Реферат Модели управления финансовыми потоками на примере ООО Дары природы
Работа добавлена на сайт bukvasha.net: 2015-10-28Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
от 25%
Подписываем
договор
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ
ДОНБАССКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Кафедра экономической кибернетики и информационных технологий
КУРСОВАЯ РАБОТА
по дисциплине
«Математические модели в менеджменте и маркетинге»
на тему:
«Модели управления финансовыми потоками»
на примере ООО «Дары природы»
Выполнила: студентка группы ЭК-06з
Алисова Лина Владимировна
Проверила: Якимова Л.П.
Алчевск, 2011
СОДЕРЖАНИЕ
ВВЕДЕНИЕ..............................................................................................................3
1. ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ХАРАКТЕРИСТИКА
ПРЕДПРИЯТИЯ И ПРИОРИТЕТНЫЕ НАПРАВЛЕНИЯ ДЕЯТЕЛЬНОСТИ.5
2. МОДЕЛИ УПРАВЛЕНИЯ ФИНАНСОВЫМИ ПОТОКАМИ........................9
2.1. Модель Баумоля ...............................................................................................9
2.2. Адаптивная модель Брауна ...........................................................................10
2.3. Модели и методы авторегрессии..................................................................15
3. РЕАЛИЗАЦИЯ МОДЕЛЕЙ УПРАВЛЕНИЯ ФИНАНСОВЫМИ ПОТОКАМИ ДЛЯ ГОРЛОВСКОГО ОТДЕЛЕНИЯ ООО «ДАРЫ ПРИРОДЫ»……………………………………………………………………....19
3.1. Реализация модели Баумоля..........................................................................19
3.2. Реализация модели Брауна............................................................................21
3.3. Реализация авторегрессионной модели ……..………….............................27
ВЫВОДЫ...............................................................................................................35
ПЕРЕЧЕНЬ ССЫЛОК…………………………...................................................38
ПРИЛОЖЕНИЯ.....................................................................................................40
ВВЕДЕНИЕ
В настоящее время финансовое благополучие любого предприятия непосредственно связано с устойчивостью получения доходов. В этой связи неизбежно усиливается внимание к доходам, получаемым от управления активами и пассивами. В сложившихся условиях выживаемость средних коммерческих структур связана с получением ими конкурентных преимуществ путем создания сбалансированной системы управления финансовыми потоками.
Экономическая эффективность деятельности организации основывается на наличии удачной рыночной стратегии, максимально полного и эффективного использования финансовых ресурсов, минимизации комплекса рисков. Все эти задачи призвана решить система управления финансовыми потоками, базирующаяся на своевременном получении и анализе аналитической информации и принятии адекватных управленческих решений.
На современном этапе развития экономики Украины одной из важнейших проблем, стоящих перед отечественными компаниями, является проблема эффективного и гибкого механизма управления финансовыми потоками.
В современной отечественной экономике наличие необходимого уровня прибыльности компании не всегда является залогом ее успешного развития.
Отсутствие достаточного объема оборотных средств и эффективного управления финансовыми потоками приводят к ухудшению финансовой устойчивости, снижению деловой активности, что, в свою очередь, может стать предпосылкой серьезного финансового кризиса хозяйствующего субъекта.
Эффективное и рациональное управление потоками денежных средств и их эквивалентов способствует достижению финансовой устойчивости, прибыльности и положительной динамики развития компании. В условиях постоянно изменяющейся экономической ситуации достижение данной цели невозможно без использования теоретических подходов и практических разработок в области управления финансовыми потоками.
Необходимость адаптации процесса управления финансовыми потоками к современным условиям отечественной экономики, потребность в исследовании финансовых потоков предприятий определили актуальность выбора темы данной дипломной работы и направления исследования.
Среди зарубежных авторов, исследовавших вопросы управления финансовыми потоками компании, можно выделить таких как Л.А. Бернстайн, Ю. Бригхем, Д.К. Ван Хорн, Л. Гапенски, Ж. Депалян, Б. Коласс, Ч. Ли, Д. Финнерти и других. Проблемы управления финансовыми потоками компании были исследованы в работах следующих отечественных авторов: Балабанова И.Т., Горбунова А.Р., Живалова В.Н., Ковалева В.В., Кокина А.С., Колчиной Н.В., Стояновой Е.С., Самсонова Н.Ф., Четыркина Е.М. и др. Наиболее полное исследование данного аспекта финансового менеджмента было проведено Бланком И.А.
В трудах указанных ученых нашли отражение результаты исследований в области теории и практики управления финансовыми потоками, вопросы повышения эффективности управления на различных уровнях. Учитывая важность и актуальность проблемы управления финансовыми потоками компании, отдельные экономисты указывают на необходимость выделения ее в самостоятельный блок финансового менеджмента для более серьезного изучения и развития.
1. ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ХАРАКТЕРИСТИКА ПРЕДПРИЯТИЯ И ПРИОРИТЕТНЫЕ НАПРАВЛЕНИЯ ДЕЯТЕЛЬНОСТИ
Горловское отделение ООО "Дары природы" входит в состав группы компаний DP. В соответствии с уставом предприятия Горловское отделение ООО «Дары природы» имеет право осуществлять следующие виды деятельности:
1) специализированная розничная торговля непродовольственными товарами, не отнесенными к другим группам;
2) оптовая торговля топливом;
3) техническое обслуживание и ремонт автомобилей на заказ населения;
4) техническое обслуживание и ремонт автомобилей предприятий;
5) газопроводные работы;
6) монтаж и установка машин специального назначения.
Итоги финансово-хозяйственной деятельности за последние годы свидетельствуют о том, что основным видом деятельности предприятия (в общем объеме вышеприведенных видов деятельности) является поставка сжиженного газа.
Характерной особенностью поставки сжиженного газа является тот факт, что только лишь за последние 5 лет общий объем предоставления данного вида услуг в целом по предприятию не только не сократился, а значительно возрос. При этом следует учесть, что объемы продаж возросли в большей степени в натуральных показателях, а не за счет повышения стоимости единицы товара.
Все это наложило особый отпечаток на структуру Горловского отделения ООО «Дары природы», необходимость поиска наиболее эффективных методов управления финансовыми ресурсами, повышения их эффективности, увеличения оборачиваемости денежных средств и других активов.
Система управления денежными потоками на предприятии — это совокупность методов, инструментов и специфических приемов целенаправленного, непрерывного воздействия со стороны финансовой службы предприятия на движение денежных средств для достижения поставленной цели.
