Прогнозирование как предвидение будущего

В экономически развитых странах все большее распространение получает использование формализованных моделей управления финансами. Степень формализации находится в прямой зависимости от размеров предприятия: чем крупнее фирма, тем в большей степени ее руководство может и должно использовать формализованные подходы в финансовой политике. В западной научной литературе отмечается, что около 50% крупных фирм и около 18% мелких и средних фирм предпочитает ориентироваться на формализованные количественные методы в управлении финансовыми ресурсами и анализе финансового состояния предприятия. Ниже приведена классификация именно количественных методов прогнозирования финансового состояния предприятия.

Исходным пунктом любого из методов является признание факта некоторой преемственности (или определенной устойчивости) изменений показателей финансово-хозяйственной деятельности от одного отчетного периода к другому. Поэтому, в общем случае, перспективный анализ финансового состояния предприятия представляет собой изучение его финансово-хозяйственной деятельности с целью определения финансового состояния этого предприятия в будущем.

Перечень прогнозируемых показателей может ощутимо варьировать. Этот набор величин можно принять в качестве первого критерия для классификации методов. Итак, по набору прогнозируемых показателей методы прогнозирования можно разделить на:

Методы, в которых прогнозируется один или несколько отдельных показателей, представляющих наибольший интерес и значимость для аналитика, например, выручка от продаж, прибыль, себестоимость продукции и т. д.

Методы, в которых строятся прогнозные формы отчетности целиком в типовой или укрупненной номенклатуре статей. На основании анализа данных прошлых периодов прогнозируется каждая статья (укрупненная статья) баланса и отчета и финансовых результатах. Огромное преимущество методов этой группы состоит в том, что полученная отчетность позволяет всесторонне проанализировать финансовое состояние предприятия. Аналитик получает максимум информации, которую он может использовать для различных целей, например, для определения допустимых темпов наращивания производственной деятельности, для исчисления необходимого объема дополнительных финансовых ресурсов из внешних источников, расчета любых финансовых коэффициентов и т. д.

Методы прогнозирования отчетности, в свою очередь, делятся на методы, в которых каждая статья прогнозируется отдельно исходя из ее индивидуальной динамики, и методы, учитывающие существующую взаимосвязь между отдельными статьями как в пределах одной формы отчетности, так и из разных форм. Действительно, различные строки отчетности должны изменяться в динамике согласованно, так как они характеризуют одну и ту же экономическую систему.

В зависимости от вида используемой модели все методы прогнозирования можно подразделить на три большие группы (см. рисунок 1):

Методы экспертных оценок, которые предусматривают многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью инструментария экономической статистики. Это наиболее простые и достаточно популярные методы, история которых насчитывает не одно тысячелетие. Применение этих методов на практике, обычно, заключается в использовании опыта и знаний торговых, финансовых, производственных руководителей предприятия. Как правило, это обеспечивает принятие решения наиболее простым и быстрым образом. Недостатком является снижение или полное отсутствие персональной ответственности за сделанный прогноз. Экспертные оценки применяются не только для прогнозирования значений показателей, но и в аналитической работе, например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей и т. п.

Стохастические методы, предполагающие вероятностный характер как прогноза, так и самой связи между исследуемыми показателями. Вероятность получения точного прогноза растет с ростом числа эмпирических данных. Эти методы занимают ведущее место с позиции формализованного прогнозирования и существенно варьируют по сложности используемых алгоритмов. Наиболее простой пример — исследование тенденций изменения объема продаж с помощью анализа темпов роста показателей реализации. Результаты прогнозирования, полученные методами статистики, подвержены влиянию случайных колебаний данных, что может иногда приводить к серьезным просчетам.

Стохастические методы можно разделить на три типовые группы, которые будут названы ниже. Выбор для прогнозирования метода той или иной группы зависит от множества факторов, в том числе и от имеющихся в наличии исходных данных.

Первая ситуация — наличие временного ряда — встречается на практике наиболее часто: финансовый менеджер или аналитик имеет в своем распоряжении данные о динамике показателя, на основании которых требуется построить приемлемый прогноз. Иными словами, речь идет о выделении тренда. Это можно сделать различными способами, основными из которых являются простой динамический анализ и анализ с помощью авторегрессионых зависимостей.

