Аф2 = Ф1о * (Ф2о – Ф2б) * Ф3б;

Аф3 = Ф1о * Ф2о * (Ф3о-Ф3б),

где Ф1б, Ф2б, Ф3б – факторы в своем базисном значении;

Ф1о, Ф2о, Ф3о – факторы в своем отчетном значении.

1.3. Логарифмический метод и метод взвешенных конечных разностей

Логарифмический метод и метод взвешенных конечных разностей применяются также для определения размера факторного влияния при анализе мультипликативных моделей. Их преимущество состоит в том, что они устраняют такой существенный недостаток предыдущих методов, как наличие «неразложимого остатка» путем логарифмирования мультипликативной модели в первом из методов и путем деления неразложимого остатка – во втором.

Логарифмируя мультипликативную модель, можно получить следующее выражение [6, c.84]:

А = кФ1 * А + кФ2 * А + кФ3 * А,

где А – абсолютное отклонение анализируемого показателя;

кФ1, кФ2, кФ3 – коэффициенты, показывающие долю влияния данного фактора на анализируемый показатель.

Примечательно, что при этом нет необходимости рассчитывать все факторные отклонения – можно рассчитать только степень (долю) влияния наиболее актуального фактора.

Коэффициенты рассчитываются по формулам:

К Ф1 = (ln Ф1о – ln Ф1б) / (ln Ао – ln Аб);

К Ф2 = (ln Ф2о – ln Ф2б) / (ln Ао – ln Аб);

К Ф3 = (ln Ф3о – ln Ф3б) / (ln Ао – ln Аб),

где Ао, Аб – значение анализируемого показателя соответственно в базисном и отчетном периодах;

Ф1б, Ф2б, Ф3б – значение факторов в базисном периоде;

Ф1о, Ф2о, Ф3о – значение факторов в отчетном периоде.

Метод взвешенных конечных разностей чаще используется для двухфакторных моделей. При этом разница, рассчитанная при изменении положения факторов, делится пополам и прибавляется к наименьшему значению факторного влияния.

Предположим, что мультипликативная модель имеет вид

А = В * С.

Тогда значение факторных отклонений А в и А с рассчитывается следующим образом:

А в = ∆ В * Со + (∆ В * ∆ С) / 2;

А с = ∆ С * В о + (∆ В * ∆ С) / 2,

где ∆ В, ∆ С – изменение показателей – факторов за период;

В о, С о – базисное значение показателей – факторов.

1.4. Методы долевого участия и выравнивания начальных точек анализа

При помощи метода долевого участия определяется влияние изменения структурных сдвигов на итоговый показатель. Рассмотрим пример.

Предприятие выпускает продукцию трех видов – А, Б и В. Продукция имеет разную рентабельность. Соответственно, общий финансовый результат может измениться за счет изменения количества продукции или рентабельности единицы продукции.

Прибыль = Прибыль на ед. продукции * Количество продукции

Для упрощения примера предположим, что рентабельность единицы продукции не изменялась [6, c.53].

Таблица 1.3

Прибыль условная определяется умножением условного количества (фактическое количество по базисной структуре) на сумму прибыли, которая приходится на единицу продукции.

В результате расчетов можно сделать следующие выводы:

Если бы изменилось количество выпускаемой продукции (120 единиц вместо 70), а структура выпуска осталась бы прежней, то прибыль составила бы 704 р. Следовательно, влияние изменения количества продукции:

704 – 410 = + 310 р.

Однако изменилась и структура, и фактическая прибыль составила 540 р. Следовательно, влияние изменения структуры выпуска:

540 – 704 = - 164 р.

Вывод: изменение структуры выпуска неблагоприятно сказалось на финансовых результатах деятельности условного предприятия.

Метод выравнивания начальных точек анализа достаточно широко используется при анализе переменных затрат. Сущность данного приема заключается в исчислении так называемой аналитической суммы переменных затрат.

З = (З о.п. – З ан) + (З ан. – З б.п.),

Относительное Допустимое

отклонение отклонение

где З о.п. – переменные затраты отчетного периода;

З б.п. – переменные затраты базисного периода;

З ан. - аналитические затраты, которые определяются как произведение затрат базисного периода на индекс изменения объема работ предприятия:

З ан. = З б.п. * Объем работ о.п. / Объем работ б.п.

Допустимые отклонения со знаком плюс показывают, какую сумму пришлось дополнительно израсходовать за счет увеличения объема работ. Те же отклонения с минусом показывают, какую сумму необходимо было сэкономить в связи с уменьшением объема работ.

Относительные отклонения со знаком плюс показывают, какая сумма была излишне израсходована за счет изменения других факторов, кроме объема работ. Те же отклонения со знаком минус показывают, какая сумма была реально сэкономлена предприятием.

