Продолжение таблицы 30
1
2
3
4
5
6
8
Жилеты
2599
850
2209150
7,37
9
Юбки
1199
1402
1680998
5,61
10
Аксессуары
599
6512
3900688
13,02
11
Пляжная обувь
599
560
335440
1,12
12
Жакеты и
кардиганы
1599
1230
1966770
6,57
13
Верхняя одежда
4999
498
2489502
8,31
Итого
24741
29957659
100,00
Таблица 31
Годовой объем продаж нарастающим итогом, 2018 год
№
Товар
Годовой
объем
продаж,
шт.
Годовой
объем
продаж,
руб.
Годовой
объем
продаж,
%
Годовой
объем
продаж
нарастающим
итогом, %
1
Платья
1875
2248125
7,51
7,51
2
Блузки
1980
2770020
9,25
16,75
3
Футболки и майки
5200
3634800
12,13
28,88
4
Шорты
500
799500
2,67
31,55
5
Джинсы
1864
4098936
13,68
45,23
6
Джемперы и
толстовки
1300
2078700
6,94
52,17
7
Брюки
970
1745030
5,82
57,99
8
Жилеты
850
2209150
7,37
65,36
9
Юбки
1402
1680998
5,61
70,97
10
Аксессуары
6512
3900688
13,02
83,99
11
Пляжная обувь
560
335440
1,12
85,11
12
Жакеты и
кардиганы
1230
1966770
6,57
91,69
13
Верхняя одежда
498
2489502
8,31
100,00
Итого
-
24741
29957659
-
-
Таблица 32
Разделение товаров по трем товарным группам
83
Категория
Разновидность товара
Количественная
доля
Стоимостная
доля, %
А
№3, №5, №10
25
38,83
В
№1, №2, №8, №13
33
32,44
С
№4, №6, №7, №9, №11, №12
42
28,73
По итогу проведения АВС-анализа, можно сделать следующие выводы.
К группе А можно отнести самые важные товары, приносящие предприятию
максимальную прибыль, это: футболки и майки, джинсы и аксессуары. Это базовый товар в
83
Рассчитано автором.
гардеробе каждого человека, пользующийся неизменным спросом в любое время года. К
группе В относятся товары, обеспечивающие стабильные продажи, к этим товарам
относятся: платья, блузки, жилеты, верхняя одежда. Товары этой группы можно отнести к
товарам по случаю. Группа С включает себя товары, пользующиеся меньшим спросом, это:
шорты, джемпера и толстовки, брюки, юбки, пляжная обувь, жакеты и кардиганы. Эта
группа товаров приносит предприятию меньше всего прибыли, но, тем не менее, пользуется
спросом среди покупателей, особый спрос на эти товары – в период акций и распродаж.
Следовательно, необходимо при оформлении заказа поставщикам учитывать
результаты проведенного АВС-анализа и формировать запас товар соответственно запросам
покупателей. Тем самым исключается вероятность возникновения кредиторской
задолженности за нереализованный товар и т.п.
В таблице 33 представлен расчет экономического эффекта от внедрения
предлагаемого мероприятия относительно планирования объема продаж, по результатам
проведенного АВС-анализа.
Таблица 33
Расчет экономического эффекта от прогнозирования объема продаж
84
№
товары
Нач.
объем
продаж
, шт.
План.
объем
прода
ж, шт.
разниц
а, шт.
Нач.
объем
продаж,
руб.
План.
объем
продаж,
руб.
разниц
а, руб.
5
Джинсы
1864
1900
36
4098936
4178100
79164
10
Аксессуары
6512
6596
84
3900688
3951004
50316
3
Футболки и майки
5200
5225
25
3634800
3652275
17475
2
Блузки
1980
1985
5
2770020
2777015
6995
13
Верхняя одежда
498
510
12
2489502
2549490
59988
1
Платья
1875
1900
25
2248125
2278100
29975
8
Жилеты
850
860
10
2209150
2235140
25990
6
Джемперы и толстовки
1300
1350
50
2078700
2158650
79950
12
Жакеты и кардиганы
1230
1235
5
1966770
1974765
7995
Продолжение таблицы 33
7
Брюки
970
980
10
1745030
1763020
17990
9
Юбки
1402
1300
-102
1680998
1558700
-122298
4
Шорты
500
400
-100
799500
639600
-159900
11
Пляжная обувь
560
500
-60
335440
299500
-35940
24741
24741
0
29957659
30015359
57700
84
Рассчитано автором.
