значення змінної.
Побудова рівняння регресії передбачає розв’язання двох головних залдач:
вибір незалежних змінних, які суттєво впливають на залежну змінну, визначення функціонального впливу цієї залежності. Цей етап у розробці рівнянн регресії називається специфікацією. Задача розв’язується за допомогою якісного аналізу явища;
оцінювання параметрів (коефіцієнтів) рівняння. Для знаходження оцінок параметрів використовують спеціальні статистичні методи:
метод найменших квадратів (МНК);
метод максимальної вірогідності;
узагальнення МНК.
Оскільки парамерти регресії являють собою вибіркові характристики, то процес оцінювання супроводжується статистичною перевіркою значущості одержаних параемтрів.
До найпоширеніших регресійних моделей належать лінійні моделі парної та множинної регресії.
Розглянемо парну лінійну регресію.
Нехай між змінними х та у теоретично існує лінійна залежність. Тоді при побудові регресії приймається гіпотеза, що для кожного спостереження і має місце залежність:
Уі = + хі +і , де - невідомі коефіцієнти, які необхідно оцінити, - випадкова похибка (збурення), що характеризує відхилення реальних даних від теоретичної моделі лінійної регресії.
|
Побудова моделей лінійної регресії |
Розглянемо побудову парної лінійної регресії, використовуючи офіційні статистичні дані. Як відомо, з економічної теорії, при зростанні валютного курсу посилюються тампи інфляції. Побудуємо лінійну модель зростання темпів інфляції в Україні (індексу спожитих цін) від зростання валютного курсу. При цьому будемо вважати, що при зростанні валютного курсу (гривня/долар США) ціни зростають не одразу, а через деякий проміжок часу, наприклад, через місяць.
|
A |
B |
C |
D |
1 |
|
Y |
X1 |
X2 |
2 |
|
CPI |
Extrate |
Bm2 |
3 |
Січень 2004 |
155,86 |
104,37 |
183,8 |
4 |
Лютий 2004 |
156,17 |
107,10 |
185,7 |
5 |
Березень2004 |
156,48 |
110,93 |
196,8 |
6 |
Квітень2004 |
158,52 |
11,48 |
196,2 |
7 |
Травень2004 |
158,52 |
112,02 |
202,1 |
8 |
Червень2004 |
158,52 |
112,57 |
210,2 |
9 |
Липень2004 |
157,41 |
115,30 |
216,5 |
10 |
Серпень 2004 |
163,39 |
119,67 |
214,3 |
11 |
Вересень 2004 |
173,72 |
154,64 |
222,9 |
12 |
Жовтень 2004 |
178,72 |
186,89 |
225,1 |
1 |
Листопад 2004 |
184,62 |
187,43 |
229,6 |
3 |
Грудень 2004 |
187,39 |
187,43 |
243,4 |
14 |
Січень 2005 |
189,26 |
187,27 |
233,7 |
15 |
Лютий 2005 |
191,16 |
189,62 |
236,0 |
16 |
Березень2005 |
195,55 |
206,01 |
245,5 |
17 |
Квітень2005 |
200,25 |
214,75 |
257,7 |
18 |
Травень2005 |
200,45 |
214,21 |
270,6 |
19 |
Червень2005 |
198,44 |
215,85 |
286,9 |
20 |
Липень2005 |
200,43 |
218,58 |
289,7 |
21 |
Серпень 2005 |
203,23 |
243,72 |
304,2 |
22 |
Вересень 2005 |
205,47 |
243,50 |
316,4 |
23 |
Жовтень 2005 |
211,43 |
244,26 |
322,7 |
24 |
Листопад 2005 |
212,50 |
253,01 |
325,9 |
Отже, модель матиме вигляд:
Уt = aXt-1 + b, де Уt – темпи зростання індексу споживчих цін (СРІ), Хt-1 – темп зростання валютного курсу в минулому періоді часу t-1 (у нашому випадку минулому місяці). Завдання полягає у знаходженні оцінок невідомих коефіцієнтів a та b.
Для оцінки параемтрів моделі було обрано період з січня 2004 року по листопад 2005 року. Значення валютного курсу (Exrate) та темпів інфляції (СРІ) за інформацією Держкомстату було переведено в базисі індекси: 12.2003 = 100%. Значення індексів наведено в таблиці вище.
