Анализ оборотных фондов промышленного предприятия (стр. 11 из 13)

Следующим шагом будет выделение фактора сезонных колебаний с учетом иррациональности, первоначально присутствовавшей в статистических данных на основе выбранной модели (табл.17)

Табл. 17.

Выделение фактора сезонных колебаний с учетом иррациональности

t	Y	Y'	C	T*И
1	154290	154290	0,87	177722
2	358966	154290	1,28	281087
3	468080	318031	1,22	382328
4	452514	438070	0,94	481799
5	452514	449625	0,91	498480
6	464159	451936	0,91	508334
7	464681	461714	0,87	533878
8	397756	464088	0,87	458163
9	397756	411022	1,28	311461
10	652922	400409	1,22	533306
11	648790	602419	0,94	690778
12	675677	639516	0,91	744312
13	675677	668445	0,91	739982
14	631158	674231	0,87	725146
15	671287	639773	0,87	773236
16	652322	664984	1,28	510798
17	652322	654854	1,22	532816
18	675211	652828	0,94	718909
19	654668	670734	0,91	721168

Теперь уточним фактор тенденции. По имеющимся данным о величине T*И методом наименьших квадратов можно оценить регрессионную зависимость Т по времени t. Из различных моделей подобной зависимости целесообразно выбирать ту, которая отвечает большему значению коэффициента детерминации R^2. Для сравнения возьмем модели в виде уравнений прямой и параболы.

[Приложение 13]

Линейная модель:

y = 20554x + 368402

R^2 = 0,5044

Полиномиальная модель 2 – ой степени:

y = -1733,8x² + 58240x + 186341

R^2 = 0,6533

Таким образом, представление о факторе тенденции (тренде) в виде уравнения параболы предпочтительнее.

И, наконец, теперь уже можно переходить непосредственно к самому прогнозированию.

Значения фактора C (табл. 18) являются продолжением повторяющихся значений этого параметра из предыдущей таблицы.

Табл. 18.

Подсчет прогнозных значений

t	*Н/Л*	С	*Y_F*
20	657621	0,91	600473
21	644775	0,87	561205
22	628462	0,87	545601
23	608681	1,28	777325
24	585432	1,22	716739
25	558716	0,94	524755
26	528532	0,91	479795

В данной таблице при расчетах применяется уравнение полинома 2 – ой степени.

y = -1733,8x2 + 58240x + 186341

Прогнозные значения Y_Fрассчитываются на основе мультипликативной модели. Прогнозируемые значения вычилсяются по формуле

Y'_F=M[T/t]*C

Графически прогнозные значения представлены на следующих гистограммах.

[Приложение 14]

Прежде, чем делать вывод из данного анализа и прогноза, необходимо, в первую очередь, проверить правильность выбора модели. Для этого проще всего построить, так называемый, «прогноз назад», подставив значения Y исходного ряда в соответствующее уравнение выбранной модели, при этом учитывая сезонность C. (табл. 19)

Табл. 19.

Вычисление значений для «обратного прогноза»

t	C
1	242847	0,87	210829
2	295886	1,28	377865
3	345457	1,22	422939
4	391560	0,94	367760
5	434196	0,91	394158
6	473364	0,91	432229
7	509065	0,87	443084
8	541298	0,87	469929
9	570063	1,28	728008
10	595361	1,22	728895
11	617191	0,94	579676
12	635554	0,91	576948
13	650449	0,91	593924
14	661876	0,87	576089
15	669836	0,87	581520
16	674328	1,28	861161
17	675353	1,22	826828
18	672910	0,94	632008
19	666999	0,91	605494
20	657621	0,91	600473
21	644775	0,87	561205
22	628462	0,87	545601
23	608681	1,28	777325
24	585432	1,22	716739
25	558716	0,94	524755
26	528532	0,91	479795

y = -1733,8x2 + 58240x + 186341

Более наглядное представление можно изучить исходя из диаграммы. Небольшие изменения свидетельствуют о том, что модель не полностью отражает сезонные колебания, но учитывая сложность самого распределения временного ряда, это вполне нормально. Особенно необходимо подчеркнуть значение 17, которое сильно отклонилось. Если просмотреть по бухгалтерскому балансу, то это период начала финансового кризиса, следовательно, модель этого не учитывает и отклонение получилось довольно большим, но не долгим. В целом, вероятность ошибки приведенной модели невелика.