CC BY
116
5. Захарченко В.И. Экономическая устойчивость предприятия в переходной экономике // Машиностроитель. 2002. № 1, C. 9-11.
Воронкина Дарья Владимировна, канд. экон. наук, доц., voronkina-d-v@yandex.ru, Россия, Тула, Тульский филиал Российского экономического университета им. Г.В.Плеханова
CONCEPTUAL MODEL OF CAPACITY MATERIAL CONSUMPTION
D.V. Voronkina
The role of material resources in the creation of life benefits, labor productivity, capital productivity, material consumption and other indicators. We consider labor as the source of wealth material society. The dependence of the efficiency of the transformation of the original building is needed to achieve the desired production capacities, as well as identified the specific value of the proportion of consumer properties of the starting material and the amount needed to achieve the required capacity products.
Key words: material consumption, material costs, utility, resource use, the level of management, efficient use of resources.
Voronkina Darya Vladimirovna, candidate of economic sciences, docent, voronkina-d-v@yandex.ru, Russia, Tula, Tula branch of Plekhanov Russian University of Economics.
УДК 338.27+338.583
ПРОГНОЗИРОВАНИЕ ЗАТРАТ В УСЛОВИЯХ ПОЗАКАЗНОГО МЕТОДА
И.С. Шелобаева
Обозначены основные проблемы распределения косвенных затрат при поза-казном методе калькулирования. Повышение качества результатов калькулирования возможно с использованием подхода, основанного на прогнозных оценках. Использование прогнозных оценок позволяет определить ожидаемую себестоимость заказа для формирования продажных цен по будущим заказам.
Ключевые слова: косвенные затраты, позаказный метод калькулирования себестоимости продукции, прогнозирование, адаптивные методы, доверительные интервалы прогноза.
Важнейшим атрибутом бухгалтерского учета является его аналитическая направленность. Рыночные условия хозяйствования предполагают широкое использование в аналитической работе методов прогнозирования. Методы прогнозирования позволяют предсказать не только наиболее вероятное развитие событий, но и оценить, какие меры воздействия приведут к тем или иным результатам [1].
Целью прогнозирования управленческих решений в экономике является разработка научно обоснованных вариантов тенденций развития предприятия и его внешней среды, выявление позитивных и негативных сил, действующих на предприятие, степени их воздействия на прогнозные показатели финансово-хозяйственной деятельности, определение потенциальных возможностей и угроз финансовому благополучию.
Прогнозирование, являясь составной частью управленческого учета, предназначено для обеспечения информационных потребностей менеджмента с целью выработки текущих и перспективных управленческих решений [2].
Калькулирование себестоимости единицы продукции на любом предприятии независимо от вида его деятельности является одной из серьезных учетно-аналитических задач. От того достоверно или нет определены затраты на единицу произведенной продукции зависит последующий механизм ценообразования, определение прибыли или убытка с единицы продукции, формирование финансового результата предприятия за отчетный год.
Характерной особенностью современных условий хозяйствования является динамичное изменение законодательства, инфляция, колебания курсов валют, рыночные условия ценообразования и прочие факторы. Все это не позволяет современному предприятию один раз и на длительный срок рассчитать себестоимость продукции (работ, услуг) и более не возвращаться к этой процедуре.
В зависимости от вида продукции, типа, ее сложности и характера осуществления производства, а также особенностей отрасли осуществления производства, используемых технологических схем могут применяться разнообразные методы учета затрат и калькулирование себестоимости. В большинстве случаев применяют нормативный, простой, позаказный и по-передельный методы учета затрат.
Позаказный метод целесообразно применять в условиях единичного производства или оказания услуг: производство мебели, ремонтные работы, полиграфия, строительство, самолето- и судостроение. Позаказный метод учета затрат заключается в том, что объектом учета затрат является конкретный заказ, работа, контракт, в этом случае прямые материальные затраты, прямые затраты на оплату труда и общехозяйственные расходы легко соотнести с выпуском конкретной продукции или оказанием услуг.
Суть данного метода состоит в том, что все прямые затраты производства учитываются по статьям калькуляции по отдельным конкретным заказам, которые выдаются на заранее известное количество изделий определенного вида. Остальные затраты учитываются по местам возникновения и включаются в себестоимость отдельных заказов в соответствии с установленной на предприятии базой распределения. Фактическая себестоимость каждого заказа определяется после его выполнения, и бухгалтерия сравни-
вает согласованную цену продажи с суммарными расходами на выполнение заказа для определения прибыли или убытка от данного заказа.
