Стратегический менеджмент. Прогнозирование конкурентоспособности продукции и риск-менеджмент Текст научной статьи по специальности «Экономика и бизнес»

УДК 311(075-8)

СТРАТЕГИЧЕСКИЙ МЕНЕДЖМЕНТ. ПРОГНОЗИРОВАНИЕ КОНКУРЕНТОСПОСОБНОСТИ ПРОДУКЦИИ И РИСК-МЕНЕДЖМЕНТ

© С.В. Белокобыльский1, Л.А. Мамаев2

Братский государственный университет, 665709, Россия, г. Братск, ул. Макаренко, 40.

Стратегический менеджмент есть система управления предприятиями, основанная, прежде всего, на принципах менеджмента и стандартах менеджмента качества семейства ИСО 9000. Для того чтобы установить, принять и поддерживать результативную стратегию и политику, организация должна иметь процессы для непрерывного мониторинга и регулярного анализа организационной среды. Для оценки трендов временных рядов чаще всего используется метод наименьших квадратов.

Ключевые слова: стратегический менеджмент; мониторинг систем менеджмента; менеджмент качества; прогнозирование и оценка рисков; трендовое прогнозирование; метод наименьших квадратов.

STRATEGIC MANAGEMENT. FORECASTING PRODUCT COMPETITIVENESS AND RISK MANAGEMENT S.V. Belokobylsky, L.A. Mamaev

Bratsk State University,

40 Makarenko St., Bratsk, 665709, Russia.

Strategic management is a system of enterprise resource management system based primarily on the principles of management and quality management standards of ISO 9000 family. Identification, adoption and support of company effective strategies and policies requires the availability of the processes for organizational environment continuous monitoring and regular analysis. The method of least squares is widely used to evaluate the trends of time series. Keywords: strategic management; management system monitoring; quality management; forecasting and risk assessment; trend forecasting; method of least squares.

Стратегический менеджмент как основа прогнозирования и оценки рисков

Стратегический менеджмент есть система управления предприятиями, основанная, прежде всего, на принципах менеджмента и стандартах менеджмента качества семейства ИСО 9000. Серия стандартов семейства ISO 9000 включает несколько стандартов систем обеспечения качества. Нормативной базой разработки принципов стратегического менеджмента следует признать стандарт ИСО 9004. Так, в п. 5.2. стандарта ИСО 9004-2009 дается следующее определение: «Высшее руководство должно ясно изложить стратегию и политику организации, чтобы обеспечить принятие и поддержку миссии, видения и ценностей заинтересованными сторонами. Организационная среда должна регулярно отслеживаться, чтобы определить, есть ли необходимость в пересмотре и в изменении стратегии и политики» [1].

Итак, сконцентрируем термины стандарта:

Стратегический менеджмент по определению данного стандарта, это:

■ Миссия - описание того, для чего организация существует.

■ Видение - описание ее желаемого состояния, то есть какой организация хочет быть и какой она хочет, чтобы ее видели заинтересованные стороны.

■ Стратегия - логически структурированный план

или метод достижения целей особенно на длительный период времени.

Международный стандарт ИСО 9001-2008 направлен на «применение процессного подхода при разработке, внедрении и улучшении результативности системы менеджмента качества с целью повышения удовлетворенности потребителей путем выполнения их требований» [6]. Процессный подход применительно к вопросам прогнозирования состояния систем менеджмента, оценке и управлению рисками, выработке оптимального решения поставленных задач реализуется на основе соответствующих стандартов семейства ИСО. Любая система менеджмента включает в себя элементы прогнозирования, оценки и управления рисками. Первым международным документом по менеджменту риска был стандарт ISO/IEC «Guide 73 Risk Management - Vocabulary - Guidelines for use in standards». Стандарт устанавливает термины и определения понятий в области менеджмента риска [2-5].