Выводы: согласно расчетам ИП Чернов В.В., используя АВС-анализ для
ранжирования товаров по объемам продаж, может получить дополнительную прибыль в
размере 57 700 руб. При этом объем продаж по количеству товаров остается неизменным –
24741 шт., объем продаж в стоимостном выражении составит 30015359 руб., а цены на
товары останутся также неизменными.
Поскольку некоторые товары группы С (№ 4, 9 и 11) пользуются меньшим спросом,
объем их реализации можно сократить в общем количестве на 262 шт., а объем товаров
№6,7, 12 увеличить в общей количестве на 65 шт. При этом объем продаж товаров группы
В (№1, 2, 8, 13) можно увеличить в на 52 шт. и товары группы А (№3, 5, 10) на 145 шт.
соответственно, поскольку эта группа товаров востребована и пользуется большим спросом
у покупателей.
Цель следующей рекомендации заключается в определении состояния кредиторской
и дебиторской задолженности предприятия с применением корреляционно-регрессивного
моделирования для обоснования системы менеджмента на примере ИП Чернов В.В.
Учитывая особенности предприятия, в качестве исходной переменной Y
1
принимаем
текущие обязательства. В качестве входных переменных X
1
– дебиторская задолженность.
Таблица исходных данных для расчета параметров регрессии представлена в табл. 1 и 2
Приложения 4. Модель 1 зависимости объемов текущих обязательств относительно
дебиторской задолженности рассмотрим в следующем виде:
Y
i
= В
0
+ В
1
· Χ
1i
+ Ui (9)
где i = 1, ... .n; n = 12
85
.
В
0
– среднее значение Y, если каждая независимая переменная равна 0;
В
1
– параметр регрессии;
Х
1i
– дебиторская задолженность;
Ui – случайная составляющая, i = 1, ...., N.
Статистические данные используем из годовых отчетов ИП Чернов В.В.
Для расчета используем пакеты прикладных программ Excel. Результаты
представлены в табл. 34.
Таблица 34
Итоговая таблица регрессии Модели 1
86
85
Горелик О.М. Финансовый анализ с использованием ЭВМ: Учеб. пособие / О.М. Горелик, О.А. Филиппова. –Москва:
КноРус, 2015. – 272 c.
86
Рассчитано автором.
Регрессивная статистика
Множественный R
0,86012
R-квадрат
0,739806
Нормированный R-квадрат
0,713787
Стандартная ошибка
483,4952
Наблюдение
12
Дисперсионный анализ
df
SS
MS
F
Значимость F
Регрессия
1
6646693
6646693
28,43291
0,000332
Остаток
10
2337676
233767,6
Всего
11
8984369
Нахождение параметров уравнения регрессии позволяет перейти к анализу тесноты
и значимости связи переменных в регрессионных моделях. В понятие «теснота связи»
(плотность) укладывается оценка влияния независимой переменной на зависимую
переменную. Под термином «значимость связи» (существенность) понимают оценку
отклонения выборочных переменных от своих значений в генеральной совокупности
наблюдений с помощью статистических критериев.
Качество построенной модели в целом оценивается коэффициентом детерминации.
Значение коэффициента детерминации (Multiple R=86%) свидетельствует об адекватности
модели, то есть существует достаточно тесная связь между исследуемыми факторами.
Значение коэффициента детерминации лежит в пределах от 0 до 1. Для Модели 1 R
I
= 0,71.
Это хорошее значение, которое показывает, что построенная регрессия объясняет более 71%
разброса значений переменной текущих обязательств относительно среднего.
