Анализ деловой активности ООО "Художественные материалы" (стр. 5 из 6)

3. Коэффициент оборачиваемости материальных оборотных активов (КоМОА):

КоМОА =

= = 4,854

4. Коэффициент оборачиваемости готовой продукции (КоГП):

КоГП =

= = 7,791

5. Коэффициент оборачиваемости дебиторской задолженности (КоДЗ):

КоДЗ =

= = 17,065

6. Средний срок оборота дебиторской задолженности (Д1,ОДЗ):

Д1,ОДЗ =

= 21

7. Коэффициент оборачиваемости кредиторской задолженности (КоКЗ):

КоКЗ =

= = 4,254

8. Средний срок оборота кредиторской задолженности (Д1,ОКЗ):

Д1,ОКЗ = =86

9. Коэффициент фондоотдачи основных средств и прочих внеоборотных активов (ФоОС):

ФоОС =

= = 7,045

10. Коэффициент оборачиваемости собственного капитала (КоСК):

КоСК =

= = 9,118

Таблица 2 Коэффициенты деловой активности по предприятию ООО «Художественные материалы»:

Показатели	2006 год	2007 год	Отклонения
1.Коэффициент общей оборачиваемости капитала (КоА)	2,801	2,424	-0,377
2.Коэффициент оборачиваемости оборотных (мобильных) активов (КоОА)	4,448	3,695	-0,753
3.Коэффициент оборачиваемости мате-риальных оборотных активов (КоМОА)	5,828	4,854	-0,974
4.Коэффициент оборачиваемости готовой продукции (КоГП)	10,651	7,791	-2,86
5.Коэффициент оборачиваемости дебитор-ской задолженности (КоДЗ)	20,083	17,065	-3,018
6.Средний срок оборота дебиторской задолженности (Д1,ОДЗ)	18	21	3
7.Коэффициент оборачиваемости кредито-рской задолженности (КоКЗ)	4,687	4,254	-0,433
8.Средний срок оборота кредиторской задолженности (Д1,ОКЗ)	78	86	8
9.Коэффициент фондоотдачи основных средств и прочих внеоборотных активов (ФоОС)	7,564	7,045	-0,519
10.Коэффициент оборачиваемости собствен-ного капитала (КоСК)	11,413	9,118	-2,295

Коэффициент оборачиваемости капитала уменьшился на 0,377 пункта, что свидетельствует о снижении скорости всего капитала ООО «Художественные материалы». Коэффициент оборачиваемости мобильных средств также снизился на 0,753 пункта, что говорит об уменьшении скорости оборота мобильных активов. Коэффициент оборачиваемости материальных оборотных активов снизился на 0,974 пункта, что свидетельствует о снижении скорости оборота материальных оборотных активов. Коэффициент оборачиваемости готовой продукции снизился на 2,86 пункта, что означает снижение спроса на художественные материалы. Коэффициент оборачиваемости дебиторской задолженности уменьшился на 3,018 пункта, что свидетельствует о сокращении оказания услуг в кредит, но при этом коэффициент оборачиваемости кредиторской задолженности снизился на 0,433 пункта, что означает рост покупок в кредит. Коэффициент фондоотдачи основных средств и прочих внеоборотных активов снизился на 0,519 пункта, что свидетельствует о снижении эффективности использования основных средств и прочих внеоборотных активов. Коэффициент оборачиваемости собственного капитала существенно снизился на 2,295 пункта, что отражает тенденцию к бездействию части собственного капитала.

3. Экономические возможность для повышения деловой активности организации

Получение надежных оценок будущих показателей, например, спроса на товары, стоимости материалов или готовой продукции, величины затрат — важный этап в процессе принятия текущих и долгосрочных управленческих решений. Выше были рассмотрены методы прогнозирования с помощью приемов регрессии при изучении причинно-следственных связей между показателями. Метод регрессии применяется также при прогнозировании временных рядов, исходя из прошлых, исторических данных.

