7.2. Методы ситуационного анализа и прогнозирования в экономическом анализе

Метод сценариев используется для решения задач управления хозяйственной деятельностью чаще всего в тех случаях, когда принимаемые в данный момент времени решения существенно зависят от принятых ранее решений, а также определяют сценарии развития событий в будущем. Метод позволяет получать различные варианты формирования основных показателей деятельности предприятия и определять вероятность реализации того или иного сценария. Метод позволяет получать не только несколько сценариев развития изучаемого показателя, но также использовать различные критерии. Например, критерий Гурвица (критерий оптимизма-пессимизма) применяется при отсутствии информации вероятности наступления возможного сценария:

NPVσ = max(1 - σ) * min(NPV_iz) + σ * max(NPV_iz),

где i – индекс, соответствующий i – му сценарию реализации объекта;

z – выбранная стратегия управления риском;

NPV_iz – оценка чистого приведённого дохода по i – му сценарию при z – ой стратегии управления риском;

σ – коэффициент оптимизма в отношении проявления неблагоприятных событий в ходе реализации инвестиционного проекта. В практических исследованиях значение σ равно 0,3 (умеренный пессимизм).

Обычно рассматривают три варианта развития события: оптимистический, пессимистический, наиболее вероятный. По каждому варианту оценивается влияние факторов, воздействующих на результативный показатель, определяется вероятность наступления каждого сценария (количество изучаемых факторов и сценариев может быть неограниченным), затем даётся обобщающая оценка.

Рассмотрим пример расчёта средней прогнозной прибыли предприятия при 6 (шести) сценариях развития объёма продаж, если известно, что постоянные затраты предприятия (А) составляют 3000 тыс. руб. в год, переменные затраты на единицу продукции (b) составляют 10 тыс. руб.; цена реализации (p) – 18 тыс. руб. Исходные данные и результаты расчётов приведены в таблице 7.5.

Таблица 7.5 – Расчёт прибыли от продаж по методу сценариев

Вариант прожи	Объём продаж (N), у.е.	Балл (K)	Затраты (З), тыс. руб. З = N*b+A	Прибыль (П), тыс. руб. П = p*N-З	Вероятность появления каждой ситуации (Pk) Pk = K/ΣK
Абсолютный успех	2000	5	23000	13000	0,05
Активные продажи	1800	15	21000	11400	0,15
Нормальный рынок	1600	38	19000	9800	0,38
Продажи ниже среднего	800	27	11000	3400	0,27
Плохие продажи	500	13	8000	1000	0,13
Застойный сезон	200	2	5000	-1400	0,02
Итого:		100
Основные прогнозируемые вероятностные показатели с учётом всех вариантов продаж, тыс. руб.:
Прогнозируемый средний доход: Вср= p *Σ(N * Pk) 18*(2000*0,05+1800*0,15+1600*0,38+800*0,27+500*0,13+200*0,02)						22734
Прогнозируемые средние затраты: Зср = Σ(З * Pk) 23000*0,05+21000*0,15+19000*0,38+11000*0,27+8000*0,13+5000*0,02						15630
Наиболее возможное значение прибыли (ожидаемая средняя прибыль): Пср = Σ(П * Pk) 13000*0,05+11400*0,15+9800*0,38+3400*0,27+1000*0,13-1400*0,02						7104
Расчёт с помощью критерия оптимизма-пессимизма Гурвица: П = max(1 - σ) * min П + σ * max П
при σ = 0,3 П1 = 0,7*(-1400) + 0,3 * 13000						2920
при σ = 0,33 П2 = 0,67*(-1400) + 0,33 * 13000						3352
при σ = 0,4 П3 = 0,6*(-1400) + 0,4 * 13000						4360
Дисперсия (σ²): σ² = (Σ(х - хср)² * n)/Σn (13000²* 0,05+11400²*0,15+9800²*0,38+3400²*0,27+1000²*0,13-1400²*0,02)-7104²						17262784
Среднеквадратическое отклонение (σ): σ =						4155
Диапазон изменений ожидаемой прибыли:
от 2949 тыс. руб. (7104-4155)						2949
до 11259 тыс. руб. (7104+4155)						11259

Продолжение таблицы 7.5

Коэффициент вариации (К): К = σ/Пср 4155/7104	0,58
Рентабельность затрат (Rз): Rз = Пср / зср *100 7104/15630*100	45,45

Результаты расчётов показывают, что ожидаемая средняя прибыль (Пср) с учётом вероятности изменения спроса составит 7104 тыс. руб. Диапазон изменения ожидаемой прибыли составит от 2949 тыс. руб. (7104-4155) до 11259 тыс. руб. (7104+4155).