Среди главных проблем украинской экономики многие экономисты выделяют дефицит денежных средств на предприятиях для осуществления ими своей текущей и инвестиционной деятельности. Однако при ближайшем рассмотрении данной проблемы выясняется, что одной из причин этого дефицита является, как правило, низкая эффективность привлечения и использования денежных ресурсов, ограниченность применяемых при этом финансовых инструментов, технологий и механизмов. Поскольку финансовые инструменты и технологии всегда опираются на разработки финансовой науки и практики, то их применение особенно актуально при недостатке финансовых ресурсов.
Стратегический и тактический аспекты финансовой политики тесно взаимосвязаны: правильный выбор стратегии создает благоприятные возможности для решения тактических задач. Дело в том, что финансовая тактика:
1) охватывает ряд конкретных практических мер, способов и приемов реализации выбранной финансовой стратегии;
2) подчинена стратегии и в то же время корректирует отдельные направления использования и накопления финансовых ресурсов в рамках коротких отрезков времени;
3) обеспечивает реализацию стратегических целей предприятия с наименьшими затратами времени и ресурсов в текущем периоде.
Отсюда видно, что управление денежными потоками можно отнести к тактическому направлению финансовой политики предприятия.
В результате высокий уровень синхронизации поступлений и расходований денежных средств по объему и во времени позволяет снизить реальную потребность предприятия в текущем и страховом остатках денежных активов, обслуживающих основную деятельность, а также резерв инвестиционных ресурсов для осуществления реального инвестирования.
Такое балансирование притоков и оттоков денежных средств на стадии планирования осуществляется путем разработки бюджета движения денежных средств (БДДС), формат которого зависит от особенностей бизнеса конкретного предприятия. Результатом расчетов является определение чистого денежного потока за бюджетный период, отражаемого отдельной строкой как «кассовый рост или уменьшение» в зависимости от своего значения (положительного или отрицательного) и сальдо денежных средств на конец планового периода. Если последнее отрицательно или меньше минимально установленного норматива, то, во-первых, проводится анализ притоков и оттоков денежных средств с целью выявления дополнительных резервов, а во-вторых, составляется кредитный план по привлечению внешних источников финансирования.
Основой управления является наличие оперативной и достоверной учетной информации, формируемой на базе бухгалтерского и управленческого учета. Состав такой информации весьма разнообразен: движение средств на счетах и в кассе предприятия, дебиторская и кредиторская задолженность предприятия, бюджеты налоговых платежей, графики выдачи и погашения кредитов, уплаты процентов, бюджеты предстоящих закупок, требующих предварительной оплаты, и многое другое.
Главная роль в управлении денежными потоками отводится обеспечению их сбалансированности по видам, объемам, временным интервалам и другим существенным характеристикам. Чтобы успешно решить эту задачу, нужно внедрить на предприятии системы планирования, учета, анализа и контроля. Ведь планирование хозяйственной деятельности предприятия в целом и движения денежных потоков в частности существенно повышает эффективность управления денежными потоками.
Основной целью управления денежными потоками является обеспечение финансового равновесия предприятия в процессе его развития путем сбалансирования объемов поступлений и расходов средств и их синхронизации во времени.
В мировой практике разработаны методы оптимизации остатка денежных средств, в основе которых заложены те же идеи, что и в методах оптимизации производственных запасов. Наибольшее распространение получили:
1) модель Баумоля;
2) модель Миллера – Орра;
3) модели Стоуна.
Суть данных моделей состоит в том, чтобы дать рекомендации о коридоре варьирования остатка денежных средств, выход за пределы которого предполагает либо конвертацию денежных средств в ликвидные ценные бумаги, либо обратную процедуру.
2. МОДЕЛИ УПРАВЛЕНИЯ ФИНАНСОВЫМИ ПОТОКАМИ
2.1. Модель Баумоля
Уильям Баумоль (Baumol W.J.) первым предложил и опубликовал 1952 году в своей монографии «The Transaction Demand for Cash: An Inventory Theoretic Approach» гипотезу о том, что остаток денежных средств на счете во многом сходен с остатком товарно-материальных запасов, поэтому модель оптимальной партии заказа (EOQ) может быть использована и для определения целевого остатка денежных средств.
Предполагается, что предприятие начинает работать, имея максимальный и целесообразный для нее уровень денежных средств, и затем постепенно расходует их в течение некоторого периода времени. Все поступающие средства от реализации товаров и услуг предприятие вкладывает в краткосрочные ценные бумаги. Как только запас денежных средств истощается, то есть становится равным нулю или достигает некоторого заданного уровня безопасности, предприятие продает часть ценных бумаг и тем самым пополняет запас денежных средств до первоначальной величины. Таким образом, динамика остатка средств на расчетном счете представляет собой «пилообразный» график (Рис. 2.1).
Рисунок 2.1 - График изменения остатка средств на расчетном счете
(модель Баумоля)
Сумма пополнения (Q) вычисляется по формуле (2.1):
где V – прогнозируемая потребность в денежных средствах в периоде (год, квартал, месяц);
C– расходы по конвертации денежных средств в ценные бумаги;
R – приемлемый и возможный для предприятия процентный доход по краткосрочным финансовым вложениям, например, в государственные ценные бумаги.
Таким образом, средний запас денежных средств составляет Q/2, а общее количество сделок по конвертации ценных бумаг в денежные средства (k) равно:
Общие расходы (OP ) по реализации такой политики управления денежными средствами составят:
Первое слагаемое в этой формуле представляет собой прямые расходы, второе – упущенная выгода от хранения средств на расчетном счете вместо того, чтобы инвестировать их в ценные бумаги.
2.2. Адаптивная модель Брауна
Существует большое количество различных по сложности (объему вычислительной процедуры) и точности процедур экстраполяции временных рядов: а) прямая, б) итеративная, в) адаптивная (полиномиальная модель, модель линейного роста, модель с адаптируемыми параметрами адаптации), а также с использованием АРИСС – модели.
На первом этапе экстраполяции производится аналитическое выравнивание - выбор функции, наиболее соответствующей данным (полином 1, 2 или 3 степени, экспоненциальная, степенная, логарифмическая и пр.) и вычисляются коэффициенты с использованием метода наименьших квадратов (МНК).
На втором этапе оценивается качество выравнивания .
Средняя квадратическая ошибка
где
Относительная ошибка аппроксимации
Критерий Дарбина-Уотсона – автокорреляция в отклонениях от тренда
где
Если значение d близко к 2, то автокорреляция остатков отсутствует, и оценка сглаживающей функции принимается.
Третий этап - собственно прогнозирование.
Метод экстраполяции позволяет определить прогнозируемые значения и доверительный интервал для них с использованием экспоненциального сглаживания.