2. МЕТОДЫ АНАЛИЗА СТОХАСТИЧЕСКИХ МОДЕЛЕЙ

Стохастические модели – это модели вероятностные. При этом в результате расчетов можно сказать с достаточной степенью вероятности, каково будет значение анализируемого показателя при изменении фактора. Самое частое применение стохастических моделей – прогнозирование. Основные методы их анализа – методы экспертных оценок, корреляционный анализ и методы экстраполяции временных рядов.

2.1. Методы экспертных оценок

Под экспертными оценками понимают эвристические оценки, основанные на опыте и интуиции эксперта. Широкое распространение метода было обусловлено сложностью и многофакторностью экономических измерений.

Выделяют два уровня использования экспертных оценок – количественный и качественный. На качественном уровне эксперты выражают свое мнение о тенденции изменения показателей, а на качественном – составляют прогноз вероятных результатов.

Различают индивидуальные и групповые экспертные оценки. Групповые оценки снижают риск субъективности, так как результат оценки тесно связан с личностью эксперта.

При отборе экспертов необходимо провести их оценку при помощи тестирования, самооценки или взаимной оценки экспертами друг друга. По результатам оценки можно рассчитать так «весовой коэффициент» значимости оценки каждого эксперта. Значение его будет прямо пропорционально степени компетентности эксперта [2, c.42].

Важной характеристикой качества результата экспертизы считают согласованность мнения экспертов, которую оценивают по величине коэффициента конкордации Кендалла:

W = 12 * S / ( n 2 * ( m3 – m)),

где S – сумма квадратов отклонений всех оценок рангов каждого объекта экспертизы от среднего арифметического;

n – число экспертов;

m - число объектов экспертизы.

Коэффициент конкордации изменяется в диапазоне от 0 до 1, причем 1 соответствует полной согласованности мнений экспертов.

Различают следующие методы экспертных оценок:

1.Попарное сравнение. В этом случае эксперту предлагается сравнить объекты исследования по принципу «лучше или хуже» и построить ранжированный ряд. При выполнении оценки эксперт сравнивает пары объектов, отдавая предпочтение одному из них. Предпочтение обозначается 1, в противном случае – 0. Результаты сводятся в таблицу следующего вида:

Таблица 2.1.

В первой строке оценивается объект 1 по сравнению с объектами 2,3,4,5,6. Видно, что объект 1 предпочтительнее, чем объекты 2,4,5 и 6, но проигрывает объекту 3.

Сумма баллов по строке показывает общую оценку объекта и позволяет ранжировать их по степени предпочтительности. В приведенном примере объекты 1 и 2 получают равные оценки, самым лучшим является объект 3, самым неудачным – объект 5.

2. Метод интервью. Заключается в том, что эксперт высказывает свое мнение в виде ответов на вопросы другого эксперта. Результаты в данном случае в большей степени зависят от интуиции эксперта, так как времени на размышление отводится очень мало.

3. Метод «Дельфи» . Предполагает проведение экспертизы в несколько этапов и работу нескольких изолированных групп экспертов. На первом этапе каждая группа экспертов высказывает свое мнение, затем все оценки анализируются. Из предложенных оценок выбираются крайние значения, которые вновь подвергаются уже совместной экспертизе. Обычно требуемый уровень согласованности достигается на втором этапе, но при необходимости анализ крайних оценок можно повторить.

4. Метод «мозговой атаки». Сущность метода заключается также в изолированной работе как минимум двух групп экспертов. После того как каждая группа вынесет заключение, результаты экспертизы передают второй группе, которая пытается высказать обоснованные критические замечания по прогнозу коллег. В результате дебатов составляется согласованное мнение.

5. Метод «635». Так же, как и метод интервью, полагается более на интуицию экспертов. Группе из шести экспертов за три минуты предлагается высказать пять вариантов развития ситуации (отсюда и название метода, хотя количество экспертов, время и количество версий могут варьироваться). Те варианты, которые встречаются у всех (или у большинства) экспертов, и принимаются за основу.

6. Имитационное моделирование. Один из самых «творческих» методов экспертных оценок. Заключается в построении так называемого «дерева решений». Пытаясь предположить развитие ситуации, эксперты на каждом шаге пытаются предугадать все возможные последствия именно такого варианта.

2.2. Методика проведения корреляционного анализа

Проводится в несколько этапов. На первом этапе необходимо составить выборку фактических данных о значении фактора и соответствующих значений анализируемого показателя. Чем больше исходных данных, тем точнее будут результаты расчетов. Минимальное количество наблюдений – 8, оптимальное – около 30. Результаты наблюдения ранжируются в порядке увеличения показателя-фактора. Затем рассчитываются среднеквадратичные и нормированные отклонения. Обозначим анализируемый показатель У, показатель - фактор Х.

Среднеквадратичные отклонения: