ДИНАМИКА ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ ЛЕСНОЙ ОТРАСЛИ В МИРЕ Текст научной статьи по специальности «Экономика и бизнес»

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.