Сущностью экспоненциального сглаживания является рекуррентное вычисление коэффициентов для разложения Y(t) в ряд Тейлора p-го порядка :
где
Адаптивный метод можно использовать для прогнозировании в рамках линейной модели (полиномиальной модели 1-го порядка):
Экспоненциальные средние:
Начальные условия:
Оценки коэффициентов:
Ошибка прогноза:
где
Модель Брауна может отображать развитие не только в виде линейной тенденции, но также в виде случайного процесса, не имеющего тенденции, а также в виде изменяющейся параболической тенденции. Соответственно различают адаптивные модели Брауна:
Первого порядка.
более ранних этапах.
Рассмотрим этапы построения линейной модели Брауна
Этап 1. По первым пяти точкам ряда y(t) оцениваются начальные значения a0(t) и a1(t) параметров модели с помощью метода наименьших квадратов для линейной аппроксимации:
Этап 2. С использованием параметров a (0) 0 и a (0) 1 строят прогноз на один шаг, подставляя t = 0 , k = 0 :
Этап 3. Расчетное значение
Этап 4. В соответствии с этой величиной корректируются параметры
модели.
В линейной модели Брауна модификация осуществляется следующим образом:
где
Значение
Этап 5. По модели со скорректированными параметрами a0
(t) и a1(t) находят прогноз на следующий момент времени.
Этап 6. Интервальный прогноз на будущее строят по линейной модели кривой роста, используя a0
(n) и a1(n) для k = 1,2,...
Прогнозные точечные оценки по этой модели получаются подстановкой в нее значений k = 1 и k = 2, а интервальные – по формуле:
где
В модели Брауна параметры сглаживания характеризуют степень адаптации модели к изменению ряда наблюдений. Они определяют скорость реакции модели на изменения, происходящие в развитии. Чем они больше, тем
быстрее реагирует модель на изменения. Обычно для устойчивых рядов их величина большая, а для неустойчивых – маленькая. В различных методах прогнозирования используется различный подход к их определению. Их можно взять фиксированными, а наилучшее значение определить методом подбора, чтобы ошибка прогноза на один шаг вперед была наименьшей.
2.3. Модели и методы авторегрессии
В авторегрессионных (AP) моделях текущее значение процесса представляется как линейная комбинация предыдущих его значений и случайной
компоненты.
В AP(p) – модели авторегрессии порядка р текущий уровень ряда представляется в виде взвешенной суммы р предыдущих наблюдений:
Во многих случаях АР-модель оказывается перегруженной незначимыми коэффициентами, которые надо исключить.
Идентификация AP(p) модели состоит в определении ее порядка p . В сезонной модели авторегрессии порядок выбирается равным периоду сезонности. При отсутствии сезонности начальная оценка порядка параметра p формируется на основе анализа автокорреляционной функции. «Чистые» авторегрессионные процессы имеют плавно затухающую автокорреляционную функцию (АКФ). В этом случае в качестве порядка модели выбирается лаг, после которого все частные автокорреляционные функции (ЧАКФ) имеют незначительную величину. Однако на практике редко встречаются процессы, которые легко было бы идентифицировать. Поэтому порядок модели обычно определяется методом проб из нескольких альтернатив. В число кандидатов включаются модели, у которых порядок соответствует ЧАКФ, превышающей стандартное отклонение 1/ N. При обработке разностных рядов иногда ориентируются на АКФ, выбирая модели, у которых порядок соответствует максимальному ее значению, при условии, что оно превышает стандартное отклонение.
AP – модели вообще не предназначены для описания процессов с тенденцией, однако они хорошо описывают колебания, что весьма важно для отображения развития неустойчивых показателей.
Чтобы сделать возможным применение AP-моделей к процессам с тенденцией, на первом этапе формируют стационарный ряд, т. е. исключают тенденцию.
Зависимость значений уровней временного ряда от предыдущих (со сдвигом на 1, на 2 и т.д.) уровней того же временного ряда называют автокорреляцией во временном ряду. Для получения числовой характеристики
такой внутренней зависимости вычисляют значение коэффициента корреляции между наборами { y1 , y2 ,..., yn−t } и { y1+τ , y2+τ ,..., yn }. Задавая величину сдвига τ=1,2,...(обычно τ ≤ n/4), получим множество значений коэффициентов корреляции – автокорреляционную функцию r(τ).
График функции r(τ) называется коррелограммой, а величина τ, которой соответствует наибольший коэффициент автокорреляции – временным лагом.
Одним из способов исключения тенденции является переход от исходного временного ряда к ряду Z(t) , t = 1,2,..., n , ( n = N−d ) первых или вторых разностей ( d=1 или 2). Ряд первых разностей представляет собой ряд абсолютных приростов.
при d = 1;
С учетом этого AP( p) - модель порядка р имеет вид:
Параметры этой модели вычисляются по МНК с учетом сложности модели либо методом адаптивной фильтрации (МАФ). В обоих случаях необходимо предварительно идентифицировать модель, т.е. правильно определить порядок разностного ряда d и порядок модели р.
Простейшим способом определения наиболее подходящего разностного ряда является вычисление для каждого ряда (d = 0,1,2 ) его дисперсии, т. е. усредненной суммы квадратов расхождений его уровней со средним значением Z(cp). Для дальнейшей обработки выбирается ряд, у которого величина этого показателя минимальна.
Для идентификации порядка модели обычно используется автокорреляционная функция. В качестве порядка модели принимается m – номер коэффициента автокорреляции r(t) , имеющего максимальную величину. Следовательно, в модели используются p уровней, которые оказывают на текущий уровень наибольшее влияние. С помощью МНК получают числовые значения коэффициентов модели.
На основе построенной модели вычисляют прогнозное значение разностного ряда Z(n + k) на k шагов вперед, а от него переходят к прогнозной оценке исходного ряда.
Так, для d =1имеем:
Следовательно, прогнозные оценки базируются как на фактических, так и на полученных прогнозных уровнях ряда. Доверительный интервал прогноза рассчитывается на основе точечного прогноза:
верхняя граница прогноза =Z(N + k) + U(k) ,
нижняя граница прогноза = Z(N + k) − U(k) .
Величина U(k) рассчитывается по формуле:
где Sij – среднее квадратическое отклонение, вычисленное с учетом сложности AP(p) - модели; ta – коэффициент, соответствующий табличному значению статистики Стьюдента с выбранным уровнем значимости a; коэффициент под квадратным корнем рассчитывается рекуррентно, причем при j = 0 величина C(0) =1, а при j > 0 .
