Создать PDF Рекомендовать Распечатать

Алгоритм формирования ассортиментной политики продаж в системе управления финансовой устойчивостью организации

Экономический анализ | (108) УЭкС, 2/2018 Прочитано: 3159 раз
(6 Голосов:)
  • Автор (авторы):
    Атюнькина Ирина Николаевна, Кирпиков Алексей Николаевич, Сафаргалиева Регина Рафисовна
  • Дата публикации:
    20.02.18
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Казанский (Приволжский) федеральный университет

 

УДК 658.8

Алгоритм формирования ассортиментной политики продаж в системе управления финансовой устойчивостью организации

Algorithm for forming sales assortment policy in the management of company's financial sustainability

Атюнькина Ирина Николаевна

Atyunkina Irina Nikolaevna

магистрант 2 года обучения

Казанский (Приволжский) федеральный университет

Электронная почта: Atyunkina.ira@mail.ru

Кирпиков Алексей Николаевич

Kirpikov Aleksey Nikolaevich

кандидат экономических наук, доцент

Казанский (Приволжский) федеральный университет

Электронная почта: axelgreat@mail.ru

Сафаргалиева Регина Рафисовна

Safargalieva Regina Rafisovna

магистрант 2 года обучения

Казанский (Приволжский) федеральный университет

Электронная почта: regina_sabiryanova@mail.ru

Аннотация. Вопросы обоснования рациональной ассортиментной политики продаж занимают ведущую роль в системе финансового управления торговой организации. Определяя состав товарных позиций и источников финансирования закупок, предприятию необходимо сформировать бюджет продаж, обеспечивающий оптимальное соотношение между финансовой результативностью и устойчивостью функционирования экономического субъекта. В работе предложен методический алгоритм решения поставленной задачи с применением инструментария имитационного моделирования. Порядок проведения имитационных экспериментов предполагал рассмотрение альтернативных подходов к финансированию деятельности организации с учетом возможных сценариев развития событий. При определении функциональной связи слагаемых имитационной модели были использованы фундаментальные положения теории корпоративных финансов. Методические основы ABC-XYZ анализа, а также инструментарий VAR позволили, сформировать массив исходных данных, необходимых для проведения имитационных экспериментов. Эконометрическая обработка полученных результатов базировалась на интеграции показателей описательной статистики, важнейшими из которых выступили доля экспериментов, продемонстрировавших возможность сохранения запаса финансовой прочности, а также абсолютная величина прибыли до налогообложения, полученная как результат математического ожидания прибыли в условиях оптимистичного, вероятного и пессимистичного сценариев.

Abstract. The logic of the rational assortment policy of sales plays a leading role in the financial management of a trading organization. Defining the composition of commodity items and sources of financing, the company should form a sales budget, ensuring an optimal balance between financial performance and business continuity. The paper proposes the methodological algorithm of using simulation modeling tools. The order of simulation experiments presupposes the consideration of alternative approaches to financing the organization’s activities in the view of possible scenarios. The fundamental provisions of the Theory of Corporate Finance are used to determine the functional relationship between the components of the simulation model. The methodological basis of ABC-XYZ analysis, as well as the VAR toolkit, allowed to form an array of initial data necessary for conducting simulation experiments. Econometric processing of the results obtained is based on the integration of descriptive statistics indicators.  The most important indicator is the share of experiments which demonstrates the possibility of maintaining the financial strength and the absolute amount of pre-tax profit obtained as a result of the statistical expectation of profit in the conditions of optimistic, probable and pessimistic scenarios.

Ключевые слова: имитационное моделирование, ABC-анализ, XYZ- анализ, методика VAR, стратегии финансирования, сценарии развития, ассортиментная политика, финансовая устойчивость.

Key words: simulation modelling, ABC-analysis, XYZ-analysis, VAR methodology, funding strategy, development scenarios, assortment policy, financial stability.