Рис. 1. Классификация методов прогнозирования финансового состояния предприятия

Вторая ситуация — наличие пространственной совокупности — имеет место в том случае, если по некоторым причинам статистические данные о показателе отсутствуют либо есть основание полагать, что его значение определяется влиянием некоторых факторов. В этом случае может применяться многофакторный регрессионный анализ, представляющий собой распространение простого динамического анализа на многомерный случай.

Третья ситуация — наличие пространственно-временной совокупности — имеет место в том случае, когда: а) ряды динамики недостаточны по своей длине для построения статистически значимых прогнозов; б) аналитик имеет намерение учесть в прогнозе влияние факторов, различающиеся по экономической природе и их динамике. Исходными данными служат матрицы показателей, каждая из которых представляет собой значения тех же самых показателей за различные периоды или на разные последовательные даты.

Детерминированные методы, предполагающие наличие функциональных или жестко детерминированных связей, когда каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного признака. В качестве примера можно привести зависимости, реализованные в рамках известной модели факторного анализа фирмы Дюпон. Используя эту модель и подставляя в нее прогнозные значения различных факторов, например выручки от реализации, оборачиваемости активов, степени финансовой зависимости и других, можно рассчитать прогнозное значение одного из основных показателей эффективности — коэффициента рентабельности собственного капитала.

Другим весьма наглядным примером служит форма отчета о прибылях и убытках, представляющая собой табличную реализацию жестко детерминированной факторной модели, связывающей результативный признак (прибыль) с факторами (доход от реализации, уровень затрат, уровень налоговых ставок и др.).

Здесь нельзя не упомянуть об еще одной группе методов, основанных на построении динамических имитационых моделей предприятия. В такие модели включаются данные о планируемых закупках материалов и комплектующих, объемах производства и сбыта, структуре издержек, инвестиционной активности предприятия, налоговом окружении и т. д. Обработка этой информации в рамках единой финансовой модели позволяет оценить прогнозное финансовое состояние компании с очень высокой степенью точности. Реально такого рода модели можно строить только с использованием персональных компьютеров, позволяющих быстро производить огромный объем необходимых вычислений. Однако эти методы не являются предметом настоящей работы, поскольку должны иметь под собой гораздо более широкое информационное обеспечение, чем бухгалтерская отчетность предприятия, что делает невозможным их применение внешними аналитиками.

Формализованные модели прогнозирования финансового состояния предприятия подвергаются критике по двум основным моментам: (а) в ходе моделирования могут, а фактически и должны быть разработаны несколько вариантов прогнозов, причем формализованными критериями невозможно определить, какой из них лучше; (б) любая финансовая модель лишь упрощенно выражает взаимосвязи между экономическими показателями. На самом деле оба эти тезиса вряд ли имеют негативный оттенок; они лишь указывают аналитику на существующие ограничения любого метода прогнозирования, о которых необходимо помнить при использовании результатов прогноза.

Простой динамический анализ Каждое значение временного ряда может состоять из следующих составляющих: тренда, циклических, сезонных и случайных колебаний. Метод простого динамического анализа используется для определения тренда имеющегося временного ряда. Данную составляющую можно рассматривать в качестве общей направленности изменений значений ряда или основной тенденции ряда. Циклическими называются колебания относительно линии тренда для периодов свыше одного года. Такие колебания в рядах финансовых и экономических показателей часто соответствуют циклам деловой активности: резкому спаду, оживлению, бурному росту и застою. Сезонными колебаниями называются периодические изменения значений ряда на протяжении года. Их можно вычленить после анализа тренда и циклических колебаний. Наконец, случайные колебания выявляются путем снятия тренда, циклических и сезонных колебаний для данного значения. Остающаяся после этого величина и есть беспорядочное отклонение, которое необходимо учитывать при определении вероятной точности принятой модели прогнозирования.

Метод простого динамического анализа исходит из предпосылки, что прогнозируемый показатель (Y) изменяется прямо (обратно) пропорционально с течением времени. Поэтому для определения прогнозных значений показателя Y строится, например, следующая зависимость:

(1),.

где t — порядковый номер периода.