3. РЕАЛИЗАЦИЯ МОДЕЛЕЙ УПРАВЛЕНИЯ ФИНАНСОВЫМИ РЕСУРСАМИ ДЛЯ ГОРЛОВСКОГО ОТДЕЛЕНИЯ ООО «ДАРЫ ПРИРОДЫ»
3.1. Реализация модели Баумоля
Значительная часть аккумулируемых предприятием денежных средств характеризуется неопределенным сроком их поступления. Предоставляя денежные средства дебиторам с целью увеличения объемов продаж, предприятие рискует столкнуться с ситуацией временного недостатка денежных средств для выполнения текущих обязательств перед кредиторами. Совсем не предоставлять деньги дебиторам означает потерять часть доходов от объемов реализации сжиженного газа. Таким образом, осуществляя управление распределением денежных средств, предприятия стремятся определить величину резерва, достаточного для выполнения текущих обязательств. Поэтому очевидна актуальность задачи прогнозирования будущих требований и поступления доходов от реализации или определения будущей величины остатков на счетах предприятия.
Модель Баумоля позволяет рассчитать оптимальный остаток денежных средств на счетах для поддержания баланса на достаточном уровне ликвидности. По модели Баумоля выделяются такие факторы для определения оптимального остатка денежных средств: Q - оптимальный остаток; V - потребность предприятия в наличных средствах для осуществления операций; C- необходимые постоянные затраты предприятия, которые возникают в процессе деятельности; R - прибыль от краткосрочных вложений (% по привлекаемым кредитам).
Таким образом, выводим формулу, по которой определяется оптимальный остаток денежных средств:
В табл. 3.1 представлены исходные данные для модели Баумоля.
Таблица 3.1 – Исходные данные о деятельности предприятия за 2007-2009гг
| Месяца | V | R | C | Q | Реальные остатки | Отклонения (+-) |
| тыс.грн | % | тыс.грн | тыс.грн | тыс.грн | тыс.грн | |
| 1 | 902,5 | 1,0 | 954,2 | 1290,7 | 933,1 | -357,6 |
| 2 | 966,2 | 1,1 | 1021,5 | 1349,0 | 1048,1 | -300,9 |
| 3 | 1022,3 | 0,9 | 1080,8 | 1573,4 | 912,5 | -660,9 |
| 4 | 802,9 | 1,1 | 769,3 | 1048,8 | 901,6 | -147,2 |
| 5 | 1138,2 | 0,9 | 1090,6 | 1676,5 | 1005,4 | -671,0 |
| 6 | 1134,8 | 1,1 | 1087,3 | 1516,6 | 1217,5 | -299,1 |
| 7 | 1822,4 | 1,0 | 1596,6 | 2427,0 | 1800,5 | -626,5 |
| 8 | 1730,5 | 1,0 | 1516,1 | 2299,4 | 1717,4 | -582,0 |
| 9 | 1608,0 | 1,0 | 1408,7 | 2108,3 | 1638,9 | -469,4 |
| 10 | 1778,1 | 1,0 | 1434,9 | 2235,3 | 1815,8 | -419,6 |
| 11 | 1460,7 | 1,1 | 1178,7 | 1755,6 | 1632,0 | -123,6 |
| 12 | 1748,2 | 1,1 | 1410,8 | 2113,6 | 1930,4 | -183,2 |
| 13 | 1398,3 | 0,7 | 1045,8 | 2050,8 | 972,4 | -1078,4 |
| 14 | 1034,6 | 1,1 | 773,8 | 1190,6 | 1168,5 | -22,1 |
| 15 | 2006,5 | 1,0 | 1500,8 | 2459,2 | 1998,2 | -461,0 |
| 16 | 1794,2 | 1,0 | 1250,5 | 2142,3 | 1754,3 | -388,1 |
| 17 | 1710,8 | 1,1 | 1192,3 | 1907,6 | 1917,8 | 10,2 |
| 18 | 2277,2 | 0,8 | 1587,1 | 3012,1 | 1814,3 | -1197,8 |
| 19 | 3329,5 | 1,0 | 2172,5 | 3804,4 | 3328,0 | -476,5 |
| 20 | 2751,2 | 1,0 | 1795,1 | 3117,4 | 2796,4 | -321,0 |
| 21 | 2709,2 | 1,0 | 1767,7 | 3057,2 | 2776,2 | -281,0 |
| 22 | 2682,3 | 1,0 | 1645,2 | 3038,0 | 2564,9 | -473,1 |
| 23 | 1766,4 | 1,2 | 1083,4 | 1816,2 | 2049,6 | 233,4 |
| 24 | 2017,0 | 1,0 | 1237,2 | 2194,5 | 2090,4 | -104,1 |
| 25 | 1047,1 | 1,2 | 605,9 | 1011,3 | 1299,2 | 287,8 |
| 26 | 1163,0 | 0,8 | 672,9 | 1373,5 | 964,9 | -408,6 |
| 27 | 1242,7 | 0,9 | 719,1 | 1418,5 | 1103,9 | -314,5 |
| 28 | 1497,2 | 1,0 | 820,0 | 1605,8 | 1425,7 | -180,1 |
| 29 | 1085,6 | 1,1 | 594,5 | 1061,1 | 1244,7 | 183,7 |
| 30 | 1722,6 | 1,0 | 943,4 | 1767,8 | 1791,6 | 23,8 |
| 31 | 1937,6 | 1,2 | 1007,2 | 1791,2 | 2357,0 | 565,8 |
| 32 | 3418,5 | 0,9 | 1777,0 | 3744,5 | 2962,1 | -782,4 |
| 33 | 2231,2 | 1,1 | 1159,8 | 2213,1 | 2357,6 | 144,4 |
| 34 | 1752,0 | 1,2 | 866,6 | 1591,4 | 2100,8 | 509,5 |
| 35 | 2353,3 | 0,12 | 1,2 | 2136,8 | 2021,7 | -216,5 |
| 36 | 1926,9 | 0,1 | 1,0 | 1916,6 | 1936,8 | -10,3 |
Таким образом, проанализировав полученные данные по модели Баумоля и сравнив их с реальными данными, мы можем сказать, что в течение месяцев наблюдалось превышение модельных остатков на счетах над реальными, однако это превышение в течение последнего года сменялось превышением реальных остатков. Это говорит о том, что ликвидность капитала предприятия несколько увеличивалась.
Графическое представление модели Баумоля представлено на рис. 3.1.
Рисунок 3.1 – Модель Баумоля за 2007-2009гг
Графическое отображение модели Баумоля показывает, что оптимальная сумма денежных средств на счету предприятия превосходит реальную сумму, что говорит о неэффективном использовании предприятием своих финансовых ресурсов. Для улучшения существующей ситуации необходимо построить прогноз оптимальной суммы денежных средств на будущий период.
