Точность прогнозов

Основными критериями при оценке эффективности модели, используемой в прогнозировании, служат точность прогноза и полнота представления будущего финансового состояния предприятия. С точки зрения полноты, безусловно наилучшими являются методы, позволяющие построить прогнозные формы отчетности. В этом случае будущее состояние предприятия можно проанализировать не менее детально, чем его настоящее положение. Вопрос с точностью прогноза несколько более сложен и требует более пристального внимания. Точность или ошибка прогноза - это разница между прогнозным и фактическим значениями. В каждой конкретной модели эта величина зависит от ряда факторов.

Чрезвычайно важную роль играют исторические данные, используемые при выработке модели прогнозирования. В идеале желательно иметь большое количество данных за значительный период времени. Кроме того, используемые данные должны быть "типичными" с точки зрения ситуации. Стохастические методы прогнозирования, использующие аппарат математической статистики, предъявляют к историческим данным вполне конкретные требования, в случае невыполнения которых не может быть гарантирована точность прогнозирования. Данные должны быть достоверны, сопоставимы, достаточно представительны для проявления закономерности, однородны и устойчивы.

Точность прогноза однозначно зависит от правильности выбора метода прогнозирования в том или ином конкретном случае. Однако это не означает что в каждом случае применима только какая-нибудь одна модель. Вполне возможно, что в ряде случаев несколько различных моделей выдадут относительно надежные оценки. Основным элементом в любой модели прогнозирования является тренд или линия основной тенденции изменения ряда. В большинстве моделей предполагается, что тренд является линейным, однако такое предположение не всегда закономерно и может отрицательно повлиять на точность прогноза. На точность прогноза также влияет используемый метод отделения от тренда сезонных колебаний - сложения или умножения. При использовании методов регрессии крайне важно правильно выделить причинно-следственные связи между различными факторами и заложить эти соотношения в модель.

Важно помнить, что ошибки прогноза строк отчетности и ошибки определения по ним результативных показателей (финансовых коэффициентов) в большинстве случаев не совпадают. Действительно, пусть какой-либо коэффициент F определяется следующим образом:

F = (x + y) / z (23),

где x, y, z - некоторые строки бухгалтерского или аналитического баланса.

Это достаточно типичный вид для финансовых показателей. И пусть абсолютные ошибки прогноза строк составляют соответственно dx, dy, dz. Тогда абсолютная ошибка прогноза F будет равна:

(24)

Для относительной ошибки на основании формул (23) и (24) получим:

(25)

То есть, если, например, точность прогноза каждой из строк x, y и z составила 10%, то, положив x=y, из формулы (25) получим точность определения F:

Таким образом, точность прогноза финансовых коэффициентов в методах, основывающихся на построении прогнозной отчетности, всегда ниже точности, с которой определяются сами прогнозные значения строк отчетности. Поэтому, если аналитик, как это и должно быть, имеет определенные требования к точности определения финансовых коэффициентов, то должен быть выбран метод, обеспечивающий еще более высокую точность прогноза строк отчетности.

Прежде чем использовать модель для составления реальных прогнозов, ее необходимо проверить на объективность, с тем чтобы обеспечить точность прогнозов. Этого можно достичь двумя разными путями:

1. Результаты, полученные с помощью модели, сравниваются с фактическими значениями через какой-то промежуток времени, когда те появляются. Недостаток такого подхода состоит в том, что проверка "беспристрастности" модели может занять много времени, так как по-настоящему проверить модель можно только на продолжительном временном отрезке.
2. Модель строится исходя из усеченного набора имеющихся исторических данных. Оставшиеся данные можно использовать для сравнения с прогнозными показателями, полученными с помощью этой модели. Такого рода проверка более реалистична, так как она фактически моделирует прогнозную ситуацию. Недостаток этого метода состоит в том, что самые последние, а следовательно, и наиболее значимые показатели исключены из процесса формирования исходной модели.