Бухгалтерская практика показала, что процедура распределения косвенных затрат (амортизация, арендная плата, затраты на освещение, отопление и т.п.) между отдельными производственными заказами, выполненными в отчетном периоде, представляет достаточно существенную проблему для внутрихозяйственного менеджмента. Ведь спланировать цену заказа и согласовать ее с заказчиком необходимо в течение отчетного периода, когда еще не известна общая сумма косвенных расходов.
Традиционный подход к распределению косвенных расходов состоит в следующем [3]. Косвенные расходы распределяют между отдельными заказами предварительно, пользуясь бюджетными ставками (предварительными нормативами) распределения ожидаемых косвенных расходов. Расчет бюджетной ставки распределения косвенных расходов выполняется бухгалтерией накануне наступающего отчетного периода в три этапа:
1. Оцениваются косвенные расходы предстоящего периода. В значительной степени точность этого прогноза зависит от опыта, знаний и интуиции бухгалтера-аналитика, так как, давая подобные прогнозы, необходимо учесть многие факторы - как объективные (не зависящие от деятельности предприятия), так и субъективные (зависящие от него).
2. Выбирается база для распределения косвенных расходов между отдельными производственными заказами, и прогнозируется ее величина. При этом под базой понимается какой-либо технико-экономический показатель, который, с точки зрения руководства предприятия, наиболее точно увязывает общепроизводственные косвенные расходы с объемом готовой продукции.
База для распределения косвенных расходов выбирается предприятием самостоятельно, исходя из специфических особенностей его деятельности, характера выполняемых заказов, их размера, количества и т.д., записывается в учетной политике предприятия и является неизменной в течение всего финансового года.
Так, в промышленном производстве общепринятыми показателями для распределения косвенных расходов являются отработанные станко-часы, машино-дни, сумма начисленной заработной платы производственных рабочих. Выбрав в качестве базы распределения косвенных расходов какой-либо показатель, бухгалтер-аналитик прогнозирует его размер на предстоящий период. При этом необходимо оценить возможный спрос на продукцию предприятия в предстоящем периоде с учетом сезонных колебаний, покупательной способности населения (или предприятий), общей ситуации на рынке с учетом деятельности конкурентов. Правильно оценить влияние всех этих факторов на ожидаемую величину заказов и, сле-
довательно, и на размер выбранного базового показателя сможет лишь опытный бухгалтер-аналитик.
3. Рассчитывается бюджетная ставка путем деления суммы прогнозируемых косвенных расходов на ожидаемую величину базового показателя. Далее рассчитанная бюджетная ставка используется для калькулирования издержек по заказам.
Повышение качества результатов калькулирования возможно с использованием подхода, основанного на прогнозных оценках величины ежегодных косвенных расходов и величины базы распределения затрат, один из которых представлен далее. Использование прогнозных оценок позволяет определить ожидаемую себестоимость заказа для формирования продажных цен по будущим заказам, что необходимо как менеджерам организации, так и заказчикам.
На примере деятельности компании оператора наружной рекламы, для которой характерна высокая доля распределяемых косвенных затрат в общей сумме затрат на выполнение заказа рассмотрим моделирование прогнозных оценок. Особенностью рынка наружной рекламы является наличие сезонного фактора в потребности на размещение рекламы клиентами. В качестве базы для распределения косвенных расходов на предприятии принимается сумма начисленной заработной платы производственных рабочих, которая максимально увязывает общепроизводственные косвенные расходы с объемом выполненных заказов. Для ее моделирования выберем адаптивные методы прогнозирования, имеющие механизм отображения сезонного развития исследуемого процесса [4].
Адаптивными называются методы, осуществляющие последовательный во времени расчет прогнозируемого показателя с учетом сложившейся на момент прогнозирования тенденции и использующие в явном виде некоторый механизм приспособления модели к новым условиям, который позволяет учитывать различную информационную ценность уровней временного ряда и результат реализации прогноза, сделанного на предыдущем шаге.
При разработке экономических прогнозов на небольшие периоды времени наиболее важным является последний период функционирования системы, а не тенденции, сложившиеся в среднем на всем периоде предыстории. Свойство динамичности развития экономических систем в таких случаях преобладает над свойствами инерционности. Поэтому при краткосрочном прогнозировании более эффективными оказываются методы, в которых значимость уровней временного ряда убывает по мере их удаления от прогнозируемого периода.
