Анализ финансовых результатов на примере магазина. Реферат.

Страница: 5 из 6
<-- предыдущая следующая -->

Перейти на страницу:
скачать реферат | 1 2 3 4 5 6

Км=СИ-ВА
СИ ( 12 )
Км – рекомендуется не менее 0,5. на 01. 01. 99 =24312-6777/24312=0,7 на 01. 01. 00 =14006-12682/14006=0,1
4) Коэффциент индекса постоянного актива:
Кп = ВА,
СИ ( 13 )

Кл - при отсутсвии долгосрочного привлечения заемных средств Км+Кп=1 на 01. 01. 99 =6777/24312=0,3 на 01. 01. 00 =12682/14006=0,9
5) Коэффициент реальной стоимости имущества:
Крси=ОС+М+НЗП+МБП,
ВБ ( 14 ) где ОС - основные средства;
М - сырье и материалы;
ВБ - валюта баланса.
Крси - рекомендуется больше 0,5.
На 01. 01. 99= 3895+4304+74+46
47132 = 0,2
На 01. 01. 00=10101+96163+175+57
622160 = 0,2
6) Коэффициент автономии (финансовой независимости):
Ка = СИ
ВБ ( 15 )
Ка – рекомендуется чем больше, тем лучше на 01. 01. 99 =24312/47132=0,5 на 01. 01. 00 =14006/622160=0,02
Таблица 9
Расчетные данные степени финансовой устойчивости

Показатели	На01. 01. 99	На01. 01. 00	Изменения	Предлага-емые нормы
1	2	3	4	5
1. Коэффицент обеспеченности собственными средствами (Косс)	0,4	0,002	-0,4	>0,1
2. Коэффициент обеспеченнос-ти материальных запасов собственных средств (Комз)	1,5	0,01	-1,49	0,6-0,8

Продолжение таблицы 9

1	2	3	4	5
3. Коэффициент маневренности собственного капитала (Км)	0,7	0,1	-0,6	>>0,5
4. Коэффциент индекса постоянного актива (Кп)	0,3	0,9	+0,6	-
5. Коэффициент реальной стои-мости имущества (Крси)	0,2	0,2	-	>0,5
6. Коэффициент автономии(Ка)	0,5	0,02	-0,48	>>0,5

Первые 3 показателя таблицы 9 -это показатели, определяющие состояние оборотных средств,4 и 5 показатели определяющие состояние основных средств,
6 показатель – это степень финансовой устойивости.
На 01. 01. 2000г. степень обеспеченности предприятия собственными оборотными средствами уменьшилась на 0,4 и составили всего 0,002. Это обясняется тем,что слишком большие производственные запасы и счета к получение и прекрашении целевого финансирования закупки зерна.
Коэффициент обеспеченности материальных запасов собственных средств (Комз) показывает в какой степени материальные запасы покрыты собственными средствами. Как видно из таблицы на 01. 01. 2000г. этот коэффициент слишком мал, значит очень низкая степень покрытия собственными средствами и естественно предприятие нуждается в привлечении заемных средств.
На 01. 01. 99г. ГУСП “Башхлебоптицепром” обладал очень мобильными собственными источниками средств, а значит и очень хорошим финансовым состоянием. Но на 01. 01. 2000г. этот показатель упал до 0,1,но тем не менее он удовлетворителен.
Как видно из таблицы коэффциент индекса постоянного актива (Кп) на 01. 01. 2000г. вырос на 0,6,т. е. увеличилось содержание внеоборотных активов в источниках собственных средств.
Уровень производственного потенциала за исследуемый период остался без изменений и в нашем случае является достаточным,так как в ГУСП “Башхлебоптицепром” большую долю составляет торговля.
Коэффициент автономии (Ка) на 01. 01. 2000г. снизился с 0,5 до 0,02, значит и снизилась финансовая независимость.
Как видно, относительные показатели финансовой устойчивости подверждают предыдущие выводы о том, что необходимо увелечение собственного капитала.
Следующим этапом анализа будет анализ валовой прибыли. Общим финансовым результатом является валовая прибыль. Прибыль с одной стороны зависит от качества работы коллектива,а с другой является основным источником производственного и социального развития предприятия. Следовательно его работники заинтересованы в эффективном использовании ресурсов и росте прибыли. Структура формирования общего финансового результата в условиях рыночной экономики представлена на схеме:

