2.2 Анализ текущей деятельности предприятия и прослеживание трендов влияния факторов
Несмотря на рост выручки на 112,7% деятельность ООО «Атос АйТи Солюшенз энд Сервисез» характеризуется нестабильностью и невысокой доходностью, об этом свидетельствуют показатели рентабельности, которые означают что доля прибыли в выручке от продаж предприятия менее 1%, что является недостаточным для успешной деятельности.
Основной проблемой предприятия является значительная величина затрат на продаваемые услуги, это и является причиной низкой величины прибыли предприятия.
Анализ показал, что на предприятии осуществляется эффективное использование ресурсов, так каждый рубль основных средств в 2018 году приносил предприятию 136,9 руб. выручки, а в 2019 году данный показатель увеличился до 253 руб.
Позитивно можно оценить и использование оборотных средств предприятия, так продолжительность оборота по ним в 2015 году составляла 23 дня, в 2019 году она стала менее на 2 дня составила 21 день, что является допустимым значение данного показателя.
На протяжении исследуемых периодов на предприятии наблюдается рост дебиторской задолженности, при чем основным значительным должником являются акционерные общества, следовательно, необходимо пересмотреть кредитную политику для данного предприятия.
Краткосрочные пассивы в 2018-2019 году состоят в основном из займов и кредитов, задолженность по расчетам с поставщиками также имеет место в 2019 году и составляет 298141 тыс. руб.
Наибольший удельный вес среди активов занимают в 2017 году внеоборотные активы их доля в данный период составила 72,2%, в 2018 году ситуация изменилась и основной составляющей активов становится дебиторская задолженность, которая является более ликвидной по отношению к иммобилизованным активам. В 2019 году преобладающей статьей является статья запасов, которая составила 63% от всей совокупности активов. Капитал предприятия во все периоды на 99% состоит из заемных средств, что говорит о значительной финансовой зависимости предприятия.
Величина собственного капитала предприятия увеличивается год от года, но ее величина все равно ничтожна по сравнению с объемом заемных средств. Проанализировав, ликвидность баланса предприятия можно заметить, что в 2017 году наблюдается преобладание наиболее срочных обязательств над наиболее ликвидными средствами, но наблюдается превышение быстрореализуемых активов над краткосрочными пассивами.
В 2018-2019 гг. ликвидность баланса повышается за счет превышения денежных средств над кредиторской задолженностью. Но в 2018 году краткосрочные кредиты и займы более чем размеры дебиторской задолженности. Собственный капитал во все периоды менее внеоборотных активов. Подытожив, можно сказать о том, что лишь в 2019 году наблюдается текущая ликвидность, в остальные периоды баланс ликвидным назвать нельзя.
Оценив показатели ликвидности предприятия, можно отметить, что в 2017- 2018 годах предприятие не сможет полностью рассчитаться по своим краткосрочным долгам. В 2019 году ситуация несколько изменяется в части того, что ООО «Атос АйТи Солюшенз энд Сервисез» может полностью погасить в данным период наиболее срочные к погашению обязательства об этом нам говорит соответствующий оптимальному значению коэффициент абсолютной ликвидности. Также необходимо обратить внимание на то, что на протяжении исследуемых периодов доля оборотных средств в активах увеличивается. Изучив показатели финансовой устойчивости, можно сделать вывод о значительной финансовой зависимости предприятия и о недостаточности собственного оборотного капитала.
При изучении обеспеченности запасов собственными оборотными средствами в 2017 и 2019 годах был присвоен тип финансовой устойчивости кризисный, что делает необходимым поведение мероприятия по снятию финансовой напряженности. При прогнозировании банкротства по метод отечественных авторов по всем параметрам имеет большая вероятность банкротства и при отсутствии мероприятий по изменению сегодняшней ситуации неминуемо приведет к закрытию организации.
Моделирование финансовой устойчивости в данной работе построена на основополагающих принципах Росстата, она ориентируется на особенности деятельности организации.
