Реферат: Анализ финансовых результатов на примере магазина
была на 9323 тыс.руб. больше.
Дальнейший анализ прибыли от реализации состоит в исследовании факторов, влияющих на ее объем. Для этого необходимо оценить изменения:
-отпускных цен на продукцию;
-объема продукции;
-структуры реализованной продукции;
-сбестоимости продукции;
-себестоимости за счет структурных сдвигов в составе продукции;
Таблица11
Факторный анализ прибыли от реализации
Показатели | Факт 1998года | План 1999года | Факт 1999года |
1 | 2 | 3 | 4 |
1.Выручка от реализации | 47467 | 149000 | 197544 |
2.Себестоимость реализованной продукции | 39450 | 135009 | 175649 |
3.Прибыль от реализации | 767 | 3452 | -6275 |
1)Изменение отпускных цен на продукцию:
197544-149000=48544тыс.руб.
2)Изменение объема продукции:
135009/39450=2625, 2625-767=1858тыс.руб.
3) Изменения в структуре реализованной продукции:
767 х (149000/17467-135009)=767 х 1,002= -768,5 тыс.руб.
Таким образом значительные изменения в структуре объемов реализации уменьшили сумму прибыли от реализации на 769 тыс.руб.
4) Изменение себестоимости продукции: 175649-135009=40640 тыс.руб.Увелечение себестоимости на 40640тыс.руб. ведет к уменьшению прибыли.
5) Измнение себестоимости за счет структурных сдвигов в составе продукции: 39450 х 149000/47467-135009= -11174,5 тыс.руб.
Уменьшение прибыли за счет изменения себестоимости в результате структурных сдвигов в составе продукции
Таблица12
Оценка прибыли от реализации
Показатели |
1998г. | 1999г. |
Отклонения (+; -) |
Отношение 1998г.к 1999г. % |
1 | 2 | 3 | 4 | 5 |
1.Выручка (нетто) от реализованой продукции | 47467 | 197544 | +150077 | 417 |
2.Себестоимость реализованной продукции | 39450 | 175649 | +136199 | 445 |
3.Коммерческие расходы | 107 | 12631 | +12524 | 11805 |
4.Управленческие расходы | 7143 | 15539 | +8396 | 218 |
5.Прибыль от реализации (стр.1-2-3-4) | 767 | -6275 | -7042 | -818 |
Как видно из таблицы 12 убыток от реализации на 7042 тыс.руб. обусловлен слишком большими затратами на комерческие расходы на 11805% (12524 тыс.руб.), так как этот показатель имееет наибольшую сумму отклонения среди всех показателей. Тогда как все другие показатели увеличились в меньших пропорциях (415%,445%,218).
Следовательно, при значительном сокращении коммерческих расходов приведет к увелечению прибыли. Таблица13
Результаты расчетов влияния прибыли от реализации продуции
Показатели |
Сумма изменений |
1 | 2 |
Отклонение прибыли от реализации продукции-всего, | -7042 |
В том числе за счет: | |
-увелечения коммерческих расходов | +12524 |
-роста управленческих расходов | +8396 |
-увелечения отпускных цен на продукцию | +48544 |
-увелечения объема продукции | +1858 |
-изменения в структуре продукции | -769 |
-увелечения в себестоимости продукции | -40640 |
-изменения себестоимости за счет структурных сдвигов в составе продукции | -11174 |
-нарушения хозяйственной дисциплины | 25781 |
Как видно из таблицы 13 нарушения хозяйственной дисциплины повлиявшие отрицательно на объем прибыли составили 25871 тыс. рублей . Это произошло в результате не эффективной ценовой политики на 48544 тыс.руб.Увеличение объема не рентабельной продукции на 1858 тыс. руб. также оказало неблаготворное влияние на объем прибыли. Зато положительно повлияло снижение себестоимости и принесло прибыль 40640 тыс.руб. Как вышеуже было отмечено резкое увелечение коммерческих расходов сократило прибыль на 12524 тыс.руб.
Выводы:
1) ГУСП “Башхлебоптицепром” располагает относительно новыыми основными средствами, что говорит о том ,что предприятие технически оснащено.
2) Предприятие испытывает значительные проблемы неплатежей за реализованную продукцию.Дополнительный приток средств в основном связан с увелечением заемных средств, а не за счет собственного капитала, так как прекратилось целевое финансирование из бюджета на зерна.
Значительный удельный вес в собственном капитале принадлежит добавочному капиталу, образовавшего за счет переоценки.
3) Все поступающие денежные средсва направляются на сезонную закупку зерна.
В результате замедленный оборот средств вложенных в запасы. Для погашения следует сократить велечину запасов. Неоправданный рост дебиторской задолженности также замедляет оборот денежных средств и ухудшает финансовый результат.
4)Увелечение объема прибыли в 1999 году произошло за счет внереализационных доходов. При этом убыток от реализации из-за больших коммерческих расходов уменшил размер прибыли на 7042 тыс.руб.
ГЛАВА 3. ПРОГНОЗ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ ФИНАНСОВОГО СОСТОЯНИЯ ГУСП «БАШХЛЕБОПТИЦЕПРОМ» С ПРИМЕНЕНИЕМ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
3.1 Основные положения корреляционного и регрессионного анализа
Одним из инструментов экономического анализа в настоящее время, является экономико-математического моделирование.
Экономико-математическое моделирование представляет собой метод исследования экономико-математических моделей, с помощью экономико-математических методов.
Экономико-математическая модель - это математическое описание экономического процесса или объекта.
Экономико-математические методы – это комплекс экономических и математических дисциплин, таких, как:
экономико-статистические методы;
эконометрика;
исследование операций;
экономическая кибернетика.