В свете вышесказанного относительно проверки модели становится ясным, что для того, чтобы уменьшить ожидаемые ошибки, придется вносить изменения в уже существующую модель. Такие изменения вносятся на протяжении всего периода применения модели в реальной жизни. Непрерывное внесение изменений возможно в том, что касается тренда, сезонных и циклических колебаний, а также любого используемого причинно-следственного соотношения. Эти изменения затем проверяются с помощью уже описанных методов. Таким образом, процесс оформления модели включает в себя несколько этапов: сбор данных, выработку исходной модели, проверку, уточнение - и опять все сначала на основе непрерывного сбора дополнительных данных с целью обеспечения надежности модели в качестве источника прогнозной информации о финансовом положении предприятия.

При разработке любой из моделей прогнозирования предполагается, что ситуация в будущем не будет сильно отличаться от настоящей. Другими словами, считается, что все значимые факторы либо учтены в модели прогнозирования, либо неизменны в течение всего периода времени, на котором она используется. Однако модель - это всегда огрубление реальной ситуации путем отбора из бесконечного количества действующих факторов ограниченного числа тех из них, которые считаются наиболее важными исходя из конкретных целей анализа. Точность и эффективность построенной модели будут напрямую зависеть от правильности о обоснованности такого отбора. При использовании модели для прогнозирования следует помнить о существовании факторов, сознательно или несознательно не включенных в нее, которые тем не менее оказывают влияние на состояние предприятия в будущем.

Измеритель меры точности прогноза – это ошибка прогноза. Ошибка бывает количественная и качественная.

Количественные характеристики:

1. Абсолютная ошибка прогноза – разница между фактическим и прогнозным значением (для тестового периода). Ретроспектива делится на обучающую выборку и ретроспективу. Минусы – привязка к масштабу.

- фактическое решение

- прогнозное значение

- число наблюдений обучающей выборки

- период упреждения

- средняя дельта

Относительные характеристики:

1. Коэффициент несоответствия Тейла (для тестового периода)

Мы хотим чтобы

, когда

Качественные характеристики:

1. Прогноз реализации – облако значений должно быть на линии совершенных прогнозов.

Информационные характеристики качества модели:

1. Среднеквадратическое отклонение

- число степеней свободы (зависит от вида модели)

2. Коэффициент детерминации – показывает на сколько объясняемые переменные описывают объясняющую переменную (в % или долях)

3. F статистика – показывает значимость модели в целом.

Наивные методы прогнозирования – в основном это модели средних, используются для прогнозирования и для сглаживания данных):

1. модель простой средней

2. модель простой скользящей средней

3. модель адаптивной скользящей средней

4. модель взвешенной скользящей средней

5. модель экспоненциальное сглаживание Брауна

Литература

1. О бухгалтерском учете. Федеральный закон Российской Федерации от 21 ноября 1996 года №129-ФЗ (в редакции Федерального закона от 23 июля 1998 года №123-ФЗ).
2. О годовой бухгалтерской отчетности организаций. Приказ Министерства финансов Российской Федерации от 12 ноября 1996 года №97.
3. Положение по бухгалтерскому учету "Бухгалтерская отчетность организации" (ПБУ 4/99). Приказ Министерства финансов Российской Федерации от 6 июля 1999 года №43н.
4. М.И.Баканов, А.Д.Шеремет "Теория экономического анализа". Москва, "Финансы и статистика", 1998 г.
5. В.В.Ковалев "Введение в финансовый менеджмент". Москва, "Финансы и статистика", 1999 г.
6. В.В.Ковалев "Финансовый анализ". Москва, "Финансы и статистика", 1999 г.
7. А.И.Ковалев, В.П.Привалов "Анализ финансового состояния предприятия". Москва, "Центр экономики и маркетинга", 1997 г.
8. Л.В.Донцова, Н.А.Никифорова "Комплексный анализ бухгалтерской отчетности". Москва, "Дело и Сервис", 1999 г.
9. О.В.Ефимова "Финансовый анализ". Москва, "Бухгалтерский учет", 1998 г.
10. В.Г.Артеменко, М.В.Беллендир "Финансовый анализ". Москва, "ДИС", 1997 г.
11. Р.Томас "Количественные методы анализа хозяйственной деятельности". Москва, "Дело и Сервис", 1999 г.
12. А.М.Дубров, В.С.Мхитарян, Л.И.Трошин "Многомерные статистические методы". Москва, "Финансы и статистика", 1998 г.

Дата добавления: 2014-01-07