В последовательности проведения перспективного анализа показателей выделяют три этапа:

1) анализ динамики основных показателей;

2) построение модели деятельности предприятия;

3) определение различных вариантов развития предприятия.

Проведение перспективного анализа основано на применении целого комплекса методов, основными из которых являются методы прогнозирования на базе изучения динамических рядов, экспертных оценок, применения аналогий, регрессионный и корреляционный анализ и др. Необходимым условием успешного проведения перспективного анализа является использование широкой информационной базы, характеризующей динамику показателей за достаточно длительный период.

 Прогнозный анализ ориентирован на изучение возможных сценариев развития предприятия в определенных условиях и допущениях. Изучение  перспективы  развития предприятия позволяет своевременно обнаруживать риски и угрозы и принимать соответствующие меры для их предупреждения. Выявление основных тенденций и перспектив развития, создание образа будущего предприятия, определение потенциальных возможностей и угроз — основа научного обоснования планов и выработки стратегической и тактической политики предприятия, направленных на достижение его конечных целей.

Большое разнообразие методов и процедур, используемых в  прогнозном, перспективном анализе, можно разделить на следующие  группы:

- эвристические (интуитивные) методы, которые основываются на экспертных оценках изучаемого объекта;

-  методы, основанные на экстраполяции выявленных тенденций;

-  эконометрические методы, основанные на исследовании и моделировании причинно-следственных связей между экономическими явлениями.

Эвристические методы

 Эвристические методы относятся к неформальным методам решения экономических задач. Они используются в основном для прогнозирования состояния объекта в условиях частичной или полной неопределенности, когда основным источником получения необходимых сведений служит интеллектуальный потенциал профессионалов, работающих в определенных сферах науки и бизнеса. Наиболее распространенным из них является метод экспертных оценок — организованный сбор суждений и предложений специалистов (экспертов) по исследуемой проблеме с последующей обработкой полученных ответов. Основой данного метода является опрос специалистов, который может быть индивидуальным, коллективным, очным, заочным, анонимным и так далее. Организаторы опроса определяют объект и цели экспертизы, подбирают экспертов, проверяют их компетентность, анализируют и обобщают результаты экспертизы.

Можно выделить следующие основные разновидности метода экспертных оценок:

а) метод «мозговой атаки» или конференции идей — поиск новых идей, их широкое обсуждение и конструктивная критика, где генерирование идей происходит в процессе творческого спора и личного контакта специалистов. При этом необходимо четко сформулировать проблему, выделив в ней центральное звено; поддерживать идею любого рода, даже если она кажется сомнительной; не прекращать обсуждение и поощрять любую идею, чтобы участники не чувствовали скованности;

б) метод «мозгового штурма»: одна группа экспертов выдвигает идеи, а другая их анализирует;

в) синектический метод предполагает использование при генерировании идей аналогий из других областей знаний или фантастики;

г) метод Дельфи — анонимный опрос специалистов по заранее подготовленным вопросам с последующей статистической обработкой информации. После обобщения результатов повторно запрашивается мнение специалистов по спорным вопросам. В итоге обеспечивается переход от интуитивных форм мышления к дискуссионным формам. Для этого метода характерны, изолированность в работе и независимость суждений каждого члена экспертной группы;

д) метод «дерева целей» — использование иерархической структуры решения проблемы путем разделения общей цели на I подцели. Вершина дерева целей представляет собой цели, а «ветви» — это связи между ними. Экспертам предлагается оценить структуру модели системы в целом и дать предложения по ее совершенствованию. Результаты анонимного анкетирования обобщаются и доводятся до экспертов, что позволяет им корректировать свои суждения на основе полученной информации;

е) метод ПАТТЕРН — помощь планированию посредством количественной оценки технических данных. Изучаемая проблема расчленяется на ряд подпроблем, задач и элементов, которые выстраиваются в «дерево решений». Оценки отдельных экспертов подвергаются открытому обсуждению, в результате чего извлекается польза от делового общения экспертов, хотя не исключаются отрицательные последствия конформизма (давление авторитетов);

ж) метод сценариев — экспертная оценка возможных вариантов развития событий и выбор наиболее реальных и благоприятных. Один из эффективных средств прогнозирования. Сценарий — это модель будущего состояния предприятия, которая описывает возможный ход событий, рассматривает факторы, которые могут оказать влияние на ход предполагаемых событий. Обычно в качестве базового сценария рассматривается наиболее вероятный вариант, который служит базой для принятия решения. Другие варианты (оптимистический, пессимистический) считаются альтернативными.