3.2. Реализация модели Брауна
Какое-либо прогнозирование величины денежных средств возможно только в краткосрочном периоде, поскольку невозможно сделать долгосрочный прогноз в условиях нестабильной экономической ситуации и постоянно изменяющихся условиях рынка.
Однако в экономике существуют специальные методы, которые применяются только при краткосрочном прогнозировании, а также при прогнозировании в ситуации изменения внешних условий, когда наиболее важны являются последние реализации исследуемого процесса. Наиболее эффективными в этом случае оказываются адаптивные методы, которые учитывают неравномерность уровней временного ряда .
Для построения прогнозной модели сначала необходимо проанализировать динамику исходных данных за 2007-2009гг (табл.3.2).
Таблица 3.2 - Исходные данные о денежных средствах на счету
| Год | Месяц | Денежные средства на счету, тыс.грн |
| 2007 | 1 | 1 334,4 |
| 2 | 1 463,4 | |
| 3 | 1 404,4 | |
| 4 | 1 177,8 | |
| 5 | 1 480,9 | |
| 6 | 1 627,2 | |
| 7 | 2 397,8 | |
| 8 | 2 282,0 | |
| 9 | 2 148,8 | |
| 10 | 2 282,7 | |
| 11 | 1 961,5 | |
| 12 | 2 333,8 | |
| 2008 | 13 | 1 426,2 |
| 14 | 1 344,7 | |
| 15 | 2 449,0 | |
| 16 | 2 094,6 | |
| 2008 | 17 | 2 138,6 |
| 18 | 2 399,8 | |
| 19 | 3 802,60 | |
| 20 | 3 168,50 | |
| 21 | 3 132,90 | |
| 22 | 2 905,10 | |
| 23 | 2 107,40 | |
| 24 | 2 274,30 |
Продолжение таблицы 3.2
| Год | Месяц | Денежные средства на счету, тыс.грн |
| 2009 | 25 | 1 254,70 |
| 26 | 1 139,60 | |
| 27 | 1 260,00 | |
| 28 | 1 529,10 | |
| 29 | 1 216,60 | |
| 30 | 1 838,60 | |
| 31 | 2 179,00 | |
| 32 | 3 244,60 | |
| 33 | 2 338,50 | |
| 34 | 1 908,20 | |
| 35 | 2 169,50 | |
| 36 | 1 921,50 |
Для более наглядного отображения исходных данных построим точечную диаграмму динамики денежных средств (рис 3.2).
Рисунок 3.2 - Динамика денежных средств (2007-2009гг)
Исходя из графика, мы можем увидеть, что количество денежных средств к июлю-августу каждого года увеличиваются, но потом резко к январю следующего года снижаются.
Для прогнозирования объемов поступления денежных средств на 2010 год была использована модель Брауна, поскольку она может отображать развитие в виде случайного процесса, не имеющего тенденции, в виде процесса с изменяющейся во времени линейной тенденцией, а также в виде изменяющейся параболической тенденции.
Построим модель Брауна первого порядка для поступающих денежных средств с выручки от реализации сжиженного газа населению.
Модель Брауна первого порядка имеет вид:
где τ – период упреждения.
Выполним сглаживание два раза по формулам:
где t = 1,2,..., n a - константа, равная 0,5 и полученная минимизацией среднеквадратического отклонения Q.
Данные сведем в таблицу 3.3.
Для более наглядного рассмотрения сглаживания, приведем результаты сглаживания на рис.3.3.
Таблица 3.3 - Сглаживание исходных данных
| t | y(t) | S(1) t | S(2) t | a1 | a0 |
| 0 | 0 | 1 400,70 | 1 394,60 | | |
| 1 | 1 334,40 | 1 369,50 | 1 382,80 | 1 356,20 | -11,8 |
| 2 | 1 463,40 | 1 413,70 | 1 397,40 | 1 430,10 | 14,6 |
| 3 | 1 404,40 | 1 409,30 | 1 403,00 | 1 415,70 | 5,6 |
| 4 | 1 177,80 | 1 300,30 | 1 354,60 | 1 246,00 | -48,4 |
| 5 | 1 480,90 | 1 385,30 | 1 369,10 | 1 401,60 | 14,5 |
| 6 | 1 627,20 | 1 499,20 | 1 430,40 | 1 568,10 | 61,3 |
| 7 | 2 397,80 | 1 922,40 | 1 662,10 | 2 182,70 | 231,7 |
| 8 | 2 282,00 | 2 091,70 | 1 864,40 | 2 319,10 | 202,3 |
| 9 | 2 148,80 | 2 118,60 | 1 984,10 | 2 253,10 | 119,7 |
| 10 | 2 282,70 | 2 195,90 | 2 083,90 | 2 307,90 | 99,7 |
| 11 | 1 961,50 | 2 085,50 | 2 084,60 | 2 086,40 | 0,8 |
| 12 | 2 333,80 | 2 202,40 | 2 140,10 | 2 264,80 | 55,5 |
Продолжение таблицы 3.3
| t | y(t) | S(1) t | S(2) t | a1 | a0 |
| 13 | 1 426,20 | 1 836,90 | 1 997,30 | 1 676,40 | -142,8 |
| 14 | 1 344,70 | 1 605,10 | 1 812,60 | 1 397,60 | -184,7 |
| 15 | 2 449,00 | 2 002,50 | 1 902,00 | 2 103,00 | 89,4 |
| 16 | 2 094,60 | 2 045,90 | 1 969,80 | 2 122,00 | 67,7 |
| 17 | 2 138,60 | 2 089,50 | 2 026,20 | 2 152,90 | 56,4 |
| 18 | 2 399,80 | 2 235,70 | 2 124,80 | 2 346,50 | 98,7 |
| 19 | 3 802,60 | 2 973,60 | 2 524,50 | 3 422,70 | 399,7 |
| 20 | 3 168,50 | 3 065,40 | 2 779,30 | 3 351,60 | 254,7 |
| 21 | 3 132,90 | 3 097,20 | 2 929,00 | 3 265,40 | 149,7 |
| 22 | 2 905,10 | 3 006,70 | 2 965,60 | 3 047,90 | 36,6 |
| 23 | 2 107,40 | 2 583,20 | 2 785,50 | 2 380,90 | -180,1 |
| 24 | 2 274,30 | 2 437,70 | 2 621,70 | 2 253,70 | -163,8 |
| 25 | 1 254,70 | 1 880,60 | 2 272,70 | 1 488,50 | -349 |
| 26 | 1 139,60 | 1 531,60 | 1 923,70 | 1 139,60 | -349 |
| 27 | 1 260,00 | 1 403,70 | 1 678,80 | 1 128,60 | -244,9 |
| 28 | 1 529,10 | 1 462,80 | 1 577,10 | 1 348,40 | -101,8 |
| 29 | 1 216,60 | 1 346,80 | 1 468,60 | 1 225,00 | -108,4 |
| 30 | 1 838,60 | 1 578,40 | 1 520,30 | 1 636,50 | 51,7 |
| 31 | 2 179,00 | 1 861,20 | 1 680,90 | 2 041,60 | 160,5 |
| 32 | 3 244,60 | 2 512,70 | 2 072,60 | 2 952,80 | 391,7 |
| 33 | 2 338,50 | 2 430,70 | 2 241,20 | 2 620,10 | 168,6 |
| 34 | 1 908,20 | 2 184,60 | 2 214,60 | 2 154,70 | -26,7 |
| 35 | 2 169,50 | 2 177,50 | 2 197,10 | 2 157,90 | -17,5 |
| 36 | 1 921,50 | 2 057,00 | 2 131,10 | 1 982,80 | -66 |
Рисунок 3.3 - Сглаживание исходных данных
Далее, следуя алгоритму построения модели Брауна, находим коэффициенты a0 и a1
по формулам:
где
Строим модель Брауна первого порядка по следующей формуле:
На рис. 3.4. мы видим, что значения, полученные с помощью модели Брауна первого порядка, достаточно хорошо повторяют исходные данные, однако с упреждением и в дальнейшем при построении прогнозной модели не будут учитываться колебания.