Следующим важным документом является Австралийско-Новозеландский стандарт AS/NZS 4360:2004 «Risk management» и сопутствующий ему «Risk Management Guidelines - Companion to AS/NZS 4360:2004». [10-13, 15, 16]. В 2009 г. вышел стандарт ISO 31000 «Риск-менеджмент. Принципы и руководство к внедрению». Решения задач менеджмента принимаются в условиях неопределенности. Риск присут-

1 Белокобыльский Сергей Владимирович, доктор технических наук, ректор, тел.: 83952405410, e-mail: belokobilsky2@yandex.ru Belokobylsky Sergey, Doctor of technical sciences, Rector, tel.: 83952405410, e-mail: belokobilsky2@yandex.ru

2Мамаев Леонид Алексеевич, доктор технических наук, проректор по научной работе, тел.: 83952405410, e-mail: leonid.mamaeff@yandex.ru

Mamaev Leonid, Doctor of technical sciences, Pro-Rector for Research, tel.: 83952405410, e-mail: leonid.mamaeff@yandex.ru

ствует всегда, поскольку нельзя исключить возможность нежелательных событий, но можно и следует минимизировать вероятность их появления и возможные потери. Для этого необходимо уметь пользоваться методами и инструментами прогнозирования дальнейшего развития событий и обоснованием последствия принимаемых решений, выявить риски, оценить их и управлять рисками [7].

По вопросам прогнозирования имеется большое число публикаций, посвященных разработке и применению современных методов статистического, экспертного прогнозирования процессов менеджмента. Наиболее перспективными являются непараметрические методы прогнозирования: метод наименьших квадратов с оцениванием точности прогноза, методы адаптивные, авторегрессии и др. Не менее актуальны экспертные методы прогнозирования. Но особенно мотивирована разработка методов прогнозирования в условиях риска. В ситуациях, связанных с экономическими, финансовыми, социально-политическими, экологическими, инновационными, технологическими и другими рисками, прежде всего и необходимо прогнозирование. Известны различные виды критериев, используемых в условиях неопределенности и риска. В конкретных вопросах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья отказов и деревья событий.

При решении задач прогнозирования и риск-менеджмента следует исходить из того, что они должны быть основаны на применимости базового, основного принципа систем менеджмента: ориентация на потребителя, что и обеспечивает удовлетворение требования конкурентоспособности. Риски следует учитывать при прогнозировании финансово-экономических последствий предлагаемых решений потребителей, определенных, в том числе, в ходе бенчмаркинга конкурентных компаний, внешнеэкономического состояния рынка, экологических характеристик окружающей среды, информационной безопасности, безопасности технологий, экологической опасности предприятий [7].

Вопросы прогнозирования и риск-менеджмента являются актуальными не только при разработке каких-то определенных систем менеджмента. В большой степени применение соответствующих методов и инструментов необходимы при разработке интегрированных систем менеджмента (ИСМ). Известно, что в ИСМ, наряду с общеупотребимыми восемью принципами менеджмента актуален и некий принцип, являющийся базовым для ИСМ - учет баланса интересов. Только лишь при формировании ИСМ с учетом требований риск-менеджмента может быть достигнут си-нергетический эффект, ожидаемый для таких систем менеджмента. Однако, по состоянию на сегодня, в ИСМ, построенных на основе стандартов ISO 9001, ISO 14001, OHSAS 18001, вопросы риск-менеджмента учтены только в области стандарта профессиональной безопасности и охраны труда (OHSAS 18001),

стандарте AS 9100 и стандарте безопасности пищевой продукции ИСО 22000. В остальных они либо рекомендуются (ISO 9004), либо упоминаются вскользь (ISO 14004), либо никак впрямую не оговорены (ISO 9001).

Риск-менеджмент предполагает анализ, оценку принципов, закономерностей, прогноза экономического развития показателей в условиях постоянно меняющейся конъюнктуры рынка. При формировании оптимальной стратегии риск-менеджмента должны быть определены и достигнуты некоторые критерии оптимальности.

Э. Деминг, известный своей концепцией «непрерывного цикла совершенствования (PDCA)», в числе известных 14 принципов, в частности, предлагал следующие:

1. Придерживайся постоянной цели: сделай постоянной целью непрерывное совершенствование продукции или услуги.