Методика Росстата использует для анализа показатели оценки финансовой устойчивости, платежеспособности и эффективности деятельности.
Далее представлена построенная модель финансовой устойчивости по этой методике, она представлена в таблице 2.16.
Таблица 2.16. Оценка финансовой устойчивости
Таким образом, анализ свидетельствует о том, что финансовая устойчивость во все периоды низкая. Наилучший показатель имеется в 2018 году, но, несмотря на это он имеет отрицательное значение, что говорит о том, что предприятие имеет неустойчивое положение на рынке.
Далее проведем факторный анализ финансовой устойчивости в таблице 2.17.
Таблица 2.17. Данные для проведения факторного анализа инвестиционной привлекательности
Определение влияния факторов на финансовую устойчивость предприятия за 2018-2019 гг. приведено в таблице 2.18.
Таблица 2.18. Определение влияния факторов на финансовую устойчивость
Оценка построенной модели финансовой устойчивости предприятия говорит, что размер внеоборотных активов увеличивает коэффициент автономии на 0,005%, это можно свести это к тому, что амортизация снижает стоимость основных фондов.
На результат финансовой стабильности существенно не влияет размер уставного капитала и сумма переоценки долгосрочных активов. Конечно, это остается без изменений. Его снижение на 0,018% составило уменьшение нераспределенной прибыли.
Можно утверждать, что решающие негативные последствия проявляются следующим образом. Ликвидные активы организации увеличились на 0,005%. Так увеличение дебиторской задолженности могут быть истолкованы как фактор увеличения риска деятельности ООО «Атос АйТи Солюшенз энд Сервисез», приводящий к уменьшению размера прибыли, непредвиденное увеличение расходов и финансовое уменьшение устойчивости.
2.3. Построение имитационной модели
Самым оптимальным эконометрическим методом ценообразования интерактивного оборудования принимается метод множественной регрессии, который позволяет построить модель с большим количеством факторов, при этом определяя влияние каждого из них. Цена это важнейший фактор финансовой устойчивости, именно поэтому в данной работе рассмотрено влияние ценообразующих факторов.
Строится линейная модель. В качестве зависимой переменной Y рассматривается цена банковского продукта. Анализ данных начинается с исследования степени зависимости между переменными.
Отбор факторов производится методом исключения незначимых факторов. Для этого строится матрица корреляций, чтобы исключить при построении модели возможную мультиколлинеарность. Она приводит к ухудшению точности и неустойчивости оценок параметров уравнения. Чтобы избежать данных проблем, необходимо проводить отбор факторов.
Предположения относительно влияния исследуемых показателей на цену и друг на друга определяются следующие:
- Наличие положительной зависимости между основными характеристиками продукта и его ценой;
- Наличие положительной зависимости между всеми характеристиками продукта;
- Наличие отрицательной зависимости между ставкой и режимом потребления;
- Наличие положительной зависимости между баллами сервисного обслуживания, его дизайном и ценой;
- Наличие отрицательной зависимости между режимом потребления и ценой; между ставкой и ценой;
- Наличие положительной зависимостью между изменениями валютного курса и ценой;
- Наличие положительной зависимостью между доходами покупателя и возможностью воспользоваться иным продуктом.
Осуществляется проверка взаимосвязанных факторов на наличие мультиколлинеарности. Корреляционная матрица приведена в таблице 2.19.
Таблица 2.19
Таблица парных коэффициентов корреляции
Данное действии преследует две основные цели:
1) проверка выполнения условий;
2) отбор факторов, которые оказывают наиболее существенное влияние на . С этой целью будем постепенно исключать из модели факторы с наибольшим значением парного коэффициента корреляции .