Значимость уравнения многочисленной регрессии в целом оценивается с помощью
F – критерия Фишера. В данном случае для проверки гипотезы, которая утверждает, что
между зависимой переменной (текущие обязательства) и зависимыми переменными нет
линейной зависимости, то есть В
1
= 0, против альтернативы В
1
, которая не равна 0. В нашем
случае мы имеем значение F = 28,43, уровень значимости 0,000332, которая показывает, что
построенная модель значима. В табл.35 представлены результаты расчетов параметров
регрессии модели 1. Значение Р равно 0,94, а должно быть меньше 0,05. Это означает, что
В
0
незначимо, поэтому необходимо пересчитать регрессию без учета В
0
.
Таблица 35
Результаты расчетов параметров регрессии Модели 1
87
Показатели
Коэффициенты
Стандартная
ошибка
t-
статистика
P-значение
Y-пересечения
-15,76855171
229,241506
-0,06879
0,946516158
Дебиторская
задолженность X
1
3,383438771
0,634523475
5,332252
0,000331893
Построим модель 2. Результаты представим в таблице 35. Модель 2 зависимости
объемов текущих обязательств относительно дебиторской задолженности рассмотрим в
следующем виде: Y
i
= В
1
· Χ
1i
+ U
i
(10)
где i = 1, ... .n; n = 12; В
1
– параметр регрессии; Х
1i
– дебиторская задолженность; U
i
– случайная составляющая, i = 1, ...., N;
Итоги расчетов приведены в таблице 36.
Таблица 36
Итоговая таблица регрессии Модели 2
88
Регрессионная статистика
Множественный R
0,939413184
R-квадрат
0,882497131
Нормированный R-квадрат
0,79158804
Стандартная ошибка
461,1036443
Наблюдение
12
Дисперсионный анализ
df
SS
MS
F
Значимость F
Продолжение таблицы 36
Регрессия
1
17565261,69
17565262
82,61474
3,78634E-06
Остаток
11
2338782,279
212616,6
Всего
12
19904043,97
Значение коэффициента детерминации находится в пределах от 0 до 1. Для Модели
2 R
I
=0,79. Это хорошее значение, которое показывает, что построенная регрессия объясняет
более 79% разброса значений переменной (текущих обязательств) относительно среднего.
Значимость уравнения многочисленной регрессии в целом оценивается с помощью F –
критерия Фишера. В данном случае для проверки гипотезы, которая утверждает, что между
зависимой переменной текущих обязательств и соответствующих переменных нет
87
Рассчитано автором.
88
Рассчитано автором.
линейной зависимости, то есть В
1
=0, против альтернативы В
1
, которая не равна 0. В нашем
случае мы имеем значение F=82,61, уровень значимости Р=3,78634E-06, показывает, что
построенная модель значима.
В табл. 37 представлены результаты расчетов параметров регрессии.
Таблиця 37
Результаты расчетов параметров регрессии Модели 2
89
Показатели
Коэффициенты
Стандартная
ошибка
t-статистика
P-значение
Y-пересечения
0
-
-
-
X1, Дебиторская
задолженность
3,3488148
0,368436267
9,089265
1,9E-06
Значение критерия Стьюдента для модели зависимости между текущими
обязательствами и дебиторской задолженности составляет 9,089, поэтому можно
утверждать, что модель является статистически значимой. На рисунке 3 представлены
исходные данные и линия регрессии для Модели 2.
Рисунок 3 – Исходные данные и линия регрессии для Модели 2
90
В результате расчетов установлено, что между текущими обязательствами и
дебиторской задолженностью существует зависимость, которая описывается
эконометрической моделью вида: Ŷ = 3,34 · X
1
(11)
Модель количественно описывает связь объема текущих обязательств предприятия
и его дебиторской задолженности. Параметр В
1
=3,34 характеризует предельный размер
дебиторской задолженности и влияние ее на текущие обязательства. Если размер
89
Рассчитано автором.
90
Составлено автором на основе расчетов в программе Excel.
y = 3.3488x
R² = 0.7397
0
500
1000
1500
2000
2500
3000
3500
0 100 200 300 400 500 600 700 800
дебиторской задолженности увеличится на 1000 руб., то текущие обязательства
предприятия вырастут на 3340 руб. Модель зависимости между объемом текущих
обязательств и дебиторской задолженностью позволит руководству любого предприятия, и
в том числе ИП Чернов В.В., спрогнозировать размер текущих обязательств в зависимости
от изменения размера дебиторской задолженности.