Рисунок 3.4 – Модель Брауна первого порядка
3.3. Реализация авторегрессионной модели
Для построения авторегрессионной модели воспользуемся алгоритмом построения, приведенного выше в теоретической части работы.
Для начала проведем декомпозицию ряда проверкой на наличие сезонности и тренда с помощью встроенной функции КОРРЕЛЛ в программе Microsoft Excel. Для этого рассчитаем показатель корреляции и границы белого шума. Рассчитанные значения автокорреляционной функции (АКФ) по данным представлены в табл.3.4.
Таблица 3.4 - АКФ по данным денежных средств на счету
| № | АКФ | Левая граница белого шума | Правая граница белого шума |
| 1 | 0,65 | -0,36 | 0,31 |
| 2 | 0,42 | -0,37 | 0,31 |
| 3 | 0,19 | -0,37 | 0,31 |
| 4 | -0,07 | -0,38 | 0,32 |
| 5 | -0,33 | -0,38 | 0,32 |
| 6 | -0,57 | -0,39 | 0,33 |
| 7 | -0,46 | -0,40 | 0,33 |
| 8 | -0,31 | -0,41 | 0,34 |
| 9 | -0,11 | -0,41 | 0,34 |
Для более наглядного представления полученных данных отобразим результаты на графике (рис.3.5).
Рисунок 3.5 – Значения АКФ денежных средств на счету
Как видно по графику, первый столбец АКФ выходит за границу белого шума, что свидетельствует о наличии тренда и цикличности. Именно по этим характеристикам мы и будем подбирать модель, описывающую динамику наших показателей. Сама модель даст нам возможность построить прогноз на 2010г.
Для построения авторегрессионной модели мы исключим тенденцию от исходного временного ряда, вычислили параметры модели с помощью МНК и исключили из них наименее значимые (табл.3.5).
Таблица 3.5 - Параметры авторегрессионной модели
| a6 | a1 | a0 |
| -0,47 | 0,44 | 2178,5 |
| 0,17 | 0,16 | 596,1 |
| 0,54 | 512,85 | #Н/Д |
| 12,2 | 21 | #Н/Д |
| 6434691,8 | 5523342,41 | #Н/Д |
Таким образом, авторегрессионная модель 6 порядка имеет вид:
Авторегрессионная модель оптимального остатка денежных средств представлена на рис.3.6, рассчитанные данные представлены в таблице 3.6.
Таблица 3.6 – Остаток денежных средств
| Год | Месяц | Денежные средства | Модель денежных средств | Остатки | % ошибки | ||
| t | y(t) | y(t - 1) | y(t - 6) | yˆ | e | ||
| 2007 | 1 | 1 334,40 | | | | | |
| 2 | 1 463,40 | 1 334,40 | | | | | |
| 3 | 1 404,40 | 1 463,40 | | | | | |
| 4 | 1 177,80 | 1 404,40 | | | | | |
| 5 | 1 480,90 | 1 177,80 | | | | | |
| 6 | 1 627,20 | 1 480,90 | | | | | |
| 7 | 2 397,80 | 1 627,20 | 1 334,40 | 2 271,00 | 126,8 | -5 | |
| 8 | 2 282,00 | 2 397,80 | 1 463,40 | 2 549,40 | -267,4 | 11,7 | |
| 9 | 2 148,80 | 2 282,00 | 1 404,40 | 2 526,00 | -377,2 | 17,6 | |
| 10 | 2 282,70 | 2 148,80 | 1 177,80 | 2 573,20 | -290,5 | 12,7 | |
| 11 | 1 961,50 | 2 282,70 | 1 480,90 | 2 490,70 | -529,2 | 27 | |
| 12 | 2 333,80 | 1 961,50 | 1 627,20 | 2 281,30 | 52,5 | -2,2 | |
| 2008 | 13 | 1 426,20 | 2 333,80 | 2 397,80 | 2 085,50 | -659,3 | 46,2 |
| 14 | 1 344,70 | 1 426,20 | 2 282,00 | 1 740,80 | -396 | 29,4 | |
| 15 | 2 449,00 | 1 344,70 | 2 148,80 | 1 767,10 | 681,9 | -27,8 | |
| 16 | 2 094,60 | 2 449,00 | 2 282,70 | 2 189,80 | -95,2 | 4,5 | |
| 17 | 2 138,60 | 2 094,60 | 1 961,50 | 2 183,90 | -45,4 | 2,1 | |
| 18 | 2 399,80 | 2 138,60 | 2 333,80 | 2 029,60 | 370,3 | -15,4 | |
| 19 | 3 802,60 | 2 399,80 | 1 426,20 | 2 567,70 | 1 235,00 | -32,5 | |
| 20 | 3 168,50 | 3 802,60 | 1 344,70 | 3 221,90 | -53,4 | 1,7 | |
| 21 | 3 132,90 | 3 168,50 | 2 449,00 | 2 428,30 | 704,6 | -22,5 | |
| 22 | 2 905,10 | 3 132,90 | 2 094,60 | 2 578,00 | 327,1 | -11,3 | |
| 23 | 2 107,40 | 2 905,10 | 2 138,60 | 2 457,40 | -350 | 16,6 | |
| 24 | 2 274,30 | 2 107,40 | 2 399,80 | 1 985,10 | 289,2 | -12,7 | |
| 2009 | 25 | 1 254,70 | 2 274,30 | 3 802,60 | 1 404,10 | -149,4 | 11,9 |
| 26 | 1 139,60 | 1 254,70 | 3 168,50 | 1 252,00 | -112,4 | 9,9 | |
| 27 | 1 260,00 | 1 139,60 | 3 132,90 | 1 218,00 | 42,1 | -3,3 | |
| 28 | 1 529,10 | 1 260,00 | 2 905,10 | 1 377,20 | 151,9 | -9,9 | |
| 29 | 1 216,60 | 1 529,10 | 2 107,40 | 1 867,40 | -650,8 | 53,5 | |
| 30 | 1 838,60 | 1 216,60 | 2 274,30 | 1 652,30 | 186,3 | -10,1 | |
| 31 | 2 179,00 | 1 838,60 | 1 254,70 | 2 401,10 | -222,1 | 10,2 | |
| 32 | 3 244,60 | 2 179,00 | 1 139,60 | 2 604,30 | 640,3 | -19,7 | |
| 33 | 2 338,50 | 3 244,60 | 1 260,00 | 3 016,30 | -677,8 | 29 | |
| 34 | 1 908,20 | 2 338,50 | 1 529,10 | 2 492,70 | -584,5 | 30,6 | |
| 35 | 2 169,50 | 1 908,20 | 1 216,60 | 2 449,40 | -279,9 | 12,9 | |
| 36 | 1 921,50 | 2 169,50 | 1 838,60 | 2 274,10 | -352,6 | 18,4 | |
