CC BY
45
УДК 658.14.012.2
ВАСИЛЬЕВА А. А., КУДРЯШОВА Т. В. VASILEVA A. A., KUDRYASHOVA T. V.
ПРОГНОЗИРОВАНИЕ КРЕДИТОРСКОЙ ЗАДОЛЖЕННОСТИ ПРЕДПРИЯТИЙ КАК ИНСТРУМЕНТ ФИНАНСОВОГО ПЛАНИРОВАНИЯ
FORECASTING OF COMPANY' PAYABLES AS AN INSTRUMENT OF FINANCIAL PLANNING
Аннотация. Статья посвящена вопросам финансового прогнозирования кредиторской задолженности на предприятиях отрасли ЖКХ Северо-Западного федерального округа, занимающихся производством, передачей и распределением тепловой энергии. Отмечены особенности источников финансирования предприятий такого рода. Рассмотрена возможность использования адаптивных методов прогнозирования для целей финансового планирования деятельности данных предприятий. Апробирована модель прогнозирования кредиторской задолженности на основе модели ARIMA, произведен прогноз данного показателя на краткосрочный период.
Ключевые слова: кредиторская задолженность, финансовое планирование, финансовое прогнозирование, модель ARIMА.
Summary. The article is dedicated to ^financial f forecasting of accounts payable in housing and communal services of Northwestern Federal District. It analyzed financing sources of enterprises dealing with production, disposal and distribution of heating energy. The possibility of using adaptive forecasting methods for financial planning purposes of this business is examined. Forecasting model of accounts payable is tried out on the basis of ARIMA model, and the forecast of this index in the short term is made.
Keywords: accounts payable, financial planning, financial forecasting, ARIMA model.
Необходимость финансового планирования деятельности предприятия и/или группы предприятий в современных условиях неоспорима. Наибольшее внимание уделяется краткосрочному финансовому планированию, поскольку проведение данной процедуры на долгосрочную перспективу достаточно проблематично и, в постоянно меняющихся рыночных условиях, порой нецелесообразно.
Финансовое планирование на предприятиях сферы жилищно-коммунального хозяйства (ЖКХ) представляет собой особенный процесс ввиду своей специфики. Как отрасль хозяйства, ЖКХ включает в себя целый ряд подотраслей, отвечающих за
различные стороны функционирования жилищного хозяйства. Важное место среди предприятий, обеспечивающих требуемые условия качества жилищно-коммунальных услуг, занимают предприятия, отвечающие за производство, передачу и распределение тепловой энергии. Особенно это важно для территорий с холодными климатическими условиями, к числу которых относится и северо-запад нашей страны.
Одной из наиболее существенных особенностей предприятий сферы ЖКХ являются источники доходов их деятельности. Существуют несколько источников финансирования коммунального хозяйства [3]:
- бюджетные средства (средства
регионального, муниципального бюджетов в рамках целевых программ или региональных фондов);
- внебюджетные привлеченные средства (кредиты российских и международных банков, международные фонды, гранты на энергосберегающие проекты);
- собственные средства (прибыль, амортизация, входящая в тарифы для потребителей).
Главным источником финансирования является территориальный бюджет. Бюджетные средства в ЖКХ поступают в виде дотаций.
Планирование финансовых результатов подразумевает под собой планирование доходов и расходов предприятия, т.е. целого ряда показателей.
Одна из методик разработки финансового плана в наиболее общем виде включает в себя следующие этапы [2, с. 591]:
1) анализ финансового положения организации;
2) планирование доходов и поступлений;
3) планирование расходов и отчислений;
4) проверка финансового плана.
Прежде чем переходить к процедуре
планирования, необходимо провести финансовый анализ предприятия, в ходе которого исследуются состав, структура и источники финансирования средств предприятия, динамика их изменения. Отслеживается структура и динамика изменения долгосрочных активов. Анализируется дебиторская задолженность предприятия и эффективность использования средств [2, с. 592]. На заключительном этапе производится оценка платежеспособности и финансовой устойчивости организации.
После анализа финансового положения можно перейти к планированию доходов и поступлений предприятия. Данный процесс осуществляется на основании расчетов движения потоков предприятия на плановый период. Планирование денежных потоков позволяет определить размер избытка или недостатка денежных средств, и на этой основе принимать реше-
ния о величине привлекаемых кредитных ресурсов, определять порядок их погашения.
Планирование доходов подразумевает под собой планирование целого ряда показателей [2, с. 597]:
— прибыли от основного вида деятельности;
— амортизационных отчислений;
— устойчивых пассивов (кредиторской задолженности, которая постоянно находится в распоряжении предприятия);
— средств от совершения финансовых операций;
— паевых, членских взносов членов организации;
— долгосрочных банковских кредитов и займов;
— благотворительных взносов и пожертвований.