2. Совершенствуйся непрерывно и всегда: постоянно старайся усовершенствовать любой процесс.

Под совершенствованием понимают как минимизацию затрат на производство, так и максимизацию функции ценности продукта для потребителя. Таким образом, совершенствование можно рассматривать как задачу оптимизации. Постановка любой задачи оптимизации начинается с определения:

- набора независимых переменных;

- области допустимых значений для этих переменных.

Обычно оптимизируется скалярная мера качества, которая зависит от переменных. Решение оптимизационной задачи - приемлемый набор значений переменных, которому отвечает оптимальное решение целевой функции. Под оптимальным решением понимают максимальность или минимальность целевой функции.

Прогнозирование в риск-менеджменте представляет собой разработку на перспективу изменений состояния процессов в целом и их различных частей. Прогнозирование - это предвидение определенного события. Оно не ставит задачу непосредственно осуществить на практике разработанные прогнозы. Особенностью прогнозирования является также альтернативность в построении финансовых показателей и параметров, определяющая разные варианты развития финансового состояния объекта управления на основе наметившихся тенденций. В динамике риска прогнозирование может осуществляться как на основе экстраполяции прошлого в будущее с учетом экспертной оценки тенденции изменения, так и на основе прямого предвидения изменений, которые могут возникнуть неожиданно. Управление на основе предвидения этих изменений требует выработки у менеджера определенного чутья рыночного механизма и интуиции, а также применения гибких экстренных решений.

Под прогнозом понимается научно-обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях его развития и сроках осуществления возможных изменений. Социально-

экономическое прогнозирование - это процесс разработки планов на перспективу, основанных на научных методах познания экономических и социальных явлений, и использования всей совокупности методов, способов и средств экономического прогнозирования. Прогнозирование имеет две стороны или плоскости конкретизации: предсказательную (дескриптивную, описательную); предуказательную (предписательную).

Прогнозирование имеет своим объектом процесс конкретного расширенного воспроизводства во всем его многообразии. Предметом экономического прогнозирования является познание возможных состояний функционирующих экономических объектов в будущем, исследование закономерностей и способов разработки экономических прогнозов. В их основе лежит предположение о том, что будущее состояние экономики в значительной мере предопределяется ее прошлым и настоящим положениями. Будущее несет в себе и элементы неопределенности. Это объясняется следующими моментами:

- наличием не одного, а множества вариантов возможного развития;

- действием экономических законов в будущем, зависящих не только от прошлого и настоящего состояний экономики, но и от управленческих решений, которые еще только должны быть приняты и реализованы;

- неполной степенью познания экономических законов, дефицитом и недостаточной надежностью информации.

Единство определенности (детерминированности) и неопределенности будущего - решающая предпосылка экономического прогнозирования. Если бы будущее было полностью определенным, то тогда бы не было потребности в прогнозировании. При неопределенности будущего сама возможность экономического прогнозирования исключается. Таким образом, задача экономического прогнозирования состоит, с одной стороны, в том, чтобы выяснить перспективы ближайшего или более отдаленного будущего в исследуемой области, а с другой стороны, способствовать оптимизации текущего и перспективного планирования и регулирования экономики, опираясь на составленный прогноз.

Эффективная деятельность предприятий в условиях рынка в значительной степени зависит от того, насколько достоверно они предвидят дальнюю и ближнюю перспективу своего развития. Прогнозирование деятельности предприятий - это оценка перспектив их развития на основе анализа конъюнктуры рынка, изменения рыночных условий на предстоящий период. Результаты прогнозирования деятельности учитываются в программах предприятий по маркетингу при определении возможных масштабов реализации продукции, ожидаемых изменений условий сбыта и продвижения товаров. Прогнозирование как результат маркетинговых исследований является исходным пунктом организации производства и реализации именно той продукции, которая требуется потребителю [7].