Ожидаемый размер прибыли при умеренном пессимизме составит 2920 тыс. руб. Коэффициент вариации составит 58% - значение достаточно большое, уровень риска неполучения ожидаемой прибыли средний. Коэффициент вариации - относительная величина, показывает, на сколько % в среднем отклоняется величина Х_n от своего среднего значения. С его помощью можно сравнивать колеблемость признаков. Коэффициент может изменяться от 0 до 100%. Установлена следующая качественная оценка различных значений данного коэффициента: до 10% - слабая колеблемость; 10-25% - умеренная колеблемость; свыше 25% - высокая колеблемость.

Производство и реализация данной продукции будут рентабельными для предприятия. Рентабельность составит 45,45%, что означает, что на каждый рубль затрат будет приходиться 45,45 копеек прибыли при сохранении условий функционирования бизнеса.

Прогнозирование (греч.: prognosis – знание наперёд) – это умение предвидеть вероятное будущее состояние предприятия в долгосрочной и краткосрочной перспективе. Выделяют следующие виды прогнозирования в зависимости от подходов к прогнозированию:

- поисковое;

- нормативное – не располагающее данными о динамике экономического развития за предыдущие периоды;

- основанное на творческом видении, субъективном знании, интуиции аналитика.

Поисковое прогнозирование опирается на имеющуюся информацию с постепенным распространением тенденций в будущее. К данному виду прогнозирования относятся экстраполятивный (традиционный) и альтернативный (новаторский) методы.

Экстраполятивный метод исходит из предположения, прогноз является простой проекцией (экстраполяцией) прошлого на будущее, так как экономическое развитие происходит гладко и выявленные закономерности сохраняются в дальнейшем. Для составления такого прогноза необходимо тенденции развития показателей деятельности предприятия (тренды), основанные на оценке прошлых показателей перенести в будущее.

В основе альтернативного подхода прогнозирования лежит разработка нескольких альтернативных вариантов будущего развития (например, гладкого и скачкообразного), а также нескольких прогнозных сценариев, сочетающих различные варианты развития выбранных показателей и явлений.

Методы экстраполяции включают метод экстраполяции по скользящей средней и метод экспоненциального сглаживания, которые используются в краткосрочном прогнозировании.

При использовании метода экстраполяции по скользящей средней руководствуются принципом: завтра будет так, как было в среднем за последнее время.

Расчётный механизм прогноза методом экспоненциального сглаживания строится на использовании линейной комбинации прошлых и текущих наблюдений и имеет вид:

L (t + 1) = W * Xt + (1 - W) * Lt,

где L (t + 1) – прогноз продаж на месяц t + 1;

W – специальный коэффициент, характеризующий вес текущего наблюдения при расчёте экспоненциальной средней (параметр сглаживания); коэффициент W обычно находится в диапазоне от 0,1 до 0,3. Для увеличения веса текущих наблюдений значение коэффициента W повышают;

Xt – продажи в месяц t (фактические данные);

Lt - прогноз продаж на месяц t.

Рассмотрим применение метода экспоненциального сглаживания на условном примере при значении W = 0,2 (табл. 7.6)

Таблица 7.6 – Расчёт прогнозных значений методом экспоненциального сглаживания

Месяц	Фактические продажи, шт.	Прогноз продаж, шт.
Январь	320	330
Февраль	350	334 0,2* 350 + (1 – 0,2) * 330
Март	360	339 0,2* 360 + (1 – 0,2) * 334
Апрель	396	351 0,2* 396 + (1 – 0,2) * 339
Май	370	354 0,2* 370 + (1 – 0,2) * 351
Июнь	392	362 0,2* 392 + (1 – 0,2) * 354
Июль	392	368 0,2* 392 + (1 – 0,2) * 362

Продолжение таблицы 7.6.

