Управление прибылью 2 (стр. 11 из 15)

Начнем с прямых затрат, то есть затрат на сырье и материалы, как имеющих наибольшую долю в структуре себестоимости продукции организации. Для снижения затрат на сырье и материалы необходимо разработать и выдать задания технологическим службам по достижению заданной себестоимости изделия за счет снижения массы изделий, замены дорогих материалов более дешевыми при сохранении рабочих характеристик, службе снабжения - по снижению затрат на приобретение сырья и материалов. Необходимо утвердить перечень контрольных цен на сырье и материалы, составить приоритетный список поставщиков материалов, комплектующих за счет прямой поставки.

Службе снабжения остается обеспечить выполнение задания по закупке материалов и ПКИ в соответствии с утвержденными ценами.

Еще одним направлением в рамках снижения себестоимости является размещение однотипных заказов не у нескольких мелких поставщиков, а у одного крупного. С одной стороны это приводит к риску зависимости от одного поставщика. Но с другой стороны размещение крупного заказа позволит добиться значительных скидок и сэкономить на транспортных расходах за счет доставки крупных партий сырья.

В настоящее время ОАО «Благовещенский арматурный завод» осуществляет закупу сырья – лома черных металлов по цене 1000 руб./кг. с отсрочкой платежа до 20 дней. При расчетах за поставляемое сырье с авансированием в 5 рабочих дней себестоимость сырья снижается до 900 руб./кг., но дефицит оборотных средств не позволяет закупать сырье в предоплату. За счет оптимизации оборотных средств нужно найти возможность приобретать сырье в предоплату по более низкой закупочной цене. Экономическая эффективность от данного мероприятия будет рассмотрена в третьем параграфе настоящей главы работы.

Еще одним мероприятием, которое предлагается осуществить, является оптимизация оборотных средств. При оптимизации оборотных средств возможно несколько направлений деятельности.

В настоящее время ОАО «Благовещенский арматурный завод» берет краткосрочные кредиты в Сбербанке под 14% годовых. Минимально возможная процентная ставка по краткосрочным кредитам в Сбербанке 12%, в УралСибе - 10,75% годовых. Завод является крупным заемщиком, поэтому необходимо добиться минимальной ставки процентов за кредит - 10,75%.

Снижение суммы заемных средств возможно в случае снижения запасов готовой продукции. Так в 2004 г. запасы готовой продукции увеличились на 114 млн.руб., что по сумме сопоставимо с привлеченными кредитами. ОАО «БАЗ» не является сезонным, поэтому такое значительное увеличение запасов можно объяснить только отсутствием контроля за размерами запасов. Размер банковских кредитов ограничен, поэтому высвобожденные в результате оптимизации средства можно направить на увеличение объемов производства ликвидной продукции, которая востребована на рынке, но из-за дефицита оборотных средств ее производство ограничено.

3.2. Прогнозирование прибыли с использованием ЭММ

Одним из инструментов экономического анализа в настоящее время, является экономико-математическое моделирование. Экономико-математическое моделирование представляет собой метод исследования экономико-математических моделей, с помощью экономико-математических методов.

В экономической деятельности достаточно часто требуется не только получить прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов, а также возможные последствия их изменений в будущем. Для решения этой задачи предназначен аппарат корреляционного и регрессионного анализа [20, с. 118].

Особенностью деятельности является работа в условиях недостатка информации и неполноты исходных данных для организации оптимального управления организацией. Широкое распространение в практике финансово-экономического анализа получил пакет прикладных программ «Excel».

Корреляционный анализ является статистическим методом, который применяется тогда, когда данные наблюдений можно считать случайными и выбранными из генеральной совокупности, имеющей нормальный закон распределения [30, с. 186]. Основная задача анализа заключается в выявлении формы и степени тесноты связи между показателями, включенными в исследование. Связь между зависимой переменной Y (i) и n независимыми факторами можно охарактеризовать функцией регрессии Y (i) = f (X1, X2, …, X_m), которая показывает, каким будет в среднем значение переменной Y, если переменные X примут конкретное значение. Это обстоятельство позволяет применять модель регрессии не только для анализа, но и для прогнозирования.

При проведении корреляционного анализа вся совокупность данных рассматривается как множество переменных (факторов), каждая из которых содержит n наблюдений. Основными средствами анализа данных являются парные коэффициенты корреляции, частные коэффициенты корреляции и множественные коэффициенты корреляции.