Трендовое прогнозирование

Международный стандарт ИСО 9001-2008 формулирует требования к разработке стратегии предприятия, его развития, а следовательно, и к прогнозированию [6, 7]: «Для создания системы менеджмента качества требуется стратегическое решение организации».

Прогнозирование с помощью трендов - один из методов статистического прогнозирования. Тренд в основном используют для долговременных прогнозов. Точность краткосрочных прогнозов, основанных только на подобранной кривой тренда, как правило, недостаточна. При долгосрочном прогнозировании для получения адекватного результата необходимо выполнение следующих условий:

- временной интервал, для которого построен тренд, достаточен для определения тенденции;

- анализируемый процесс устойчив и обладает инерционностью;

- не ожидается сильных внешних воздействий на изучаемый процесс.

Тогда получение прогнозных значений изучаемого процесса осуществляется путем подстановки в уравнение тренда

х,=Ш

где значения независимой переменной f соответствуют периоду упреждения т . Получается точечная оценка прогнозируемого показателя по уравнению, описывающему тенденцию. Полученный результат является средней оценкой для прогнозируемого интервала времени, так как тренд характеризует некоторый средний уровень на каждый момент времени. Отдельные наблюдения, как правило, отклонялись от него в прошлом.

Естественно, что подобные отклонения будут происходить и в будущем. Поэтому определяется область, в которой с определенной вероятностью следует ожидать прогнозируемое значение, т.е. вычисляется доверительный интервал.

Как правило, под процессом понимается совокупность взаимосвязанных ресурсов и деятельности, которая преобразует входящие элементы в выходящие. Таким образом, в простейшем виде схематическое представление процесса можно показать как

S(t) ^ i(t) г P(t)

Процесс

Рис. 1. Схематическое представление процесса,

где S(t) - входные параметры процесса в момент времени t; I(t) - воздействия на процесс в момент времени t; P(t) - выходные параметры процесса в момент времени t.

Выходные параметры процесса, замеренные в моменты времени t,t2,...,tB образуют временной ряд р,р,...,р . Очевидно, что в ряде прикладных задач управления качеством, представляется актуальным

прогноз значения выходного параметра процесса р в момент времени ^ на базе известных значений \ ...хп

и Ц..Р ■

Одна из основных задач прогнозирования [7] -предсказание будущих значений временного ряда на основании прошлых наблюдений. При этом можно выделить две разновидности решаемых задач:

- недетерминирован общий закон изменения прогнозируемого процесса;

- общий закон изменения прогнозируемого процесса известен, однако неизвестны характеризующие его параметры.

Первый тип задач целесообразно решать при помощи трендового прогнозирования, второй - при помощи минимизации целевой функции, описывающей закон изменения процесса с использованием специальных алгоритмов.

Общие сведения о временных рядах

Анализ временных рядов отличается от других задач исследования как кругом представляющих интерес вопросов, так и методами, применяемыми для реализации этих целей. Временные ряды, формирующиеся в различных предметных областях, имеют различную природу, поэтому для их исследования оказались эффективными разные методы.

При практическом изучении временных рядов исследователь на основании фактических наблюдений отрезка временного ряда (конечной длины) должен сделать заключение о свойствах этого ряда и о вероятностном механизме, порождающем этот ряд. Чаще всего при изучении временных рядов определяются следующие цели [8]:

• краткое (сжатое) описание характерных особенностей ряда;

• подбор статистической модели (моделей), описывающей временной ряд;

• предсказание будущих значений на основе прошлых наблюдений;

• управление процессом, порождающим временной ряд.

Зачастую эти и подобные цели достижимы далеко не всегда и далеко не в полной мере. В большинстве своем этому препятствуют недостаточный объем наблюдений (недостаточная длительность) и изменяющаяся во времени статистическая структура изучаемого ряда. Из-за этих изменений значение прошлых наблюдений обесценивается, и они уже не помогают предвидеть будущее.

