4. Michael K. Chen, Kunle Olukotun. The Jrpm System for Dynamically Parallelizing Java Programs. Stanford University, 2003, стр.: 12.
5. D. F. Bacon, S. L. Graham, and O. J. Sharp. Compiler transformations for highperformance computing. ACM Computing Surveys, 1994, стр.:76.
6. Альфред Ахо, Рави Сети, Джеффри Ульман. Компиляторы. Принципы, технологии, инструменты. Издательство Вильяме, 2008, стр.: 1175.
УДК 51-7
Иремадзе Э. О., к.хим. н.
доцент
кафедра «Математического моделирования»
Тиваненко А. О. студент 2 курса экономический факультет Файрушин С. Ф. студент 2 курса экономический факультет Стерлитамакский филиал Башкирский государственный университет
Россия, г. Стерлитамак МАТЕМАТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ РЕЗУЛЬТАТОВ С ПОМОЩЬЮ КОРРЕЛЯЦИОННО-
РЕГРЕССИОННОГО АНАЛИЗА Аннотация: В статье были рассмотрены математический анализ и прогнозирование финансовых результатов с помощью корреляционно -регрессионного анализа на примере предприятия «Стерлитамакский хлебокомбинат »
Ключевые слова: математический анализ, алгоритм прогнозирования, финансовый результат, корреляционно-регрессионный анализ, мульт иколлеллинеарност ь
Iremadze E.O.
Associate Professor, Candidate of Chemistry, Associate Professor of the
Department of Mathematical Modeling Sterlitamak branch of Bashkir State University
Tivanenko A.O.
Second year student of the Faculty of Economics Sterlitamak branch of Bashkir State University Russia, Sterlitamak
Fayrushin S.F.
Second year student of the Faculty of Economics Sterlitamak branch of Bashkir State University Russia, Sterlitamak MATHEMATICAL ANALYSIS AND FORECASTING FINANCIAL RESULTS WITH CORRELATION AND REGISTRATION ANALYSIS
Abstract: The article examined mathematical analysis and forecasting of
financial results by means of correlation-regression analysis using the example of the enterprise "SterlitamakBakery"
Keywords: mathematical analysis, forecasting algorithm, financial result, correlation-regression analysis, multicollinearity
В данной работе рассматривается алгоритм прогнозирования финансовых результатов деятельности организации c помощью экономико-матетических методов и моделей, а именно прогнозирование прибыли с помощью корреляционно-регрессионного анализа с определением наиболее тесно-влияющих факторов на прибыль исследуемого предприятия.
С использованием математических методов и моделей проведено прогнозирование изменения прибыли под воздействием не только внутренних, но и внешних факторов, что является необходимым в современных экономических условиях нестабильности и неопределенности.
Были отобраны основные рыночные факторы, оказывающие влияние на формирование прибыли ОАО «Стерлитамакский хлебокомбинат» и представлены в Таблице 1._
Период Прибыль от продаж, тыс.руб Выручка тыс. руб Кредиты и займы, тыс. руб Дебиторская задолженность, тыс. руб. Денежные доходы населения РТ, руб./месяц Численность безработных в РТ, руб./месяц Инфляция,% Курс доллара, руб.
У X1 X2 X3 X4 X5 X6 X7
201 0 890 12 013 1000 1400 18 423 126 285 8,00 30,00
201 1 19 470 69 600 13 564 10 300 20 222 94 872 6,10 29,39
201 2 8 900 26 273 9 121 3 030 24 004 84 589 6,58 31,09
201 3 23 980 87 012 15 988 9 078 26 161 80 702 6,45 31,00
201 4 15 689 78 119 11 104 5 247 29 830 80 756 11,36 38,00
201 5 22 419 89 651 3 600 4 812 32 163 82 000 12,91 60,00
201 6 31 784 109 053 20 790 15 589 32 813 81 600 5,38 67,00
Таблица1 - Данные для построения экономико-математической
модели
Для оценки мультиколлеллинеарности факторов был использован определитель матрицы парных коэффициентов корреляции, найденный в расчетах с применением программных средств.
Далее была составлена матрица парных коэффициентов, показывающая корреляцию как между результативным показателем и каждым из факторных, так и между самими факторными признаками. В
результате работы программы «Корреляция» рассчитана матрица парных коэффициентов корреляции. Корреляционная матрица фактора «Прибыль от продаж» с выбранным набором независимых факторов представлена в таблице 2.