Введение. Имитационное моделирование нашло широкое применение в области проведения анализа финансового состояния и результатов финансово-хозяйственной деятельности хозяйствующих субъектов. Основой имитационного моделирования является процесс формирования моделей, позволяющих имитировать поведение системы во времени с заданными характеристиками. Цель нашего исследования заключается в разработке имитационной модели по формированию наиболее оптимального состава товарных позиций. В качестве объекта исследования взята организация, занимающаяся торговой деятельностью, с ассортиментом, включающим в себя 10 товарных позиций. Организация имеет собственный капитал в размере 550 тыс. руб., часть из которого идет на покрытие внеоборотных активов, величина которых составляет 100 тыс. руб. В настоящее время в компании остаются открытыми несколько актуальных вопросов: «Какие товарные позиции являются для хозяйствующего субъекта наиболее ценными?», «Стоит ли исключать какие-либо товары из состава закупаемых ввиду их низкой доходности, отсутствия или несистематичности продаж?» и «Какой объем заемных источников целесообразно привлекать на ближайший период для закупки товаров в условиях их окупаемости в течение трех месяцев?».

Основной раздел. На первом этапе необходимо определиться с главными критериями включения товаров в состав закупаемых. В качестве ключевых критериев отбора нами были выбраны следующие: величина маржинального дохода – показатель, характеризующий разницу между ценой продажи и переменными затратами; стабильность продаж – показатель, отражающий ритмичность, равномерность и бесперебойность продаж; период оборачиваемости запасов – индикатор, показывающий в течение какого периода времени затраты на закупку товаров будут превращены в выручку.

Для оценки существующих товарных позиций по первым двум критериям нами был проведен ABC- XYZ- анализ. В таблицах 1 и 2 представлены результаты проведенного анализа.  

Таблица 1

Результаты ABC-анализа по совокупному маржинальному доходу

 

Таблица 2

Результаты XYZ-анализа

 

ABC-анализ – это метод, который позволяет проводить классификацию товарных позиций по степени их вклада в совокупный доход предприятия [6, 7, 9]. Исходной базой для анализа традиционно выступают исторические данные. В наших же расчетах основой стали спрогнозированные на следующий период показатели средних переменных расходов, цен и количества продаж по каждой товарной позиции. Расчет индикаторов был производен при помощи инструментов методики VAR, подробное описание которой представлено во второй части работы. На основании исходных данных нами были рассчитаны следующие показатели: выручка, доля в выручке, совокупный маржинальный доход. В качестве ключевого критерия, согласно которому проводился анализ, был взят совокупный маржинальный доход, наиболее полно и точно отражающий влияние каждого товара на формирование финансовых результатов хозяйствующего субъекта. Таким образом, десять товаров были проранжированы по совокупному маржинальному доходу. Далее на основании рассчитанного показателя накопленной доли совокупного маржинального дохода каждому товару была присвоена A, B или C группа. Порядок присвоения товару той или иной группы был подчинен следующему правилу: к группе А относились те объекты, накопленная доля совокупного маржинального дохода которых составила первые 80 %; к группе В – следующие за группой А объекты, сумма долей с накопительным итогом которых составила от 80 до 95 %; к группе С – оставшиеся объекты в накопленной долей от 95 до 100 % от общей суммы значений параметров. По результатам проведенного анализа из десяти товаров три попали в группу А, два – в группу В, пять – в группу С. Товары, вошедшие в группу А, отличаются высокой степенью маржинальности, для товаров из групп В и С характерны соответственно средняя и низкая степень совокупной маржинальности.

Следующим направлением экономической диагностики стал XYZ-анализ. Информационной базой для осуществления оценки волатильности потребления товаров стали данные об их продажах в натуральном измерении за предыдущие периоды. На основании исходных данных были рассчитаны показатели суммарного и среднего значения, коэффициента вариации. Расчет коэффициента вариации проводился по следующей формуле:

*100 %  (1)

где: σ – среднее квадратическое (стандартное) отклонение по продажам,  – среднее значение продаж.