Рис. 11 Схема формирования прибыли.
Содержание прибыли от реализации:
ПР=ВР-СР-КР-УР, (16 ) где ВР- выручка от реализации,
СР-себестоимость реализации,
КР-коммерческие расходы,
УР-управленческие расходы.
Анализ валовой прибыли начинается с иследования ее динамики как по обще сумме, так и разрезе ее составлящей элементов- так называемый горизонтальный анализ. Затем проводится вертикальный анализ, который выявляет структурные изменения в составе валовой прибыли. Для оценки уровня и динамики показатели валовой прибыли составляем таблицу.
Основным источником информации для анализа прибыли является форма№2 “Отчет о прибылях и убытках”. Кроме того,используется данные бухгалтерского учета по счету 80 “Прибыли и убытки”. Таблица10

2132
Как видно из таблицы 10 предприятие достигло высоких результатов хозяйственной деятельности в 1999 году по сравнению с 1998 годом, о чем свидетельствует увелечение общей суммы прибыли на 6890 тыс . рублей или на 2132,4%. Такой рост прибыли явился результатом увелечения в первую очередь прочих внереализационных доходов и во вторых прочих операционных доходов. А вот прибыль от реализации сократилось на 7042 тыс. руб. или 818%, что соответственно сократило сумму валовой прибыли. Если бы не увлечение прочих операционных расходов(558 тыс. руб. ), внереализационных расходов (1723тыс. руб. ) и убыток от реализации 7042 тыс. руб. , то прибыль бы за 1999 год была на 9323 тыс. руб. больше.
Дальнейший анализ прибыли от реализации состоит в исследовании факторов, влияющих на ее объем. Для этого необходимо оценить изменения:
-отпускных цен на продукцию;
-объема продукции;
-структуры реализованной продукции;
-сбестоимости продукции;
-себестоимости за счет структурных сдвигов в составе продукции;
Таблица11
Факторный анализ прибыли от реализации

Показатели	Факт 1998года	План 1999года	Факт 1999года
1	2	3	4
1. Выручка от реализации	47467	149000	197544
2. Себестоимость реализованной продукции	39450	135009	175649
3. Прибыль от реализации	767	3452	-6275

1)Изменение отпускных цен на продукцию:
197544-149000=48544тыс. руб.
2)Изменение объема продукции:
135009/39450=2625, 2625-767=1858тыс. руб.
3) Изменения в структуре реализованной продукции:
767 х (149000/17467-135009)=767 х 1,002= -768,5 тыс. руб.
Таким образом значительные изменения в структуре объемов реализации уменьшили сумму прибыли от реализации на 769 тыс. руб.
4) Изменение себестоимости продукции: 175649-135009=40640 тыс. руб. Увелечение себестоимости на 40640тыс. руб. ведет к уменьшению прибыли.
5) Измнение себестоимости за счет структурных сдвигов в составе продукции: 39450 х 149000/47467-135009= -11174,5 тыс. руб.
Уменьшение прибыли за счет изменения себестоимости в результате структурных сдвигов в составе продукции
Таблица12
Оценка прибыли от реализации

Показатели	1998г.	1999г.	Отклонения(+; -)	Отношение 1998г. к 1999г. %
1	2	3	4	5
1. Выручка (нетто) от реализованой продукции	47467	197544	+150077	417
2. Себестоимость реализованной продукции	39450	175649	+136199	445
3. Коммерческие расходы	107	12631	+12524	11805
4. Управленческие расходы	7143	15539	+8396	218
5. Прибыль от реализации (стр. 1-2-3-4)	767	-6275	-7042	-818