Для улучшения качества финансового плана целесообразно применение инструментов прогнозирования. Сочетание прогнозирования и планирования повышает достоверность финансового плана за счет того, что планирование более направлено на внутренние аспекты деятельности предприятия, а прогнозирование охватывает еще и влияния внешней среды.
Подробнее хотелось бы остановиться на планировании устойчивых пассивов предприятия, т.е. на планировании кредиторской задолженности, являющейся одним из важнейших показателей, влияющих на финансовые результаты предприятия.
Прогнозируя данный показатель, можно судить о тех или иных изменениях в величине денежных средств организации, остающейся после погашения своих обязательств перед кредиторами.
Кредиторская задолженность на предприятиях, занимающихся производством, передачей и распределением тепло-в о й э н ергии состоит из множества статей. Наибольшую долю в структуре кредиторской задолженности занимает задолженность в бюджет разных уровней, задолженность поставщикам за топливо (газ и уголь, которые являются основными видами топ-
лива котельных) и электроэнергию.
Процесс принятия управленческих решений в современных условиях не может не опираться на результаты обоснованных расчетов и глубокого анализа показателей деятельности объектов бизнеса. Количественные методы управления выступают мощным инструментом финансового планирования и прогнозирования. Среди этих методов - адаптивные (формализованные) методы прогнозирования. Одним из достоинств указанных методов можно назвать универсальность, позволяющую применять данные методы для объектов разных иерархических уровней, будь то отдельное предприятие, отрасль или экономика всей страны.
Для целей прогнозирования в качестве исходных данных для анализируемого ряда были выбраны данные по кредиторской задолженности группы
предприятий Северо-Западного федерального округа, занимающихся производством, передачей и распределением тепловой энергии. Таким образом, в процессе выполнения процесса прогнозирования можно сделать выводы об общих тенденциях на рынке производства, передачи и распределения тепловой энергии Северо-Западного федерального округа. Для обеспечения однородности выборки и улучшения качества прогноза из ряда динамики были удалены данные по г. Санкт-Петербургу, поскольку величина кредиторской задолженности данного субъекта занимает максимальный удельный вес, нивелируя разницу других объектов исследования. График, отражающий динамику исследуемого показателя с 2010 по 2015 год, представлен на рисунке 1 .
Рис. 1. Динамика кредиторской задолженности предприятий, занимающихся производством, передачей и распределением тепловой энергии в 2010-2015 гг.
Графическое представление анализируемого ряда динамики (рисунок 1) указывает на нестационарность ряда. Прежде всего, очевидно наличие устойчивых колебаний на протяжении всего пе-
риода наблюдения. Снижение показателя п р иходится на сентябрь месяц, т.е. можно гов ор ить о двенадцатимесячной сезонности (что подтверждается результатами спектрального анализа Фурье). Повышение пока-
зателя с октября месяца связано с началом отопительного периода. Пик величины кредиторской задолженности приходится на апрель, т.е. примерно на конец отопительного сезона. На основании данного графика можно сделать вывод о том, что данное повышение показателя связано, прежде всего, с покупкой топлива для котельных (газа, угля, дров) и электроэнергии (для электрокотельных и общепроизводственных нужд). Таким же образом объясняется снижение величины кредиторской задолженности в летний период, когда покупка топлива не требуется. Во-вторых, наблюдается повышающийся тренд на протяжении всего периода наблюдения. В целом на повышение суммы кредиторской задолженности оказывает влияние ухудшение конъюнктуры рынка. В частности, одной из причин общего повышения суммы кредиторской задолженности может служить удорожание топлива для котельных.
Для целей прогнозирования был использован более длительный базисный ряд динамики, а именно с января 2010 г. по октябрь 2016 г. Прежде чем приступить к процедуре прогнозирования, необходимо привести ряд динамики к стационарному виду, для чего ряд был прологарифмирован и изменен методом разностей с лагом 1. Затем на основании построенных графиков автокорреляционной и частной автокорреляционной функций преобразованного ряда был сделан вывод о его стационарности.
Для преобразованного ряда динамики было построено множество моделей ARIMA (модель авторегрессии и проинтегрированного скользящего среднего [1]) и проведено сравнение их по значимости параметров и средней погрешности остатков. Из всего многообразия моделей было выделено 8: (1,0,0)(1,0,0)1, (1,0,1)0,0,1),
1 (1,0,0)(1,0,0) - в первой скобке первая цифра обозначает порядок авторегрессии, вторая - порядок интегрирования (взятия разностей), третья - порядок скользящей средней; во второй скобке даны эти же категории применительно к сезонной составляющей. Таким образом, данный тип модели ARIMA
(1,0,0)(1,0,0) характеризуется первым порядком авто-
(1,0,1X1,0,0), (0,0,1X1,0,1), (1,0,0X2,0,1), (1,0,0)(1,0,1) и (1,0,0)0,0,1). Средний квадрат ошибок данных моделей являлся наименьшим, а параметры значимыми.
