CC BY
37
МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЗАПАСОВ ПРИ РЕАЛИЗАЦИИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ПО СТРОИТЕЛЬСТВУ АВТОМОБИЛЬНЫХ ДОРОГ
Покровский А.М., к.э.н., доцент и докторант РЭУ им. Г.В. Плеханова
Представлена методика прогнозирования необходимых запасов в инвестиционных проектах по строительству автомобильных дорог. Предложено, для более качественного управления запасами - построение модели для использования прогнозирования временного ряда.
Ключевые слова: инфраструктурные проекты, управленческие решения, методы прогнозирования, инвестиции, автомобильные дороги.
METHODS FOR FORECASTING RESERVES FOR IMPLEMENTATION OF INVESTMENT PROJECTS ON CONSTRUCTION OF ROADS
Pokrovsky A., Ph.D., Docent and Doctorant, Plekhanov Russian University of Economics
A method for forecasting inventory management in the investment projects on construction of roads. Suggested for better inventory management -construction of a model for forecasting time series.
Keywords: infrastructure projects, management solutions, methods of forecasting, investment, roads.
В процессе подготовки и реализации инвестиционных проектов по строительству автомобильных дорог принятие управленческих решений могут быть предложены на основе прогнозирования необходимых запасов материалов, не находящихся на складах компании осуществляющей инфраструктурный проект или её подрядчиков (песка, гравия, битума и т.д.), особенно в условиях ограниченности ресурсной базы из-за удалённости и перебоев в поставках. Учитывать только мнения менеджеров и информационные сообщения как поставщиков, так и подрядчиков недостаточно и рискованно, поэтому в системе управления запасами предлагается использовать количественную расчетную методику, которая будет оказывать существенную роль в модификации прогнозов при нестандартных обстоятельствах. Ранее, нами предлагалось использовать методы прогнозирования в управлении запасами инфраструктурных проектов вообще, а учитывая практическую необходимость, в настоящее время, в таком прогнозировании в инвестиционном проекте по строительству автодороги в Туркмении Ашхабад - Мары, передо мною, как отвечающим за финансовую составляющую проекта и риски, встал вопрос о снижении рисков по товарным запасам и прогнозированию их достаточности. Так как прогнозирование - важный момент принятия решения в управлении запасами инвестиционной компании осуществляющей инфраструктурный проект, то при управлении запасами материалов необходимо оценить степень необходимости каждого материала, которая осуществляется на основе анализа статистических данных о реализации каждого типа материала в течение определенного периода времени. Качество прогноза непосредственно отражается на качестве принимаемых управленческих решений. Для эффективного управления важно выбрать обоснованный метод и методику прогнозирования. Используемые методы прогнозирования зависят от вида бизнес решений.
При прогнозировании используем категории краткосрочный (период динамики спроса больше длительности прогнозного периода), среднесрочный (равенство периодов), долгосрочный прогноз (период динамики спроса для которого меньше периода прогноза).
Методы прогнозирования делятся на следующие категории:
• качественные методы - где нет формальной математической модели часто из-за того, что имеющиеся данные не являются представителями будущего состояния (долгосрочный прогноз);
• метод регрессии - продолжение линейной регрессии, где предполагается, что переменная линейно зависит от ряда других переменных;
• методы множества уравнений - где имеется ряд переменных, которые взаимозависят посредством ряда уравнений (эконометрические модели);
• методы анализа рядов динамики - где мы имеем одну переменную, которая изменяется во времени и ее будущие значения зависят от прошлых.
Разделив спрос на элементы: средний спрос для периода, тренд, сезонные влияния, циклическая составляющая, автокоррекция (связь с предшествующими значениями) и случайная вариация (то, что остается).
Чаще всего в управлении запасами при прогнозировании спроса пользуются методом анализа рядов динамики[2]. Исходят из того, что переменная изменяется во времени и зависит только от времени и своих прошлых значений. Обычно прогнозирование спроса ведется на уровне средних значений и дисперсий. Если таковые оценены, то далее принимают функцию о виде распределения. Чтобы учесть колебания временных рядов применяют различные методы прогнозирования и анализа. При анализе временных рядов особое внимание уделяется исследованию и описанию их структуры. Такие исследования заключается в построении модели, используемой для прогнозирования временного ряда.
В общем виде модель временного ряда выглядит так[1]:
(1)
где - уравнение тренда, оно описывает тенденцию в изменении анализируемого признака х. Это долговременная постоянная
составляющая;
- сезонная компонента, формирующая периодически повторяющиеся в определенное время года колебания анализируемого признака;
- случайная величина, которая не поддается учету и регистрации.
Анализ методов прогнозирования показал, что метод экспоненциального сглаживания в большей степени отвечает необходимым
требованиям для прогнозирования спроса на материалы.
Метод экспоненциального сглаживания заключается в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в которой веса подчиняются экспоненциальному закону. Взвешенная скользящая средняя с экспоненциальными весами характеризует значение процесса на конце интервала сглаживания, т.е. является характеристикой последних уровней ряда. Именно это свойство используется для прогнозирования. Ряд хг (1=1,2,.. .,п) описывается полиномом р-степени[2]:
( 2)
Необходимо по данным ряд х составить прогноз на моменты времени 1=п+1 (1=1,2,.. .,Ь) путём взвешивания наблюдений ряда х таким образом, чтобы более поздним наблюдениям придавались большие веса, чем более ранним наблюдениям.