Рассчитанные коэффициенты вариации отражают степень волатильности продаж за исследуемый период. Критерии для классификации и характеристики групп были следующими: к группе Х были отнесены товары с коэффициентом вариации на уровне от 0 до 10 %; к группе Y – 10 - 25 %; Z – от 25 %. Так, используя заданные критерии для классификации и характеристики блоков, нами были сформированы три группы показателей: в группу X вошло 5 товаров, характеризующихся стабильной величиной продаж, незначительными колебаниями в их продажах и высокой точностью прогноза; в группу Y – 4 товара с изменчивым объемом продаж и средними возможностями их прогнозирования и в последнюю группу Z – один товар, продажи которого нерегулярны и плохо прогнозируемы.

С целью проведения комплексного анализа ассортиментной политики организации нами предлагается включение третьего критерия отбора MN, характеризующего период оборачиваемости запасов, аналитиками же могут быть добавлены иные критерии отбора включения товаров в состав закупаемых [3]. По каждой товарной позиции были рассчитаны сроки, в течение которых затраты, осуществляемые на закупку товаров, будут возмещены из выручки. Использование данного критерия является правомерным, поскольку сравнение срока оборачиваемости товаров с длиной источника их финансирования позволит с уверенностью сказать, сможет ли проданный товар вовремя окупить стоимость привлеченных средств. Срок привлечения заемных источников равен 3 месяцам, следовательно, те товары, срок окупаемости которых превышает срок привлечения заемных источников финансирования, а именно 92 дня, войдут в группу N, те, у которых срок окупаемости ниже 92 дней – в группу M. По результатам MN-анализа было выявлено, что товары под номерами 1 и 5 имеют период оборачиваемости более 92 дней, и, следовательно, были отнесены в группу N, все оставшиеся товары отличились высоким коэффициентом оборачиваемости (более 4) и попали в группу M.

Таким образом, по результатам проведения анализа в трех указанных направлениях нами была сформирована трехмерная матрица ABC-XYZ-MN, представленная в таблице 3. В построенной матрице строки с буквенными обозначениями представляют собой трехмерные группы, под каждой из которых перечислены товары с качествами, характерными для конкретной группы, отсутствие записей означает, что в группу данной категории не вошел ни один из анализируемых товаров. Товары, попавшие в группы AXM, BXM, AYM, находящиеся в левом верхнем углу матрицы, для компании представляют особую ценность, поскольку отличаются высокой степенью маржинальности, регулярностью спроса со стороны потребителей и превышением сроков привлечения источников финансирования над периодом оборачиваемости товаров.

Таблица 3

Результаты трехмерной матрицы ABC-XYZ-MN

 

 

Построение трехмерной матрицы является заключительным действием первого блока работы, на следующем этапе подготовительных процедур необходимо определиться со структурой имитационной модели. В нашей модели предусмотрено три варианта подходов к финансированию закупаемых товаров: агрессивный, умеренный и консервативный [2]. При агрессивном подходе финансируются все товары за исключением тех, которые имеют отрицательную величину маржинального дохода. Согласно результатам ABC-анализа было выявлено, что совокупный маржинальный доход по товарам под номерами 5 и 8 имеет отрицательную величину, следовательно, для компании будет рационально принять решение о полном отказе от продажи данных товаров. При умеренном подходе осуществляется финансирование товаров с постоянным и периодическим спросом за исключением тех, которые имеют отрицательную величину маржинального дохода. По результатам XYZ-анализа в состав группы Z, характеризующейся наивысшей степенью волатильности и низкой точностью прогноза продаж, вошел товар под номером 9. Коэффициент вариации для динамики изменений продаж данного товара составил 26,35 %. К тому же, этот товар обладает низкой степенью маржинальности, доля совокупного маржинального дохода от общей величины не превышает 2 %. В случае если товар № 9 будет финансироваться за счет привлекаемых источников финансирования, расходы на привлечение заемных средств превысят установленную величину наценки на товар. Консервативный подход предъявляет более жесткие требования к финансированию товаров. Заемный капитал привлекается только на закупку товаров с постоянным и периодическим спросом за исключением тех, которые имеют низкое значение оборачиваемости и рентабельности затрат. При использовании консервативного подхода предполагается отказ от ранее упомянутых товаров, а также от товара под номером 1. По результатам MN-анализа было выявлено, что товары под номерами 1 и 5 имеют период оборачиваемости более 92 дней, это означает, что затраты на закупку товаров, осуществленной с привлечением заемных источников финансирования длительностью в 1 квартал, не будут своевременно возмещены из выручки от продаж.