Обычно при практическом анализе временных рядов последовательно проходят следующие этапы:

• графическое представление и описание поведения временного ряда;

• выделение и удаление закономерных составляющих временного ряда, зависящих от времени: тренда, сезонных и циклических составляющих;

• выделение и удаление низко- или высокочастотных составляющих процесса (фильтрация);

• исследование случайной составляющей временного ряда, оставшейся после удаления перечислен-

ных выше составляющих;

• построение (подбор) математической модели для описания случайной составляющей и проверка ее адекватности;

• прогнозирование будущего развития процесса, представленного временным рядом;

• исследование взаимодействий между различными временными рядами.

Для реализации задач, определенных выше, применяется ряд известных методов. К ним относятся:

• корреляционный анализ позволяет выявить существенные периодические зависимости и их лаги (задержки) внутри одного или между несколькими процессами;

• спектральный анализ позволяет находить периодические и квазипериодические составляющие временного ряда;

• сглаживание и фильтрация предназначены для преобразования временных рядов с целью удаления из них высокочастотных или сезонных колебаний;

• модели авторегрессии и скользящего среднего оказываются полезными для описания и прогнозирования процессов, проявляющих однородные колебания вокруг среднего значения;

• прогнозирование позволяет на основе подобранной модели поведения временного ряда предсказывать его значения в будущем.

Как уже было отмечено выше, при исследовании временного ряда видимую его изменчивость разделяют на закономерную и случайную компоненты. Закономерные изменения членов временного ряда ставят в соответствие какому-либо определенному правилу и поэтому они предсказуемы. Эта компонента Х{ может быть определена при каждом I как некоторая функция от текущего момента I. Эта функция может зависеть, помимо отсечки времени I, также от некоторого набора параметров.

Под детерминированной составляющей временного ряда х1, ..., хп понимается числовая последовательность б1, ..., б„, элементы которой изменяются по определенному правилу как функция времени I.

Как правило, детерминированная составляющая характеризует влияния каких-либо определенных факторов или причин. Так, у временных рядов из различных областей техники детерминированная составляющая в отдельных случаях обусловлена действием физических законов или условиями эксплуатации оборудования.

При условии полного выделения закономерной составляющей в поведении временного ряда, оставшаяся часть выглядит непредсказуемо и именуется случайной компонентой временного ряда еь

Способы разложения временного ряда на детерминированную и случайную составляющие могут различаться. Ниже приводятся наиболее простые из них.

Аддитивной моделью временного ряда является его представление в виде суммы детерминированной и случайной составляющих:

где 1=1,..., п■

Мультипликативной моделью временного ряда является его представление в виде произведения детерминированной и случайной составляющих: х^-е,

где t=1,..., п■

Тренд временного ряда, модели тренда

Моделирование детерминированных компонент временного ряда в значительной степени зависит от области приложения. При выборе модели детерминированной компоненты, прежде всего, должны учитываться содержательные соображения, то есть те объективные факторы и закономерности, которые приводят к ее формированию.

Детерминированную компоненту временного ряда обычно разделяют на три составляющих части: на тренд г, на сезонную компоненту и на циклическую компоненту с. В соответствии со сказанным выше, запишем аддитивную модель ряда следующим образом:

На первом этапе исследования временного ряда обычно выделяется тренд. Наличие или отсутствие этой компоненты наглядно показывает график временного ряда. Выделение тренда позволяет перейти к дальнейшей идентификации других компонент ряда.

Трендом временного ряда Г при 1=1, ... , п называют плавно изменяющуюся, не циклическую компоненту, описывающую чистое влияние долговременных факторов, эффект которых сказывается постепенно.

Действие таких факторов происходит не сразу, поэтому их вклад определяется с помощью гладких кривых, просто задающихся в аналитическом виде.

Наиболее часто при анализе временных рядов используются следующие модели трендов:

• линейная модель:

1г|=Ь0+Ь1-1

- полезная во многих реальных задачах. Если нелинейный характер тренда очевиден, то может подойти одна из следующих моделей:

• полиномиальная:

1г=ь0+ь11+ь212+ ■■■+Ьп1п,

где значение степени полинома п на практике редко превышает 5;

• логарифмическая:

1г|=ехр(Ь0+Ь11),

данная модель чаще всего находит применение для анализа данных, имеющих тенденцию сохранять постоянные темпы прироста;

• логистическая:

а

tr =-

г 1 + Ъ • е-с* ' • Гомперца:

\од(Щ=а-Ь^,

где 0<г<1.

