Курсач. Текст презентации. Титульный лист
 Скачать 17.91 Kb.
|
|
Титульный лист Принятие оптимальных управленческих решений тесно связано с результатом финансового анализа, поэтому финансовый анализ – неотъемлемая часть системы управления. Правильно проведенный анализ помогает в разы повысить эффективность предприятия, максимизировать прибыль и минимизировать расходы, обеспечить выживаемость предприятия в условиях конкурентной борьбы. Исходные данные для анализа получены из системы проверки компаний «СПАРК» и официальной отчетности ПАО «Северсталь». Данные представлены в виде единой таблицы в формате Excel, в которой содержатся все финансовые показатели предприятия с 2012 по 2019 год. Единица измерения 1000 рублей. Данные в исходном виде непригодны для проведения анализа и требуют обработки, а именно: удаление ошибочных пустых строк и корректировка типа данных. Для приведения данных с соответствующему виду создана подмодель «Предобработка». Структура подмодели и фрагмент таблицы на выходе из подмодели представлены на данном слайде. Анализ финансовой деятельности заключается в последовательном анализе его финансового состояния и финансовых результатов деятельности. В данном разделе курсовой работы рассчитываются основные коэффициенты как финансового состояния, так и финансовых результатов деятельности. При подсчете финансовых коэффициентов очень часто используется среднегодовое значение показателя, поэтому был создан вспомогательный производный компонент «Среднегодовой». Подсчет коэффициентов финансовых результатов предприятия выполняется в подмодели «Подсчет ФинРез», где выделяются необходимые показатели, а также подсчитывается среднегодовое значение показателей дебиторской и кредиторской задолженности, активов, собственного и рабочего капитала и т.д. После этого полученные поля объединяются по полю «Год» и подаются в узел калькулятора. Аналогично построена подмодель «Подсчет ФинСост», в которой рассчитываются коэффициенты финансового состояния, единственное отличие – отсутствие производного компонента среднегодовой. В качестве примера приведен фрагмент таблицы на выходе из подмодели Наиболее эффективным методом анализа динамики финансовых коэффициентов является их визуальный анализ. На данном слайде представлена диаграмма коэффициентов оборачиваемости. Коэффициенты оборачиваемости интерпретируются как показатели эффективности работы предприятия со своими активами, дебиторской и кредиторской задолженностью. Тенденция роста коэффициентов оборачиваемости показывает увеличение эффективности деятельности предприятия, товарного кредитования клиентов, либо изменения политики организации относительно продаж в кредит. На данном слайде представлена диаграмма динамики коэффициента рентабельности активов. Рост коэффициента рентабельности активов подтверждает предположение о возрастающей тенденции эффективности финансовой деятельности предприятия. Увеличение коэффициента текущей и быстрой ликвидности в совокупности с уменьшением коэффициента абсолютной ликвидности указывает на увеличение эффективности использования финансового потенциала предприятия. Можно сказать, что в период с 2017 по 2019 год предприятие не испытывало проблем в удовлетворении краткосрочных обязательств. На данном слайде представлена диаграмма динамики коэффициента финансовой зависимости. Тенденция к уменьшению данного коэффициента указывает на уменьшение процента объема активов, финансируемых за счет долга, следовательно, и на уменьшение финансового риска, с увеличением платежеспособности. На основании проведенного визуального анализа можно сделать вывод, компания обладает большим запасом финансовой устойчивости. В будущем также не предвидится негативных изменений, способных пошатнуть положение компании. Указанные финансовые коэффициенты являются неотъемлемой частью статистического финансового анализа. Однако они не отражают тенденцию развития бизнеса. Для отражения данной тенденции рассмотрим непараметрические методы выравнивания динамического ряда, на примере динамики показателя чистой прибыли. Одним из непараметрических методов является метод скользящей средней, суть которого заключается в вычислении средней арифметической от группы фактических уровней за определенный период. Структура подмодели представлена на данном слайде. Еще одним непараметрическим методом является метод выравнивания по среднему относительному росту, суть которого заключается в нахождении среднего относительного роста и построении кривой начиная с фактического первого уровня, каждый следующий уровень которой будет больше в средний относительный рост, чем предыдущий. Проведем сравнение полученных выровненных рядов. Ряд, построенный методом среднего относительного роста, слабо отражает поведение динамики исходного ряда. Выровненный ряд, построенный методом скользящего среднего, наоборот лучше отражает динамику исходного ряда, так как в его построении участвует весь объем выборки. С его помощью определена основная тенденция финансового показателя – рост чистой прибыли. Альтернативой непараметрическим методам выравнивания является выравнивание при помощи метода наименьших квадратов. Суть выравнивания методом наименьших квадратов (МНК) заключается в поиске таких значений выровненного ряда, которые были бы максимально близки к значениям фактического ряда, но в тоже время имели некоторую функциональную зависимость от значений периода. Функцию, зависящую только от одного аргумента – периода называют трендом. Линейный тренд является наиболее простым и в то же время информативным трендом. Перед его построением следует выявить линейную зависимость между показателем и периодом. На данном слайде представлена диаграмма тренда с исходным рядом. Линейная модель, построена так, что сумма квадратов отклонений минимальна. Однако она достаточно слабо аппроксимируется с исходным рядом. В качестве примера приводится построение полиномиальной модели третьей степени. Построенный полиномиальный тренд более точно аппроксимируется с исходным рядом. Соответственно на выходе «Сводка» узла линейна регрессия полученный коэффициент детерминации R2 оказывается больше, чем у линейной модели (у линейной R2=0,77, а у полиномиальной 0,97). Однако прогнозирование осуществлять по полиномиальному тренду невозможно из-за слишком малого объема выборки. Поэтому прогноз на один шаг вперед построен на основе линейного тренда. Прогнозирование осуществлено с помощью подачи на вход уже обученного узла линейной регрессии, в котором строился линейный тренд, таблицы с полем «Период» сдвинутым на 1 лаг вперед.. Значение показателя чистой прибыли для 2020-го года вычислено узлом по уже имеющейся модели линейного тренда. На основании полученных данных можно сказать, что ПАО «Северсталь» на конец 2019 года, оставаясь одним из лидеров на рынке в России, продолжает придерживаться верной политики товарного кредитования, сохраняя уверенный рост ключевых показателей эффективности финансовой деятельности. В следующем году ожидается рост показателя чистой прибыли. Цель - статистический анализ финансовой деятельности предприятия ПАО «Северсталь» – достигнута. В ходе курсового проекта выполнены следующие задачи, представленные на слайде. |