Включенные факторы должны иметь количественное измерение или оценку и не находиться в тесной связи между собой. Такая связь двух и более переменных называется мультиколлениарностью. Мультиколлинеарность означает коррелированность двух и более переменных в уравнении регрессии. При наличии мультиколлинеарности МНК-оценки формально существуют, но обладают рядом недостатков:
— небольшое изменение данных приводит к существенным изменениям оценок регрессии;
— оценки имеют большие стандартные ошибки, малую значимость (высокое значение R2).
Желательно, чтоб в итоговом уравнении регрессии было исключено по одному-двум факторам из каждой группы сильно коррелирующих переменных. Уменьшение факторов проводится постепенно, по 1-2.
Предположение о положительной зависимости между основными характеристиками продукта и его ценой подтвердилось. Коэффициенты корреляции:
К кор (Y, Х1) = 0,408
К кор (Y, Х2) = 0,155
К кор (Y, Х3) = 0,749
свидетельствуют о наличии связи между характеристиками и ценой. Наиболее сильная связь наблюдается между ставкой и ценой. Данная связь свидетельствует о наличии мультиколлинеарности в модели, поэтому нужно будет исключить одну из переменных в процессе улучшения модели, характеризующей зависимость цены от разнообразных характеристик банковского продукта.
Предположение об отрицательной зависимости между мощностью и режимом потребления и ценой подтвердилось. Коэффициенты корреляции:
К кор (Х1, Х4) = — 0,117
К кор (Y, Х4) = — 0,365
К кор (Y, Х8) = — 0,485
свидетельствуют о наличии отрицательной связи между режимом потребления и ценой.
Наличие положительной зависимости между баллами сервисного обслуживания и ценой подтвердилось. Коэффициенты корреляции:
К кор (Х6, Х7) = 0,552
К кор (Y, Х7) = 0,583
К кор (Y, Х6) = 0,572
свидетельствуют о наличии достаточно высокой связи между сервисным обслуживанием и ценой. Причем показатели связи практически совпадают, поэтому нужно будет исключить одну из переменных в процессе улучшения модели.
Наиболее сильная связь наблюдается между Х7 и Х1 (0,86), Х3 (0,824), Y(0,583). Данная связь свидетельствует о наличии мультиколлинеарности в модели, поэтому данный фактор (Х7) можно исключить. Предположение о положительной зависимости между изменениями валютного курса и ценой, между доходами покупателя и возможностью приобрести другой продукт подтвердилось. Коэффициенты корреляции:
К кор (Y, Х11) = 0,949
К кор (Y, Х10) = 0,204
свидетельствуют о наличии связи между доходами покупателя, изменениями валютного курса и ценой. Наиболее сильная связь наблюдается между валютным курсом и ценой (0,949). Данная связь свидетельствует о наличии высокого уровня мультиколлинеарности в данной модели, поэтому нужно будет исключить переменную Х11 в процессе улучшения модели, характеризующей зависимость цены от разнообразных характеристик банковского продукта. После исключения фактора Х11 и Х3 полученная матрица выглядит следующим образом (табл. 2.20)
Таблица 2.20
Таблица парных коэффициентов корреляции после исключения фактора Х11 и Х3
По данным таблицы парных коэффициентов корреляции видно, что сохраняется относительно тесная связь между ценой и уровнем популярности (К кор (Y, Х5) = 0,691) и сохраняется схожесть факторов. Следовательно, один из показателей можно удалить. Предпочтительно удалить Х5, поскольку значение его связи с ценно выше.
К кор (Y, Х5) = 0,691 ≥ К кор (Y, Х6) = 0,572
После исключения фактора Х5 полученная матрица выглядит следующим образом (табл.2.21)
Таблица 2.21
Таблица парных коэффициентов корреляции после исключения фактора Х5
Дальнейший анализ корреляционной связи показал наличие связи между функциональностью продукта:
К кор (Y, Х6) = 0,572
К кор (Х9, Х6) = 0,542.
Предполагается удаление фактора Х6, так его связь с результатом более высокая.
