Материалы представленные на сайте исключительно с целью ознакомления пользователям Интернета и не преследуют коммерческих целей или нарушение авторских прав.
© 2018 - 2024
Финансовый результат деятельности ОАО «АККОНД» в конечном итоге характеризуется показателями прибыли (убытка). Известно, что без получения прибыли предприятие не может развиваться в рыночной экономике. Поэтому задача улучшения финансового результата является жизненно важной для хозяйствующего субъекта.
Рассмотрим процесс формирования и использования прибыли ОАО «АККОНД» в таблице 3.
Таблица 3 — Формирование и использование прибыли ОАО «АККОНД» за 2016-2017 гг.
| № | Наименование показателей | Единицы измерения | 2016 г. | 2017 г. | Абсолютное изменение (гр.2-гр.1) | Темп роста, % (гр.2/гр.1) |
| А | Б | В | 1 | 2 | 3 | 4 |
| 1 | Товарооборот | тыс. руб. | 88568993 | 97521358 | 8952365 | 110,11 |
| 2 | Себестоимость | тыс. руб. | 63134975 | 71047894 | 7912919 | 112,53 |
| 3 | Валовой доход | тыс. руб. | 25434018 | 26473464 | 1039446 | 104,09 |
| 4 | Уровень валового дохода | % | 28,72 | 27,15 | -1,57 | 94,53 |
| 5 | Издержки обращения | тыс. руб. | 19535159 | 21158766 | 1623607 | 108,31 |
| 6 | Уровень издержек обращения | % | 22,06 | 21,70 | -0,36 | 98,37 |
| 7 | Прибыль (убыток) от продаж | тыс. руб. | 5898859 | 5314698 | -584161 | 90,10 |
| 8 | Уровень прибыли от продаж | % | 6,66 | 5,45 | -1,21 | 81,83 |
Продолжение таблицы 3
| 9 | Прочие доходы | тыс. руб. | 8119721 | 6456025 | -1663696 | 79,51 |
| 10 | Прочие расходы | тыс. руб. | 14003740 | 9655219 | -4348521 | 68,95 |
| 11 | Прибыль (убыток) до налогообложения | тыс. руб. | 1410529 | 282883 | -1127646 | 20,06 |
| 12 | Уровень прибыли до налогообложения | % | 1,59 | 0,29 | -1,3 | 18,21 |
| 13 | Налог на прибыль и аналогичные обязательные платежи | тыс.руб. | 417237 | 4754 | -412483 | 1,14 |
| 14 | Чистая прибыль (нераспределенная) | тыс.руб. | 1339035 | 507879 | -831156 | 37,93 |
| 15 | Уровень прибыли | % | 1,51 | 0,52 | -0,99 | 34,45 |
Отношение прибыли к объему продаж и к другим показателям называют рентабельностью (прибыльностью). По данным ОАО «АККОНД» рентабельность продаж по отношению к товарообороту на конец 2017 года снизилась (5,45 %) на 1,21 %. На снижение рентабельности продаж могло повлиять увеличение издержек обращения, то есть нерациональное использование предприятием собственных ресурсов. Прочие расходы в 2017 году снизились на 4348521 тыс. руб., но и прочие доходы имели тенденцию к снижению в 2017 году на 1663696 тыс. руб. Поэтому на увеличение прибыли это не повлияло. Чистая прибыль уменьшилась в 2017 году по сравнению с 2016 на 831156 тыс. руб., соответственно уменьшился и уровень прибыли к товарообороту на 0,99%.
Основными факторами, влияющими на прибыль, являются товарооборот, средний уровень валового дохода и средний уровень издержек обращения, а также другие расходы и доходы. На величину дохода, а, следовательно, и прибыли влияет и структура товарооборота. Это связано с тем, что каждая товарная группа имеет свой уровень валового дохода и требует различных затрат. Поэтому с изменением состава товаров меняется и финансовый результат.
Издержки обращения в 2016 году составили 19535159 тыс. руб., в 2017 году 21158766 тыс. руб. Издержки обращения торгового предприятия характеризуются уровнем издержкоемкости торговой деятельности. Он определяется как отношение суммы издержек обращения к сумме товарооборота, выраженное в процентах. С 2016 по 2017 год наблюдается снижение этого показателя на 0,36 %.
Рассчитаем коэффициенты рентабельности по ОАО «АККОНД».