Как видно из таблицы 12 убыток от реализации на 7042 тыс. руб. обусловлен слишком большими затратами на комерческие расходы на 11805% (12524 тыс. руб. ), так как этот показатель имееет наибольшую сумму отклонения среди всех показателей. Тогда как все другие показатели увеличились в меньших пропорциях (415%,445%,218).
Следовательно, при значительном сокращении коммерческих расходов приведет к увелечению прибыли. Таблица13
Результаты расчетов влияния прибыли от реализации продуции

Показатели	Суммаизменений
1	2
Отклонение прибыли от реализации продукции-всего,	-7042
В том числе за счет:
-увелечения коммерческих расходов	+12524
-роста управленческих расходов	+8396
-увелечения отпускных цен на продукцию	+48544
-увелечения объема продукции	+1858
-изменения в структуре продукции	-769
-увелечения в себестоимости продукции	-40640
-изменения себестоимости за счет структурных сдвигов в составе продукции	-11174
-нарушения хозяйственной дисциплины	25781

Как видно из таблицы 13 нарушения хозяйственной дисциплины повлиявшие отрицательно на объем прибыли составили 25871 тыс. рублей . Это произошло в результате не эффективной ценовой политики на 48544 тыс. руб. Увеличение объема не рентабельной продукции на 1858 тыс. руб. также оказало неблаготворное влияние на объем прибыли. Зато положительно повлияло снижение себестоимости и принесло прибыль 40640 тыс. руб. Как вышеуже было отмечено резкое увелечение коммерческих расходов сократило прибыль на 12524 тыс. руб.
Выводы:
1) ГУСП “Башхлебоптицепром” располагает относительно новыыми основными средствами, что говорит о том ,что предприятие технически оснащено.
2) Предприятие испытывает значительные проблемы неплатежей за реализованную продукцию. Дополнительный приток средств в основном связан с увелечением заемных средств, а не за счет собственного капитала, так как прекратилось целевое финансирование из бюджета на зерна.
Значительный удельный вес в собственном капитале принадлежит добавочному капиталу, образовавшего за счет переоценки.
3) Все поступающие денежные средсва направляются на сезонную закупку зерна.
В результате замедленный оборот средств вложенных в запасы. Для погашения следует сократить велечину запасов. Неоправданный рост дебиторской задолженности также замедляет оборот денежных средств и ухудшает финансовый результат.
4)Увелечение объема прибыли в 1999 году произошло за счет внереализационных доходов. При этом убыток от реализации из-за больших коммерческих расходов уменшил размер прибыли на 7042 тыс. руб.

ГЛАВА 3. ПРОГНОЗ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ ФИНАНСОВОГО СОСТОЯНИЯ ГУСП «БАШХЛЕБОПТИЦЕПРОМ» С ПРИМЕНЕНИЕМ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