Для более наглядного представления на рисунке 1 обобщены принятые решения в отношении финансирования товаров для каждого подхода.

8

Рис. 1. Финансирование товаров при различных подходах

Таким образом, при агрессивном подходе происходит отказ от финансирования товаров под номерами 5 и 8, при умеренном подходе – 5, 8, 9 и при консервативном подходе – 1, 5, 8 и 9.

В рамках каждого подхода предполагается выделение альтернативных вариантов развития событий, а именно оптимистичного, вероятного и пессимистичного сценариев [1]. Определение вероятности возникновения конкретного сценария развития является одним из дискуссионных аспектов проводимого исследования, поскольку не имеет строго выраженного математического аппарата. В рассматриваемой модели определение вероятностей развития сценариев ориентировано на профессиональное суждение. Таким образом, нами предполагается проведение 1000 экспериментов со следующими вероятностями: для оптимистичного сценария – 15 %, для вероятного – 50 %, для пессимистичного – 35 %. Главное отличие сценариев заключается в установленных ценах на товары и прогнозируемом объеме продаж. На практике существует прямая зависимость между этими показателями, в модели же, разработанной нами, данный аспект был осознанно исключен из внимания. Построение такой зависимости может выступить направлением для дальнейшего усовершенствования разработанной методики. В нашей модели оптимистичному сценарию развития характерны высокие продажи, вероятному – средние, пессимистичному – низкие. В модели предусмотрены промежуточные варианты совмещения средних цен и высоких продаж, средних продаж и низких цен и др. В таблице 4 представлены основные характеристики рассматриваемых стратегий финансирования во взаимодействии со сценариями развития событий.

Таблица 4

Структурная взаимосвязь стратегий финансирования и сценариев развития

 

При подготовке к проведению имитационного моделирования также необходимо определиться с исходными данными, которые станут основой для имитации. Все показатели могут быть классифицированы на 3 группы. К первой группе показателей относятся такие, которые в процессе моделирования не будут менять своих значений. К указанной группе относятся: собственный капитал, внеоборотные активы, ставка процента по кредиту, запас финансовой прочности (минимальная величина дифференциала финансового рычага), товарный запас, ставка по налогу на прибыль, количество товаров, оставшихся на складе с прошлого квартала. Данные показатели идентичны вне зависимости от применяемого подхода к финансированию и сценария развития. Вторая группа включает в себя показатели, которые будут менять свои значения в зависимости от сценариев развития. Применение того или иного подхода к финансированию товаров не оказывает никакого влияния на значения показателей данной группы. Ранее упоминалось, что к таким индикаторам относятся цены на товары и их объемы продаж. Третья же группа состоит из показателей, которые являются фиксированными по отношению к сценариям развития, но изменяемыми в зависимости от используемого подхода к финансированию. Такими показателями являются: количество наименований закупаемых товаров (так, при агрессивном подходе – 8; при умеренном – 7; при консервативном – 6); количество наименований товаров, по которым будут распроданы лишь остатки с прошлого периода (при агрессивном подходе – 2; при умеренном – 3; при консервативном – 4). Кроме вышеперечисленных показателей существует ряд аналитических индикаторов, расчет которых будет производиться для каждого эксперимента.

Блок исходных показателей, являющихся изменяемыми, для проведения имитации требует нахождение значений на ближайший прогнозируемый период. Расчет прогнозных значений, таких как цены и объемы продаж, коммерческие расходы, был проведен на основании методики VAR. Элементом индивидуализации модели на данном этапе работ может выступить предложение альтернативных вариантов проведения процесса прогнозирования показателей.

VAR-модели основаны на статистической оценке закона распределения интересующей переменной величины. Основой для вычисления VAR стали данные об изменчивости рыночных цен и объемов продаж, переменных расходов, то есть в качестве базы были взяты не абсолютные значения за предыдущие периоды, а относительные изменения в процентах (темпы прироста) [5]. На основании рассчитанных показателей среднего арифметического значения и среднеквадратического отклонения по каждой позиции были определены средние значения для оптимистичного, вероятного и пессимистичного сценариев.