Результати моделювання з використанням статистичної функції ЛИНЕЙН в програмі Excel наведено нижче в таблиці:
|
a |
b |
Коефіцієнти |
0,486299 |
93,7754 |
Стандартні відхилення |
0,029006 |
4,171411 |
R2 та стандартна похибка для оцінки Y |
0,864653 |
9,777856 |
F статистика та кількість ступенів свободи |
281,09 |
44 |
Сума квадратів регресії та залишків |
26874,02 |
4206,684 |
Отже, побудована модель має вигляд:
Як свідчать значення додаткових статистик: R2 та F статистика, стандартні відхилення коефіцієнтів, побудована модель достатньо адекватно описує залежність між темпами інфляції та валютним курсом.
Побудова множинної лінійної регресії
Будемо вважати, що темпи інфляції залежать не лише від темпів зміни валютного курсу, а й від темпів приросту грошової маси (вважатимемо, що зміна цих факторів одразу позначається на темпах зростання цін). Отже, модель має вигляд:
Y = а0 + а1 Х1 + а2 Х2
Де Y – темпи зростання індексу споживчих цін (СРІ), Х1 – темп зростання валютного курсу (Extrate), Х2 – темп зростання грошової маси (Bm2). Задача полягає в знаходженні оцінок невідомих коефіцієнтів аі (і= 0,1,2).
Результати моделювання за допомогою функції ЛИНЕЙН в програмі Excel наведено в таблиці:
|
a2 |
а1 |
а0 |
Коефіцієнти |
0,291918 |
0,147469 |
82,545 |
Стандартні відхилення |
0,027468 |
0,034511 |
2,539769 |
R2 та стандартна похибка для оцінки Y |
0,958021 |
5,655791 |
|
F статистика та кількість ступенів свободи |
502,0685 |
44 |
|
Сума квадратів регресії та залишків |
32120,3 |
1407,471 |
|
Отже, дана таблиця свідчить, що модель множинної лінійної регресії таокж є достатньо адекватно.
Необхідно зауважити, що наведені моделі є досить спрощеними, але вони ілюструють можливості практичного використання (зокрема, в економічних дослідженнях) вбудованих статистичних функцій програми Excel, що дають змогу будувати фуекції регресії та можуть застосовуватись до задач прогнозуванян та знаходження кількісних взаємозв’язків між факторами та залежною змінною.
Нелінійні регресії моделі
Вище ми розглядали лінійні регресії моделі, тобто моделі, в яких змінні мали перший ступінь (лінійні за змінними), а параметри біли коефіцієнтами при цих змінних (лінійні за параметрами). Але досить часто реальні співвідношення між причинами та наслідками мають нелінійних характер і тому дослідження їх лінійними моделями призводить до достатньо великих похибок.
Так, наприклад, нелінійними є так звані виробничі функції, що пов’язують залежність між обсягами виробництва та факторами виробництва – праціею та капіталом.
Для оцінки нелінійних моделей використовують два підходи. Перший полягає в лінеаризації моделі:з-а допомогою відповідних перетворень змінних існуючу нелінійну залежність подають у вигляді лінійного співвідношення між перетвореними даними. Якщо ж вибрати відповідні перетворення змінних для лінеаризації не вдається, застосовують методи нелінійної оптимізації для цих змінних.
Модель при двох незалежних змінних може мати вигляд:
Табличний процесор Excel має такі засоби прогнозування:
статистичні функції (Вставка/Функція/Статистичні);
пакет анлізу (Сервіс/Аналіз даних).
Пакет аналізу
Пакет аналізу (Сервіс/Аналіз даних) дає змогу здійснювати:
кореляційний аналіз;
регресійний аналіз.
Кореляційний аналіз (Сервіс/Аналіз даних/Кореляція) використовується для кількісної оцінки взаємозв’язку двох наборів даних, поданих у безрозмірному вигляді. Коефіцієнт кореляції вибірки є коваріацією двох наборів даних, поділеною на добуток їхніх стандартних відхилень.
Кореляційний аналіз дає змогу встановити, чи асоційовані набори даних, тобто великі значення з одного набору даних пов’язані з великими значеннями іншого набору (позитивна кореляція), або, навпаки, малі значення одного набору пов’язані з великими значеннями іншого (негативна кореляція), або дані двох діапазонів ніяк не зв’язані (кореляція близька до нуля). Для обчислення коефіцієнта кореляції між двома наборами даних на аркуші використовується статистична функція КОРРЕЛ.
