Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

1
1 Plekhanov Russian University of Economics

Полученные при анализе динамических рядов экономических показателей характеристики используются для получения статистических прогнозов, под которыми понимаются статистические оценки состояния явления в будущих периодах.

Статистическое прогнозирование основано на предположении, что закономерность развития, основная тенденция, действующая в прошлом (внутри ряда динамики), сохранится и в будущем. Такое предположение называется экстраполяцией [5]. Теоретической основой распространения тенденции на будущее является инерционность социально-экономических явлений.

Следует иметь в виду, что экстраполяция в рядах динамики носит приближенный характер. Точность прогноза зависит от сроков прогнозирования: чем они короче, тем надежнее результат экстраполяции, так как за короткий период времени не успевают значительно измениться условия развития явления и характер его динамики [1].

Прогнозирование позволяет рассмотреть возможные альтернативы разработки финансовой стратегии, обеспечивающей достижение предприятием стабильного положения на рынке и прочной финансовой устойчивости.

С помощью метода экстраполяции получают два вида прогноза: точечные и интервальные. Точечный прогноз представляет собой конкретное численное значение уровня в прогнозируемый период (момент) времени. Интервальный прогноз – диапазон численных значений, предположительно содержащий прогнозируемое значение уровня.

В зависимости от того, какие принципы и исходные данные положены в основу прогноза, выделяют следующие методы экстраполяции (прогнозирования):

– на основе среднего абсолютного прироста missing image file,

– на основе среднего коэффициента роста missing image file,

– на основе аналитического выравнивания ряда.

Метод прогнозирования на основе среднего абсолютного прироста t1 применяется в том случае, если уровни изменяются равномерно (линейно).

Прогнозируемое значение уровня определяется по формуле:

missing image file

где missing image file – экстраполируемый уровень; yn – конечный уровень ряда динамики; l – период упреждения прогноза (срок экстраполяции).

Прогнозирование по среднему коэффициенту роста missing image fileприменяется, если общая тенденция характеризуется экспотенциальной кривой. В этом случае экстраполируемый уровень определяется по формуле:

missing image file

Прогнозирование на основе аналитического выравнивания является наиболее распространенным методом прогнозирования. Для получения прогноза используется аналитическое выражение тренда. Чтобы получить прогноз, достаточно в модели продолжить значение условного показателя времени от t1 до tn+1.

Интервальные прогнозы строятся на основе точечных прогнозов. Доверительным интервалом называется такой интервал, относительно которого можно с заранее выбранной вероятностью утверждать, что он содержит значение прогнозируемого показателя. Ширина интервала зависит от качества модели, т.е. степени ее близости к фактическим данным, числа наблюдений, горизонта прогнозирования и выбранного пользователем уровня вероятности и других факторов [5].

Интервальные прогнозы имеют значительные преимущества перед точечными – они учитывают вероятность свершения прогноза. Величина доверительного интервала определяется в общем виде так[5]:

missing image file,

где коэффициент tα является табличным значением t-статистики Стьюдента при заданном уровне значимости и числе наблюдений; σ – средняя квадратическая ошибка тренда, рассчитываемая по формуле:

missing image file,

где n – число уровней исходного ряда; m – число параметров трендового уравнения.

Для ряда динамики прогнозное значение Y принадлежит интервалу: missing image file.

Если построенная модель адекватна, то с выбранной пользователем вероятностью можно утверждать, что при сохранении сложившихся закономерностей развития прогнозируемая величина попадает в интервал, образованный верхней и нижней границей.

После получения прогнозных оценок необходимо убедиться в их разумности и непротиворечивости оценкам, полученным иным способом.

Применение метода экстраполяции для составления прогноза некоторых показателей компании ОАО «Ростелеком».

ОАО «Ростелеком» – одна из крупнейших в России и Европе телекоммуникационных компаний национального масштаба, присутствующая во всех сегментах рынка услуг связи и охватывающая более 34 млн домохозяйств в России.