Алгоритм расчета прогнозных значений по методике VAR рассмотрим на примере прогнозируемой величины объема продаж по товару под номером 1. В таблице 5 представлены квартальные данные о продажах товара № 1 за предыдущие периоды, на основании которых были рассчитаны показатели темпа прироста, среднего значения темпа прироста, величина которого составила 2,67%, и среднеквадратического отклонения темпа прироста, значение которого оказалось на уровне 6,81 процентных пунктов.  

Таблица 5

Исходные данные для прогнозирования объема продаж на примере товара № 1  с применением VAR-методики

 

В целях демонстрации алгоритма достаточным было привлечение исходных данных за 12 предыдущих периодов, на практике же повышение точности расчетов предполагает увеличение количества отчетных дат, выступающих основой проводимого исследования. Следующим этапом в расчете прогнозных значений является определение левого и правого квантиля. В статистике под квантилем понимают значение функции распределения (Гаусса) по заданным параметрам, при которых функция не превышает данное значение с заданной вероятностью. В традиционных подходах к анализу в качестве уровня вероятности, как правило, принимаются значения, величины которых располагаются на отметках 90%, 95% и 99%. Нами при расчете величины квантилей был использован уровень вероятности, величина которого составила 95%. Расчет правого квантиля проводился по следующей формуле Excel:

  (2)

где: σ – среднее квадратическое (стандартное) отклонение по темпам прироста,  – среднее значение темпов прироста продаж.

Левый квантиль находился по аналогичной формуле, только вместо 95% использовался показатель 5%. По результатам расчетов величина левого квантиля составила – 8,53%, правого квантиля – 13,87%. Экономический смысл правого и левого квантиля заключается в следующем: с вероятностью 95 % рост продаж по первому товару в следующем периоде не превысит отметки 13,87% (или 160 ед. = правый квантиль*данные 3 кв. 2017 г.=13,87%*1150 ед.); с вероятностью 95% продажи по первому товару в следующем квартале не уменьшатся больше чем на 8,53% (или 98 ед. = левый квантиль*данные 3 кв. 2017 г. = 8,53% * 1150 ед.). Таким образом, прогнозное значение для оптимистичного сценария составило 1310 ед. (1150ед. + 160 ед.), для пессимистичного – 1052 ед. (1150 ед. – 98 ед.) и для вероятного – 1181 ед. ((1310 ед. +1052 ед.)/ 2).

Однако задача заключается в определении не фиксированного прогнозного значения, а диапазона изменений. С целью формирования диапазонов значений по каждой позиции в расчет необходимо заложить определенную величину ошибки. Размер ошибки находится в прямой взаимосвязи с волатильностью рассматриваемого показателя. Так,чем больше волатильность показателя, тем больше неопределенность прогноза и тем большую ошибку можно в этом прогнозе допустить. Расчет диапазонов изменений происходил на основании рассчитанных показателей среднеквадратического отклонения. Для нахождения левой (правой) границы диапазона изменений величины продаж необходимо из средней величины вычесть (прибавить к средней величине) показатель среднего квадратического отклонения. Диапазоны изменений величины продаж на 4 квартал 2017 г. следующие: для оптимистичного сценария – от 1220 (1310 ед.*(1-0,0681)) до 1399 (1310 ед.*(1+0,0681)) ед., для вероятного – от 1100 (1181 ед.*(1-0,0681)) до 1261 (1181 ед.*(1+0,0681)) ед., для пессимистичного – от 980 (1052 ед.*(1-0,0681)) до 1124 (1052 ед.*(1+0,0681)) ед.

Подготовив всю необходимую исходную информацию и разработав структуру имитационной модели, можно приступать к основному этапу – этапу проведения имитационного моделирования. В рамках данного этапа происходит выполнение большого числа экспериментов со случайно заданными значениями показателей, характерными для определенного подхода к финансированию и сценария развития событий.