Две последние модели трендов задают кривые Б-образной формы. Они соответствуют процессам с

постепенно возрастающими темпами роста в начальной стадии и постепенно затухающими темпами роста в конце. Необходимость подобных моделей обусловлена невозможностью многих процессов продолжительное время развиваться с постоянными темпами роста или по полиномиальным моделям в связи с их довольно быстрым ростом (или уменьшением).

Первое представление о возможном характере тренда дает графическая интерпретация временного ряда. В технических задачах часто известны физические законы или технические характеристики, исследуемых процессов, генерирующие анализируемые временные ряды. Наиболее частое применение в технических приложениях находит полигармоническая модель временных рядов.

Простейший вариант полигармонической модели временного ряда - это косинусоидальная модель: X = а • со8(ю • , + 0) + е{ ■ Здесь детерминированная составляющая представлена косинусоидальной функцией с амплитудой а, частотой ш, периодом 2п/ш и фазой в. Величины а, ш и в являются константами.

Множество временных рядов, описываемых чисто косинусоидальной моделью, невелико. К основным причинам этого факта можно отнести, во-первых, наличие периодических зависимостей, которые описываются не косинусоидальной, а более сложной функцией. Во-вторых, в ряде случаев в исследуемом процессе представляется возможным выделить не одну, а несколько периодических компонент с разными периодами.

Как известно из математического анализа, любую гладкую периодическую функцию 0(1) с периодом р

можно представить в виде ряда Фурье:

р

О(,) = X а . со8(+ 0J) ,

7=1

где ш=2п/р называется основной частотой, а, в, - некоторые параметры. Частоты ]ш являются гармониками основной частоты.

Принято, что временной ряд описывается полигармонической моделью, если он представлен в виде:

X = X а7к со*(7юк* + 07к ) + ,

7 ,к

где ш^п/р^

Исторически анализ временных рядов из различных областей деятельности начался в конце XIX -начале XX вв. именно с подбора полигармонических моделей для их описания. Однако с середины XX века стали появляться более простые модели и методы анализа временных рядов, включая линейные параметрические модели.

Прогнозирование динамики процессов по трендовым моделям

Стандарт ИСО 9001-2008 определяет, что: «Организация должна планировать и разрабатывать процессы, необходимые для обеспечения жизненного цикла продукции. Планирование процессов жизненного цикла продукции должно быть согласовано с требованиями к другим процессам системы менеджмента

качества» [6, 7].

Планирование процессов жизненного цикла продукции предполагает непрерывное прогнозирование. Выше было указано, что получение прогнозных значений изучаемого процесса осуществляется путем подстановки в уравнение тренда х1=1г(1), в котором значения независимой переменной I соответствуют периоду упреждения т .

Поэтому определяется область, в которой с определенной вероятностью следует ожидать прогнозируемое значение, т.е. вычисляется доверительный интервал:

I ^^ * . _ t . О ; XX.. , _ L t+T (X ' t+T

+ t„ о]

где х*+т - точечный прогноз на момент 1+т; 1а - табличное значение I - критерия Стьюдента с ч=п-т степенями свободы при уровне достоверности а (здесь п - число наблюдений, т - число параметров тренда); а - средняя квадратичная ошибка тренда:

/XXх -х) ~ = - '

У п — т

В основу расчета доверительного интервала прогноза положен показатель, определяющий амплитуду колебания ряда заданных значений признака. Чем больше амплитуда колебания, тем менее определено положение тренда и тем шире должен быть интервал для вариантов прогнозов при одном и том же уровне доверия. В качестве такого показателя колебательности ряда наблюдаемых значений признака обычно рассматривается среднеквадратичное отклонение фактических наблюдений от расчетных, полученных при выравнивании динамического ряда, т.е. средняя тренда.