3. 1 Основные положения корреляционного и регрессионного анализа

Одним из инструментов экономического анализа в настоящее время, является экономико-математического моделирование.
Экономико-математическое моделирование представляет собой метод исследования экономико-математических моделей, с помощью экономико-математических методов.
Экономико-математическая модель - это математическое описание экономического процесса или объекта.
Экономико-математические методы – это комплекс экономических и математических дисциплин, таких, как: экономико-статистические методы; эконометрика; исследование операций; экономическая кибернетика.
Предметом экономико-математического моделирования является изучение реальных процессов социально-экономического развития, их обобщение и представление в виде конкретных объективно обусловленных оценок.
Основной целью экономики является обеспечение общества предметами потребления. Экономика состоит из элементов – хозяйственных единиц: предприятия, фирмы, банки и так далее. Экономика является подсистемой системы более высокого уровня – природы и общества.
Задачами экономико-математического моделирования являются:
- анализ экономических объектов и процессов;
- экономическое прогнозирование, предвидение развития экономических процессов;
- выработка данных необходимых для принятия управленческих решений.
Любое экономическое исследование всегда предполагает объединение теории (экономической модели) и практики (статистических данных). Теоретические модели используются для описания и объяснения наблюдаемых процессов, а статистические данные собираются с целью эмпирического построения и обоснования модели.
Математические модели, используемые в экономике, подразделяются на классы по ряду признаков, относящихся к особенностям моделируемого объекта, цели моделирования и используемого инструментария: модели макро- и микроэкономические, теоретические и прикладные, оптимизационные и равновесные, статистические и динамические.
Макроэкономические модели описывают экономику как единое целое, связывая между собой укрупненные материальные и финансовые показатели: ВНП, потребление, инвестиции, занятость и т. д. Микроэкономические модели описывают взаимодействие структурных и функциональных составляющих экономики, либо поведение отдельной такой составляющей в рыночной среде. Теоретические модели позволяют изучать общие свойства экономики и ее характерных элементов дедукцией выводов из формальных предпосылок. Прикладные модели дают возможность оценить параметры функционирования конкретного экономического объекта и сформулировать рекомендации для принятия практических решений. Равновесные модели описывают такие состояния экономики, когда результирующая всех сил, стремящихся вывести ее из данного состояния, равна нулю. В моделях статистических описывается состояние экономического объекта в конкретный момент или период времени; динамические модели включают взаимосвязи переменных во времени.
В экономической деятельности достаточно часто требуется не только получить прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов, а также возможные последствия их изменений в будущем. Для решения этой задачи предназначен аппарат корреляционного и регрессионного анализа.
Результат опыта можно охарактеризовать качественно и количественно. Любая качественная характеристика результата опыта называется событием; любая количественная характеристика результата опыта называется случайной величиной. Случайная величина – это такая величина, которая в результате опыта может принимать различные значения, причем до опыта не возможно предсказать, какое именно значение она примет.
Понятие зависимости (независимости) случайных величин является одним из важнейших понятий в теории вероятностей. Так как наличие или отсутствие зависимости между случайными величинами оказывает существенное влияние на метод исследования. Степень тесноты изменяется в широких пределах: от полной независимости случайных величин до очень сильной, близкой по существу к функциональной зависимости. , Xm), которая показывает, каким будет в среднем значение переменной Y, если переменные Х примут конкретное значение. Это обстоятельство позволяет применять модель регрессии не только для анализа, но и для прогнозирования.
Множественная корреляция и регрессия определяют форму связи переменных, выявляют тесноту их связи и устанавливают влияние отдельных факторов.
Основными этапами построения регрессионной модели являются:
- построение системы показателей (факторов). Сбор и предварительный анализ исходных данных.
- выбор вида модели и численная оценка ее параметров.
- проверка качества модели
- оценка влияния отдельных факторов на основе модели
- прогнозирование на основе модели регрессии.
Рассмотрим содержание этих этапов и их реализацию.
Построение системы показателей (факторов).
Информационной базой регрессионного анализа являются многомерные временные ряды, каждый из которых отражает динамику одной переменной и должен удовлетворять требованиям статистического аппарата исследования.
Для построения системы показателей используется корреляционный анализ. Основная задача которого, состоит в выявлении связи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции и детерминации.
