бесплатные рефераты

Методы прогнозирования финансовых показателей

Методы прогнозирования финансовых показателей

1.Модель с аддитивной компонентой

Аддитивную модель прогнозирования можно представить в виде формулы:

 

F = T + S + E

где: F – прогнозируемое значение; Т – тренд; S – сезонная компонента;

 Е – ошибка прогноза.

Алгоритм построения прогнозной модели

Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели:

1.Определяется тренд, наилучшим образом аппроксимирующий фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

2.Вычитая из фактических значений объёмов продаж значения тренда, определяют величины сезонной компоненты и корректируют таким образом, чтобы их сумма была равна нулю.

3.Рассчитываются ошибки модели как разности между фактическими значениями и значениями модели.

Применение алгоритма рассмотрим на следующем примере.

Исходные данные: Объемы фактических расходов бюджета _________ района, взяты из месячной и годовой отчетности финансового управления администрации ________ района. Данная статистика характеризуется тем, что значения объёма продаж имеют выраженный сезонный характер с возрастающим трендом. Исходная информация представлена в табл. 1.

 

табл.1

 

Объем фактических расходов

1 кв. 1999 г.

24518

2 кв. 1999 г.

23778

3 кв. 1999 г.

25143

4 кв. 1999 г.

27622

1 кв. 2000 г.

26149

2 кв. 2000 г.

24123

3 кв. 2000 г.

27580

4 кв. 2000 г.

30854

1 кв. 2001 г.

29147

2 кв. 2001 г.

26478

3 кв. 2001 г.

30159

4 кв. 2001 г.

33149

1 кв. 2002 г.

32451

 

Реализуем алгоритм построения прогнозной модели, описанный выше. Решение данной задачи рекомендуется осуществлять в среде MS Excel, что позволит существенно сократить количество расчётов и время построения модели.

1. Определяем тренд, наилучшим образом аппроксимирующий фактические данные. Для этого рекомендуется использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 2.
Расчёт значений сезонной компоненты

 

 

 

Значение тренда

Сезонная компонента

1 кв. 1999 г.

24518

24518

0

2 кв. 1999 г.

23778

24962

-1184

3 кв. 1999 г.

25143

25012

131

4 кв. 1999 г.

27622

25217

2405

1 кв. 2000 г.

26149

26098

51

2 кв. 2000 г.

24123

26958

-2835

3 кв. 2000 г.

27580

27495

85

4 кв. 2000 г.

30854

28017

2837

1 кв. 2001 г.

29147

28964

183

2 кв. 2001 г.

26478

29617

-3139

3 кв. 2001 г.

30159

30498

-339

4 кв. 2001 г.

33149

31485

1664

1 кв. 2002 г.

32451

32451

0

 

Скорректируем значения сезонной компоненты таким образом, чтобы их сумма была равна нулю.

Таблица 3.
Расчет средних значений сезонной компоненты

 

 

 

 

 

 

 

 

1999 г.

2000 г.

2001 г.

Итого

Среднее

Сезонная компонента

1 кв.

0

51

183

234

78

89,75

2 кв.

-1184

-2835

-3139

-7158

-2386

-2374,25

3 кв.

131

85

-339

-123

-41

-29,25

4 кв.

2405

2837

1664

6906

2302

2313,75

 

 

 

 

Сумма

-47

0

 

 

 

 

 

-11,75

 

 

3. Рассчитываем ошибки модели как разности между фактическими значениями и значениями модели.

Таблица 4.
Расчёт ошибок

 

расходы

Значение модели

Отклонение

1 кв. 1999 г.

24518

24607,75

-89,75

2 кв. 1999 г.

23778

22587,75

1190,25

3 кв. 1999 г.

25143

24982,75

160,25

4 кв. 1999 г.

27622

27530,75

91,25

1 кв. 2000 г.

Страницы: 1, 2, 3


© 2010 РЕФЕРАТЫ