Компьютерная бухгалтерия на малом предприятии

          - коэффициент  оборачиваемости всех активов: 

      - коэффициент оборачиваемости товарных  запасов:

          

      3) анализ дебиторской и кредиторской задолженности.

    Особенно  важен анализ финансового состояния при заключении контрактов с иностранными фирмами. Для иностранных партнеров необходима информация о финансовом состоянии поставщика, способностях исполнения условий долгосрочных контрактов.

    Комплексный анализ финансово-хозяйственной деятельности позволяет контролировать продажи по объему и эффективности, эффективность деятельности, проводить оценку изменений в финансовом состоянии. На основании результатов анализа становится возможным оперативное управление деятельностью организации, выработка стратегии и тактики развития организации, обоснование планов и управленческих решений, контроль за их выполнением, выявление резервов повышения эффективности деятельности организации.

    В настоящее время становится возможным  планирование с помощью автоматизированных программ на основе корреляционного и регрессионного анализа. Наиболее известной и применяемой программой является программа  электронных таблиц Microsoft Excel.

    Наиболее  существенными достоинствами пакетов  общего назначения являются: эффективное моделирование различных сценариев развития коммерческой организации; возможности математического, статистического и графического анализа данных; развитый интерфейс с другими программными продуктами и т.п.

      Применение данных программ делает возможным на основе изучения временных рядов прогнозирование показателей деятельности на ближайшие отчетные периоды. [26. С. 3-7]

    Построим  прогноз выручки от реализации товаров  на первое полугодие 2004 года.

    ООО «Барселона» может прогнозировать только доходы от реализации, так как основные расходы реализуемых товаров – это их покупная стоимость, которая зависит от цен, устанавливаемых поставщиками.

    Сформируем  базу данных, то есть, определим факторы, которые будут включены в модель.

     Объем реализации – это зависимая переменная У.

     В качестве независимых переменных выбраны:

     индекс  потребительских расходов – Х₁, расходы на продажу – Х₂, себестоимость товаров – Х₃.

     Объем реализации берется за период, равный 12  месяцам.

     Приведем  статистические данные в табл. 3.1.

Таблица 3.1

     Статистические  данные для корреляционного анализа 

 

     При проведении корреляционного анализа  в «Пакете анализа» EXCEL была получена матрица коэффициентов множественной корреляции (табл. 3.2.).

Таблица 3.2.

     Матрица коэффициентов множественной корреляции 

 

    Анализ  матрицы коэффициентов множественной корреляции показывает, что зависимая переменная, то есть объем реализации, имеет тесную связь с себестоимостью товаров (r_yx3= 0,999362) и с индексом потребительских расходов (r_yx1 =0,501181).  Расходы на продажу имеют с объемом реализации слабую связь (коэффициент корреляции меньше 0,4).

    После исключения модель имеет следующий  вид (табл. 3.3).

     Таблица 3.3

   Применение  инструмента Регрессия 

     Продолжение таблицы 3.3

 

    Проведем  регрессионный анализ. Для этого  необходимо применить инструмент «Регрессия», который также находится в «Пакете анализа» EXCEL.

    После проведения регрессионного анализа  получены следующие данные.

     Таблица 3.4

     Регрессионная статистика 

 

     Таблица 3.5

     Дисперсионный анализ 

 

Таблица 3.6

   Вывод итогов 

     Уравнение регрессии зависимости объема реализации от себестоимости товаров и времени, полученное с помощью EXCEL, имеет вид:

     У = -169,776 + 2,575Х₁ + 1,206Х₃

     Таблица 3.7

     Вывод остатка 

 

    Исходя  из полученных данных, рассчитаем прогнозные оценки объема реализации на 6 месяцев  вперед.

      Для построения прогноза выбрать модель с наибольшим значением  R² .

     Рис. 3.1. Выбор тренда для прогнозного ряда «себестоимость товаров» 

      Для этого воспользуемся инструментом EXCEL – мастер диаграмм.  Необходимо построить график временного ряда, выделить тренд этого временного ряда и построить прогноз на 6 месяцев вперед. Вызвать «Мастер диаграмм». Выбрать тип диаграммы –  график. Построить два вида линий тренда – линейную, полиноминальную третьей степени.

      Для фактора Х₃ - себестоимость товаров – выбрана модель

У = 42,34Х²- 348,7Х + 992,5.

 По ней  построим прогноз на ближайшие  6 месяцев.

      Рис. 3.2 Прогнозный ряд себестоимости закупок товара

      Получен прогнозный ряд себестоимости закупок  товаров:

      Таблица 3.8

      Прогнозный  ряд себестоимости товаров 

       Такие же операции проведем и с показателем индекса потребительских цен. Выберем в качестве линии тренда полином второй степени.

      Получен следующий прогнозный ряд.

      Таблица 3.9

      Прогнозный  ряд индекса потребительских  цен