Прогнозирование показателей эффективности финансово-хозяйственной деятельности в субъектах малого и среднего бизнеса Текст научной статьи по специальности «Экономика и бизнес»

Прогнозирование показателей эффективности

финансово-хозяйственной деятельности в субъектах малого и среднего бизнеса

Подобедов Никита Вениаминович

аспирант, Финансовый Университет при Правительстве РФ, roknikrol@gmail.com

В статье рассматривается матрица оценки финансовых стратегий Ж. Франшона и И. Романе, и показатель экономической добавленной стоимости в вопросе применимости данных моделей к субъектам малого и среднего бизнеса. Автор рассматривает такие показатели матрицы финансовых стратегий результат хозяйственной деятельности и результат финансовой деятельности, на основе которых строится матрица финансовых стратегий, и рассчитывает его для выборки компаний, занятых в сфере торговли нефтепродуктами. Автор так же рассчитывает показатель экономической добавленной стоимости для этой группы компаний, с целью сравнить корреляцию результата финансово-хозяйственной деятельности. Автор, определяет наличие корреляции между экономической прибылью и показателем матрицы, и проверяет прогностическую способность результата финансово-хозяйственной деятельности через создание искусственной нейронной сети построенной по принципу многослойного персептрона, на основе алгоритма радиальной базисной функции, с логистической функцией активации. Ключевые слова: матрица финансовых стратегий; экономическая добавленная стоимость; РФХД; EVA; малый бизнес; прогнозирование; нейронные сети; матрица Франшона и Романе.

Матричный метод оценки стратегий пользуется широкой популярностью. Французские экономисты Ж. Франшон и И. Романе предложили матрицу разработки финансовой стратегии, основанную на следующих показателях:

1. Результат хозяйственной деятельности (РХД)

2. Результат финансовой деятельности (РФд)

3. Результат финансово-хозяйственной деятельности (РФХД) = РХД + РФД Результат хозяйственной деятельности организации, с экономической точки зрения - денежные средства организации после финансирования ее деятельности, определяется по следующей формуле [1, с. 39]:

РХД = Выручка +ДЗатрат + ДДЗ - ДКЗ - И - Пи (1)

Где:

Выручка - выручка от реализации продукции

ДЗатрат - разница между расходами на начало и конец периода

ДДЗ - разница между дебиторской задолженностью на начало и конец периода

ДКЗ - разница между кредиторской задолженностью на начало и конец периода

И - инвестиции в производство

ПИ - продажа имущества

Результат финансовой деятельности отражает стратегию формирования финансовых ресурсов, и определяется по формуле:

РФД = ДЗС - ПрУп - Т - Div + ShE - LtInv + OfI (2)

Где:

ДЗС - изменение в заемных средствах за период; ПрУП - сумма уплаченных процентов; T - налоги;

Div - выплаченные дивиденды

ShE - выпущенные акции

LtInv - долгосрочные финансовые вложения

OfI - прочий финансовый доход

Рассчитывая данные показатели можно составить матрицу финансовых стратегий фирмы (Табл. 1), которая состоит из девяти квадрантов, характеризующих стратегию фирмы.

1. Над диагональю АВ - зона успехов - зона положительных значений аналитических показателей.

2. Под диагональю АВ - зона дефицитов - зона отрицательных значений аналитических показателей.

3. По горизонтали РФД связан с ростом заимствования средств фирмой.

4. По вертикали РХД связан с реализацией фирмой инвестиционного проекта.

5. Квадранты 4, 8, 5 связаны с созданием ликвидных средств фирмой (некоторый избыток оборотных средств).

6. Квадранты 7, 6, 9 связаны с потреблением ликвидных средств фирмой (дефицит оборотных средств)

Переход значений показателя РФХД из квадранта в квадрант, характеризует эффективность управленческих решений менеджмента фирмы, так же как и показатель EVA. Автор предлагает сравнить данные показатели, и оценить их взаимозависимость, и возможность прогнозирования.

Рассчитаем показатель РФХД для компаний из выборки торговли нефтепродуктами. Выборка будет очищена от компаний, не имеющих, по данным отчетности, основных средств, а также от компаний, с отрицательными результатами расчета стоимости бизнеса. Итоговая выборка насчитывает в себе 778 организаций, данные за 10 лет с 2006 по 2015 года.

О

3

ю

г 8

сч со £

а

2 о

Так как, значения необходимо рассчитать для субъектов малого и среднего бизнеса, используя только данные бухгалтерской отчетности, формулы РФД и РХД будут упрощены следующим образом:

РХД = Выручка + ДЗатрат + DДЗ -DK3 - И (3)

РФД = ДЗС - ПрУП - Т (4)

Данные о продажах имущества не доступны в стандартных формах отчетности, и поэтому были исключены их РХД. Дивиденды, эмиссия акций и прочий финансовый доход были исключены из РФД как неприменимые к малому и среднему бизнесу.