Прогноз уровней ряда х в момент времени 1=п+1 строим с помощью разложения в ряд Тейлора:
( 3)
где -к-я производная, взятая в момент 1
Экспоненциальная средняя первого порядка для ряда будет выглядит так:
( 4)
где - параметр сглаживания (0< • < 1).
Экспоненциальная средняя к-го порядка для ряда имеет вид:
( 5)
Рекуррентная формула для определения экспоненциальной средней к-го порядка следующая:
( 6)
В качестве формул для оценки коэффициентов модели берём линейную и квадратичную модели тренда.
( 7)
( 8)
После соответствующих преобразований получаем формулы для прогноза по линейной модели:
( 9) , где
и по квадратичной модели:
где
Начальные условия определяются с помощью специальной формулы Брауна. Значения коэффициентов а0, а} и а2 в этих
формулах находятся с помощью метода наименьших квадратов.
Используя приведённый метод прогноза можно на практике использовать, при создании системы управления запасами при реализации проектов по строительству автодорог.
Литература:
1. В. П. Бочарников, Fuzzy-технология: математические основы. Практика моделирования в экономике. Издательство: Наука, 2001 г.
2. Эффективное управление запасами / Джон Шрайбфедер ; Пер. с англ. — 2-е изд. — М.: Альпина Бизнес Букс, 2006. — 304 с.
ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МАЛЫХ ИННОВАЦИОННЫХ ПРЕДПРИЯТИЙ ПРИ ВУЗАХ В РОССИЙСКОЙ ФЕДЕРАЦИИ
Бадаев М.М., преподаватель Института международного права и экономики им. А. С. Грибоедова Александрова С.Ю., аспирантка МГТУ им. Н. Э. Баумана
В статье рассматриваются особенности и проблемы создания, функционирования и развития малых инновационных предприятий на базе бюджетных научных и учебных организаций.
Ключевые слова: малые инновационные предприятия, ВУЗ, научные и учебные организации.
PROBLEMS AND PROSPECTS OF DEVELOPMENT OF SMALL INNOVATIVE COMPANIES WITH UNIVERSITIES IN THE RUSSIAN FEDERATION
Badaev M., lecturer, Griboedov Institute of International Law and Economics Aleksandrova S., the post-graduate student, MGTU
The article deals with the characteristics and problems of creation, operation and development of small innovative companies on the basis of cost of scientific and educational organizations.
Keywords: small, innovative enterprises, university, scientific and educational organizations.
В настоящее время переход к инновационному развитию экономики возможен только на основе качественного преобразования промышленного потенциала страны, развития рынка инноваций, что, в свою очередь, неразрывно связано с обеспечением становления и устойчивого развития малых инновационных предприятий, инновационная активность которых является одним из наиболее значимых факторов эффективного экономического роста.
Малый бизнес выступает в качестве такой институциональной структуры, которая обеспечивает подвижность и динамизм экономической системе в целом, способствует быстрой коммерциализации результатов исследований и разработок, а также адаптации к изменению условий во всех сферах деятельности, что оказывает значительное влияние на ускоренные темпы инновационного развития.
Таким образом, одна из последних инициатив Президента России Дмитрия Анатольевича Медведева в сфере инновационной политики
— создание вузами и НИИ малых предприятий с целью коммерциализации, доведения до производства научных разработок и идей — является чрезвычайно своевременной и важной. В рамках Федерального Закона №217-ФЗ от 02.08.2009г. бюджетным вузам и НИИ разрешено учреждать малые инновационные компании.
Данный закон создает необходимые предпосылки для формирования «хребта» экономики знаний - инновационного бизнеса, без которого построение национальной инновационной системы невозможно, ведь за высокотехнологичными предприятиями будущее российской инновационной экономики.
С одной стороны, в бюджетных научных и образовательных учреждениях остро ощущается нехватка средств, ресурсов, с другой — есть перспективные научные разработки, которые, в случае их успешной реализации, могли бы приносить существенный доход.
Фактически малые предприятия существовали при вузах и раньше (так, например, в МГУ до выхода нового закона было создано 85
таких предприятий), но вузы не имели права участвовать в формировании их уставного капитала. Часто профессора институтов организовывали небольшие компании, которые тесно сотрудничали с кафедрами, брали на работу студентов, внедряли новые разработки. Но формально учебные заведения к этим компаниям никакого отношения не имели: вуз не мог помогать малому предприятию, но и не получал дивиденды в случае успеха.
С принятием нового закона прописаны правовые основания для того, чтобы вузы могли вкладывать свои ресурсы в создание таких предприятий.
Основной целью данного закона является обеспечение реального внедрения в производство создаваемых за счет бюджетных средств результатов научно-технической деятельности, права на которые принадлежат учреждениям науки и образования.
Законом установлена обязанность научных и образовательных учреждений при создании такого общества уведомить федеральный орган исполнительной власти, осуществляющий функции по выработке государственной политики и нормативно-правовому регулированию в сфере научной и научно-технической деятельности (Минобрнауки России). Уведомление о факте создания предприятия должно быть направлено в течение 7 дней с момента его государственной регистрации. Также в указанный государственный орган должны быть направлены сведения о внесении вновь созданного общества в Единый государственный реестр юридических лиц.
Инновационные предприятия при вузах могут быть созданы в форме общества с ограниченной ответственностью либо акционерного общества.
Научные и образовательные учреждения могут создавать хозяйственные общества единолично либо с привлечением других лиц в качестве учредителей. Доля научных и образовательных учреждений в уставном капитале создаваемых ими фирм должна быть более 25 %