Рис. 3.1
Діалогове вікно Кореляція
Рис. 3.2
Діалогове вікно Регресія
Параметри діалогового вікна Кореляційний аналіз”
Вхідний діапазон. Введіть посилання на комірки, що містять дані для аналізу. Посилання має складатися мінімум з двох суміжних діапазонів даних, організованих у вигляді стовпців або рядків.
Групування. Встановіть перемикач у положення По стовпчиках або По рядках залежно від розташуавння даних у вхідному діапазоні.
Позначки в першому рядку/Позначки в першому стовпчику. Встановіть перемикач у положення Позначки в першому рядку, якщо перший рядок у вхідному діапазоні містить назви стовпців. Встановіть перемикач у положення Позначки в першому стовпчику. Якщо назви рядків знаходяться в першому стовпчику вхідного діапазону. Якщо вхідний діапазон не містить назв, то необхідні заголовки у вихідному діапазоні будуть створені автоматично.
Вихідний діапазон Введіть посилання на ліву верхню комірку вихідного діапазону. Оскільки коефіцієнт кореляції двох наборів даних не залежить від послідовності їх обробки, вихідна область займає тільки половину призначеного для неї місця. Комірки вихідного діапазону, які мають однакові назви рядків та стовпчиків, містять значення 1, оскільки кожний рядок або стовпчик у вхідному діапазоні повністю корелює з самим собою.
Новий аркуш. Встановіть перемикач, щоб відкрити новий аркуш у книзі і встановити результати аналізу, починаючи з комірки А1. Якщо в цьому є необхідність, введіть ім’я нового аркуша в полі, розташованому навпроти відповідного положення перемикача.
Нова книга. Встановіть перемикач, щоб відкрити нову книгу і встановити результаи аналізу в комірку А1 на першому аркуші в цій книзі.
Регресійний аналіз
Лінійний регресійний аналіз полягає в побудові функцій лінійної регресії для набору спостережень та оцінці коефіцієнтів за допомогою методу найменших квадратів. Регресія використовується для оцінки впливу на окрему залежну змінну значень однієї або кількох незалежних змінних. Наприклад, ціна будь-якого товару залежить, зокрема, від собівартості, купівельної спроможності населення, цін на аналогічні товари-замінники, від ринкової кон’юктури тощо.
Параметри діалогового вікна „Регресія”
Вхідний інтервал Y. Введіть посилання на діапазон даних для залежної змінної (Y). Зверніть увагу, що діапазон має складатись з одного стовпчика.
Вхідний інтервал Х. Введіть посилання на діапазон незалежних змінних (Хі, і = 1,...,n) і програма Excel розташовує незалежні змінні цього діапазону зліва направо в порядку зростання. Максимальна кількість вхідних діапазонів дорівнює 16.
Позначки. Встановіть відповідний прапорець, якщо перший рядок або перший стовпчик вхідного інтервалу міститьь заголовоки. Зніміть прапорець, якщо заголовки відсутні; в цьому випадку відповідні назви для даних вихідного діапазону будуть створені автоматично.
Рівень надійності. Встановіть прапорець, щоб додати до вихідного діапазону додатковий рівень. У відповідне поле введіть рівень надійності, який буде використано додатково до рівня 95%, що використовується за замовчуванням.
Константа-нуль. Якщо це необхідно, встановіть прапорець, щоб лінія регресії пройшла через початок координат.
Вихідний діапазон. Введіть посилання на ліву верхню комірку вихідного діапазону.Відведіть принаймі сім стовпчиків для підсумкового діапазону, який міститиме: результати дисперсійного аналізу, коефіцієнти регресії (ai, b), стандартну похибку обчислення Y (sey ), середньоквадратичні відхилення, кількість спостережень (n), стандартні похибки для коефіцієнтів (sei).
Новий аркуш. Встановіть перемикач, щоб відкрити нову книгу і встановити результати аналізу на першому аркуші в цій книзі, починаючи з комірки А1.
Залишки. Встановіть прапорець, щоб додавати залишки до вихідного діапазону.
Стандартизовані залишки. Встановітьпрапорець, щоб побудувати стандартизовані залишки до вихідного діапазону.
Графік залишків. Встановіть прапорець, щоб побудувати діаграму залишків для кожної незалежної змінної.
Графік підбору. Встановіть прапорець, щоб побудувати діагарми наявних і передбачених значень для кожної незалежної змінної.
Графік нормальної вірогідності. Встановіть прапорець, щоб побудувати діагарму нормальної вірогідності.
|
Практичне завдання |
Завдання 1.
За даними таблиці спрогнозувати значення Y
|
Фінансовий контроль та планування