Для успешного внедрения и эффективного использования системы управления
дебиторской и кредиторской задолженностью на предприятии целесообразно создать
специализированный отдел кредитного контроля, основной функцией которого будет
уменьшение объемов кредиторской задолженности. Основные условия внедрения
эффективного управления:
- обеспечение непрерывной работы предприятия;
- снижение объемов свободных текущих активов, и, как следствие, снижение затрат
на их финансирование;
- ускорение оборота оборотных активов;
- максимизация прибыли предприятия за сохранение ликвидности;
- повышение уровня финансовой устойчивости предприятия
91
.
На практике часто возникают проблемы между сферами продажи и управлением
дебиторской задолженностью: менеджер по продажам несет ответственность за выполнение
планов продаж и получение прибыли, а управление дебиторской задолженностью
направлено, в первую очередь, на снижение риска. В связи с вероятностью возникновения
конфликтной ситуации важным является четкое распределение функциональных
обязанностей
92
.
Поскольку текущая ликвидность представляет собой соотношение оборотных
активов предприятия и его краткосрочных обязательств, последующее повышение доли
краткосрочных показателей заемных средств и кредиторской задолженности может
значительно сокращать текущую ликвидность ИП Чернов В.В. Высокая зависимость ИП
Чернов В.В. от заемных источников средств, в особенности от обязательств перед
91
Чуев И.Н., Чуева Л.Н. Комплексный экономический анализ хозяйственной деятельности: Учебник для вузов. / И.Н. Чуев, Л.Н.
Чуева, – М.: Дашков и К, 2013. – с. 91.
92
Бодяко П.М. Экономический анализ и контроль кредитоспособности и платежеспособности экономических субъектов /
П.М.Бодяко // Сибирская финансовая школа: Аваль. – 2015. – № 2. – С. 111-115.
внешними кредиторами и поставщиками товаров и услуг, указывает на то, что данное
предприятие функционирует, исходя из краткосрочных источников финансирования,
которые получает от данных контрагентов.
Таким образом, ИП Чернов В.В. не удастся существенно уменьшить свои
обязательства, если оно не дифференцирует источники финансирования своей работы. Это
условие говорит о потребности ИП Чернов В.В. в увеличении объема собственного
капитала. Вовлечение заемных ресурсов в оборот компании является обычной практикой, и
оказывает содействие временному повышению финансового положения организации.
Однако, как в случае ИП Чернов В.В. большой объем краткосрочных
задолженностей значительно ухудшает состояние компании, делая его неустойчивым. Это
объясняется тем, что применение краткосрочных займов требует непрерывной оперативной
работы, которая направлена на обеспечение контроля над его управлением, и оплатой четко
в срок. Помимо этого финансовое положение ИП Чернов В.В. существенно зависит от вида
имущества, которое оно имеет, а также от видов активов, в которые вложен капитал. Так,
например, немалое воздействие на итоги деятельности оказывают запасы предприятия. Для
обеспечения нормального функционирования предприятия и реализации товаров объем
запасов должен быть оптимальным.
Разработка методов повышения эффективности управления обязательствами
предприятий связана с рядом проблем. Во-первых, ограниченность источников информации
для анализа обязательств связана с отсутствием полной и достоверной информации о
просроченной задолженности. Формирование достоверной учетно-аналитической
информации позволит осуществлять расчеты и своевременно принимать обоснованные
решения в сфере управления обязательствами предприятия. Во-вторых, общепринятая
методика анализа финансового состояния предприятий (в частности долговых
обязательств), применяемая предприятиями, заключается в механическом сравнении
полученных данных с нормативами без адаптации ее к особенностям деятельности,
например, в торговле.
Финансовые коэффициенты имеют статический характер. Необходимо комплексное
и всестороннее рассмотрение и интерпретация значений финансовых коэффициентов в
конкретной ситуации. В-третьих, оценка краткосрочных обязательств предприятий имеет
эпизодический характер, что приводит к возникновению кризисных ситуаций
93
.