Анализируя значения временного ряда, надо иметь в виду его составляющие: тренд, циклические, сезонные и случайные колебания. Если тренд — это общая направленность изменений каких-либо значений, то колебания относительно линии тренда для периода свыше одного года представляют собой циклические колебания, как правило, соответствующие циклам деловой активности, — спаду, оживлению, росту, застою.

После анализа тренда и циклических колебаний следует вычленить из временного ряда сезонные колебания внутри года. Объем продаж и сумма выручки в зимние месяцы могут быть выше, чем в летние. Неравномерная в течение года динамика относится и к другим показателям деловой активности, например к ценам на отдельные виды товаров, транспортным издержкам, к расходам по сбыту и т.д.

Случайные колебания из названных выше составляющих временного ряда нельзя заранее предусмотреть. Это поставка материалов низкого качества, поломка оборудования, какие-либо чрезвычайные обстоятельства в хозяйственной деятельности. Такие колебания представляют собой беспорядочные отклонения, которые важно учитывать при оценке вероятной точности используемой модели прогнозирования.

Для выделения тренда используют разные приемы сглаживания, в том числе скользящих средних и экспоненциальное. Скользящие средние могут рассчитываться по трем, пяти, семи значениям временного ряда или по четным значениям. От количества точек при вычленении скользящих средних зависит степень сглаживания, снятие колебаний по отношению к линии тренда. Использование малого количества значений облегчает расчеты, однако снижает возможность получения объективного тренда.

Для устранения колебаний в ряде значений можно использовать экспоненциальное сглаживание. Расчет сглаженных значений в этом случае производится по алгоритму

S_t =

где S_t— текущее сглаженное значение;

S_t-1— предыдущее сглаженное значение;

X_t— текущее значение временного ряда;

α — сглаживающая константа.

Сглаживающая константа выступает в качестве весов. Чаще всего используется ее значение в пределах от 0,1 до 0,3. Для конкретных случаев приходится подбирать приемлемое значение сглаживающей константы, имея в виду, что чем меньше значение, тем менее оно чувствительно к изменениям тренда в данном временном ряду. Малое значение константы приводит к большему сглаживанию, а большее ее значение более точно отражает изменения тренда.

С удалением горизонта прогноза достоверность расчетов будет снижаться.

Обратимся к сезонной составляющей временного ряда. Сезонные колебания достаточно часто сопровождают динамику, например, в торговой и сбытовой деятельности, в ряде производств добывающей и перерабатывающей, в пищевой промышленности. При оценке сезонных колебаний используются два метода — сложения и умножения.

Первый целесообразно применять тогда, когда сезонные составляющие относительно постоянны по всему анализируемому периоду. Значение временного ряда в этом случае представляет собой сумму тренда и сезонной составляющей.

Метод умножения целесообразно использовать, когда сезонные колебания пропорциональны значениям тренда по всему периоду. Значения временного ряда будут представлять собой произведение тренда и сезонной составляющей, рассчитанной как отношение исходного значения к значению тренда, который, в свою очередь, может быть определен на основе, например, скользящих средних.

Прогнозируемые показатели каждого сезона предстоящего года будут представлять собой сумму тренда и среднего значения сезонного колебания в соответствующем периоде. Если для вычисления прогнозных значений временного ряда воспользоваться методом умножения, то оценочные показатели сезонных отклонений будут равны частному от деления исходных значений на значения тренда, например на скользящие средние. В этом случае прогнозные показатели рассчитываются путем умножения тренда на средние значения коэффициента отклонений (метод умножения), рассчитанные для каждого сезона.

Иногда трудно выбрать метод расчета. Считается, что при почти одинаковых колебаниях исходных значений целесообразно применять метод сложения. Если колебания изменяются вслед за динамикой тренда, то более точным может быть метод умножения.

Вычленение и анализ такого элемента временных рядов, как случайные колебания, может использоваться для определения вероятных ошибок и оценки надежности модели прогнозирования. Случайные колебания расцениваются как ошибки прогноза. Разность между фактическими и прогнозируемыми значениями характеризует допущенную ошибку. Для оценки ошибок существуют статистические показатели — средняя ошибка и среднеквадратическая ошибка. Чем меньше значения этих критериев, тем больше надежность прогнозной модели.