В таблице 6 представлен фрагмент исходных данных и результатов имитационного моделирования на примере агрессивного подхода к финансированию при оптимистичном сценарии развития событий, отражающем благоприятное состояние рынка. Каждому из показателей было присвоено буквенное обозначение. Буквенные обозначения, стоящие под столбцами с показателями, трактуются следующим образом: «и» – диапазоны изменения значений отличны в каждом сценарии, «о» – диапазоны изменения значений одинаковы во всех сценариях развития, «р» – данные, полученные расчетным путем, «ф» – значение показателя фиксировано для каждого эксперимента. При реализации данной модели на практике столбцы, в наименованиях которых содержатся слова «по элементам», следует разбить на несколько дополнительных столбцов, каждый из которых будет содержать информацию о конкретном товаре, либо элементе затрат. К примеру, такие столбцы, как «цена», «переменные расходы», «количество проданных товаров, «количество товаров, оставшихся на складе», «минимально закупаемое количество товаров», содержат данные по каждому товару; столбцы «коммерческие расходы» – по элементам затрат: аренда помещения, аренда оборудования, бытовая химия, реклама, транспортные и клининговые услуги, оплата труда и отчисления, оформление витрин, услуги связи. Представленные в таблице 6 фрагментарные данные по столбцам, в наименованиях которых содержатся слова «по элементам», в качестве примера представляют сведения только по одному товару, однако результирующие показатели рассчитаны с учетом всех товарных позиций.

Отдельное внимание необходимо уделить определению значений некоторых показателей в модели:

1)показатели, величины которых варьируются в пределах определенного диапазона изменений, (цены на товары, объемы продаж и др.), вычисляемые по формуле Excel:

 (3),

где НГ – нижняя граница диапазона изменений; ВГ – верхняя граница диапазона изменений;

2)  прибыль от продаж, расчет которой производится по формуле:

 (4),

где   – цены на финансируемые и оставшиеся на складе с прошлого периода нефинансируемые товары соответственно;  – переменные расходы на финансируемые и оставшиеся на складе с прошлого периода нефинансируемые товары соответственно;  – объем продаж финансируемых и оставшихся на складе с прошлого периода, но проданных в текущем нефинансируемых товаров соответственно;  – величина конкретного элемента коммерческих расходов;  – число финансируемых товаров;– число нефинансируемых товаров;  количество элементов коммерческих расходов;

3)  минимально закупаемое количество i-го товара, определяемое по формуле:

   (5),

где  – количество прогнозируемого объема продаж i-го товара;  – товарный запас по i-му товару;   - количество i-го товара, оставшегося на складе с прошлого периода;

Таблица 6

Обобщенный алгоритм формата представления исходных данных и результатов имитационного моделирования

на примере агрессивного подхода при оптимистичном сценарии развития событий

 

4)  требуемая величина заемного капитала, рассчитываемая по формуле Excel:

(6),p>

где  – переменные расходы на закупку i-го товара;  – количество закупаемого i-го товара;  –собственный капитал, идущий на покрытие оборотных активов;  – число финансируемых товаров;

5)  рентабельность активов, определяемая по формуле:

(7),

где  – прибыль от продаж; ВНА – величина внеоборотных активов; ЗК – требуемая величина заемного капитала, отражающая величину закупаемых товаров;  – переменные расходы на финансируемые и нефинансируемые товары соответственно, оставшиеся на складе с прошлого периода;  – количество финансируемых и нефинансируемых товаров соответственно, оставшееся на складе с прошлого периода;  – число финансируемых товаров; – число нефинансируемых товаров.

6)  индикатор сохранения минимальной величины дифференциала (МВД), определяемый по формуле Excel:

(8),

где ДФР – дифференциал финансового рычага; ЗФП – запас финансовой прочности.

Таким образом, с учетом ранее описанных особенностей формирования имитационной модели создаются 9 таблиц, каждая из которых представляет исходные данные и результаты имитационного моделирования на примере конкретных стратегий финансирования и сценариев развития событий (агрессивный подход – оптимистичный сценарий, агрессивный подход – вероятный сценарий, агрессивный подход – пессимистичный сценарий и т.д.). Данные таблицы являются достаточно объемными, поэтому при их построении рекомендуется использовать одинаковый формат, что позволит упростить процесс обобщения массива цифровых данных.