Для повышения качества прогнозирования необходимо постоянно сопоставлять прогнозные оценки, полученные на основе модели и фактические реализации процесса. Ошибка прогноза наиболее объективно характеризует качество построенной модели, и все методы прогнозирования
тем или иным способом стремятся использовать ее. В традиционных методах и моделях, например, многофакторных регрессионных моделях или кривых роста степень адаптации невелика, так как они, как правило, используют новую точку временного ряда лишь для перерасчета ее коэффициентов по увеличенному на единицу периоду предыстории. Использование новых данных может даже привести к замене ранее выбранной модели на другую. Фактическая величина ошибки прогноза в этом случае практически не учитывается.
Инструментом прогноза в адаптивных моделях, как и в кривых роста, является математическая модель с единственным фактором время. Первоначальная оценка параметров адаптивной модели обычно осуществляется по некоторой выборке исходного ряда. Все уровни ряда составляют как бы обучающуюся последовательность и используются для корректировки параметров текущей прогнозной модели. Отклонение прогнозных оценок от фактических значений уровней временного ряда, получаемых обычно на один шаг вперед, расценивается как ошибка прогнозирования. Эта ошибка поступает на вход системы (обратная связь) и учитывается в модели в соответствии с принятой в ней процедурой перехода из одного состояния в другое. Затем рассчитывается прогнозная оценка на следующий момент времени, и весь процесс повторяется вновь до исчерпания фактических уровней ряда. Таким образом, под воздействием поступающей на каждом шаге новой информации модель реагирует на изменения исследуемого процесса, приспосабливается к ним и к концу периода обучения отражает тенденцию развития процесса, существующего в текущий момент времени.
При изменении развития моделируемого процесса под влиянием внутренних или внешних факторов адаптивная модель вследствие заложенных в ней принципов в значительно более короткие сроки по сравнению с другими видами моделей может реагировать на такие изменения. В этом заключается основное достоинство методов адаптивного прогнозирования.
Оценивание коэффициентов адаптивной модели обычно осуществляется на основе рекуррентного метода, который отличается от метода МНК, метода максимального правдоподобия и других методов тем, что не требует повторения всего объема вычислений при появлении новых данных и позволяет получить текущие значения параметров на основе их предыдущих значений и текущих уровней временного ряда.
Схема построения адаптивных моделей может видоизменяться вследствие использования в конкретных методах различных критериев адаптации и правил перехода, но содержит следующие основные этапы:
1. Получение начальных коэффициентов модели.
2. Модификация модели с учетом ошибки прогнозирования.
3. Прогнозирование на один шаг вперед.
4. Вычисление ошибки прогноза.
5. Если период обучения модели не закончен, то производится модификация модели с учетом ошибки прогнозирования.
6. Если период обучения модели закончен, то полученная модель используется для прогнозирования на г шагов вперед.
Скорость реакции модели на изменения в динамике процесса характеризует так называемый параметр адаптации. Процедура «обучения» модели по ретроспективным данным происходит, как правило, в два этапа. На первом этапе определяют наилучшее значение параметра адаптации. На втором этапе определяют коэффициенты модели прогнозирования с использованием полученного значения параметра адаптации. Параметр адаптации должен быть выбран таким образом, чтобы обеспечивалось адекватное отображение тенденции при одновременной фильтрации случайных отклонений. Значение параметра адаптации может быть определено на основе эмпирических данных, выведено аналитическим способом или получено на основе метода проб. В качестве критерия оптимальности при выборе параметра адаптации обычно принимают критерий минимума среднего квадрата ошибок прогнозирования.
Время в адаптивных моделях в отличие от кривых роста не является причинно определяющим фактором развития исследуемого процесса. Оно отражает эволюцию всего комплекса условий протекания процесса, является как бы «представителем» всей совокупности причинных факторов.
Адаптивные модели вследствие заложенных в них принципов построения в значительно более короткие сроки реагируют на изменения развития моделируемого процесса, чем другие виды моделей. В этом и заключается основное достоинство адаптивных моделей прогнозирования. Адаптивные модели в силу своего механизма построения дают более надежные результаты при кратковременном прогнозировании. Неоднородность временных рядов, значительно снижающая эффективность многих методов, в адаптивных моделях находит отражение в эволюции их параметров и структуры.