Рентабельность собственного капитала:
РСК = чистая прибыль/средняя стоимость собственного капитала * 100
Рентабельность имущества (активов) предприятия:
РОС = чистая прибыль / средняя стоимость активов * 100
Таблица 4 — Показатели рентабельности ОАО «АККОНД» за 2015-2017 гг.
Показатели
Г.
Г.
Г.
Изменение (±)
Из расчетных данных видно, что за исследуемый период эффективность использования собственного капитала падает, также снижается и мобилизация средств.
Эффективность финансового менеджмента характеризуют коэффициенты оборачиваемости.
Таблица 5 — Коэффициенты оборачиваемости ОАО «АККОНД» за 2015-2017гг.
|
Показатели |
Г. |
Г. |
Г. | Изменение (±) | |
| 2016 к 2015 | 2017 к 2016 | ||||
| Коэффициент оборачиваемости активов | 0,91 | 3,37 | 1,57 | 2,46 | -1,8 |
| Коэффициент оборачиваемости кредиторской задолженности | 5,18 | 4,06 | 3,69 | -1,12 | -0,37 |
| Коэффициент оборачиваемости дебиторской задолженности | 11,68 | 9,38 | 9,64 | -2,3 | 0,26 |
| Коэффициент оборачиваемости оборотных активов | 2,65 | 4,14 | 3,88 | 1,49 | -0,26 |
За исследуемый период повышается эффективность использования всех имеющихся средств в распоряжении предприятия. Коэффициент оборачиваемости кредиторской задолженности имеет тенденцию к снижению, это может свидетельствовать о проблемах с оплатой счетов или же об использовании отсрочки платежа. Коэффициенты оборачиваемости дебиторской задолженности превышают коэффициенты оборачиваемости кредиторской задолженности, что является благоприятной ситуацией для предприятия.
2.4. Прогнозирование объема продаж на примере ОАО «АККОНД»
Одна из важных составляющих успеха компании — качественное прогнозирование продаж. Правильно рассчитанный прогноз позволяет более эффективно вести бизнес, прежде всего, контролировать и оптимизировать расходы. Кроме того, если речь идет о продукции, это позволяет сформировать оптимальные запасы продукции на складе. Цель прогнозирования объема продаж — позволить менеджерам заранее планировать деятельность наиболее эффективным образом. Планирование вытекает из прогнозирования объема продаж, и целью планирования является распределение ресурсов компании таким образом, чтобы обеспечить эти ожидаемые продажи. Компания может прогнозировать свой объем продаж либо на основе продаж на рынке в целом (что называется прогнозом рынка), определяя свою долю в этом объеме, либо прогнозировать непосредственно свой объем продаж [9].
Рассмотрим прогнозирование объема продаж, используя метод анализа временных рядов. Временной ряд — это набор чисел, привязанный к последовательным, обычно равно отстоящим моментам времени. Числа, составляющие временной ряд и полученные в результате наблюдения за ходом некоторого процесса, называют уровнями (или элементами) временного ряда. Под длиной временного ряда понимают количество входящих в него уровней n.
Построим прогноз объема продаж по временным рядам на 2018 год для ОАО «АККОНД».
Таблица 6 — Динамика объема продаж «АККОНД» за 2015-2017 гг.
| год | 1 квартал | 2 квартал | 3 квартал | 4 квартал | Итого |
| 2015 | 10708887 | 12460851 | 12587381 | 17306142 | 53063261 |
| 2016 | 16311826 | 18255760 | 21349126 | 32652281 | 88568993 |
| 2017 | 16128818 | 23426913 | 28881861 | 29083766 | 97521358 |
Для того чтобы составить прогноз, необходимо сначала рассчитать тренд, а затем — сезонные компоненты. Для того чтобы составить прогноз, необходимо сначала рассчитать тренд, а затем — сезонные компоненты. Временной ряд можно использовать для прогнозирования с помощью адаптивных и мультипликативных моделей.
В нашем случае воспользуемся расчетами в MS Office Excel (Скриншот расчетов представлен в приложении).
Уравнение с учетом полученных коэффициентов имеет вид Y(t) = 9201795,076 + 1650411,168*t. Из этого уравнения находим расчетные значения Yрасч(t) и сопоставляем их с фактическими значениями [4].
Такое сопоставление позволяет оценить приближенные значения коэффициентов сезонности кварталов F(-3), F(-2), F(-1) и F(0) Эти значения необходимы для расчета коэффициентов сезонности первого года F(1), F(2), F(3), F(4) и других параметров модели Хольта –Уинтерса [7].