Параметры уравнения регрессии (a, b) находятся, как правило, методом наименьших квадратов. Существуют также другие критерии адекватности (функции потерь), например метод наименьших модулей или метод минимакса. Подставляя в формулу (1) нужное значение t, можно рассчитать требуемый прогноз.

Авторегрессионые зависимости В основу этого метода заложена достаточно очевидная предпосылка о том, что экономические процессы имеют определенную специфику. Они отличаются, во-первых, взаимозависимостью и, во-вторых, определенной инерционностью. Последняя означает, что значение практически любого экономического показателя в момент времени t зависит определенным образом от состояния этого показателя в предыдущих периодах (в данном случае мы абстрагируемся от влияния других факторов), т. е. значения прогнозируемого показателя в прошлых периодах должны рассматриваться как факторные признаки. Уравнение авторегрессионой зависимости в наиболее общей форме имеет вид:

(2),.

где Yt — прогнозируемое значение показателя Y в момент времени t;Yt-i — значение показателя Y в момент времени (t-i);Ai — i-й коэффициент регрессии.

Достаточно точные прогнозные значения могут быть получены уже при k = 1. На практике также нередко используют модификацию уравнения (2), вводя в него в качестве фактора период времени t, то есть объединяя методы авторегрессии и простого динамического анализа. В этом случае уравнение регрессии будет иметь вид:

(3).

Коэффициенты регрессии данного уравнения могут быть найдены методом наименьших квадратов. Соответствующая система нормальных уравнений будет иметь вид:

(4).

где j — длина ряда динамики показателя Y, уменьшенная на единицу.

Для характеристики адекватности уравнения авторегрессионой зависимости можно использовать величину среднего относительного линейного отклонения:

(5),.

где Y*i — расчетная величина показателя Y в момент времени i;Yi — фактическая величина показателя Y в момент времени i.

Если e < 0,15, считается, что уравнение авторегрессии может использоваться при определении тренда временного ряда экономического показателя в прогнозных целях. Ввиду простоты расчета критерий e достаточно часто применяется при построении регрессионных моделей.

Многофакторный регрессионный анализ Метод применяется для построения прогноза какого-либо показателя с учетом существующих связей между ним и другими показателями. Сначала в результате качественного анализа выделяется k факторов (X1, X2,…, Xk), влияющих, по мнению аналитика, на изменение прогнозируемого показателя Y, и строится чаще всего линейная регрессионная зависимость типа.

(6),.

где Ai — коэффициенты регрессии, i = 1,2,…, k.

Значения коэффициентов регрессии (A0, A1, A2,…, Ak) определяются в результате сложных математических вычислений, которые обычно проводятся с помощью стандартных статистических компьютерных программ.

Определяющее значение при использовании данного метода имеет нахождение правильного набора взаимосвязанных признаков, направления причинно-следственной связи между ними и вида этой связи, которая не всегда линейна. Влияние этих элементов на точность прогноза будет рассмотрено ниже.

Прогнозирование на основе пропорциональных зависимостей Основой для разработки метода пропорциональных зависимостей показателей послужили две основные характеристики любой экономической системы — взаимосвязь и инерционность.

Одной из очевидных особенностей действующей коммерческой организации как системы является естественным образом согласованное взаимодействие ее отдельных элементов (как качественных, так и поддающихся количественному измерению). Это означает, что многие показатели, даже не будучи связанными между собой формализованными алгоритмами, тем не менее изменяются в динамике согласованно. Очевидно, что если некая система находится в состоянии равновесия, то отдельные ее элементы не могут действовать хаотично, по крайней мере вариабельность действий имеет определенные ограничения.

Вторая характеристика — инерционность — в приложении к деятельности компании также достаточно очевидна. Смысл ее состоит в том, что в стабильно работающей компании с устоявшимися технологическими процессами и коммерческими связями не может быть резких «всплесков» в отношении ключевых количественных характеристик. Так, если доля себестоимости продукции в общей выручке составила в отчетном периоде 70%, как правило, нет основания полагать, что в следующем периоде значение этого показателя существенно изменится.