у Х1 Х2 Х3 Х4 Х5 Х6 Х7
у 1
Х1 0.964116 1
X2 0,763943 0,669653 1
X3 0,872628 0,781622 0,900894 1
X4 0,726909 0,792405 0,372196 0,418463 1
X5 -0,73102 -0,72964 -0,59362 -0,45495 -0,76544 1
X6 -0,11836 0,09777 -0,59649 -0,50633 0,392258 0,12267 1
X7 0,670736 0,676669 0,248412 0,492562 0,838012 0,41105 0,243352 1
Таблица 2 - Матрица парных коэффициентов корреляции фактора «Прибыль от продаж» с выбранным набором независимых факторов На основе анализа матрицы парных коэффициентов корреляции было констатировано наличие мультиколлинеарности факторов. Коллинеарными следует признать факторы дебиторской задолженности и денежные доходы населения, следовательно, нужно исключить их из модели.
Далее, используя возможности программного обеспечения, получены данные и коэффициенты регрессионного анализа. Выводы результатов анализа регрессионной статистики представлены в таблице 3.
Регрессионная статистика Значение
Множественный R 0,99
R-квадрат 0,99
Df 6
Y-пресечение 30070,95
Переменная X! 0,32
Переменная Х2 -0,68
Переменная Х5 -0,14
Переменная Х6 -1933,24
Переменная Х7 48,66
Таблица 3 - Результаты регрессивного анализа по факторам : Выручка тыс. руб, Кредиты и займы, тыс. руб , Численность безработных в РТ, руб./месяц , Инфляция,%, Курс доллара,руб.
По данным рисунка 3 величина R-квадрат, называемая также мерой
определенности, характеризует качество полученной регрессионной прямой.
По результатам анализа значение R-квадрата близко к единице и составляет 0,69, это означает, что построенная модель объясняет почти всю изменчивость соответствующих переменных. Таким образом, факторы, входящие в модель, объясняют зависимую переменную на 69%.
Множественный R - коэффициент множественной корреляции R -выражает степень зависимости независимых переменных (X) и зависимой переменной (У). По результатам расчетов множественный R равен 0,99, то есть связь между переменными является весьма высокой. Число степеней свободы равно 6. Из представленного анализа составим уравнение регрессии, которое будет иметь следующий вид:
У = 30070,95 + 0,32Х1 - 0,68Х2 - 0,14Х5 - 1933,24X6 +48,66X7
Уравнение показывает, что увеличение выручки и курса доллара на 1 п. п. ведет к росту прибыли организации на 0,32 и 48,66 п.п., соответственно.
При увеличении кредитов и займов на 1 п.п. снижение прибыли составит 0,68 п.п. Рост численности безработных и инфляции приведет к уменьшению прибыли на 0,14 и 1933,34 п.п.
Таким образом, с помощью корреляционно-регрессионного анализа можно спрогнозировать, как будет меняться прибыль под воздействием не только внутренних, но и внешних факторов, что является необходимым в современных экономических условиях нестабильности и неопределенности.
Но при построении временного ряда нужно учитывать также географическое расположение фирмы, каналы сбыта, ассортиментный разрез реализуемой продукции. Это позволит сформировать независимые трендовые модели прогнозного анализа и вести учет будущих поступлений, капитализируемых затем в стоимость технологической линии с наименьшей погрешностью.
Таким образом, ключевая проблема прогнозирования прибыли -отсутствие универсальной методологии для составления финансовых планов.
Каждый метод создается для конкретной ситуации и эффективен только при решении определенного круга задач.
Использованные источники:
1. Григорьева Т.В., Иремадзе Э.О., Белобородова Т.Г. Прогнозирование Возможности Банкротства Предприятия На Основе Модели Альтмана // Сборник материалов Всероссийской научно-практической конференции с международным участием. —2016. — С. 322-323.
2. Ивашкевич В.Б. Бухгалтерский управленческий учет учебник: для вузов // В.Б. Ивашкевич.- М.: Магистр, 2015 - 576 с.
3. Иремадзе Э.О. Оптимизация Структуры Потребительского Кредитного Портфеля Коммерческого Банка "Уралсиб"//Научное обозрение. — 2014. — № 4. — С. 352-354.
4. Иремадзе Э.О., Кривцова Д.Н. Анализ Экономической Деятельности ОАО Банк «Уралсиб» // В сборнике: Вопросы образования и науки: теоретический
и методический аспекты сборник научных трудов по материалам Международной научно-практической конференции: в 11 частях. —2014. — С. 81-83.
5. Кулинич О.В., Иремадзе Э.О. Прогнозирование основных экономических показателей // Сборник статей Международной научно-практической конференции.— 2014. — С. 107-109.
6. Кулинич О.В., Иремадзе Э.О. Моделирование Современной Экономической Ситуации В России// Материалы VII Международной научно-практической конференции. Северо-Западный институт управления РАНХиГС при Президенте РФ, Факультет экономики и финансов. —2015. — С. 16-20.
7. Сакаева Э.З., Иремадзе Е.О., Григорьева Т.В. Прогнозирование И Анализ Показателей Финансовой Устойчивости Предприятия На Основе Математического Моделирования //Вестник Московского государственного открытого университета. Москва. — 2010. —№ 3. — С. 78.