Сформировав имитационную модель и рассчитав все необходимые показатели, можно переходить к завершающему блоку работ, включающему в себя обработку полученной информации, ее систематизацию и подведение итогов исследования. В таблице 7 нами представлены результаты проведения имитационного моделирования, обобщающие данные по каждому подходу к финансированию и сценарию развития. Буквенные обозначения, применяемые в таблице, следует трактовать следующим образом: «О.С.» – оптимистичный сценарий, «В.С.» – вероятный сценарий, «П.С.» – пессимистичный сценарий. В таблице большая часть показателей имеет усредненные значения, при реализации же данной модели на практике с целью интерпретации результатов анализа рекомендуется использовать полный инструментарий описательной статистики, включающий такие показатели, как среднее квадратическое отклонение, минимальное и максимальное значение, коэффициент вариации и др. В качестве результирующих показателей для анализа цифровых данных были использованы как абсолютные показатели, такие как выручка, прибыль, величина заемного капитала, так и относительные – плечо, дифференциал и эффект финансового рычага, рентабельность активов и собственного капитала и др.

Основной целью исследования выступал выбор оптимальной стратегии финансирования операционной деятельности организации в условиях альтернативных вариантов развития ситуации на рынке.  В результате обработки массива имитационных экспериментов в работе были сформированы показатели описательной статистики, важнейшим из которых выступает доля экспериментов, продемонстрировавших возможность сохранения запаса финансовой прочности, определенного на основе данных дифференциала финансового рычага. Сценарные варианты развития событий, соответствующие указанному условию, отражают превентивную возможность противодействия риску неопределенности финансово-хозяйственной деятельности за счет сохранения достаточного превышения уровня рентабельности активов над стоимостью заемного финансирования.

Таблица 7

Фрагмент полученных результатов проведения имитационного моделирования

 

Согласно результатам проведенного анализа, наибольший удельный вес экспериментов с сохранением запаса прочности по дифференциалу присущ умеренной стратегии финансирования, величина которого расположилась на отметке 0,649. Данный показатель означает, что в 65 % случаях минимальная величина дифференциала финансового рычага, первоначально заданная на уровне 10 %, сохранится. При агрессивном подходе величина данного индикатора ниже по сравнению с предыдущим значением на 0,041 пункт. Это объясняется тем, что в данном подходе не происходит отказа от финансирования товаров, имеющих низкую величину маржинального дохода.

С другой стороны, выбор оптимальной стратегии не возможен без учета абсолютной величины прибыли до налогообложения, полученной как результат математического ожидания прибыли в условиях оптимистичного, вероятного и пессимистичного сценариев. Согласно данным таблицы 7 прибыль до налогообложения при использовании умеренного и консервативного подхода показывает практически одинаковые значения и составляет в среднем 131 тыс. руб. Величина прибыли, полученная при применении консервативной стратегии, значительно уступает предыдущим, что объясняется низкой величиной объема продаж. К тому же, в 31,3% случаев наблюдается отрицательная величина прибыли до налогообложения.

Интеграция приведенных критериев позволяет обосновать подход к выбору умеренной стратегии финансирования, позволяющей добиться максимальных финансовых результатов в условиях сохранения приемлемого уровня риска. Таким образом, при выборе умеренной стратегии финансирования средняя величина дифференциала финансового рычага расположится на отметке 12,32 процентных пункта, прибыль до налогообложения в 99,9 % случаях будет иметь положительное значение и составит приблизительно 131 499 руб., а величина заемного капитала будет варьироваться в пределах от 598 547 до 837 382 руб.

Заключение. Достижение цели исследования стало возможным благодаря реализации потенциала функционального наполнения инструментов автоматизированной обработки данных. Алгоритм расчетов, описываемых в работе, реализован в ППП «Excel» и может быть представлен всем заинтересованным пользователям при обращении к авторам. При необходимости набор инструкций, определяющих характер модели, может быть модифицирован с учетом индивидуальных особенностей экономического субъекта.