Метод пропорциональных зависимостей показателей опирается на тезис о том, что можно идентифицировать некий показатель, являющийся наиболее важным с позиции характеристики деятельности компании, который благодаря такому свойству мог бы быть использован как базовый для определения прогнозных значений других показателей в том смысле, что они «привязываются» к базовому показателю с помощью простейших пропорциональных зависимостей. В качестве базового показателя чаще всего используется либо выручка от реализации, либо себестоимость реализованной (произведенной) продукции.

Последовательность процедур данного метода такова:

Идентифицируется базовый показатель B (например, выручка от реализации).

Определяются производные показатели, прогнозирование которых представляет интерес (в частности, к ним могут относиться показатели бухгалтерской отчетности в той или иной номенклатуре статей, поскольку именно отчетность представляет собой формализованную модель, дающую достаточно объективное представление об экономическом потенциале компании). Как правило, необходимость и целесообразность выделения того или иного производного показателя определяются его значимостью в отчетности.

Для каждого производного показателя P устанавливается вид его зависимости от базового показателя: P=f (B). Чаще всего выбирается линейный вид этой зависимости.

При разработке прогнозной отчетности прежде всего составляется прогнозный вариант отчета о прибылях и убытках, поскольку в этом случае рассчитывается прибыль, являющаяся одним из исходных показателей для разрабатываемого баланса.

При прогнозировании баланса рассчитывают прежде всего ожидаемые значения его активных статей. Что касается пассивных статей, то работа с ними завершается с помощью метода балансовой увязки показателей, а именно, чаще всего выявляется потребность во внешних источниках финансирования.

Собственно прогнозирование осуществляется в ходе имитационного моделирования, когда при расчетах варьируют темпами изменения базового показателя и независимых факторов, а его результатом является построение нескольких вариантов прогнозной отчетности. Выбор наилучшего из них и использование в дальнейшем в качестве ориентира делаются уже с помощью неформализованных критериев.

Балансовая модель прогноза экономического потенциала предприятия Суть данного метода ясна уже из его названия. Баланс предприятия может быть описан различными балансовыми уравнениями, отражающими взаимосвязь между различными активами и пассивами предприятия. Простейшим из них является основное балансовое уравнение, которое имеет вид:

A = E + L (7),.

где, А — активы,.

Е — собственный капитал,.

L — обязательства предприятия.

Левая часть уравнения отражает материальные и финансовые ресурсы предприятия, правая часть — источники их образования. Прогнозируемое изменение ресурсного потенциала должно сопровождаться: а) неизбежным соответствующим изменением источников средств; б) возможными изменениями в их соотношении. Поскольку модель (7) аддитивна, такая же взаимосвязь будет между показателями прироста:

(8).

На практике прогнозирование осуществляется путем использования более сложных балансовых уравнений и сочетания данного метода с другими методами прогнозирования.

Аналитические формы отчетности Проведение анализа непосредственно по данным российской бухгалтерской отчетности — дело довольно трудоемкое, так как слишком большое количество расчетных показателей не позволяет выделить главные тенденции в финансовом состоянии организации. Еще более неэффективным представляется прогнозирование форм бухгалтерской отчетности в их типовой номенклатуре статей. В связи с этим возникает необходимость перед проведением анализа уплотнить исходные формы отчетности путем агрегирования однородных по составу балансовых статей для получения сравнительного аналитического баланса (баланса-нетто), а также аналитического отчета о прибылях и убытках.

Кроме того, российская отчетность не удовлетворяет требованию временной сопоставимости данных, так как структура отчетных форм неоднократно менялась. Данное требование к отчетности чрезвычайно важно, так как все рассчитанные по ее данным аналитические показатели будут бесполезны, если не будет возможно их сравнение в динамике. И, конечно же, в этом случае будет невозможно спрогнозировать финансовое состояние предприятия даже на ближайшую перспективу. В свете вышесказанного становится ясным, что анализ и прогнозирование, базирующиеся на российской бухгалтерской отчетности, становятся возможными только после приведения данных за разные годы к какому-то единому аналитическому виду. При этом преобразование исходных форм бухгалтерской отчетности в аналитические формы единого вида можно рассматривать как необходимый первый шаг предварительного этапа, предшествующего проведению анализа и прогнозирования финансового состояния предприятия.