Основные виды и методы финансового планирования

 Менеджеры часто приходят к выводу о том, что подготовка согласованного сводного прогноза — сложное и весьма трудоемкое дело. Однако значительная часть расчетов может быть автоматизирована благодаря использованию компьютерных программ. Обдумывая различные факторы в процессе принятия решения, менеджеры с помощью современных пакетов прикладных программ могут быстро увидеть их возможное влияние и соответствующим образом изменить расстановку акцентов. Здесь заложены огромные потенциальные возможности для принципиального совершенствования процесса прогнозирования. 
 
 
 
 
 
 

Заключение

 Основными критериями при оценке эффективности модели, используемой в прогнозировании, служат точность прогноза и полнота представления будущего финансового состояния предприятия. С точки зрения полноты, безусловно наилучшими являются методы, позволяющие построить прогнозные формы отчетности. В этом случае будущее состояние предприятия можно проанализировать не менее детально, чем его настоящее положение. Вопрос с точностью прогноза несколько более сложен и требует более пристального внимания. Точность или ошибка прогноза - это разница между прогнозным и фактическим значениями. В каждой конкретной модели эта величина зависит от ряда факторов.

 Чрезвычайно важную роль играют исторические данные, используемые при выработке модели прогнозирования. В идеале желательно иметь большое количество данных за значительный период времени. Кроме того, используемые данные должны быть "типичными" с точки зрения ситуации. Стохастические методы прогнозирования, использующие аппарат математической статистики, предъявляют к историческим данным вполне конкретные требования, в случае невыполнения которых не может быть гарантирована точность прогнозирования. Данные должны быть достоверны, сопоставимы, достаточно представительны для проявления закономерности, однородны и устойчивы.

 Точность прогноза однозначно зависит от правильности выбора метода прогнозирования в том или ином конкретном случае. Однако это не означает что в каждом случае применима только какая-нибудь одна модель. Вполне возможно, что в ряде случаев несколько различных моделей выдадут относительно надежные оценки. Основным элементом в любой модели прогнозирования является тренд или линия основной тенденции изменения ряда. В большинстве моделей предполагается, что тренд является линейным, однако такое предположение не всегда закономерно и может отрицательно повлиять на точность прогноза. На точность прогноза также влияет используемый метод отделения от тренда сезонных колебаний - сложения или умножения. При использовании методов регрессии крайне важно правильно выделить причинно-следственные связи между различными факторами и заложить эти соотношения в модель.

 Важно помнить, что ошибки прогноза строк отчетности и ошибки определения по ним результативных показателей (финансовых коэффициентов) в большинстве случаев не совпадают. Действительно, пусть какой-либо коэффициент F определяется следующим образом:

F = ( x + y ) / z , (1.4)

где x, y, z - некоторые строки бухгалтерского или аналитического баланса.

Это достаточно типичный вид для финансовых показателей. И пусть абсолютные ошибки прогноза строк составляют соответственно dx, dy, dz. Тогда абсолютная ошибка прогноза F будет равна:  (1.5)

Для относительной  ошибки на основании формул (1.4) и (1.5) получим:

 (1.6)

То есть, если, например, точность прогноза каждой из строк x, y и z составила 10%, то, положив x=y, из формулы (1.6) получим точность определения F.

 Таким образом, точность прогноза финансовых коэффициентов в методах, основывающихся на построении прогнозной отчетности, всегда ниже точности, с которой определяются сами прогнозные значения строк отчетности. Поэтому, если аналитик, как это и должно быть, имеет определенные требования к точности определения финансовых коэффициентов, то должен быть выбран метод, обеспечивающий еще более высокую точность прогноза строк отчетности.

 Прежде чем использовать модель для составления реальных прогнозов, ее необходимо проверить на объективность, с тем чтобы обеспечить точность прогнозов. Этого можно достичь двумя разными путями:

1. Результаты, полученные с помощью модели, сравниваются с фактическими значениями через какой-то промежуток времени, когда те появляются. Недостаток такого подхода состоит в том, что проверка "беспристрастности" модели может занять много времени, так как по-настоящему проверить модель можно только на продолжительном временном отрезке.
2. Модель строится исходя из усеченного набора имеющихся исторических данных. Оставшиеся данные можно использовать для сравнения с прогнозными показателями, полученными с помощью этой модели. Такого рода проверка более реалистична, так как она фактически моделирует прогнозную ситуацию. Недостаток этого метода состоит в том, что самые последние, а следовательно, и наиболее значимые показатели исключены из процесса формирования исходной модели.

 В свете вышесказанного относительно проверки модели становится ясным, что для того, чтобы уменьшить ожидаемые ошибки, придется вносить изменения в уже существующую модель. Такие изменения вносятся на протяжении всего периода применения модели в реальной жизни. Непрерывное внесение изменений возможно в том, что касается тренда, сезонных и циклических колебаний, а также любого используемого причинно-следственного соотношения. Эти изменения затем проверяются с помощью уже описанных методов. Таким образом, процесс оформления модели включает в себя несколько этапов: сбор данных, выработку исходной модели, проверку, уточнение - и опять все сначала на основе непрерывного сбора дополнительных данных с целью обеспечения надежности модели в качестве источника прогнозной информации о финансовом положении предприятия.

 При разработке любой из моделей прогнозирования предполагается, что ситуация в будущем не будет сильно отличаться от настоящей. Другими словами, считается, что все значимые факторы либо учтены в модели прогнозирования, либо неизменны в течение всего периода времени, на котором она используется. Однако модель - это всегда огрубление реальной ситуации путем отбора из бесконечного количества действующих факторов ограниченного числа тех из них, которые считаются наиболее важными исходя из конкретных целей анализа. Точность и эффективность построенной модели будут напрямую зависеть от правильности о обоснованности такого отбора. При использовании модели для прогнозирования следует помнить о существовании факторов, сознательно или несознательно не включенных в нее, которые тем не менее оказывают влияние на состояние предприятия в будущем.