Доверительный интервал учитывает неопределенность, связанную с положением тренда. Но он должен учитывать также и возможность отклонения от тренда, т.е. среднеквадратичную ошибку прогноза апр. Тогда доверительный интервал прогноза имеет вид:

х

t+T

^оРпр; X+T + ta°nP ) .

Рассмотрим построение доверительного интервал, т.е. тех границ, в пределах которых будет нахо-

*

диться значение х(+т с заданной доверительной вероятностью для случая, когда тренд характеризуется прямой:

X = а0 + а^ .

Для того чтобы построить, необходимо, прежде всего, определить рассеяние уровней вокруг тренда. В качестве меры рассеяния принимается дисперсия а2, характеризующая отклонение физических уровней от

выровненных значений

X

О2 =

1

L(X -X) .

n - 2 i=i Стандартная ошибка прогноза:

V

(n + 2t- 1) • 3 n +1

(n2 -1) n

1

L (xt )2 - ao Ъ,- « Lx

n - 2

t + -

n -1

• 12

n+1

(n2 -1)

Доверительный интервал имеет вид:

X

t+T

Х0 K; X+t +

K )

где а2 - среднее квадратичное отклонение фактических уровней динамического ряда от расчетных, называемое стандартной ошибкой тренда; К - величина, зависящая только от длины ряда и периода упреждения т :

K = .

т + -

n -1

•12

n +1

(n -1)

1а - табличное значение I - критерия Стьюдента с v=n-2 степенями свободы при уровне доверия а.

С увеличением п значения К уменьшаются, а с увеличением т - увеличиваются. Поэтому достаточно надежный прогноз получается при относительно большом числе наблюдений (для линейного тренда п=6, для параболического тренда второй степени п=13, для кубического п=23), когда период упреждения не очень большой. При одном и том же п с ростом т доверительный интервал прогноза увеличивается [9, 14, 17, 18, 21].

Для оценки трендов временных рядов чаще всего используется метод наименьших квадратов. Суть метода - способ подбора параметров модели временного ряда, исходя из минимизации суммы квадратов остатков. На базе подобранной модели тренда можно осуществлять прогноз будущих значений ряда и строить доверительную зону для прогноза. Основные нормативные документы, стандарты и методические руководства основаны на реализации принципов риск-менеджмента, заложенном в базовом стандарте ДБ/МЕЗ 4360:2004 [10-13, 15, 16, 19, 20]. Оценки тренда обычно оказываются разумными, если выбрана адекватная модель тренда и если среди наблюдений нет больших выбросов. Однако это выполняется не всегда и очень часто временной ряд содержит элементы, сильно отличающиеся от основной массы. В этом случае определение коэффициентов линейного тренда по методу наименьших квадратов не дает хороших результатов.

Статья поступила 06.02.2015 г.

2

n

2

n

2

n

1. Стандарт ISO 9004:2009. Системы менеджмента качества: рекомендации по улучшению деятельности.

2. Ансофф И. Стратегический менеджмент. СПб.: Питер, 2009. 344 с.

3. Керцнер Г. Стратегическое планирование для управления проектами с использованием модели зрелости / пер. с англ. М.: Компания АйТи, 2003. 320 с.

4. Томпсон А.А, Стрикленд А.Дж. Стратегический менеджмент: концепции и ситуации для анализа. 12-е изд. / пер. с англ. М.: ИД «Вильямс», 2007. 928 с.

5. Хасси Д. Менеджмент. Стратегия и планирование: руководство менеджера: электронная книга. М.: ИД «Равновесие», 2004.

6. Международный стандарт ИСО 9001-2008. Системы менеджмента качества: требования. М.: Стандартинформ, 2008. 65 с.

7. Лонцих П.А., Марцынковский Д.А., Шулешко А.Н. Управление качеством: прогнозирование, риск-менеджмент, оптимизация: монография. Германия: Изд-во Lambert Academic Publishing, 2011. 301 с.