Компания занимает лидирующее положение на российском рынке услуг широкополосного интернет-доступа (ШПД) и платного телевидения: количество абонентов услуг ШПД превышает 11,0 млн. а платного ТВ «Ростелекома» – более 7,8 млн пользователей, из которых свыше 2,5 миллиона смотрит уникальный федеральный продукт «Интерактивное ТВ».

Консолидированная выручка Группы компаний за 3 кв. 2014 г. составила 75,5 млрд. руб., чистая прибыль – 24,5 млрд. руб.

«Ростелеком» является безусловным лидером рынка телекоммуникационных услуг для российских органов государственной власти и корпоративных пользователей всех уровней.

Компания – признанный технологический лидер в инновационных решениях в области электронного правительства, облачных вычислений, здравоохранения, образования, безопасности, жилищно-коммунальных услуг.

В табл. 1 представлена динамика изменения ключевых показателей деятельности компании с 2008 по 2013 год.

Таблица 1

2008

2009

2010

2011

2012

2013

missing image file

Выручка

258 921

264 645

277 497

312 330

332 435

325 704

295 255

Чистая прибыль

26 263

30 429

36 819

36 819

33 202

24 131

31 277

Активы

414 603

403 180

449 229

513 381

567 190

560 972

484 759

Капитал и резервы

198 133

217 411

221 498

231 198

238 832

199 756

217 805

Рис. 1

Kuzmenkova3.tif

Построив тренды этих показателей (рис. 1), мы можем видеть, что в 2013 году все без исключения показатели, испытывавшие до этого рост, уменьшились.

Построим точечный прогноз на 1 год с помощью среднего абсолютного прироста missing image file,

1. Вычислим средний абсолютный прирост

missing image file

 

Выручка

13356,6

Чистая прибыль

-426,4

Активы

29273,8

Капитал и резервы

324,6

2. Вычислим прогнозные показатели по формуле missing image fileна 1год вперед

 

2008

2009

2010

2011

2012

2013

2014

Выручка

258 921

264 645

277 497

312 330

332 435

325 704

339 061

ЧП

26 263

30 429

36 819

36 819

33 202

24 131

23 776

Активы

414 603

403180

449229

513 381

567 190

560 972

585 367

Капитал и резервы

198 133

217 411

221 498

231 198

238 832

199 756

200 027

Теперь воспользуемся методами аналитического выравнивания ряда. В качестве инструмента будем использовать MS Excel [3], [6], [7], [8].

Построим модель регрессии Выручки (Y1)) от времени t (t =1, 2, …, 6). Рис. 2 и 3.

При прогнозировании целесообразно (по мере возможности) использование нескольких методов прогнозирования. Это повысит качество прогноза и позволит определить «подводные камни», которые могут быть не замечены при использовании только одного метода. Сравнивая полученные четыре модели, необходимо сделать выбор, учитывая не только количественные характеристики, но и содержательный смысл. Так, линейная модель является наилучшей с точки зрения адекватности и точности (значение критерия Дарбина-Уотсона, близкое к двум, свидетельствует об отсутствии автокорреляции остатков; средняя относительная ошибка аппроксимации меньше 3% свидетельствует о высокой точности модели). Однако прогноз по этой модели (рис. 1) не соответствует нашим представлениям о протекающем в данный момент времени процессе. Степенная модель и кубическая парабола больше отвечают нашим представлениям о будущем значении рассматриваемого показателя. Окончательный выбор модели всегда остаётся за специалистом, учитывающим не только числовые характеристики модели, но и влияние не учтённых в модели факторов, например, ожидаемый кризис экономики.


Kuzmenkova4.tif
 Рис. 2. Прогноз ВЫРУЧКИ по линейной и степенной моделям
 
Kuzmenkova5.tif
Рис. 3. Прогноз ВЫРУЧКИ по линейной модели (полином 1 степени) и по кубической параболе (полином 3 степени)