Кроме того, с помощью корреляционного анализа решаются задачи:

- отбор факторов, оказывающих наиболее существенное влияние на результативный признак, на основании измерения степени связи между ними;

- обнаружение ранее известных причинных связей, установление численного значения связей и достоверность суждений об их наличии [8, с. 16].

Целью экономической деятельности ОАО «БАЗ» является получение прибыли, поэтому в качестве результативного признака задачи выберем показатель фактической прибыли (Y) , зависящую от факторов:

X₁ - объем производства клапанов предохранительных;

X₂ - объем производства клапанов обратных поворотных;

X₃ - объем производства задвижек стальных;

X₄ - объем производства ПУ;

X₅ - объем производства БПК с ПУ;

X₆ - объем производства литья стального;

X₇ - объем производства штамповок стальных;

X₈ - объем производства поковок стальных;

X₉ - выручка;

X₁₀ - доля постоянных расходов в выручке;

X₁₁ - доля коммерческих расходов в выручке.

Данные приведены поквартально за 2003 г.-2004 г. в таблице 8 (Приложение 6).

Осуществим выбор наиболее значимых признаков для построения регрессионной модели (на основе корреляционного анализа), оценим влияние факторов на зависимую переменную по модели и построим точечный и интервальный прогноз результирующего показателя прибыли ОАО «БАЗ».

Выбор наиболее значимых признаков проведен на основе корреляционного анализа с помощью MS «Excel». В меню «Сервис» выбираем «Анализ данных», «Корреляция» (рис.3).

Рис.3 Диалоговое окно «корреляция»

Представим результаты корреляционного анализа в таблице 9 (Приложение 7).

Одним из условий регрессионной модели является предположение о линейной независимости объясняющих переменных, т.е., решение задачи возможно лишь тогда, когда столбцы и строки матрицы исходных данных линейно независимы. Для экономических показателей это условие выполняется не всегда. Линейная или близкая к ней связь между факторами называется мультиколлинеарностью и приводит к линейной зависимости нормальных уравнений, что делает вычисление параметров либо невозможным, либо затрудняет содержательную интерпретацию параметров модели. Мультиколлинеарность может возникать в силу разных причин. Например, несколько независимых переменных могут иметь общий временной тренд, относительно которого они совершают малые колебания. В частности, так может случиться, когда значения одной независимой переменной являются лагированными значениями другой. Считают явление мультиколлинеарности в исходных данных установленным, если коэффициент парной корреляции между двумя переменными больше 0,8. Чтобы избавиться от мультиколлинеарности, в модель включают лишь один из линейно связанных между собой факторов, причем тот, который в большей степени связан с зависимой переменной.

Между факторами мультиколлинеарность отсутствует. Таким образом, все переменные являются независимыми.

Расчеты по построению уравнения регрессии выполнены на компьютере, с применением ППП «Excel». В пакете «Анализ данных» на основе исходных данных из таблицы 8 простроим регрессию (рис.4).

Рис.4 Диалоговое окно «регрессия»

Результаты расчетов приведены в таблице 10.

Таблица 10

Оценка значимости коэффициентов регрессии для модели

№ п/п	Переменные	Коэффи циенты	Стандартная ошибка	t-статистика	Нижние 95%	Верхние 95%
1	2	3	4	5	6	7
1.	Y-пересечение	0
2.	Переменная X 1	6,368399	6,28E-12	1,01E+12	6,368399	6,368399
3.	Переменная X 2	7,960512	0	65535	7,960512	7,960512
4.	Переменная X 3	-1,94476	5,27E-12	-3,7E+11	-1,94476	-1,94476
5.	Переменная X 4	258,0852	2,52E-10	1,02E+12	258,0852	258,0852
6.	Переменная X 5	8,326624	1,73E-10	4,81E+10	8,326624	8,326624
7.	Переменная X 6	-0,00852	1,96E-11	-4,4E+08	-0,00852	-0,00852
8.	Переменная X 7	-129,802	2,49E-10	-5,2E+11	-129,802	-129,802
9.	Переменная X 8	401,2782	6,64E-10	6,04E+11	401,2782	401,2782
10.	Переменная X 9	0,113202	6,07E-14	1,86E+12	0,113202	0,113202
11.	Переменная X 10	-179936	0	65535	-179936	-179936
12.	Переменная X 11	1410560	4,82E-06	2,93E+11	1410560	1410560

Таблица содержит следующие столбцы: