175766 (596102), страница 8

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

где - расшифровка затрат на закупку сырья и комплектующих изделия;

nq – количество данных в перечне расшифровки;

- расшифровка затрат на топливо и электроэнергию на технологические цели;

nw – количество данных в перечне расшифровки;

- расшифровка затрат на транспортно-заготовительные расходы;

nr – количество данных в перечне расшифровки;

- расшифровка затрат на транспортно-заготовительные расходы;

ng – количество данных в перечне расшифровки.

Таким образом, в левой части каждого уравнения данной математической модели находятся зависимые переменные управления, а в правой (в скобках) — независимые.

Разработаем математический аппарат, определяющий предложенные в математической модели (2.17) функциональные зависимости, учитывающие все необходимые для практического расчета цены изделия данные. Цена изделия определяется как функциональная зависимость, имеющая общий вид (2.17).

Построение математической модели, описывающей предложенную зависимость, в данной методике предлагается осуществлять методом регрессионного анализа, позволяющего установить функциональную зависимость между зависимой переменной (откликом) и независимыми переменными (факторами) в каждом из представленных в математической модели (2.17) уравнений.

Установление формы связей между зависимой и независимыми переменными, то есть выбор вида множественной регрессии может осуществляться на основе выдвинутой гипотезы о характере пропорциональности этих зависимостей, типе функций (линейные, нелинейные), виде функций (полиномиальные, степенные, показательные,...). Ориентиром для определения вида зависимостей являются экономическое содержание решаемой задачи, а также результаты наблюдений за поведением показателя относительно изменения факторов на основе исходных данных. Для приближения регрессионной модели к практическому применению представляется целесообразным привести ее к линейному виду. Как известно, линейные зависимости вида

наиболее просты для эконометрических исследований. Поэтому в случае нелинейного характера кривой путем линеаризации мы можем преобразовать нелинейные функции к линейным.

При построении множественной линейной регрессии необходимо учесть предпосылки множественной линейной регрессии (МЛР) (для каждой существует метод проверки и способ преобразования исходных данных, с целью удовлетворения их предпосылкам):

а) математической ожидание ошибок регрессии равно нулю: M(ei)=0;

б) гомоскедастичность (условие для дисперсии ошибок): D(ei)= D(ej)=s2 для любых i,j;

в) отсутствие автокорреляции ошибок: ei и ej независимы друг от друга при i!=j (i не равно j);

г) случайное отклонение не зависимо от объясняющих переменных: seixi=0;

д) модель линейна относительно параметров;

е) отсутствие мультиколлинеарности, то есть между объясняющими переменными (хi) отсутствует строгая (сильная) линейная зависимость; ж) все ошибки ei имеют нормальное распределение (необходимо только для статистических гипотез).

При не соблюдении хотя бы одной из предпосылок получаемая множественная линейная регрессия может быть недостаточно объективной, «накапливать» ошибку.

Множественная линейная регрессия имеет вид:

, (2.18)

где - моделируемое значение зависимой переменной (отклика) регрессии;

- значения независимых переменных (факторов) регрессии;

i – номер наблюдения, в котором определялось значение переменных (например, номер месяца или квартала определения цены при сквозной нумерации);

- искомые коэффициенты регрессии, при которых зависимая и независимые переменные будут удовлетворять уравнению регрессии.

Как правило, отдельные значения экономических данных не укладываются точно на прямую или на другую гладкую линию, то есть не всегда можно подобрать такие , при которых независимые и зависимая переменные при всех i будут удовлетворять (2.18) Поэтому уравнение вида (2.18) зачастую оказывается неадекватным целям, связанным с измерениями в экономике.

Эта проблема преодолевается введением в соотношение (2.18) стохастического члена (параметра ошибки) еi, представляющего собой отклонение моделируемого регрессией значения отклика от реального значения. Тогда линейное уравнение множественной регрессии для реального значения отклика примет вид:

, (2.19)

где - реальное значение отклика в i-ом наблюдении;

- отклонение моделируемого значения отклика от реального (ошибка регрессии).

Уравнение (2.19) есть линейная регрессионная модель (или линейное уравнение регрессии y на . Если мы имеем выборки и , где n – количество наблюдений над переменными (то есть количество кварталов (месяцев) в которых были произведены значения исходных данных), то математическая модель (2.19) принимает следующий вид:

(2.20)

где неизменными являются параметры и возмущения (ошибки) . Таким образом, имеем многомерную линейную регрессионную модель, представленную в матричном виде:

,(2.21)

где - вектор значений отклика;

- матрица факторов;

- вектор коэффициентов регрессии;

- вектор отклонений (ошибки) регрессии от реального значения

Задачей является нахождение такого вектора В, при котором уравнение (2.21) было бы истинным и выполнялись все предпосылки МЛР, указанные в предлагаемой методике выше.