Наиболее простым методом прогнозирования является применение среднего абсолютного прироста и среднего темпа роста динамического ряда.

Методы экстраполяции

Экстраполяция представляет собой метод прогнозирования, заключающийся в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития процессов и явлений и переносе их на будущее. Метод экстраполяции применим при следующих допущениях:

а) период времени, для которого построена функция, должен быть достаточным для выявлении тенденции развития;

 б) анализируемый процесс является устойчиво динамическим и обладает инерционностью, т.е. для значительных изменений характеристик процесса требуется время;

в) не ожидается сильных внешних воздействий на изучаемый процесс, которые могут серьезно повлиять на тенденцию развития.

Прогнозирование с помощью метода экстраполяции – один из простейших методов статистического прогнозирования. Его использование оправдано при недостаточном знании о природе изучаемого явления или отсутствии данных, необходимых для применения более совершенных методов прогнозирования.

Различают простую экстраполяцию, которая предполагает, что все действовавшие в прошлом и настоящем тенденции сохранятся в полном объеме, так как все действовавшие факторы останутся неизменными;  прогнозную экстраполяцию, которая базируется на предположении об изменении факторов, определяющих динамику изучаемого процесса или явления.

При формировании прогнозов с помощью экстраполяции обычно исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта. Экстраполируются оценочные функциональные системные и структурные характеристики. Экстраполяционные методы являются одними из самых распространенных и наиболее разработанных среди всей совокупности методов прогно­зирования. С помощью этих методов экстраполируются количественные параметры больших систем, количественные характеристики экономического, научного, производственного потенциала, данные о результа­тивности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков, элементов в системе показателей сложных систем и др. Однако степень реальности такого рода прогнозов и соответ­ственно мера доверия к ним в значительной мере обусловливаются аргументированностью выбора пределов экстраполяции и стабиль­ностью соответствия "измерителей" по отношению к сущности рас­сматриваемого явления. При этом  слож­ные объекты, как правило, не могут быть охарактеризованы одним параметром. В связи с этим можно сделать некоторое представление о последовательности действий при статистическом анализе тенден­ций и экстраполировании, которое состоит в следующем:

- во-первых, должно быть четкое определение задачи, выдвиже­ние гипотез о возможном развитии прогнозируемого объекта, обсуж­дение факторов, стимулирующих и препятствующих развитию данного объекта, определение необходимой экстраполяции и её допустимой дальности;

- во-вторых, выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности;

- в-третьих, сбор и систематизация данных. Перед сведением их в соответствующие таблицы еще раз проверяется однородность дан­ных и их сопоставимость: одни данные относятся к серийным изде­лиям, а другие могут характеризовать лишь конструируемые объекты;

- в-четвертых, когда вышеперечисленные требования выполнены, задача состоит в том, чтобы в ходе статистического анализа и не­посредственной экстраполяции данных выявить тенденции или симп­томы изменения изучаемых величин. В экстраполяционных прогнозах особо важным является не столько предсказание конкретных значе­ний изучаемого объекта или параметра в таком-то году, сколько своевременное фиксирование объективно намечающихся сдвигов, ле­жащих в зародыше назревающих тенденций.

Для повышения точности экстраполяции используются различные приемы. Один из них состоит, например, в том, чтобы экстраполи­руемую часть общей кривой развития (тренда) корректировать с уче­том реального опыта развития отрасли-аналога исследований или объекта, опережающих в своем развитии прогнозируемый объект. При этом под трендом понимается характеристика основной закономер­ности движения во времени, в некоторой мере свободной от случай­ных воздействий. Тренд - это длительная тенденция изменения эко­номических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого времен­ного ряда, на которую уже накладываются другие составляющие. Ре­зультат при этом связывается исключительно с ходом времени. Пред­полагается, что через время можно выразить влияние всех основ­ных факторов.

Под тенденцией развития понима­ют некоторое его общее направление, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории.

Анализ показывает, что ни один из существующих методов не может дать достаточной точности прогнозов на 20-25 лет. Применяе­мый в прогнозировании метод экстраполяции не дает точных резуль­татов на длительный срок прогноза, потому что данный метод исхо­дит из прошлого и настоящего, и тем самым погрешность накапли­вается. Этот метод дает положительные результаты на ближайшую перспективу прогнозирования тех или иных объектов не более 5 лет.