Находим начальные оценки параметров (a0;a1) и мультипликативных индексов (F(0,1); F(0,2); F(0,3); F(0,4)) по первым восьми значениям признака.
| t | y | yрасч | y(t) / yрасч | F(t) |
| 1 | 10708887 | 10852206 | 0,987 | 0,622 |
| 2 | 12460851 | 12502617 | 0,997 | 0,654 |
| 3 | 12587381 | 14153029 | 0,889 | 0,682 |
| 4 | 17306142 | 15803440 | 1,095 | 0,705 |
| 5 | 16311826 | 17453851 | 0,935 | |
| 6 | 18255760 | 19104262 | 0,956 | |
| 7 | 21349126 | 20754673 | 1,029 | |
| 8 | 32652281 | 22405084 | 1,457 |
F(0,1) = 0,622; F(0,2) = 0,654; F(0,3) = 0,682; F(0,4) = 0,705. Оценив значения а0 и а1, а также F(0,1), F(0,2), F(0,3), F(0,4) перейдем к построению адаптивной модели Хольта Уинтерса.
Рассчитаем значения Ypасч(t), a0(t), а1(t), F(t) для t=1 значения параметров сглаживания α1=0,3, α2=0,6, α3=0,3:
Таблица 7 — Расчет значений
| год | квартал | t | y(t) | a0(t) | a1(0) | y расч (t) | F(t) |
| 0 | 1 | 0,622 | |||||
| 0 | 2 | 0,654 | |||||
| 0 | 3 | 0,682 | |||||
| 0 | 4 | 9201795 | 1650411 | 0,705 | |||
| 1 | 1 | 1 | 10708887 | 12763548,392 | 2223813,717 | 10852206,244 | 0,752 |
| 1 | 2 | 2 | 12460851 | 16203286,115 | 2588590,919 | 12502617,411 | 0,723 |
| 1 | 3 | 3 | 12587381 | 18691933,910 | 2558607,982 | 14153028,579 | 0,677 |
| 1 | 4 | 4 | 17306142 | 22236034,574 | 2854255,787 | 15803439,747 | 0,749 |
| 2 | 1 | 5 | 16311826 | 24069551,249 | 2548034,053 | 17453850,915 | 0,707 |
| 2 | 2 | 6 | 18255760 | 26205261,853 | 2424337,018 | 19104262,083 | 0,707 |
| 2 | 3 | 7 | 21349126 | 29503767,499 | 2686587,607 | 20754673,251 | 0,705 |
| 2 | 4 | 8 | 32652281 | 35609576,696 | 3712354,084 | 22405084,418 | 0,850 |
| 3 | 1 | 9 | 16128818 | 34364765,854 | 2225204,606 | 24055495,586 | 0,565 |
Продолжение таблицы 7
| 3 | 2 | 10 | 23426913 | 35549949,691 | 1913198,375 | 25705906,754 | 0,678 |
| 3 | 3 | 11 | 28881861 | 38516270,541 | 2229135,118 | 27356317,922 | 0,732 |
| 3 | 4 | 12 | 29083766 | 38788844,881 | 1642166,884 | 29006729,090 | 0,790 |
Из расчетов получаем значения параметров для последнего квартала 2009 года а0(12) = 38788844,881; а1(12) = 1642166,884. Тогда модель Хольта-Уинтерса будет иметь вид Y(t) = [38788844,881 + 1642166,884*k ] * F(t-a).
Построим точечный прогноз на 4 шага вперед, то есть на 1 год. Рассчитав значения а0(12) и а1(12), определим значения Yпрог для t = 13, t = 14, t = 15, t = 16.
Yпрог(13) = Y(12+1) = [a0(12) + 1*a1(12)]* F(12+1-4) = 22826984,44
Yпрог(14) = Y(12+2) = [a0(12) + 2*a1(12)]* F(12+2-4) = 28538136,06
Yпрог(15) = Y(12+3) = [a0(12) + 3*a1(12)]* F(12+3-4) = 31994076,32
Yпрог(16) = Y(12+4) = [a0(12) + 4*a1(12)]* F(12+4-4) = 35823606,81
Отразим на графике фактические, расчетные и прогнозные данные (график представлен на рисунке 2 в приложении).
Таким образом, с применением адаптивной мультипликативной модели Хольта-Уинтерса для прогнозирования временного ряда мы получили прогноз, что объем продаж ОАО «АККОНД» на конец 2018 года составит 22826984,44 + 28538136,06 + 31994076,32 + 35823606,81 = 119182803,663 тыс. руб.
Дата: 2018-09-13, просмотров: 911.