Таким образом, на основе анализа коэффициентов корреляции с целью преодоления проблемы мультиколлинеарности на данном этапе можно исключить такие переменные как:
Х3 – размер ставки;
Х5 – рейтинг продукта по популярности;
Х6 – удобство обслуживания;
Х7 – наполнение функциями;
Х11 — изменения валютного курса.
Эконометрическая модель будет строиться по факторам (Х1, Х2, Х4, Х8, Х9, Х10)
Y = α0 + b1*X1 + b2*X2 + b4*X4 + b8*X8 + b9*X9 + b10*X10 (8)
Данная модель будет более эффективно отражать результат влияния факторов на цену продукта. Линейная эконометрическая модель влияния факторов на цену банковского продукта строится на основании регрессионного линейного уравнения с помощью инструмента «Анализ данных» MS Excel – «Регрессия». Исходные данные для первоначального анализа представлены в таблице 2.22, где представлен полный набор факторов. Первоначально строится линейная регрессионная модель, включающая только количественные переменные.
Таблица 2.22
Модель 1 с использованием наблюдений1-132. Зависимая переменная: цена
На данном этапе набор факторов уточняется на основе анализа значений качественных характеристик; осуществляется проверка гипотезы о значимости фактора на зависимую переменную. Незначимый фактор можно удалить. Выводы основаны на определении, что лучшему варианту должны соответствовать лучшие значения характеристик.
В этой модели переменная Х3 значима на 10% уровне. Все остальные переменные оказались незначимыми. Наблюдается достаточно тесная связь. R2 = 0,7782. Переменная Х5 имеет самую высокую тесную связь и рекомендуется к удалению. Проводится анализ модели регрессии без Х5 и Х11. На основе данных построим следующую модель множественной регрессии.
Y = — 13491578*X1 + 1807,2*X2 — 479452*X3 +1374509*Х4+1795925*Х6-
— 155215*Х7+222318*X8 — 163012*X9 + 0,6*X10
Таблица 2.23
Модель 2 с использованием наблюдений1-110. Зависимая переменная: цена
Из уравнения можно заключить, что:
- существует прямая зависимость между режимом потребления; доходами покупателя;
2) существует и обратная зависимость между факторами, такими как характеристики и уровень обслуживания, что противоречит логике формирования цены. Данное уравнение свидетельствует о некорректности отбора факторов.
Оценку качества эконометрической модели необходимо провести в следующей последовательности:
— для проверки статистической значимости параметров модели использовать критерий Стьюдента, принимая уровень значимости 0,05 при надежности 95%;
— для проверки адекватности линейной модели вычисленный коэффициент детерминации проверить по критерию Фишера;
— установить наличие или отсутствие автокорреляции случайных отклонений модели, используя метод графического анализа и статистику Дарбина-Уотсона;
— проверить модель на наличие или отсутствие гетероскедастичности случайных отклонений модели, используя для этого графический анализ и тест Парка.
Для построения регрессионной модели использовался метод наименьших квадратов, но для данного метода одним из необходимых условий является отсутствие гетероскедастичности. Следовательно, для оценки гетероскедастичности предварительно проверяется соответствие модели на статистическую значимость параметров и адекватность линейной модели. Статистическая значимость коэффициентов множественной регрессии с m перемеными проводится на основе t- статистики.
По распределению Стъюдента с числом степеней свободы, а = n-m-1, где
n – объем выборки,
m – количество переменных.
Для исследуемого уравнения:
а = 110 – 10 — 1 = 99
t крит – 1,662.
Сравнение с критической точкой t (а/2; n-m-1) распределения Стъюдента. Если | t | ≥ t крит, то коэффициент статистически значимый.
Если нет, то принимается решение, что параметр не оказывает влияния на зависимую переменную. Проверяется значимость коэффициентов уравнения регрессии. Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n – m – 1 = 99; tкр. = t0,025;29 = 1,662.
