Автор работы: Пользователь скрыл имя, 09 Января 2012 в 13:38, курсовая работа
Цель данной работы заключается в изучении основных задач и показателей статистики финансов предприятий, а так же апробации известных статистических методов анализа и прогнозирования на примере финансовых показателей деятельности предприятий.
Введение
1. Понятие, значение и задачи анализа финансового состояния предприятия
2. Основные задачи статистики финансов предприятий
3. Статистическое изучение источников формирования и направлений использования финансовых ресурсов
4. Относительные показатели оценки эффективности финансовой деятельности предприятий
5. Основные подходы к анализу финансового состояния предприятия
6. Движение финансовых ресурсов
7. Проблемы формирования и использования финансовых ресурсов
8. Расчетная часть
Заключение
Список использованных источников
статистика финансовый прогнозирование
| Линейный тренд x | Квадратический тренд x | ||
| х^ = a0 +a1* t | х^^ = b0 + b1* t + b*t2 | ||
| a0 = | 16438,71 | b0 = | 269458,57 |
| a1 = | 41073,96 | b1 = | 4109,67 |
| b2 = | 1908420333761170 | ||
Чтобы выбрать,
какое из уравнений тренда (линейное
или квадратическое) лучше описывает
исходный ряд данных, строится вспомогательная
таблица для расчета так
В этой формуле:
– исходные значения уровня ряда;
– расчетные значения уровня ряда;
т.е.
f(t), где f(t) – уравнение соответствующей
функции.
Таблица 11. Вспомогательная таблица для расчета ошибок аппроксимации
| Периоды времени | Исходные данные | Расчетные данные | ||||
| y | t | y^ | y^^ | (y^ -y)2 | (y^^ - y)2 | |
| 2002 | 238493 | -3 | 1345563,20 | 1481316,10 | 1225604427728 | 1544609257893,6 |
| 2003 | 309008 | -2 | 1399385,70 | 701842,60 | 1188923528657 | 154319022957,2 |
| 2004 | 357579 | -1 | 1453208,20 | 255687,50 | 1201003343893 | 10381877772,3 |
| 2005 | 884868 | 0 | 1507030,70 | 142850,80 | 387086425271 | 550589525095,8 |
| 2007 | 1357806 | 1 | 1560853,20 | 363332,50 | 41228165428 | 988977542202,3 |
| 2008 | 1273415 | 2 | 1614675,70 | 917132,60 | 116458865364 | 126937148549,8 |
| 2010 | 2778551 | 3 | 1668498,20 | 1804251,10 | 1232217218788 | 281786965063,2 |
| S | 7200320 | 0 | 10549214,90 | 5666413,20 | 5391921975129 | 3657601339534,1 |
| Вид уравнения тренда | Ошибка | |
| y^ = a0 + a1* t | s 1= | 8776528,60 |
| y^^ = b0 + b1* t + b2*t2 | s 2= | 6565569,50 |
Таблица 12. Расчет прогнозных значений по тренду
| Вид уравнения тренда | Прогноз | Ошибка |
| y^ = a0 + a1* t | 1776143,5 | 8776528,60 |
| y^^ = b0 + b1* t + b2*t2 | 4578443,3 | 6565569,50 |
Вывод:
Из двух прогнозных
значений более достоверным является
y** = 6565569,5 так как ошибка аппроксимации
для него меньше.
Таблица 16. Вспомогательная таблица для расчета ошибок аппроксимации
| Периоды | Исходные данные | Расчетные данные | ||||
| времени | x | t | 2950075,2 | x^^ | (x^ - x)2 | (x^^-х)2 |
| 2002 | 137582 | -3 | 58273090,0 | 17175783004107700 | 59714336309 | 2950075,2 |
| 2003 | 140668 | -2 | 3642068,0 | 7633681335305920 | 42591552807 | 58273090,0 |
| 2004 | 144858 | -1 | 1572982,5 | 1908420334026520 | 28727961795 | 3642068,0 |
| 2005 | 144040 | 0 | 3642068,0 | 269459 | 16282089209 | 1572982,5 |
| 2007 | 136715 | 1 | 582773090,0 | 1908420334034740 | 6273009077 | 3642068,0 |
| 2008 | 130572 | 2 | 2950075,2 | 7633681335322360 | 10230638940 | 582773090,0 |
| 2010 | 108670 | 3 | 655803448,9 | 17175783004132300 | 960416668 | 2950075,2 |
| ∑ | 943105 | 0 | 16438,71 | 53435769347199000 | 164780004805 | 655803448,9 |
| Ошибки аппроксимации и прогнозные значения для разных уравнений тренда | ||
| Вид уравнения тренда | Ошибка | |
| x^ = a0 + a1* t | s 1= 153427,51 | |
| x^^ = b0 + b1* t + b*t2 | s 2 9679,164= | |
| Вид уравнения тренда | Прогнозные значения | |
| x^ = a0 +a1* t | x* = 221808,51 | |
| x^^ = b0 + b1* t + b*t2 | x** = 1,9213572218 | |
Вывод:
Из двух прогнозных значений более достоверным является x** = 1,9213572218 так как ошибка аппроксимации для него меньше.