Для моделирования процессов с сезонностью используются адаптивные модели Хольта-Уинтерса аддитивной и мультипликативной формы, имеющие явный механизм отображения сезонного развития исследуемого процесса.
/V
Прогноз У* в момент времени t на т шагов вперед по аддитивной модели Хольта-Уинтерса определяется выражением [4]:
у(*, г) = <20 (*) + (*)г + £(* - Ь + г)
¿0 (0 = «1(у(0-К* - Ь)) + (1 -«1 Х*0 (* -1) + а\(* -1)), (1)
а\ (*) = «2 («0 (*) - «0 (* -1)) + (1 - «2 (* -1),
s(t) = аз (y(t) - ^ (t)) + (1 -a3 )s (t - L),
где s - аддитивные сезонные коэффициенты, L - период сезонности (для квартальных данных L=4, для месячных данных L=12).
Текущая оценка af0 формируется на основе двух взвешенных в соответствии со значениями параметра сглаживания компонент - очищенного от сезонных колебаний фактического уровня и его значения в предыдущий период. При определении сезонных коэффициентов берется их последняя оценка, полученная для аналогичной фазы цикла, и новая оценка, учитывающая скорректированную величину среднего уровня.
Прогноз по мультипликативной модели Хольта-Уинтерса определяется выражением:
y(t, т) = (¿0 (t) + f (t»/(t - L + т),
^0 (t) = a1 + (1 - a1 Х^0 (t -1) + (t -1))
J(t - L) , (2)
ai(t) = a2 (¿0 (t) - ¿0 (t -1)) + (1 - a2 (t -1),
f (t ) = аз^ + (1 -аз )f (t - L) a0 (t) ,
где f - мультипликативные сезонные коэффициенты.
Текущая оценка параметра af0 формируется на основе взвешенной
- y(t) -
суммы текущей оценки -д—, полученной путем исключения сезонных
/V
колебаний из ряда фактических значений, предыдущей оценки af0 и оценки коэффициента роста <f, характеризующего изменение среднего уровня процесса за полный сезонный цикл в единицу времени. При определении сезонного коэффициента f учитывается скорректированная величина среднего уровня.
/V Л
Начальные оценки параметров я0, щ,fмогут быть получены различными способами. Например, начальная величина сезонных коэффициентов может определяться на основе данных первого года наблюдений, путем вычисления отношений каждого уровня ряда к среднегодовой
/V
величине. За начальное значение коэффициента af0 можно взять среднюю величину наблюдений первого года, начальное значение коэффициента а1 приравнивается нулю. Начальные значения параметров af0 и а1 можно
определить и другими способами, например, построить уравнение регрессии по начальным наблюдениям ряда.
Практика показывает, что при относительном постоянстве амплитуды сезонной волны целесообразно использовать аддитивную модель, а при изменении сезонной волны в соответствии с тенденцией среднего уровня - мультипликативную [5].
Использование современных прикладных программ обработки данных (STATGRAPHICS, SPSS, STATISTIKA, STADIA, ЭВРИСТА, ОЛИМП: СтатЭксперт и другие) позволяет провести полный цикл исследований по статистическому анализу и прогнозированию данных, подобрать модель из заданного класса моделей, сравнить разные варианты модели. Как правило, во всех статистических программах представлены адаптивные методы прогнозирования, имеющие ряд существенных достоинств для краткосрочного прогнозирования экономических процессов.
Для временного ряда заработной платы производственных рабочих была выбрана лучшая, с точки зрения качества, адаптивная модель для прогнозирования. Адаптивная модель с коэффициентами сезонности, имеющими аддитивный характер, является более точной и представлена на рисунке. Аналогично можно провести прогнозирование величины ежегодных косвенных расходов.
Адаптивная модель Хольта-Уинтерса аддитивной формы
Анализ существующих программных средств показал, что стандартные программные методы не производят расчета доверительных интервалов прогноза с учетом неоднородности сезонной компоненты, что делает прогноз некорректным и существенно затрудняет применение пакетов для прогнозирования экономических процессов. Автором рекомендован подход к определению интервальных оценок прогноза тренд-сезонных временных рядов, учитывающих неоднородность сезонных колебаний в
различные периоды года. Формула оценки доверительного интервала для аддитивной модели Хольта-Уинтерса примет вид [4]:
К+ О
Г (п + т)± 1„ ^у
' '< ^ + II
1+О+
п
(п + т- г I2
В-02
V V ¿-Л / уу
2
+ п2
2 ^ ГТ
где ^ у - оценка дисперсии у; ^ . - дисперсия сезонной компоненты для
у - месяца (квартала); - оценка дисперсии сезонной компоненты; - -
объем выборки сезонных коэффициентов за у - месяц (квартал).