Предметом экономико-математического моделирования является изучение реальных процессов социально-экономического развития, их обобщение и представление в виде конкретных объективно обусловленных оценок.
Основной целью экономики является обеспечение общества предметами потребления. Экономика состоит из элементов – хозяйственных единиц: предприятия, фирмы, банки и так далее. Экономика является подсистемой системы более высокого уровня – природы и общества.
Задачами экономико-математического моделирования являются:
- анализ экономических объектов и процессов;
- экономическое прогнозирование, предвидение развития экономических процессов;
- выработка данных необходимых для принятия управленческих решений.
Любое экономическое исследование всегда предполагает объединение теории (экономической модели) и практики (статистических данных). Теоретические модели используются для описания и объяснения наблюдаемых процессов, а статистические данные собираются с целью эмпирического построения и обоснования модели.
Математические модели, используемые в экономике, подразделяются на классы по ряду признаков, относящихся к особенностям моделируемого объекта, цели моделирования и используемого инструментария: модели макро- и микроэкономические, теоретические и прикладные, оптимизационные и равновесные, статистические и динамические.
Макроэкономические модели описывают экономику как единое целое, связывая между собой укрупненные материальные и финансовые показатели: ВНП, потребление, инвестиции, занятость и т.д. Микроэкономические модели описывают взаимодействие структурных и функциональных составляющих экономики, либо поведение отдельной такой составляющей в рыночной среде. Теоретические модели позволяют изучать общие свойства экономики и ее характерных элементов дедукцией выводов из формальных предпосылок. Прикладные модели дают возможность оценить параметры функционирования конкретного экономического объекта и сформулировать рекомендации для принятия практических решений. Равновесные модели описывают такие состояния экономики, когда результирующая всех сил, стремящихся вывести ее из данного состояния, равна нулю. В моделях статистических описывается состояние экономического объекта в конкретный момент или период времени; динамические модели включают взаимосвязи переменных во времени.
В экономической деятельности достаточно часто требуется не только получить прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов, а также возможные последствия их изменений в будущем. Для решения этой задачи предназначен аппарат корреляционного и регрессионного анализа.
Результат опыта можно охарактеризовать качественно и количественно. Любая качественная характеристика результата опыта называется событием; любая количественная характеристика результата опыта называется случайной величиной. Случайная величина – это такая величина, которая в результате опыта может принимать различные значения, причем до опыта не возможно предсказать, какое именно значение она примет.
Понятие зависимости (независимости) случайных величин является одним из важнейших понятий в теории вероятностей. Так как наличие или отсутствие зависимости между случайными величинами оказывает существенное влияние на метод исследования. Степень тесноты изменяется в широких пределах: от полной независимости случайных величин до очень сильной, близкой по существу к функциональной зависимости.
Связь между зависимой переменной Y(i) и n независимыми факторами можно охарактеризовать функцией регрессии Y(i) = f (X1, X2, ......, Xm), которая показывает, каким будет в среднем значение переменной Y, если переменные Х примут конкретное значение. Это обстоятельство позволяет применять модель регрессии не только для анализа, но и для прогнозирования.
Множественная корреляция и регрессия определяют форму связи переменных, выявляют тесноту их связи и устанавливают влияние отдельных факторов.
Основными этапами построения регрессионной модели являются:
- построение системы показателей (факторов). Сбор и предварительный анализ исходных данных.
- выбор вида модели и численная оценка ее параметров.
- проверка качества модели
- оценка влияния отдельных факторов на основе модели
- прогнозирование на основе модели регрессии.
Рассмотрим содержание этих этапов и их реализацию.
Построение системы показателей (факторов).
Информационной базой регрессионного анализа являются многомерные временные ряды, каждый из которых отражает динамику одной переменной и должен удовлетворять требованиям статистического аппарата исследования.
Для построения системы показателей используется корреляционный анализ. Основная задача которого, состоит в выявлении связи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции и детерминации.
Выбор факторов, влияющих на исследуемый показатель, производится прежде всего исходя из содержательного экономического анализа. Для получения надежных оценок в модель не следует включать слишком много факторов. Их число не должно превышать одной трети объема имеющихся данных. Для определения наиболее существенных факторов могут быть использованы коэффициенты линейной и множественной корреляции.
При проведении корреляционного анализа вся совокупность данных рассматривается как множество переменных (факторов), каждая из которых содержит n-наблюдений; хik – i- ое наблюдение k-ой переменной.
Связь между случайными величинами X и Y в генеральной совокупности, имеющими совместное нормальное распределение, можно описать коэффициентами корреляции:
r = М ((X – mx) (Y – my)) / sx sy , или r = Кxy / sx sy , ( 17 )
где r - коэффициент корреляции (или парный коэффициент корреляции) генеральной совокупности.
Оценкой коэффициента корреляции r является выборочный парный коэффициент корреляции:
N _ _
r = å (xi – x ) (yi – y) / nSxSy, ( 18 )
i = 1
где Sx.Sy – оценки дисперсии;
x , y – наилучшие оценки математического ожидания.
Парный коэффициент корреляции является показателем тесноты связи лишь в случае линейной зависимости между переменными и обладает следующими основными свойствами:
Свойство 1. Коэффициент корреляции принимает значение в интервале (-1,+1), или rxy < 1. Значение коэффициентов парной корреляции лежит в интервале от -1 до +1. Его положительное значение свидетельствует о прямой связи, отрицательное - об обратной, то есть когда растет одна переменная, другая уменьшается. Чем ближе его значение к 1 , тем теснее связь.
Коэффициент множественной корреляции, который принимает значение от 0 до 1, более универсальный: чем ближе его значение к 1, тем в большей степени учтены факторы, влияющие на зависимую переменную, тем более точной может быть модель.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12