Расчет параметров парной линейной регрессии
Для расчета параметров уравнения парной линейной регрессии y = a0+a1x составляется система нормальных уравнений:
na0 + a1Σx = Σy;
a0Σx + a1Σx2 = Σxy.
Решают с помощью
метода определителей. В результате
получаются следующие формулы для
расчета параметров уравнения парной
линейной регрессии:
Построим вспомогательную таблицу. Обозначать их параметры разными буквами. Поэтому заменим a0 на k0 и a1 на k1.
Рассчитаем соответствующие суммы и подставим Σx, Σy, Σx2, Σxy в формулы для расчета параметров парной линейной регрессии:
В результате расчетов получаем следующие значения параметров регрессии:
| Параметры регрессии | ||
| k0 = | 14004771,9 | |
| k1 = | 63335,6 | |
| Ошибка аппроксимации | ||
| s5= | 3692,48 | |
| s2y= | 7761508,3 | |
| s2= yx | 7638683,7 | |
| R2 = | 0,98 | |
R2 = 7638683,7 /7761508,3 = 0,98
Вывод:
Ошибка аппроксимации равна 0,98
т.е. менее 10 % среднего значения y, равного
16438,71. Допустимо, если ошибка аппроксимации
не превышает 10-15% от среднего значения
результативного показателя. Индекс детерминации
равен 0,98, то есть очень близок к 1. Значит,
построенное уравнение регрессии является
значимым, то есть описывает существенную
зависимость между показателями.
Таблица 17. Вспомогательная таблица для расчета параметров уравнения парной линейной регрессии (y = k0 + k1*x )
| Исходные данные | Вспомогательные расчеты | Расчет дисперсии фактических значений y | Расчет дисперсии расчетных значений yx | ||||||
| Расчет параметров |
| ||||||||
| x | y | x2 | xy | yx=k0+k1*x | (y - yx)2 | ||||
| 137582 | 238493 | 18928806724 | 32812343926 | 8727848794 | 761711815727542 | -854159 | 729587597281 | 8726756142 | 76156272768567100000 |
| 140668 | 309008 | 19787486224 | 43467537344 | 8923302579 | 796198142756026 | -783644 | 614097918736 | 8922209927 | 79605829988952006000 |
| 144858 | 357579 | 20983840164 | 51798178782 | 9188678911 | 844252489004537 | -735073 | 540332315329 | 9187586259 | 84411741266933100000 |
| 144040 | 884868 | 20747521600 | 127456386720 | 9136870358 | 834662308643545 | -207784 | 43174190656 | 9135777706 | 83462434284310800000 |
| 136715 | 1357806 | 18690991225 | 185632447290 | 8672936795 | 751962821537946 | 265154 | 70306643716 | 8671844143 | 75200880831811600000 |
| 130572 | 1273415 | 17049047184 | 166272343380 | 8283865958 | 686013392330279 | 180763 | 32675262169 | 8282773306 | 68604333638254900000 |
| 108670 | 2778551 | 11809168900 | 301945137170 | 6896688771 | 475259981172841 | 1685899 | 2842255438201 | 6895596119 | 47549245832230500000 |
| 943105 | 7200320 | 127996862021 | 68905323943135 | 59746163534 | 356874379758234 | 6107068 | 37296279556624 | 59745070882 | 3569473494707150000000 |
Расчет прогноза результирующего показателя y по регрессии
Рассчитанные
параметры уравнений тренда для
определения прогнозного
| Ошибки аппроксимации и прогнозные значения для разных уравнений тренда | |||
| Вид уравнения тренда | Ошибка | ||
| x= a0 + a1* t | s1 = | 153427,51 | |
| x = b0 + b1* t + b2*t2 | s 2= | 9679,164 | |
| Прогноз по линейному тренду | x* = | 221808,51 | |
| Прогноз по квадратическому тренду | x**= | 1,9213572218 | |
Вывод:
Что более достоверным для показателя x является прогнозное значение по квадратическому тренду x**= 1,9213572218, так как для него ошибка аппроксимации меньше. Именно его и подставляем его в уравнение регрессии. Подставляем это число вместо x в уравнение: y = 14004771,9+ 63335,6x, получаем y***= 14125107.
Вывод (заключительный): Были рассчитаны тремя способами три разных прогнозных значения показателя y. По линейному тренду: y* =8776528,6; по квадратическому тренду y** = 6565569,5 и по уравнению регрессии y***=14125107.
Наиболее достоверным представляется прогнозное значение 6565569,5, рассчитанное по уравнению квадратического тренда, так как для данного уравнения ошибка аппроксимации наименьшая.
В целом следует
сделать вывод о том, что от
способа расчета зависит
Заключение
Финансы предприятий различных форм собственности, являясь основой единой финансовой системы страны, обслуживают процесс создания и распределения общественного продукта и национального дохода.