Необходимо регулярно и результативно осуществлять анализ договорных условий
предприятия, прогнозируя размеры кредиторской и дебиторской задолженности. Вместе с
тем, эффективность управленческих решений снижается из-за отсутствия индексации
обязательств, особенно дебиторской и кредиторской задолженности
94
.
3.3 Прогнозирование платежеспособности как способ повышения
экономической эффективности компании
Можно выделить три принципиально разных подхода к стратегическому
управлению платежеспособностью компании
95
:
– стратегию накопления и трансформации активов, предполагающую постоянное
наличие на балансе компании значительного объема высоколиквидных ресурсов как
гарантии погашения обязательств. Данная стратегия оценивается как наименее рискованная
и наиболее дорогостоящая, приводящая к снижению общего уровня прибыльности бизнеса;
– стратегию заимствования средств, состоящую в привлечении капитала только в
момент недостаточности его для погашения обязательств. При таком подходе платежные
возможности характеризуются как поток, а не как запас. Эта стратегия является наиболее
рисковой;
– стратегию балансирования, предполагающую оптимальное сочетание двух
предыдущих подходов: часть потребности в ликвидных ресурсах покрывается за счет
собственных резервов, другая часть – за счет заимствования. Данная стратегия отличается
гибкостью, более низкой стоимостью по сравнению со стратегией накопления и
трансформацией активов, меньшим уровнем риска по сравнению со стратегией
заимствований.
93
Шишова Л. И., Вагапова Х. Ю. Управление дебиторской и кредиторской задолженностью на предприятии/ Экономические
исследования и разработки: научно-исследовательский электронный журнал. Нижний Новгород: НОО «Профессиональная
наука» – №4 – 2018. – С.6-11.
94
Молчан А.С., Севастьянова М.В. Факторы обеспечения финансовой устойчивости предпринимательских структур в
современных условиях // Экономика и предпринимательство. – 2014. – №12-4(53-4). – С. 914-917.
95
Миганова К.Б. Методика внутреннего контроля формирования финансовых результатов /К.Б.Миганова // Наука, образование
и культура. – 2018. – № 1 (25). – С. 49-50.
Какую бы стратегию ни выбрала компания ЧП Чернов В.В., она должна стать
инструментом долгосрочных тенденций экономического развития и адаптации к ним.
По своему содержанию структурная оптимизация капитала направлена на
финансовое оздоровление и обеспечивает восстановление платежеспособности
организации, то есть это стратегия приведения состава ее капитала, отдельных
подразделений и имущественного комплекса в целом к таким пропорциям, которые
способствуют минимизации задолженностей, наращиванию входящих и экономии
исходящих финансовых потоков.
Стратегия оптимизации структуры капитала в целях восстановления
платежеспособности компании должна иметь два основных направления
96
:
– внутреннюю реструктуризацию активов и организационных подразделений
хозяйствующего субъекта с сохранением, развитием и укрупнением его самого;
– реорганизацию хозяйствующего субъекта с формированием на базе его
имущественного комплекса новых бизнес-единиц. Предложенные меры в системной связи
с принципами оперативно-предупредительной диагностики позволят обеспечить
восстановление платежеспособности компании и дальнейшую планомерную реализацию
стратегии по ее поддержанию.
Учитывая возможности и значимость финансового прогнозирования для развития
экономики государства и его отдельных составляющих, ученые уделяют все больше
внимания исследованию сущности и механизмов финансового прогнозирования.
Итак, под финансовым прогнозированием предлагаем понимать процесс
формирования целостного видения возможных результатов экономических тенденций и
определения их финансового выражение в указанный момент в будущем. Надо понимать,
что процесс финансового прогнозирования состоит из нескольких главных составляющих,
от каждой из которых зависит его эффективность для предприятия, в частности:
1) Выбор и соблюдение направлений прогнозирования.
2) Поэтапная реализация механизмов финансового прогнозирования с соблюдением
основных принципов прогнозирования.
96
Криничанская Э.П., Чабанова М.К. Анализ ликвидности и платежеспособности как элементы анализа финансового состояния
предприятий малого бизнеса (на примере Приморского края) Международный студенческий научный вестник. – 2018. – № 5. –
С. 84.