Нахождение искомых коэффициентов В осуществляется методом наименьших квадратов. Данный метод представим в матричном виде:

(2.22)

Вычисление матриц XT, (XT·X)-1 и искомой В может быть легко осуществлено математическими программными средствами. Проанализируем полученную модель:

Регрессионный анализ позволяет определить коэффициенты регрессии b0, b1, b2, ..., bm . Необходимо оценить насколько надежны такие оценки.

Проверка качества уравнения регрессии:

1) Проверка общего качества уравнения регрессии (коэффициент детерминации R2);

2) Проверка статистической значимости коэффициентов регрессии (на основе Т-статистики).

Полученная математическая модель, определяет цены изделия на основе факторов внутреннего рынка. Теперь мы можем дополнить ее математическим аппаратом определения цены с учетом ее экспортной составляющей.

Ценообразование на внешнем рынке представляет собой более сложный процесс, чем на рынке национальном. На цену продвигаемого на зарубежный рынок товара влияет большое количество разных факторов.

Макроэкономические — сюда входит степень экономической интеграции, курс внутренней/внешней политики государств в период общемирового экономического цикла.

Микроэкономические — относящиеся непосредственно к конкретному товару, учитывающие специфику его производства порядок формирования себестоимости.

Отдельной группой можно выразить неэкономические факторы, влияющие на международную торговлю — это политическая ситуация, военные действия, эмбарго, национально-этнические различия на рынке.

Для определения экспортной цены на изделие, в исходную (базовую) модель расчета цены на внутреннем рынке необходимо включить ряд дополнительных переменных, являющихся ценообразующими при выходе предприятия на внешний рынок. Наибольшим весом обладают такие факторы как: спрос на экспортный товар ; величина издержек, связанных с производством и реализацией товара на экспорт ; уровень конкуренции на целевом сегменте мирового рынка ; базис поставки (IT); уровень мировой инфляции ; сроки поставки ; изменение обменного курса ; условия платежа ; скидки и надбавки ; величина комиссионного вознаграждения посреднику (МС).

Эти факторы можно разделить на постоянно действующие и случайные. Напомним, что основанием для отнесения параметров к категории постоянно действующих является возможность их мониторинга и включения в построенную модель.

Таким образом, среди факторов ценообразования на внутреннем и внешнем рынках в совокупности выделяются следующие группы постоянно и случайно действующих факторов (таблица ):

Таблица 1 - Факторы ценообразования

Таким образом, при выходе предприятия на мировой рынок в базовую модель ценообразования включается ряд дополнительных переменных, имеющих место в случае экспорта.

С учетом предложенных условных обозначений параметров экспортной цены, в математической модели необходимо предусмотреть дополнительную функцию экспортной составляющей цены изделия:

f = f (Dexp, Cexp, Cw, IT, hw, Texp, Re, PTexp, Discexp, MC) (2.23)

Представленная в данном параграфе модель позволяет обработать массив данных, полученных из самых разнообразных источников и преобразовать его в краткие ценовые сигналы, позволяющие руководству не просто прогнозировать ценовую составляющую стратегии фирмы, но решать задачи прикладного характера: планирования объемов выпуска продукции установление и оптимизация структуры себестоимости продукции, проведение результативных переговоров с поставщиками и т.д. Данные задачи могут быть успешно реализованы при условии использования настоящей модели в совокупности с должным образом собранной и подготовленной информацией. [22].

В тоже время в качестве основных выводов по главе, мы бы хотели подчеркнуть, что для изучения и использования на практике модели ценообразования необходим целый ряд ценовых показателей мирового рынка. В настоящее время созданы специальные источники данных практически для всех товаров и товарных групп по регионам и временным периодам (для сезонных товаров). Огромные возможности предоставляет сеть Internet, позволяющая в считанные минуты получить ориентировку практически на все поставляемые на мировой рынок товары. Однако это — ориентировочные цены, позволяющие экспортеру и импортеру иметь лишь стартовую площадку для переговоров по ценам поставки. Механизм же ценообразования остается прежним: анализ спроса и предложения, проект цены, исходя из ситуации на рынке, и формирование контрактной цены в ходе непосредственных переговоров поставщика и потребителя.

3 Анализ политики ценообразования на продукцию ОАО «Нижнекамскшина»

Характеристики

Список файлов ВКР