Август	380	370 0,2* 380 + (1 – 0,2) * 368
Сентябрь	420	380 0,2* 420 + (1 – 0,2) * 370
Октябрь	400	384 0,2* 400 + (1 – 0,2) * 380
Ноябрь	440	395 0,2* 440 + (1 – 0,2) * 384
Декабрь	460	408 0,2* 3460 + (1 – 0,2) * 395

Прогноз на февраль при предполагаемом объёме продаж в январе в объёме 340 шт. составит: 0,2* 350 + (1 – 0,2) * 330, прогноз на март - 0,2* 360 + (1 – 0,2) * 334 и т.д.

Использование методов скользящей и экспоненциальной средней целесообразно при небольшом уровнем отклонений фактические значений.

Метод статистического прогнозирования на основе сезонных колебаний позволяет учитывать изменения в объёме реализации в тех отраслях, в которых сезонная составляющая имеет большое значение (строительство, АПК, деревообрабатывающая промышленность и др.).

Сезонные колебания имеют строгую цикличность и измеряются за каждый квартал или месяц с помощью индексов сезонности (I_s), которые определяются отношением исходных (средних) уровней ряда динамики y_i (за месяц, декаду) к теоретическому расчётному среднему уровню годовому (yt_i), взятому в качестве базы сравнения:

I_si = .

Методика прогнозирования на основе сезонных колебаний представлена по данным таблицы 7.7, она предполагает следующую последовательность расчёта показателей:

- определяются средние уровни товарооборота по месяцам: суммируются продажи по месяцам за все годы, затем рассчитывается среднее значение y_i;

для января: (300 + 310 + 320) / 3 = 310 тыс. руб.;

для февраля: (300 +290 + 350) / 3 ~ 313 тыс. руб.;

для марта: (330 + 350 + 360) / 3 ~ 347 тыс. руб. и т.д.

- устанавливается теоретический средний годовой уровень: сумма средних значений делится на 12 месяцев (yt_i):

(310 + 313 + 347 + 329 + 320 + 364 + 377 + 370 + 400 + 380 + 420 + 453) /12 = 365,3

- рассчитываются средние индексы сезонности товарооборота по месяцам: каждое среднее месячное значение делится на среднее среднего (I_si):

I_s (январь): 310 /365,3 *100 ~ 85 %;

I_s (февраль): 313,3 / 365,3 ~ 86%;

I_s (март): 346,7 / 365.3 ~ 95 % и т.д

- рассчитывается прогноз продаж: продажи каждого месяца за третий год умножаются на индекс сезонности:

для января: 320 * 84,87% / 100% ~ 271,6 тыс. руб.;

для февраля: 350 * 85,78% / 100% = 300,23 тыс. руб.;

для марта: 360 * 94,9% /100% = 341, 66 тыс. руб. и т.д.

Таблица 7.7 – Прогноз продаж на основе сезонных колебаний

Месяц	Уровни, тыс. руб., yi			Расчётные значения
	1-й год	2-й год	3-й год		сумма уровней Σyi	yi (среднее значение)	Isi (средние индексы сезонности), %	Прогноз продаж, тыс. руб.
1	2	3	4		5	6	7	8
Январь	300	310	320		930	310,00	84,87	271,57
Февраль	300	290	350		940	313,33	85,78	300,23
Март	330	350	360		1040	346,67	94,90	341,66
Апрель	280	310	396		986	328,67	89,98	356,31
Май	290	300	370		960	320,00	87,60	324,14
Июнь	340	360	392		1092	364,00	99,65	390,63
Июль	360	380	392		1132	377,33	103,30	404,94
Август	370	360	380		1110	370,00	101,29	384,91
Сентябрь	400	380	420		1200	400,00	109,51	459,92
Октябрь	360	380	400		1140	380,00	104,03	416,12
Ноябрь	400	420	440		1260	420,00	114,98	505,92
Декабрь	440	440	480		1360	453,33	124,11	595,71
Ya	4170	4280	4700		13150	365,28	100	4752,06

Расчёты показывают, что величина товарооборота постепенно возрастает, наивысшего объёма она достигает в декабре (595,71 тыс. руб.). наименьшее значение товарооборот имеет в январе (271, 57 тыс. руб.) Средние индексы сезонности показывают ярко выраженную сезонную составляющую: колебания товарооборота характеризуются повышением объёмов продаж, начиная с июля (+3,3%), наибольшие объёмы продаж составляют в декабре (+24,11%), сокращение товарооборота происходит в январе-июне. Рассчитанные таким образом средние индексы сезонности позволяют откорректировать плановый товарооборот и положить его в основу более точного прогнозирования на следующий год.