По итогам проведенных расчетов (рис. 1), видно, что значения РФХД по отрасли не однородны. Большинство значений лежит на диагонали, проходящей через квадранты 1, 2 и 3, что свидетельствует о балансировании фирм между избытком ликвидности и её дефицитом. Количество наблюдений в квадрантах 6, 7 и 9 меньше, чем в квадрантах 4, 5, 8, что говорит об отсутствии общего дефицита оборотных средств у компаний, заняты в отрасли (табл. 2).

При рассмотрении значений РФХД в динамике, можно увидеть, что изначально компании были разбросаны по всем квадрантам, однако к 2015 году консолидировались в 3 и 4 квадранты, свидетельствующие о некоторой эффективности. Мировой финансовый кризис 20072008 годов, так же наблюдается в таблице - основные группы наблюдений сосредоточены в квадрантах низкой ликвидности 6 и 7, а также на «грани» в квадранте 1, РФД значения которого говорят о повышении долговой нагрузки организаций.

РФХД является результативны показателем деятельности компании, как и экономическая добавленная стоимость. Рассмотрим EVA с точки зрения РФХД.

Как показывает рис. 2, природа данных показателей различна, за исключением отдельных компонентов. РФХД больше оценивает денежные потоки, и на этом основывает рейтинг финансовой стратегии (значение квадранта), в то время как EVA отражает изменения капитала.

Тем не менее, по мнению автора, оба данных показателя оказывают влиянию стоимость бизнеса, и их изменение сказывается на капитале владельца. Оценим корреляцию EVA к РФХД в исходной выборке по годам (рис. 3).

Таблица 1

Матрица финансовых стратегий Ж. Франшона и И.Романе

Л Л

ч

X с.

о

II

н

X с.

V

V

Ч

X

С-

Л

X

РФД « О

РФД « о

РФД = О

РФД » О

1. РФХД = 0 4. РФХД > 0 8. РФХД » 0

6. РФХД< 0 2. РФХД = 0 5. РФХД > 0

9. РФХД « 0 7. РФХД < 0 3. РФХД = 0

рфд = о

РФД » о

Год Количество Год Количество 1■ 1 Количество

1 42006 »4 4 200* 83 8 2QQG 12!

аи 231 2008 139 2HD7 126

200« \ 369 IOÍ14 151 2DQÜ 106

2СЮ9 479 2010 137 2009 79

Hftis ^ШЗ 2014 38 2010

2015 26 2011 .12

lleno 574 2012 21

2013 12

\ 2014

\ Всего ЯП

Год Количество - V Количество Гол Количество

Ó 2006 197 2, 2010 s 557 5 11)07 132

2007 272 2011 647 МП 92

2009 69 2012 2912 66

2010 38 Retío 2013 42

2011 7 В<гю 332

2014 2

2015 1

Rcnci 786

Год Количество Год Количество 1i i ^Количество

9 2006 93 / 2008 162 3 2013 ^^ 722

2007 17 2012 1 mi j

2008 2 2013 2 2015

lkílO 112 Всею 165 1! <\ 2206 \

Рис. 1. Расчётные значения РФХД субъектов МСП занятых в торговле нефтепродуктами, 2006-2015 года.

Таблица 2

Расчетные значения РФХД субъектов МСП занятых в торговле нефтепродуктами, по годам.

Квадрант 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

] 84 231 369 479 0 0 0 0 0 0

2 0 0 0 0 557 647 690 0 0 0

3 0 0 0 0 0 0 0 722 733 751

4 83 0 139 151 137 0 0 0 38 26

5 0 132 0 0 0 92 66 42 0 0

6 397 272 0 69 38 7 0 0 2 1

7 0 0 162 0 0 0 1 2 0 0

8 121 126 106 79 46 32 21 12 5 0

9 93 17 2 0 0 0 0 0 0 0

ROÑA

Чистая прибыль 1 Чистые актины

WACC 1

Налоговый Собственный капитал

щит Заемный капитал

Стоимость заемного капитала Стоимость собственного капитала

Вложения в ОС

>

Кредиторская задолженность

Дебиторская задолженность

Вложения » ОС

Уплаченные проценты

Рис. 2. Сравнение EVA и РФХД.

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 РФХД EVA

Рис. 3. График корреляции значений EVA к РФХД у МСП занятых в торговле нефтепродуктами.

Рис. 4. Схема искусственной нейронной сети Таблица 3

Характеристика Описание

Тип сети Многослойны псрсоптрон

Функция активации нейронов Логистическая

Алгоритм Бассовская-Гауссовскпя функция

Схема сети Входов; 49 Скрытых нейронов: 21 Выходов: 10

Корреляция значений РФХД и EVA составляет около 81%, что по мнению автора довольно существенно. Значения РФХД больше чем EVA так как рассматриваемая отрасль не является капиталоемкой, и её субъекты существую за счет высокой оборачиваемости товаров.