8. Сак А.В. Прогнозирование и планирование экономики. Минск: Из-во БГУИР, 2003. 35 с.

9. Аттетков А.В., Галкин С.В., Зарубин В.С. Методы оптимизации: учебник для вузов. 2-е изд., стереотип. М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. 440 с.

10. ISO Guide 72:2001. Guidelines for the justification and development of management system standards.

11. Марцынковский Д.А., Владимирцев А.В., Марцынковский

ский список

О.А. Руководство к интеграции систем менеджмента. СПб.: Береста, 2008. 124 с.

12. PAS 99:2006. Specification of common management system requirements as a framework for integration. 2006.

13. ISO/TC 176/SC 2/N 544R. ISO 9000. Introduction and Support Package: Guidance on the Process Approach to quality management systems.

14. Марцынковский Д.А., Владимирцев А.В., Марцынковский О.А. Методические аспекты интеграции систем менеджмента. СПб.: Береста, 2011. 68 с.

15. AS/NZS 4360:2004. Risk-management.

16. ISO 31000:2009. Risk management - Principles and guidelines.

17. Марцынковский Д.А., Владимирцев А.В., Марцынковский О.А. Управление рисками в современных системах менеджмента. СПб.: Береста, 2010. 246 с.

18. Марцынковский Д.А., Владимирцев А.В., Марцынков-ский О.А. Руководство по риск-менеджменту. СПб.: Береста, 2007. 331 с.

19. HB 240-2004. Guidelines for managing risk in outsourcing utilizing the AS/NZS 4360:2004 process, Standards Australia / Standards New Zealand.

20. РД 03-418-01. Методические указания по проведению анализа риска опасных производственных объектов. Утв. 10.07.2001. М.: Госгортехнадзор, 2001.

21. Управление процессами: управление качеством технологических систем: монография / под ред. П.А. Лонциха. Иркутск: Изд-во ИрГТУ, 2014. 344 с.

УДК 004, 007, 336.1

РОЛЬ АВТОМАТИЗАЦИИ В ЭФФЕКТИВНОЙ ОРГАНИЗАЦИИ БЮДЖЕТНОГО УЧЕТА В ПУБЛИЧНО-ПРАВОВЫХ ОБРАЗОВАНИЯХ

л

© Р.В. Ерженин1

Иркутский государственный университет, 664003, Россия, г. Иркутск, ул. Карла Маркса, 1.

Исследованы подходы к организации автоматизированного бюджетного учета в публично-правовых образованиях. Выявлены причины неэффективного расходования средств бюджетов при оплате бухгалтерских услуг. Обозначены проблемы разрозненной автоматизации и, как следствие, несовершенства бюджетной отчетности. Рассмотрены инновационные подходы к организации учета в муниципалитетах. Обозначены пути и проблемы развития централизованного учета в России.

Ключевые слова: эффективность муниципального управления; бюджетный электронный учет; централизованные бухгалтерии.

ROLE OF AUTOMATION IN EFFECTIVE ORGANIZATION OF MUNICIPALITY BUDGETARY ACCOUNTING R.V. Erzhenin

Irkutsk State University, 1 Karl Marx St., Irkutsk, 664003, Russia.

The paper studies the approaches to automated budgetary accounting organization in public-law entities. It identifies the causes of inefficient budget spending when paying for accounting services, describes the problems of fragmented automation that results in the imperfection of budget reporting. Having considered the innovative approaches to the accounting organization in municipalities, the article outlines the main directions and development problems of centralized accounting in Russia.

Keywords: efficiency of municipal management; budgetary e-accounting; centralized accounting department.

1 Ерженин Роман Валерьевич, кандидат экономических наук, доцент кафедры финансового менеджмента Байкальской международной бизнес-школы, тел.: 89025165757, 89161111599, e-mail: rerzhenin@gmail.com

Erzhenin Roman, Candidate of Economics, Associate Professor of the Department of Financial Management of Baikal International Business School, tel.: 89025165757, 89161111599, e-mail: rerzhenin@gmail.com