Рисунок 3.6 - Авторегресиионая модель динамики денежных средств на счету
за 2007-2009гг
Характеризуя данный рисунок, хочется отметить, что наша модель достаточно точно повторяет исходный временной ряд.
Оценка полученного прогноза состоит в сравнении вычисленных величин с действительно наблюдаемыми. Для этой цели определяются ошибки прогноза.
Ошибка прогноза находится по формуле:
где s - среднеквадратическое отклонение;
Y
ср - среднее значение исходных данных.
Обычно значение V выражается в процентах.
Точность модели характеризует степень близости данных к фактическим.
Считается, что модели с меньшим расхождением между фактическими и расчетными значениями лучше отражают исследуемый процесс. При апробации в качестве характеристик точности использовались:
а) остаточная дисперсия;
б) средняя относительная ошибка аппроксимации показывает величину отклонений фактических и расчетных значений переменной величины по каждому наблюдению. Чем меньше это отличие, чем ближе рассчитанные значения подходят к эмпирическим данным, тем лучше качество модели;
в) коэффициент детерминации показывает, какая доля дисперсии результативного признака объясняется влиянием независимых переменных;
г) наличие (отсутствие) автокорреляции в отклонениях от модели роста проще всего проверить с помощью критерия Дарбина – Уотсона. С этой целью строится статистика Дарбина – Уотсона (d статистика), в основе которой лежит расчетная формула
Теоретическое основание применения этого критерия обусловлено тем, что в динамических рядах как сами наблюдения, так и отклонения от них распределяются в хронологическом порядке.
При отсутствии автокорреляции значение d примерно равно 2, а при полной автокорреляции - 0 или 4. Следовательно, оценки, получаемые по критерию, являются не точечными, а интервальными. Верхние (d2 ) и нижние (d1) критические значения, позволяющие принять или отвергнуть гипотезу об отсутствии автокорреляции, зависят от количества уровней динамического ряда и числа независимых переменных модели. Значения этих границ для трех уровней значимости (a = 0,01, a = 0,025 и a = 0,05) даны в специальных таблицах.
При сравнении расчетного значения d -статистики с табличным могут возникнуть такие ситуации: d2 < d <1 – ряд остатков не коррелирован; d < d1 - остатки содержат автокорреляцию; d1 < d < d2 — область неопределенности, когда, нет оснований ни принять, ни отвергнуть гипотезу о существовании автокорреляции. Если d превышает 2, то это свидетельствует о наличии отрицательной корреляции.
В результате использования этих формул мы получили следующие значения для модели Брауна:
A = 25% - это говорит о том, что рассчитанные нами значения плохо подходят к эмпирическим данным, а значит хуже качество используемой нами модели;
R2 = 0,11 - при значениях показателей тесноты связи равным 0,11, величина коэффициента детерминации всегда будет меньше 50%. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях модели имеют высокое практическое значение;
d = 0,78 - данное значение меньше 1, что свидетельствует о присутствии автокорреляции.
Ошибка прогноза составила V = 32%. Таким образом, авторегрессионная модель является адекватной и может быть применима для прогноза.
Прогноз динамики денежных средств. Перейдем к построение интервального прогноза. Рассчитанные данные отображены в табл. 3.7.
Для наглядности построим график полученных данных (рис.3.7).
Таблица 3.7 - Интервальный прогноз динамики денежных средств на 2010г.
| Месяц | Точечный прогноз | Границы | |
| Левая | Правая | ||
| 37 | 2006,42 | 1199,76 | 2813,07 |
| 38 | 1546,72 | 740,07 | 2353,38 |
| 39 | 1767,36 | 960,7 | 2574,01 |
| 40 | 2064,96 | 1258,31 | 2871,62 |
| 41 | 2073,84 | 1267,19 | 2880,5 |
| 42 | 2193,42 | 1386,77 | 3000,08 |
| 43 | 2206,36 | 1399,7 | 3013,01 |
| 44 | 2426,43 | 1619,78 | 3233,09 |
| 45 | 2420,22 | 1613,56 | 3226,88 |
| 46 | 2278,69 | 1472,03 | 3085,35 |
| 47 | 2212,37 | 1405,71 | 3019,03 |
| 48 | 2127,46 | 1320,81 | 2934,12 |
Рисунок 3.7 - Точечный и интервальный прогноз динамики денежных средств
Полная картина моделирования динамики денежных средств предприятия представлена на рис.3.8.
Рисунок 3.8 - Модель, точечный и интервальный прогноз динамики
денежных средств на счету предприятия
Судя по полученному графику (рис.3.8) интервальный прогноз имеет довольно приемлемую ширину, что повышает качество прогноза.