Использование в бухгалтерской практике прогнозных интервальных оценок покажет пределы возможного изменения прогнозируемого показателя, что повышает точность, надежность и обоснованность принимаемых решений. Отметим, что прогноз без указания границ, задающих пределы отклонения фактических данных от прогнозируемых, не является прогнозом, так как не обладает никакой надежностью. На основе полученных результатов осуществляется выбор одного из возможных управляющих решений, позволяющий установить более точные ставки распределения косвенных затрат между заказами.
Таким образом, использование интервальных прогнозных оценок для величины базы распределения затрат и величины ежегодных косвенных расходов, построенных по адаптивным моделям, имеющим явный механизм отображения сезонности, позволяет менеджерам предприятия получить надежную информацию о будущей себестоимости заказа для формирования цен на заказы и обоснования сезонных скидок.
Список литературы
1. Шелобаева И.С. Вероятностная сущность и необходимость прогнозирования экономических процессов // Моделирование финансово-экономических процессов: сб. науч. тр. преподавателей и аспирантов кафедры экономико-математических методов и моделей и смежных кафедр. М.: ВЭФЭИ, 2008. С. 62-67.
2. Шелобаев С.И., Шелобаева И.С. Теоретико-методологические основы экономического прогнозирования // Фундаментальные исследования: научный журнал. 2008. №1. С.125-128
3. Вахрушина М.А. Бухгалтерский управленческий учет: учебник. М.: Изд-во «Национальное образование», 2013. 672с.
4. Шелобаев С.И., Шелобаева И.С.Анализ и прогнозирование финансовых процессов: учеб. пособие. Тула: Левша, 2009. 265с.
5. Шелобаева И.С., Шелобаев С.И. Статистика. Практикум: учебное пособие. М.: ЮНИТИ-ДАНА, 2012. 207с.
Шелобаева Ирина Сергеевна, канд. экон. наук, доц., Irinash.2012@yandex.ru, Россия, Тула, Финансовый университет при Правительстве Российской Федерации (Тульский филиал)
COSTING UNDER CUSTOM METHOD I.S. Shelobaeva
The paper outlines the key issues of allocation of indirect costs in the Custom method of calculation. Improving the quality of the results of calculation is possible using an approach based on forward-looking estimates. Using predictive assessments to determine the expected cost of the order for the formation of sales prices for future orders.
Keywords: Indirect costs, Custom method of calculation of the cost of production, forecasting, adaptivnyme methods, confidence intervals of the forecast.
Shelobaeva Irina Sergeevna, candidate of economic science, docent, Iri-nash.2012@yandex.ru, Russia, Tula, Financial University under the Government of the Russian Federation (Tula branch)
УДК 336.717
КРЕДИТОВАНИЕ ИННОВАЦИОННЫХ ПРОЕКТОВ КОММЕРЧЕСКИМИ БАНКАМИ
Е.А. Федорова, М.А. Олейник
Рассматривается текущее состояние экономики России, проблемы и тенденции инновационной деятельности, определяется степень участия банковского сектора в ее развитии. Проведен анализ тенденций банковского кредитования инновационных проектов в России и предложен ряд преобразований, способствующих развитию данного процесса.
Ключевые слова: конкурентоспособность, инновационная деятельность, инновационный проект, коммерческие банки, банки развития.
Происходящие сегодня изменения в мировой экономике и в целом мире напрямую влияют на устойчивость и развитие экономик всех стран мира. Перед Россией на сегодняшний день стоит ряд сложных задач, начиная от выхода из кризиса, и заканчивая созданием благоприятных условий для привлечения отечественных и иностранных инвестиций.
Одним из основных факторов экономического роста страны является уровень ее конкурентоспособности, который определяется соотношением экспорта и импорта, и доли высокотехнологичных товаров в общем объеме того и другого. Показателем уровня конкурентоспособности страны является занимаемая страной позиция среди стран технологических лидеров в мире.