Библиографический список:

1. Артамонов Б.В. Формирование сценарных композиций в условиях нестабильности рыночной конъюнктуры / Б.В. Артамонов // Инновации в гражданской авиации. – 2016. – № 1. – С. 19-25.

2. Голебнова О.В. Определение особенностей выбора стратегии финансирования оборотного капитала / О.В. Голебнова // Современные тенденции в экономике и управлении: новый взгляд. – 2010. – № 1-1. – С. 51-56.

3. Коников А.И. Исследование возможности расширения функционала бизнес-анализа на основе таблиц ранжирования / А.И. Коников, Т.В. Кузнецова, Г.А. Коников // Вестник Самарского государственного экономического университета. – 2014. – № 7 (117). – С. 48-53.

4. Плетюхина С.А. Теоретические аспекты влияния стратегии финансирования оборотных активов на платежеспособность и финансовую устойчивость организации / С.А. Плетюхина, А.В. Плетюхин // Казанская наука. – 2010. – № 3. – С. 135-144.

5.  Abad, P., Benito, S., López, C. (2014) A comprehensive review of Value at Risk methodologies. Spanish Review of Financial Economics. 12(1), pp. 15-32.

6.  Hadi-Vencheh, A. (2010) An improvement to multiple criteria ABC inventory classification. European Journal of Operational Research. 201(3), pp. 962-965.

7.  Ng, W.L. (2007). A simple classifier for multiple criteria ABC analysis. European Journal of Operational Research. 177(1), pp. 344-353.

8.  Pritsker, M. (2006) The hidden dangers of historical simulation. Journal of Banking and Finance. 30 (2), pp. 561-582. 

9.  Ramanathan, R. (2006) ABC inventory classification with multiple-criteria using weighted linear optimization. Computers and Operations Research. 33(3), pp. 695-700.

References

1.  Artamonov B.V. Formirovanie scenarnyh kompozicij v uslovijah nesta-bil'nosti rynochnoj kon#junktury / B.V. Artamonov // Innovacii v grazhdanskoj aviacii. – 2016. - № 1. – S. 19-25.

2.  Golebnova O.V. Opredelenie osobennostej vybora strategii finansiro-vanija oborotnogo kapitala / O.V. Golebnova // Sovremennye tendencii v jekono-mike i upravlenii: novyj vzgljad. – 2010. – № 1-1. – S. 51-56.

3.  Konikov A.I. Issledovanie vozmozhnosti rasshirenija funkcionala biz-nes-analiza na osnove tablic ranzhirovanija / A.I. Konikov, T.V. Kuznecova, G.A. Konikov // Vestnik Samarskogo gosudarstvennogo jekonomicheskogo universiteta. – 2014. - № 7 (117). – S. 48-53.

4. Pletjuhina S.A. Teoreticheskie aspekty vlijanija strategii finansirova-nija oborotnyh aktivov na platezhesposobnost' i finansovuju ustojchivost' or-ganizacii / S.A. Pletjuhina, A.V. Pletjuhin // Kazanskaja nauka. – 2010. – № 3. – S. 135-144.

5. Abad, P., Benito, S., López, C. (2014) A comprehensive review of Value at Risk methodologies. Spanish Review of Financial Economics. 12(1), pp. 15-32.

6. Hadi-Vencheh, A. (2010) An improvement to multiple criteria ABC inventory classification. European Journal of Operational Research. 201(3), pp. 962-965.

7. Ng, W.L. (2007). A simple classifier for multiple criteria ABC analysis. European Journal of Operational Research. 177(1), pp. 344-353.

8. Pritsker, M. (2006) The hidden dangers of historical simulation. Journal of Banking and Finance. 30(2), pp. 561-582. 

9. Ramanathan, R. (2006) ABC inventory classification with multiple-criteria using weighted linear optimization. Computers and Operations Research. 33(3), pp. 695-700.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018
(115) УЭкС, 9/2018
(116) УЭкС, 10/2018

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516