ДИНАМИКА ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ ЛЕСНОЙ ОТРАСЛИ В МИРЕ С.С. Матвеев, магистрант
Институт управления бизнес-процессами г. Красноярск (Россия, г. Красноярск)
DOI:10.24412/2500-1000-2022-11-4-214-218
Аннотация. Цель статьи заключается в изучении динамики финансовых показателей лесной отрасли в мире. При статистическом анализе использовались расчеты коэффициента общей ликвидности и коэффициента заемных средств, корреляционный анализ и последующий расчет регрессионной модели для выявления значимых факторов, влияющих на выручку, расчет стандартизированных коэффициентов, расчет однофакторной регрессионной модели. С помощью расчетов коэффициентов и регрессионных моделей было выявлено, что бизнес-модель крупнейшего предприятия лесной отрасли РФ коррелирует с мировой бизнес-моделью и имеет отклонение прогноз/факт 2%.
Ключевые слова: регрессионный анализ; коэффициенты.
Лесная отрасль является значимым игроком экономических связей в мире, продукция, в частности товарная целлюлоза, является востребованным товаром на мировых рынках. Товарная целлюлоза является источником сырья для различных видов товаров таких, как бумаги, химические
волокна, искусственные меха, а также заменители кожи, пластмассы, кинопленка, лаки, бездымный порох и т.д.
За рубежом товарная целлюлоза торгуется на спотовом рынке, динамика изменения цен представлена в таблице 1.
Таблица 1. Динамика цен товарной целлюлозы, долл. / сухая тонна
Период Товарная целлюлоза
2010 102,96
2011 110,96
2012 104,47
2013 99,37
2014 97,53
2015 88,96
2016 87,07
2017 87,61
2018 90,89
2019 90,14
Цена на товарную целлюлозу в 2019 году ниже 2010 года на 12 долл., или 13%. Проведем анализ коэффициентов ликвидности крупнейших игроков данной отрас-
ли, 24 компаний с совокупной среднегодовой выручкой в размере 4 млрд. долл., результат представлен на рисунке 1.
2010 2011 2012
2013
2014
2015
2016
2017
2018 2019
0,00 0,20 0,40 0,60 0,80 1,00 1,20 1,40 1,60 1,80 2,00 2,20 2,40 2,60 2,80 3,00
Рис. 1. Коэффициент общей ликвидности
На рисунке 1 явно выделяется тенденция не эффективного использования оборотных средств.
Проведем корреляционный анализ и выделим основные факторы влияющие на
размер выручки, дополним финансовую отчетность внешними макроэкономическим показателями, результаты расчетов и расшифровка факторов представлены на рисунке 2 и таблице 2.
-1,00 -0,50 0,00 0,50 1,00
X1 п 6? 0,91
—л®- 0,76
-0,17 X7 0,06 0,25
X10 =,05190,25
X13 и,10.18
X16 —
- -0,22 X19 Г
0,46
Рис. 2. Результат корреляционного анализа
Таблица 2. Расшифровка факторов
Фактор Расшифровка
Xi Общие акционерные фонды и пассивы, млн. долл.
X2 Средства акционеров, млн. долл.
Хз Группа анализа
X4 Коэффициент ликвидности (х)
X5 Коэффициент платежеспособности (%)
Хб Коэффициент покрытия (х)
X7 Ликвидность акционерного капитала (х)
X8 EBIT Маржа (%)
X9 Валовая маржа (%)
Xio Маржа прибыли (%)
Xii Оборот акций (х)
Xl2 Оборот чистых активов (х)
X13 Рентабельность собственного капитала (%)
Xl4 Валовая прибыль, млн. долл.
Xl5 Себестоимость продукции, млн. долл.
Xi6 Стоимость компании, млн. долл.
Xl7 Чистые оборотные средства, млн. долл.
Xi8 Древесина цена, долл./куб. метр.
Xi9 ВВП номинал, млрд. долл.
X20 Площадь лесов, тыс. кв. км.
X2i Фьючерс на лес, долл.
Y Выручка, млн. долл.
На основании расчета критерия ^ Стьюдента и сопоставления с табличным значением выделим значимые факторы, и далее по ним рассчитаем коэффициенты регрессионной модели уравнения и приведем их в стандартизированный вид для выделения значимого фактора и дальней-
шего расчета однофакторной регрессионной модели уравнения, определения коэффициента детерминации и расчета средней ошибки аппроксимации данного уравнения.
Расчет ^критерия представлен в таблице 3.
Таблица 3. Определение значимости факторов
Фактор-признак 1табл0,05 = 1,97
результат
X1 значим
X2 значим
X3 значим
X4 не значим
X5 не значим
X6 не значим
X7 не значим
X8 не значим
X9 значим
X10 не значим
X11 не значим
X12 не значим
X13 значим
X14 значим
X15 значим
X16 значим
X17 значим
X18 не значим
X19 не значим
X20 не значим
X21 не значим
Для дальнейших расчетов используем факторы X1, X2, X3, X9, X13, X14, X15, X16, X17.
Расчет регрессионных коэффициентов произведем инструментов «Анализ данных» из офисного пакета Excel. Результат представлен в таблице 4.