Для нахождения параметров приближенных зависимостей между двумя или несколькими прогнозируемыми величинами по их эмпиричес­ким значениям применяется метод наименьших квадратов. Его сущ­ность состоит в минимизации суммы квадратов отклонений меж­ду наблюдаемыми (фактическими) величинами и соответствующими оценками (расчет­ными величинами), вычисленными по подобранному уравнению связи. Этот метод лучше других соответствует идее усреднения как единичного влияния учтенных факторов, так и общего влияния неуч­тенных.

Рассмотрим простейшие приемы экстраполяции. Операцию экстра­поляции в общем виде можно представить в виде определения значе­ния функции:

,

где - экстраполируемое значение уровня;

    L – период упреждения;

   У_t – уровень, принятый за базу экстраполяции.

Под периодом упреждения при прогнозировании понимается от­резок времени от момента, для которого имеются последние статис­тические данные об изучаемом объекте, до момента, к которому относится прогноз.

1.Экстраполяция на основе среднего значения временного ряда. В самом простом случае при предположении о том, что средний уровень ряда не имеет тенденции к изменению или если это изменение незначительно, можно принять т.е. прогнозируемый уровень равен среднему значению уровней в прошлом. Доверительные границы для средней при небольшом числе на­блюдений определяются следующим образом:

где t_a – табличное значение t – статистики Стьюдента с n-1 степенями и уровнем вероятности p;

- средняя квадратическая ошибка средней величины. Значение ее определяется по формуле .

В свою очередь, среднее квадратическое отклонение для выборки равно:

где y_t – фактические значения показателя.

Доверительный интервал, полученный как t_{a ,} учитывает неопределенность, которая связана с оценкой средней величины. Общая дисперсия, связанная как с колеблемостью выборочной средней, так и с варьированием ндивидуальных значений вокруг средней, составит величину S²+S²/n. Таким образом, доверительные интервалы для прогностической оценки равны:

2. Экстраполяция по скользящей и экспоненциальной средней. Для краткосрочного прогнозирования наряду с другими приемами могут быть применены адаптивная или экспоненциальная скользящие сред­ние. Если прогнозирование ведется на один шаг вперед, то или ,

 где М_t - адаптивная скользящая средняя;

   N_t - экспоненциальная средняя.

Здесь доверительный интервал для скользящей средней можно определить по выше приведенной формуле , в которой число наблюдений обозначено символом n. Поскольку при расчете скользящей средней через m обозначалось число членов ряда, участвующих в расчете средней, то заменим в этой фор­муле n на m, равным нечетным числам.

При экспоненциальном сглаживании дисперсия экспоненциальной средней равна ,

 где S -среднее квадратическое отклонение, вместо величины в фор­муле (2.10) при исчислении доверительного интервала прогноза следует взять величину или . Здесь a- коэффициент экспоненциального сглаживания, изменяется от 0 до 1. Если 0<a<0,5, то при расчете прогноза учитываются прошлые значения временного ряда, а при 0,5<a<1 – значения, близкие к периоду упреждения. Примерное значение коэффициента сглаживания определяют по формуле Р.Брауна:

,

где m – число уровней временного ряда, входящих в интервал сглаживания.

3. Экстраполяция на основе сред­него темпа. Если в основу прогностического расчета положен средний темп роста, то экстраполируемое значение уровня можно получить с помощью формулы: , где - средний темп роста, У_t - уровень, принятый за базу для экстра­поляции. Здесь принят только один путь развития - развитие по геометрической прогрессии, или по экспонентной кривой. Во мно­гих же случаях фактическое развитие явления следует иному зако­ну, и экстраполяция по среднему темпу нарушает основное допуще­ние, принимаемое при экстраполяции, - допущение о том, что раз­витие будет следовать основной тенденции - тренду, наблюдавшему­ся в прошлом. Чем больше фактический тренд отличается от экспоненты, тем больше данные, получаемые при экстраполяции тренда, будут отличаться от экстраполяции на основе среднего темпа.

Средний темп или определяется на основе изучения прошлого, или оценивается каким-либо другим путем (например, подбор вари­антов для различных ситуаций). В качестве исходного (базового) уровня для экстраполяции представляется естественным взять по­следний уровень ряда, поскольку будущее развитие начинается имен­но с этого уровня.

Статистическая надежность вышеприведенных методов оценивается с помощью коэффициента вариации:

где - среднее квадратическое отклонение;

- среднее значение временного ряда.

Метод считается статистически надежным и может быть использован для прогнозирования, если значение коэффициента вариации не превышает 10%.