10.2. методический инструментарий прогнозного анализаэкономических показателей

В настоящее время насчитывается более 100 различных методов и процедур экономического прогнозирования, которые можно условно объединить в несколько групп:

· эвристические (интуитивные) методы, базирующиеся 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 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. Организаторы опроса определяют объект и цели экспертизы, подбирают экспертов, проверяют их компетентность, анализируют и обобщают результаты экспертизы.

Метод экспертных оценок имеет несколько разновидностей:

1) 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;

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

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

4) 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;

5) метод «дерева целей» – использование иерархической структуры решения проблемы путем разделения общей цели на 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;

6) 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;

метод сценариев – экспертная оценка возможных вариантов развития событий и выбор наиболее реальных и благоприятных. Сценарий – это модель будущего состояния предприятия, которая описывает возможный ход событий, рассматривает факторы,

1) 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.

Методы экстраполяции основываются на экономико-статистических методах обработки данных за прошлые периоды, определения тенденций развития изучаемого явления в предпрогнозном периоде и проекции найденной закономерности на будущее. Экстраполирование установленной закономерности за пределы динамического ряда основано на предположении, что начавшееся изменение переменной будет продолжаться такими же темпами и в будущем. Необходимыми предпосылками получения надежных результатов экстраполяции являются стабильность экономических условий, достаточное количество и достоверность информации о прошлом.

Наиболее простым методом прогнозирования является применение среднего абсолютного прироста и среднего темпа роста динамического ряда. Прогнозируемое значение переменной для любой даты прогнозного периода можно определить по формуле:

Уt = Y0 + ,

где Y0 – начальный уровень ряда;  – средний абсолютный прирост изучаемого показателя, рассчитанный по средней арифметической; t – порядковый номер даты (года, квартала, месяца);

На основании исходных данных (табл. 10.1) рассчитаем прогнозную величину капитала на следующий, одиннадцатый год:

Уt = Y0 +  (t – 1);

Уt = 50 + 1,7 * 10 = 67 млн. р.;

Таблица 10.1 Исходная информация для расчета среднего абсолютного прироста собственного капитала предприятия

Номер года

Капитал, млн. р.

Абсолютный прирост

капитала, млн. р.

1

50

-

2

52

+2

3

54,6

+2,6

4

55,7

+1,1

5

57,4

+1,7

6

58

+0,6

7

60.3

+2,3

8

61,5

+1,2

9

63

+1,5

10

65,3

+2,3

Средний

-

+1,7

Аналогично определяется прогнозный уровень исследуемого показателя и на более отдаленную перспективу.

Более точный прогноз развития экономических явлений получают на основе трендовых моделей, которые отражают основную тенденцию динамического ряда.


Основная тенденция развития явления во времени обычно определяется следующими механическими методами:

· укрупнения интервалов;

· скользящей средней. Скользящие средние позволяют сгладить как случайные, так и сезонные колебания и выявить основную тенденцию временного ряда;

· аналитического выравнивания.

С помощью математических моделей, количественно отражающих связь между многими переменными, можно объяснить причины изменения экономических явлений в прошлом и дать прогнозы поведения их в будущем. В анализе хозяйственной деятельности наиболее широкое применение получили регрессионные и дискриминантные модели.

Дискриминантные модели получили широкое применение для оценки и прогнозирования кредитоспособности и риска банкротства предприятия – это модели Альтмана, Лиса, Таффлера, Тишоу. Для их разработки требуется достаточно большая выборка данных, желательно по предприятиям одной отрасли, поскольку многие показатели могут быть несопоставимы из-за разной структуры капитала и скорости его оборачиваемости в различных отраслях экономики. Затем все множество объектов разбивается, как правило, на три группы: к первой группе относятся финансово устойчивые предприятия, ко второй – проблемные, к третьей – остальные.

В процессе дискриминантного анализа производится пошаговый отбор переменных, обеспечивающих различие групп. После этого рассчитываются коэффициенты дискриминантной функции и константы дискриминации.

Например, дискриминантная функция для диагностики риска банкротства сельскохозяйственных предприятий выглядит следующим образом:

Z = 0,111 x1 + 13,239 x2 + 1,676 x3 + 0,515 х4 + 3,80 х5,

где x1 – доля собственного оборотного капитала в формировании оборотных активов, коэффициент; x2 – стоимость оборотного капитала на рубль основного капитала, р.; х3 – коэффициент оборачиваемости совокупного капитала; х4 – рентабельность активов предприятия, %; х5 – коэффициент финансовой независимости (доля собственного капитала в общей валюте баланса). Константа дискриминации для приведенной модели – 8.

Подставляя в данное уравнение фактические или прогнозные значения факторных показателей, можно быстро провести экспресс-анализ финансового состояния сельскохозяйственных предприятий и достаточно точно оценить степень вероятности их банкротства.

Если величина Z-счета для тестируемого предприятия больше 8, то риск банкротства отсутствует. При значении Z-счета меньше 8 риск банкротства присутствует: от 8 до 5 – небольшой, от 5 до 3 – средний, ниже 3 – большой, ниже 1 – 100 %-я несостоятельность.