Для проверки достоверности прогноза была проведена постпрогнозная верификация выбранных моделей на основании фактических данных за 2016 год. По результатам постпрогнозной верификации наилучшей моделью оказалась модель ARIMA(0,0,1)(1,0,1), поскольку расcчитаный показатель MAPE2 (ошибка прогноза) находится в пределах 10% и составляет 4,15%. На адекватность выбранной модели указывает и тот факт, что остатки подчиняются закону нормального распределения (рисунок 2).
Результаты прогнозирования по модели ARIMA (0,0,1)(1,0,1) представлены в таблице 1.
На рисунке 3 приведен график исходного ряда и прогноза величины кредиторской задолженности на период с ноября 2016 г. по октябрь 2017 г., оцененной по полученной модели.
На основании графического представления данных можно видеть, что спрогнозированная величина кредиторской задолженности имеет резкий скачок в декабре 2016 года. Полученный прогноз демонстрирует отсутствие тенденции к снижению величины данного показателя, а значит, в процессе финансового планирования предприятиям необходимо уделить особое внимание этой статье доходов. Но вместе с тем, наблюдается стабилизация общего тренда кредиторской задолженности рассматриваемой группы предприятий.
регрессии, нулевым порядком разностей и нулевым порядком скользящей средней для основной тенденции ряда и аналогичными характеристиками для его сезонной составляющей.
2 MAPE - средняя абсолютная процентная погрешность, рассчитывается по формуле:
Iх — |
МАРЕ =-Х—
п , где хг - эмпирическое значение показателя, & - прогнозное значение показателя, п-количество уровней ряда динамики.
Normal Probability Plot: VAR2 ARIMA (0,0,1X1,0,1) residuals;
Рис. 2. График остатков ряда «Кредиторская задолженность» по модели ЛЫШЛ(0,0,1)(1,0,1)
Таблица 1
Прогноз кредиторской задолженности предприятий на период с ноября 2016 г. по октябрь 2017 г. по модели АШМА(0,0Д)(1,0Д)_
Прогнозные значения кредиторской задолженности
Месяц предприятий, занимающихся производством, передачей и распределением тепловой энергии, тыс. руб.
Ноябрь 2016 45 628 499
Декабрь 2016 46 998 502
Январь 2017 46 820 172
Февраль 2017 46 584 041
Март 2017 45 841 221
Апрель 2017 46 557 067
Май 2017 46 417 880
Июнь 2017 43 974 334
Июль 2017 40 988 962
Август 2017 40 125 685
Сентябрь 2017 41 156 858
Октябрь 2017 39 842 324
Forecasts; Model:(0,0,1)(1,0,1) Seasonal lag: 12 Input: Кредиторская задолженность, тыс. руб. Start of origin: 1 End of origin: 82
- Наблюдение---Прогноз ....... ± 50,0%
Рис. 3. График исходного ряда кредиторской задолженности и прогноза на период с ноября 2016 г. по октябрь 2017 г. по модели АЫМА(0,0,1)(1,0,1)
Таким образом, посредством апробирования модели ARIMA по группе предприятий отрасли ЖКХ, была спрогнозирована величина кредиторской задолженности предприятий, занимающихся производством, передачей и распределением тепловой энергии. Полученная прогнозная информация может быть использована при осуществлении процесса планирования деятельности предприятий данной и смежных отраслей.
Использованная в ходе исследования методика прогнозирования достаточно универсальна и может быть применена для отдельного предприятия в целях получения необходимой информации для целей финансового планирования. Применение данного инструментария позволяет прогнозировать величину источников доходов и поступлений от деятельности предприятий, тем самым делая процедуру финансового
планирования более эффективной, а ее результаты более точными.
Литература
1. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере. Учебное пособие. - 2-е издание. - М.: Финансы и статистика, 2006. - 368 с.
2. Ильин А.И. Планирование на предприятии: Учебник / А.И. Ильин. - Мн.: Новое знание, 2007. - 5-е изд., стереотип. -635 с. - (Экономическое издание).
3. Леонтьева М.С. Источники финансирования сферы ЖКХ как сдерживающий фактор повышения качества предоставляемых услуг/ М.С. Леонтьева // Молодой ученый, 2014. - № 12(71). -с. 152.