Таблица 4. Результат расчета «Анализ данных»
Регрессионная статистика_
Множественный R 1,0000
R-квадрат 1,0000
Нормированный R-квадрат 1,0000
Стандартная ошибка 0,0004
Наблюдения 240
Дисперсионный анализ
_df_SS_MS_F_Значимость F
Регрессия 9 8630745516 958971724 5,29063E+15 0
Остаток 230 4,16894E-05 1,81258E-07
Итого 239 8630745516
Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95%
Y-пересечение -0,000089 0,000158325 -0,563511791 0,573635412 -0,000401171 0,000222735
X1 0,000000 1,45646E-08 0,834055939 0,405114856 -1,65494E-08 4,08447E-08
X2 0,000000 2,30239E-08 -1,092325879 0,275832732 -7,05143E-08 2,02151E-08
X3 0,000038 9,10645E-05 0,415718463 0,678003628 -0,00014157 0,000217284
X9 -0,000001 2,96924E-06 -0,268149065 0,788824917 -6,64659E-06 5,05419E-06
X13 0,000006 6,92315E-06 0,857124336 0,392268369 -7,7069E-06 1,95749E-05
X14 1,000000 2,65765E-08 37627196,09 0 0,999999947 1,000000052
X15 1,000000 1,93653E-08 51638756,4 0 0,999999933 1,000000009
X16 0,000000 7,07943E-09 0,252246537 0,801075778 -1,21631E-08 1,57346E-08
X17 0,000000 4,17269E-08 1,867824602 0,063058301 -4,27731E-09 1,60155E-07
Результат расчета значимости факторов в стандартизированном виде представлен в таблице 5.
Таблица 5. Результат значимости
Xi X2 X3 X9 X13 X14 X15 X16 X17
стандарт.коэфф. 0,00 0,00 0,00 0,00 0,00 0,44 0,66 0,00 0,00
На основании таблицы 5 можно сделать вывод, что для дальнейшего анализа подходят факторы Х14 и Х15, но так как будем рассчитывать однофакторную модель то
используем фактор Х15 - себестоимость продукции.
Расчет однофакторной регрессионной модели уравнения представлен в таблице 6.
Таблица 6. Результат расчета линейной регрессионной модели уравнения
X15 Y X*Y X2 Y2 Ypac4eT (Y - Ypac-)Л2 чет) (Ypac4eT - Y )Л2 а ср.расчет) Аошиб.апрокс, %
сумма 402 833 555 691 2 225 210 142 1 637 614 358 3 043 187 239 555 691 17 853 824 819 671 083 1 455
среднее 2 877 3 969 15 894 358 11 697 245 21 737 052 3 969 127 527 5 854 793 10,4
пнабл 140
Шсвоб 138
а 1 849 2 446
о2 3 417 950 5 982 321
алин 203
Ьдин 1,309
1-2 г ху 0,98
И так можно сделать вывод, что взаимосвязь факторов себестоимости продукции и размера выручки описывается линейным регрессионным уравнением вида: ух = 203 + 1.309 * Х15, а также на основании коэффициента детерминации можно судить о том, что 98% влияния оказывает себестоимость продукции и только 2% прочие не учтенные факторы. Средняя ошибка аппроксимации равная 10.4%
означает что уравнение описывает процесс с достаточной точностью.
Наложим данные результата расчета регрессионной модели уравнения на финансовую отчетность крупнейшего игрока лесной отрасли РФ АО «Группа «Илим». Финансовые результаты, себестоимость и выручка представлены в таблице 7 и расчет прогноз / факт в таблице 8.
Таблица 7. Финансовые показатели 2010-2020 гг.
Год Выручка, Себестоимость
отчета млн. долл. продукции, млн. долл.
2010 1 785 1 094
2011 1 860 1 145
2012 1 787 1 287
2013 1 666 1 326
2014 1 289 905
2015 1 407 800
2016 1 841 1 051
2017 1 917 970
2018 2 241 907
2019 2 004 1 044
Таблица 8. Расчет прогноза 2020 года го модели и факта 2020 года
Факт Прогноз отклонение
себестоимость, выручка, выручка, абс., отн.,
млн. долл. млн. долл. млн. долл. млн. долл. проц.
1 184 1 712 1 753 41 2,4
На основании таблицы 8 можно сделать телей в лесной отрасли, так как рассчитан-вывод, что бизнес-модель АО «Группа ная регрессионная модель показала откло-«Илим» соответствует практикам ведения нение в данных компании из РФ всего 43 бизнеса крупнейших мировых производи- млн. долл. или 2.4%.
Библиографический список
1. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. - М.: Инфра-М, 2017. - 272 с.
2. Ковалев В. В. Курс финансовых вычислений. - М.: Проспект, 2015. - 284 с.
3. Новая реальность: чего ожидает российский ЛПК от 2022 года. - [Электронный ресурс]. - Режим доступа: https://forestcomplex.ru/forestry/novaya-realnost-chego-ozhidaet-rossijskij-lpk-ot-2022-goda/.
4. Славинова М.В. Методы оценки финансового состояния организации // Наука среди нас. - 2018. - №2 (6). - С. 215.
DYNAMICS OF FINANCIAL INDICATORS OF THE FOREST INDUSTRY IN THE
WORLD
S.S. Matveev, Graduate Student
Institute of Business Process Management, Krasnoyarsk (Russia, Krasnoyarsk)
Abstract. The purpose of the article is to study the dynamics of financial indicators of the forest industry in the world. The statistical analysis used calculations of the total liquidity ratio and the leverage ratio, correlation analysis and subsequent calculation of the regression model to identify significant factors affecting revenue, calculation of standardized coefficients, calculation of a one-factor regression model. Using calculations of coefficients and regression models, it was revealed that the business model of the largest enterprise in the Russian forest industry correlates with the global business model and has a forecast/fact deviation of 2%. Keywords: regression analysis; coefficients.