ВЫВОДЫ
Эффективная деятельность предприятий и хозяйственных организаций, стабильные темпы их работы и конкурентоспособность в современных экономических условиях в значительной степени определяются качеством управления финансами. Оно включает в себя финансовое планирование и прогнозирование с такими обязательными элементами, как организация управленческого учета, регулярный комплексный финансовый анализ и на его основе решение проблем платежеспособности, финансовой устойчивости, преодоление возможного банкротства предприятия.
Важнейшей формой управления финансами предприятия должны стать решения, суть которых сводится к формированию достаточных для развития предприятия финансовых ресурсов, поиску новых источников финансирования на денежном и финансовых рынках, использованию новых финансовых инструментов, позволяющих решать ключевые проблемы финансов: платежеспособность, ликвидность, доходность и оптимальное соотношение собственных и заемных источников финансирования.
По данным экспертов из-за отсутствия налаженной системы управления финансами компании ежегодно теряют не менее 10% своих доходов – нехватка полной и оперативной финансовой информации приводит к ошибочным, запоздалым управленческим решениям, многие объекты финансового управления уходят из зоны внимания руководства.
В данной работе были освещены теоретические и методологические аспекты моделирования управления и прогнозирования финансовых ресурсов предприятия. Для повышения эффективности управления финансовыми потоками предприятие может использовать модель Баумоля, которая проста и в достаточной степени приемлема для предприятий, денежные расходы которых стабильны и прогнозируемы. Проанализированы модели прогнозирования потоков денежных средств предприятия. Рассмотрена последовательность расчета отдельных показателей при прогнозировании поступления и расходования денежных средств. Применение данных моделей и методов прогнозирования позволит предприятию более четко регулировать свою организационно-финансовую деятельность, повысить эффективность производства.
Особенности управления финансовыми потоками в представленной дипломной работе были рассмотрены на примере Горловского отделения ООО "Дары природы".
Фактически, за период, в течение которого Горловское отделение ООО "Дары природы" ведет свою финансово-хозяйственную деятельность, оно занималось реализацией сжиженного газа, также предоставлялись услуги по хранению сжиженного газа Анализ показателей финансовой устойчивости показал, что данное предприятие имеет кризисное финансовое состояние, что говорит о том, что предприятие имеет кредиты и займы, не погашенные в срок, а также просроченную кредиторскую и дебиторскую задолженности. В этом случае можно говорить, что предприятие находится на грани банкротства.
Оценка показателей дебиторской и кредиторской задолженности свидетельствует о том, что у предприятия за 3 года выросла зависимость от привлеченных средств, значение показателя кредиторской задолженности превышает оптимальное значение 0,5 - 0,7. Низкая доля дебиторской задолженности и ее уменьшение свидетельствует о том, что предприятие мало предоставляет товарных кредитов и ведет чисто розничную реализационную деятельность.
Наибольший денежный поток предприятия генерирует операционная деятельность. Поэтому для улучшения качества управления финансовыми потоками возникает необходимость изучить динамику поступления денежных средств на расчетный счет предприятия, а также выявить оптимальный объеме денежных средств для обеспечения выполнения текущих обязательств предприятия перед кредиторами и улучшения финансовой устойчивости.
Приведены и реализованы алгоритмы построения прогноза поступления бюджетных средств с использованием авторегрессионной модели и модели Брауна первого порядка.
Проанализировав модели прогнозирования потоков денежных средств, их адекватность и точность, для прогнозирования на будущий период оптимального уровня денежных средств была выбрана авторегрессионная модель, отвечающая всем параметрам адекватности и точности. В результате получен прогноз поступления денежных средств на 2010 год, на основе которого Горловское отделение ООО "Дары природы" может планировать свою финансовую деятельность.
Полученные результаты моделирования позволят предприятию осуществить ряд мероприятий:
1. Планирование процесса управления финансовыми потоками, а также их оптимизация на основе полученных результатов;
2. Обеспечение системой эффективного контроля за поступлением и расходованием денежных средств на предстоящий год в помесячном разрезе с тем, чтобы обеспечить учет сезонных колебаний денежных потоков предприятия;
3. Поддержка ликвидности предприятия, следя за балансом расходов и доходов за определенный период времени.
Основу оптимизации платежного оборота предприятия должно составлять обеспечение сбалансированности объемов положительного и отрицательного денежных потоков во времени.
ПЕРЕЧЕНЬ ССЫЛОК
1. Балабанов И. Т. Финансовый анализ и планирование хозяйствующего субъекта / И. Т. Балабанов. - 2-е изд., доп. М.: Финансы и статистика, 2003. – 451 с, 163
2. Балашов В.Г. Модели и методы принятия выгодных финансовых решений. М.:Наука, 2002.
3. Барыкин С.Е. Модели управления запасами материальных и финасовых ресурсов в логистической системе корпорации. Аудит и финансовый анализ. №1 2008г.
4. Бланк И.А. Основы финансового менеджмента. Т.1.- К.: Ника-Центр, 2004. – 573 с
5. Бобылева А.З. Финансовый менеджмент. Пособие по финансам для менеджеров / А.З. Бобылева. М.: Изд-во РОУ, 2001. – 426 с., 38
6. Бочаров В.В. Финансовый анализ. — СПб.: Питер, 2004. – 240 с, 21, 39
7. В.М. Зарубинский, Н.И. Демьянов, Е.Я. Кушлык, И.В. Семеренко Финансовое управление предприятием: принципы, методы и инструменты
8. Господарський кодекс України від 16.01.2003 р.
9. Григорьева Е.М., Перепечкина Е.Г. Финансы корпораций / под ред. Г.А. Тактарова. - Москва: Финансы и статистика, 2006. – 288 с
10. Гутова А.В. Управление денежными потоками: теоретические аспекты // Финансовый менеджмент.- 2004. № 4
11. Дранко О.И., Кислицына Ю.Ю. Моделирование финансовой отчетности предприятия: прогноз и управление. В междуведомственном сборнике научных трудов "Моделирование процессов управления и обработки информации". М.: Московский физико-технический институт, 1999, стр.42-53.
12. Карлин Т.Р. Анализ финансовых отчетов (на основе GAAP). – М.: ИНФРА-М, 1998. – 266с.
13. Ковалев В.В. Введение в финансовый менеджмент. М.: Финансы и статистика, 2004. – 648.
14. Методичні вказівки до виконання курсової роботи з дисципліни "Математичні моделі в менеджменті та маркетингу" (для студ. V курсу спец. 7.050102 "Економічна кібернетика" усіх форм навчання) / Укл.: Л.П. Якимова. – Алчевськ: ДонДТУ, 2009. – 31 с.
ПРИЛОЖЕНИЕ А
ПРИЛОЖЕНИЕ Б
ПРИЛОЖЕНИЕ В
ПРИЛОЖЕНИЕ Д
