Диплом: Анализ финансовых результатов на примере магазина

Рис.11 Схема формирования прибыли.

Содержание прибыли от реализации:

ПР=ВР-СР-КР-УР, (16 )

где ВР- выручка от реализации,

СР-себестоимость реализации,

КР-коммерческие расходы,

УР-управленческие расходы.

Анализ валовой прибыли начинается с иследования ее динамики как по обще

сумме, так и разрезе ее составлящей элементов- так называемый горизонтальный

анализ. Затем проводится вертикальный анализ, который выявляет структурные

изменения в составе валовой прибыли. Для оценки уровня и динамики показатели

валовой прибыли составляем таблицу.

Основным источником информации для анализа прибыли является форма№2 “Отчет о

прибылях и убытках”. Кроме того,используется данные бухгалтерского учета по

счету 80 “Прибыли и убытки”.

Таблица10

Анализ показателей прибыли

Показатели	1998г.		1999г.		Отклонение 1999г от1998г.
	Сумма	% к итогу	Сумма	% к итогу	Сумма	%
1	2	3	4	5	6	7
1.Прибыль от реализации	767	226	-6245	-85	-7042	818
2.Проценты к получению		0	0	0	0	0
3.Прочие оерационные доходы	75	22	3755	52,0	+3680	5007
4.Прочие операционные расходы	261	77	819	11,3	+558	314
5.Прибыль от финансово-хозяйственной деятельности	581	171	-3339	46,2	-3920	575
6.Прочие внереализационные доходы	10	3	12543	174	+12533	125430
7.Прочие внереализационные расходы	252	74	1975	27	1723	784
Валовая прибыль	339	100	7229	100	+6890	2132

Как видно из таблицы 10 предприятие достигло высоких результатов

хозяйственной деятельности в 1999 году по сравнению с 1998 годом, о чем

свидетельствует увелечение общей суммы прибыли на 6890 тыс .рублей или на

2132,4%. Такой рост прибыли явился результатом увелечения в первую очередь

прочих внереализационных доходов и во вторых прочих операционных доходов. А

вот прибыль от реализации сократилось на 7042 тыс.руб. или 818%, что

соответственно сократило сумму валовой прибыли. Если бы не увлечение прочих

операционных расходов(558 тыс.руб.), внереализационных расходов

(1723тыс.руб.) и убыток от реализации 7042 тыс.руб., то прибыль бы за 1999

год

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

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; х

ik – 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.

Свойство 2. Коэффициент корреляции не зависит от выбора начала отсчета и

единицы измерения, то есть

р (a1X + b a2 Y + b) = r xy ,

(

19 )

где a1, a2 , b - постоянные величины, причем a1 > 0 , a2 > 0.

Случайные величины X,Y можно уменьшать (увеличивать) в a раз, а также

вычитать или прибавлять к значениям X и Y одно и тоже число b - это не

приведет к изменению коэффициента корреляции r.

Свойство 3. При r = +-1 корреляционная связь представляется линейной

функциональной зависимостью. При этом линии регрессии y по x и x по y

совпадают.

Свойство 4. При r = 0 линейная корреляционная связь отсутствует и параллельны

осям координат.

Рассмотренные показатели во многих случаях не дают однозначного ответа на вопрос

о наборе факторов. Поэтому в практической работе с использованием ПЭВМ чаще

осуществляется отбор факторов непосредственно в ходе построения модели методом

пошаговой регрессии. Суть метода состоит в последовательном включении факторов.

На первом шаге строится однофакторная модель с фактором , имеющим максимальный

коэффициент парной корреляции с результативным признаком. Для каждой переменной

регрессии , за исключением тех, которые уже включены в модель , рассчитывается

величина С(j) , равная относительному уменьшению суммы квадратов зависимой

переменной при включении фактора в модель. Эта величина интерпретируется как

доля оставшейся дисперсии независимой переменной, которую объясняет переменная

j. Пусть на очередном шаге k номер переменной, имеющей максимальное значение,

соответствует j. Если Сk меньше заранее заданной константы,

характеризующей уровень отбора, то построение модели прекращается. В противном

случае k-я переменная вводится в модель.

После того, как с помощью корреляционного анализа выявлены статистические

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9