Однако следует учесть, что Х1 и Х2 являются характеристикой технической, и играют значительную роль при формировании цены, удаление данных параметров не является оправданным. Параметры Х7, Х8, Х9 являются фиктивными, поэтому не могут быть значимыми
Следовательно, рекомендуется исключить из уравнения регрессии переменные на выбор Х7, Х8, Х9. Набольшее P- значение у Х8 (0,632) и Х9 (0,664). Учитывая схожесть значений, можно удалить один их них, например, Х9 (0,664≥0,632).
Одновременно с этим, проверяя значимость модели по критерию Фишера, можно сказать, что модель статистически значима на уровне значимости 0,05, так как = 2,854, что значительно меньше полученного фактического значения: =4,426. Согласно критерию Фишера данная модель адекватна.
На наличие автокорреляции в остатках проводится тест Дарбина-Уотсона.
Для этого определяется значение статистики Дарбина- Уотсона по формуле.
Промежуточные расчеты определяются уже учетом удаления параметра Х9. Результаты регрессионного анализа приведены в таблице 2.25.
Таблица 2.25
В данной модели переменные Х2 и Х8 значимы на 5% уровне значимости, Х3 и Х6 значимы на 10% уровне. В целом уравнение значимо на 1% и R2=0,99475. Критерий Фищера поднялся до 47,4 при значимости 0,0208. Переменную Х7 также можно исключить, так как по параметру «наполнение салона» наблюдается сильная корреляционная зависимость. Промежуточные расчеты для статистики Дарбина-Уотсона представлены в таблице 2.26.
Таблица 2.26
Промежуточные расчеты для статистики Дарбина-Уотсона
DW = 19108849893 / 10902956638 = 1,7526
По таблице критериальных значений Дарбина-Уотсона определяем значащие точки dL (нижняя граница уровня значимости) и dU(верхняя граница уровня значимости) для 5% уровня значимости.
Для m = 8 и n = 88: dL = 1,54; dU = 1,78.
По таблицам Дарбина- Уотсона входные параметры n – число наблюдений, m – число переменных,
Так как DW < dU и ≥ dL :
dL = 1,54 ≥ DW = 1,7526 ≥ dU = 1,78,
то нулевую гипотезу об отсутствии автокорреляции можно принять. Следовательно, в модели отсутствует автокорреляция остатков случайных отклонений.
Условие выполняется, . В Excel рассчитаем логарифмы значений e2, X1 и X2 (см. табл. 2.27).
Таблица 2.27
Логарифмы значений e2, параметров Х
Проводится регрессионный анализ показателей. Результаты в таблице 2.28. Результаты регрессионного анализа
Таблица 2.28
В таблице рассчитана t-статистика для коэффициентов b. Определяется статистическая значимость полученных коэффициентов b. По таблице находится табличное значение коэффициента Стьюдента для уровня значимости a = 0,05 и числа степеней свободы v = 88 – 2 = 86. ta/2; v = t0,025; 86= 3,402.
Сравнивая рассчитанную t- статистику с табличной, можно определить, что ни один коэффициент, кроме коэффициента фактора Х3 (t = 4,9357, что больше 3,402) не является статистически значимым. Это свидетельствует об отсутствии в модели гетероскедастичности. Результаты теста Парка подтвердили отсутствие гетероскедастичности.
Исключая из модели на основании проведенного анализа качества факторы Х3 и Х7, можно построить новую регрессионную модель (табл. 2.29). Факторы, влияющие на цену продукта: Х1, Х2, Х4, Х6, х8, Х10
Таблица 2.29
Модель 3. Зависимость цены от факторов. Анализ регрессионной модели
Регрессионная линейная модель имеет вид:
Y = 953*Х1 – 24330*Х2 +21970*Х4 + 252623*Х6 — 173637*Х8 + 4,6*Х10
Полученная модель отображает логарифмическую зависимость цены интерактивного оборудования, от режима потребления, от качественных характеристик продукта, от доходности покупателя.