Выбор факторов, влияющих на исследуемый показатель, производится прежде всего исходя из содержательного экономического анализа. Для получения надежных оценок в модель не следует включать слишком много факторов. Их число не должно превышать одной трети объема имеющихся данных. Для определения наиболее существенных факторов могут быть использованы коэффициенты линейной и множественной корреляции.
При проведении корреляционного анализа вся совокупность данных рассматривается как множество переменных (факторов), каждая из которых содержит n-наблюдений; хik – i- ое наблюдение k-ой переменной.
Связь между случайными величинами X и Y в генеральной совокупности, имеющими совместное нормальное распределение, можно описать коэффициентами корреляции: ( = М ((X – mx) (Y – my)) / (x (y , или ( = Кxy / (x (y , ( 17 ) где ( - коэффициент корреляции (или парный коэффициент корреляции) генеральной совокупности.
Оценкой коэффициента корреляции ( является выборочный парный коэффициент корреляции:
N _ _ r = ( (xi – x ) (yi – y) / nSxSy,( 18 ) i = 1 где Sx. Sy – оценки дисперсии; x , y – наилучшие оценки математического ожидания.
Парный коэффициент корреляции является показателем тесноты связи лишь в случае линейной зависимости между переменными и обладает следующими основными свойствами:
Свойство 1. Коэффициент корреляции принимает значение в интервале (-1,+1), или (xy < 1. Значение коэффициентов парной корреляции лежит в интервале от -1 до +1. Его положительное значение свидетельствует о прямой связи, отрицательное - об обратной, то есть когда растет одна переменная, другая уменьшается. Чем ближе его значение к 1 , тем теснее связь.
Коэффициент множественной корреляции, который принимает значение от 0 до 1, более универсальный: чем ближе его значение к 1, тем в большей степени учтены факторы, влияющие на зависимую переменную, тем более точной может быть модель.
Свойство 2. Коэффициент корреляции не зависит от выбора начала отсчета и единицы измерения, то есть р ((1X + ( (2 Y + () = ( xy , ( 19 ) где (1, (2 , ( - постоянные величины, причем (1 > 0 , (2 > 0.
Случайные величины X,Y можно уменьшать (увеличивать) в ( раз, а также вычитать или прибавлять к значениям X и Y одно и тоже число ( - это не приведет к изменению коэффициента корреляции (.
Свойство 3. При ( = +-1 корреляционная связь представляется линейной функциональной зависимостью. При этом линии регрессии y по x и x по y совпадают.
Свойство 4. При ( = 0 линейная корреляционная связь отсутствует и параллельны осям координат.
Рассмотренные показатели во многих случаях не дают однозначного ответа на вопрос о наборе факторов. Поэтому в практической работе с использованием ПЭВМ чаще осуществляется отбор факторов непосредственно в ходе построения модели методом пошаговой регрессии. Суть метода состоит в последовательном включении факторов. На первом шаге строится однофакторная модель с фактором , имеющим максимальный коэффициент парной корреляции с результативным признаком. Для каждой переменной регрессии , за исключением тех, которые уже включены в модель , рассчитывается величина С(j) , равная относительному уменьшению суммы квадратов зависимой переменной при включении фактора в модель. Эта величина интерпретируется как доля оставшейся дисперсии независимой переменной, которую объясняет переменная j. Пусть на очередном шаге k номер переменной, имеющей максимальное значение, соответствует j. Если Сk меньше заранее заданной константы, характеризующей уровень отбора, то построение модели прекращается. В противном случае k-я переменная вводится в модель.
После того, как с помощью корреляционного анализа выявлены статистические значимые связи между переменными и оценена степень их тесноты, переходят к математическому описанию
Регрессионной моделью системы взаимосвязанных признаков является такое уравнение регрессии, которое включает основные факторы, влияющие на вариацию результативного признака, обладает высоким (не ниже 0,5) коэффициентом детерминации и коэффициентом регрессии, интерпретируемыми в соответствии с теоретическим знанием о природе связей в изучаемой системе.
Основной задачей линейного регрессионного анализа является установление формы связи между переменными, а так же выбор наиболее информативных аргументов Xj; оценивание неизвестных значений параметров aj уравнения связи и анализ его точности.
В регрессионном анализе вид уравнения выбирается исходя из физической сущности изучаемого явления и результатов наблюдений. Простейший случай регрессионного анализа для линейной зависимости между зависимой переменной Y и независимой переменной Х выражается следующей зависимостью:
Y = a0 + a1X + ( , ( 20 ) где a0 – постоянная величина (или свободный член уравнения). a1 – коэффициент регрессии, определяющий наклон линии, вдоль которой рассеяны данные наблюдений. Это показатель, характеризующий процентное изменение переменой Y, при изменении значения X на единицу. Если a1 > 0 –переменные X и Y положительно коррелированны, если a2 < 0 – отрицательно коррелированны; ( - независимая ((М ((i (j ) = 0, при i ( j ) нормально распределенная случайная величина – остаток (помеха) с нулевым математическим ожиданием (m( = 0) и постоянной дисперсией ( D( = (2 ). Она отражает тот факт, что изменение Y будет недостаточно описываться изменением X – присутствуют другие факторы, неучтенные в данной модели.

Страница: 5 из 6
<-- предыдущая следующая -->

Перейти на страницу:
скачать реферат | 1 2 3 4 5 6