LargeEconomic

=f(X) или Себестоимостьхудшее=0,786*Выручка

Эти модели, полученные в результате эконометрического моделирования, были сведены в табл. 2.1., где в графе МХ отражена модель средних показателей. В графе минимум отражена модель лучших предприятий. В графе максимум отражена модель худших предприятий. В графе УК "Стройсервис" отражено исследуемое состояние УК "СТРОЙСЕРВИС". Результаты представлены в табл. 2.1.

Как видно из таблицы, исследуемый УК "СТРОЙСЕРВИС" с высокой долей вероятности можно отнести к средне худшим предприятиям (69,5%), т.к. по данному фактору себестоимость выше чем у средних предприятий (63,5%). Это убедительно подтверждает выделенная точка на графике в табл. 2.1., которая выше среднего уровня эталонной модели.

Объясним расчет рисков [12,17-19].

Логика расчета риска проста - если исследуемый объект (его выделенная точка) находится над уровнем функционального среднерыночного показателя, то предприятие естественно можно отнести к рискованным предприятиям - что отражается в виде "1", что характеризует наличием риска. Если исследуемый объект (его выделенная точка) находится ниже уровня функционального среднерыночного показателя, то предприятие естественно можно отнести к мало рискованным предприятиям - что отражается в виде "0", что характеризует отсутствие риска [12,17-19].

Общие потери УК "СТРОЙСЕРВИС" в денежном выражении по показателю себестоимость составили 12,433 млн.руб. (см. строку "Неэффективность").

Предложенный алгоритм исследования каждого из факторов демонстрирует простоту эконометрического анализа и позволяет сформировать коридоры управляемости, эффективности и рисков и выработать мероприятия по управлению финансовыми рисками. В виду ограниченного пространства данной работы анализ остальных показателей будет приведен в сокращенном варианте, но при этом понимается, что алгоритм анализа по каждому из факторов соблюдается. По каждому фактору будет представлен графический образ средней эконометрической модели и таблица функциональных зависимостей, изложенная ранее.

Следует обратить внимание на то, что лучше использовать функциональную зависимость, а не средние оценки. Понятно, что функциональная зависимость точнее. Но для первого уровня анализа можно использовать средние оценки и признать линейность функциональных зависимостей. В концепции и моделях авторов такой уровень неточности для первого уровня анализа допустим [12,17-19].

Приступим к анализу факторов: коммерческие расходы (X2®Y) и их зависимость от выручки (X), прибыль до налогов (X3®Y) от выручки (X), чистая прибыль (X4®Y) от выручки (X). Для наглядности эконометрические зависимости от выручки представлены на графиках и сведены в табл. 2.2. [12,17-19]

Как видно из табл. 2.2., исследуемая группа предприятий конкурентов УК "СТРОЙСЕРВИС" стремилась поддерживать средний уровень управления коммерческими расходами в размере 17,1% от объема реализации, т.е. в каждых 100 рублях реализации коммерческие расходы составляли 17,1 рублей. Данный фактор в основном характеризует деятельность управленческого аппарата. Уточненная эконометрическая модель представлена в виде следующей функциональной зависимости:

=f(X) или Коммерческие расходысреднее=0,172*Выручка

При этом лучшие предприятия-конкуренты УК "Стройсервис" стремились поддерживать уровень в размере 14% себестоимости от выручки. Уточненная эконометрическая модель представлена в виде следующей функциональной зависимости:

=f(X) или Коммерческие расходылучшее=0,14 *Выручка

При этом худшие предприятия-конкуренты УК "Стройсервис" с трудом удерживали уровень конкуренции в размере 20,3% себестоимости от выручки. Уточненная эконометрическая модель представлена в виде следующей функциональной зависимости:

=f(X) или Коммерческие расходыхудшее=0,203*Выручка

Таблица 2.2 - Сравнительный анализ показателей: коммерческие расходы, прибыль до налогов, чистая прибыль с эталонными моделями, 2011 г.

Читайте также >>>

Разработка сбытовой политики промышленного предприятия (на примере ЗАО Евро-Жилстрой)
В большинстве случаев то, что нам удобно производить и то, в чем нуждаются потребители данной продукции, не совпадают ни во времени, ни в пространстве. Поэтому, какими бы разнообразными потребительскими свойствами не обладал готовый продукт, на коммерческий успе ...

Расчет производственной программы автомобильного парка
Автомобильный транспорт развивается количественно и качественно бурными темпами. В настоящее время ежегодный прирост мирового парка автомобилей равен 10 - 12 млн. единиц, а его численность - более 350 млн. единиц. Каждые четыре из пяти автомобилей общего мирово ...