Одним из популярных элементов прогнозирования в современной науке выступают искусственные нейронный сети. Апробация прогнозирования показателя РФХД возможна через построение искусственной нейронной сети, где входными значениями будут выступать компоненты РФХД, а выходными прогнозные значения РФХД (рис. 4).

На основе исходной выборки, автором будет построена нейронная сеть со следующими характеристиками (табл. 3).

По итогам вычислений, полученная сеть дает выходные значения максимально приближенные к тестовой выборке (рис. 4), что говорит о эффективности прогнозирования в рамках данной сети.

Прогнозируя значения РФХД на основе вышеописанного инструмента, возможно прогнозировать изменения экономической прибыли, корреляция с которой, как уже указывалось ранее, достаточно существенна.

Таким образом, в статье была рассмотрена матрица финансовых стратегий Ж. Франшон и И. Романе, в рамках одной из отраслей малого и среднего бизнеса, а именно организаций, занятых в сфере торговли нефтепродуктами. Автором был проведен анализ расчетных показателей результатов финансово-хозяйственной деятельности данных организаций на временном промежутке с 2006 по 2015 года. Автор был проведен сравнительный анализ РФХД и экономичес-

0 À

BS

I

£ n

кой добавленной стоимости - другого популярного показателя оценки результатов эффективного управления компанией. По итогам анализа, автор пришел к выводу, что данные показатели демонстрируют существенную корреляцию между собой, в связи с чем, прогнозирование одного из них способствует прогнозированию другого. Автором был использован такой научный инструмент прогнозирования как искусственные нейронные сети, для оценки результата финансово-хозяйственной деятельности. Разработанная нейронная сеть продемонстрировала успешные результаты, и может быть использована для прогнозирования значений РФХД и EVA компаний, занятых в исследуемой отрасли.

Литература

1. Яковлева, И.Н. Справочник по финансовой стратегии и тактике/ И.Н. Яковлева.- М.: Профессиональное издательство, 2009.- 286с.

2. Frachon G., Romanet Y. Finance de l'entreprise. Comprendre et maitriser revolution financiere de l'entreprise. - Paris: CLET, 1985. 350 p.

3. Дорофеев, М. Л. Особенности применения матрицы финансовых стратегий Франшона и Романе в стратегическом финансовом анализе компании / М. Л. Дорофеев // Финансы и кредит. - 2009. - № 23(359). - С. 51-56.

4. Д.Л. Волков, Показатели результатов деятельности организации в рамках VBM// Журнал «Российский журнал менеджмента» №2 (3), - 2005. - С. 2331.

5. Аналитика малого предпринимательства. Зарубежный опыт. Малое предпринимательство в системе кластеров. URL: http://www. giac. ru.

Цс-тещи ÍH34ÍIOU

Рис. 4. Выходные и целевые значения нейронной сети.

сч со £

Forecasting financial and

operational indexes in small and medium enterprises

Podibedov N.V.

Financial University under the Government of the Russian Federation

The article focuses on the financial strategy evaluation matrix created by J.Franchon and I. Romane and economic profit index in the framework of implementing these models to small and medium enterprises. The author researches such indexes of financial strategy matrix, as financial activity result and such as operational activity result based on the financial strategy matrix is calculated, and calculates its value for a list of companies working in oil products trade. The author also attempts to research economic value added for the mentioned group of companies, in order to evaluate and assess the existence of correlation between the two mentioned indexes. Autor finds concrete evidence of positive correlation between the matrix index and economical value added, and checks the predictive ability of financial-operational result via neural network creation, developed based on the multilayer perceptron model, and based on the radial

basis function algorithm, with logistic activation function.

Key words: financial strategy matrix; economic value added; financial-operational result; EVA; small and medium enterprise; forecasting; neural networks; Franchon and Romane matrix.

References

1. Yakovleva, I.N. The reference manual

on financial strategy and tactics. N. Yakovleva. - M.: Professional publishing house, 2009. - 286 pages.

2. Frachon G., Romanet Y Finance de

l'entreprise. Comprendre et maitriser revolution financiere de l'entreprise. — Paris: CLET, 1985. 350 p.

3. Dorofeyev, M.L. Features of application of a matrix of financial strategy of Franshon and to Romana in the strategic financial analysis of the company / M.L. Dorofeyev// Finance and the credit. - 2009. -No. 23(359). - Page 51-56.

4. D.L. Volkov, Indices of results of organization activity within VBM// Russian Log of Management Log No. 2 (3), - 2005. - Page 23-31.

5. Analytics of small business. Foreign

experience. Small business in the system of clusters. URL: http:// www. giac. ru.

6

2 ©