45
ГЛАВА 3. СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ
УПРАВЛЕНИЯ ДОХОДАМИ И РАСХОДАМИ В
ООО «ВИТА СТРАХОВАНИЕ»
3.1 Формирование бюджета доходов и расходов на основе методов
эконометрического моделирования и прогнозирования
В процессе формализации доходов и расходов страховой компании
определяется последовательность зависимостей статей бюджета друг от друга.
Обладая этой информацией, в настоящий момент можно предпринять попытку
установления формы этой связи с целью дальнейшего моделирования
технического результата деятельности страховщика. Итак, для построения
модели результата страховой деятельности, судя но бюджету доходов и
расходов, необходимы следующие показатели:
начисленная страховая премия по различным видам страхования в
соответствии с принятой структурой страховых продуктов;
начисленная перестраховочная премия по различным видам
страхования за вычетом комиссионного вознаграждения перестра-
хователя и тантьем;
изменение резерва незаработанной премии по различным видам
страхования нетто перестрахование;
оплаченные убытки по различным видам страхования нетто пере-
страхование;
изменение резервов убытков по различным видам страхования
нетто перестрахование;
управленческие расходы;
аквизиционные расходы;
общефирменные расходы;
износ основных средств и нематериальных активов;
расходы на рекламу.
46
Для составления бюджета доходов и расходов необходимо построить
регрессионные зависимости следующих показателей:
убытков от начисленной страховой премии;
поступившей страховой премии от начисленной;
страховой премии по договорам, заключенным агентами-
физическими даннами от начисленной страховой премии;
технического результата от начисленной страховой премии, управ-
ленческих расходов, общефирменных расходов, условно-
постоянных аквизиционных расходов.
Статистические модели, построенные на основе временных рядов показа-
телей, позволяют применять математико-статистические методы для выявления
закономерностей развития экономических объектов как в прошлом, так и в бу-
дущем. Однако используемые для этих целей временные ряды обладают целым
рядом особенностей в силу того, что сами по себе являются последовательно-
стью, в которой каждое значение содержит в себе прошлое для последующих
состояний. Любая попытка моделирования без исследования динамических ря-
дов прошлого является малообоснованной. Поэтому для получения достаточно
точных и надежных моделей необходимо проанализировать настоящее
состояние процесса, выявить тенденцию в нем.
Отбор факторов, включаемых в уравнения регрессии, выполняется, в ос-
новном, в двух стадиях. На первой отбираются факторы, которые признаются
важными, исходя из имеющихся знаний о качественной стороне изучаемых
взаимосвязей. На второй стадии, в ходе многошагового регрессионного анали-
за, выполняется окончательный отбор факторов. При этом в регрессионной мо-
дели остаются только те факторы, существенность которых подтверждается
данными рассматриваемого статистического материала.
Практика показывает, что при отборе факторов целесообразно иметь еще
промежуточную стадию - отбор на основе корреляционной матрицы. По ее
данным можно примерно предвидеть, какие факторы будут существенны в
47
уравнении множественной регрессии и какие окажутся несущественными. При
этом в экономических исследованиях предполагается, что распределение ис-
ходных показателей подчиняется нормальному закону распределения.
Многошаговый регрессионный анализ осуществляется с помощью
алгоритмов «включения» и «исключения» переменных. Первый подразумевает
следующий критерий, по которому оценивается значимость и существенность
отдельных факторных переменных в уравнении регрессии: включение
дополнительных объясняющих переменных оправдано, если при этом снижает-
ся стандартная ошибка оценки по уравнению и повышается коэффициент мно-
жественной корреляции. Этог критерий может нами быть использован лишь
для решения задачи определения наиболее вероятных значений результативно-
го признака, связанных с определенным сочетанием значений ряда факторных
признаков.
Однако уравнение регрессии предусмотрено использовать не только для
этого, но также для анализа отдельных коэффициентов регрессии, которые
рассматриваются как показатели влияния отдельных объясняющих переменных
на результативный признак. В этом случае надо проверить существенность
коэффициентов регрессии, что осуществляется при помощи статистики t-
критерия. Значимость уравнения регрессии в целом проверяется с помощью
статистики F-критсрия.
На этапе регрессионного анализа обычно сложно сразу же построить мо-
дель, статистически адекватно характеризующую исследуемый процесс. Иссле-
дователь получает некоторое множество регрессионных уравнений, среди ко-
торых необходимо выбрать одно. В основе обобщающего критерия выбора
адекватной модели лежит принцип использования единой системы, как можно
большего числа статистических характеристик, по которым производится «от-
фильтровывание» неудачных моделей на основе анализа остатков, то есть рас-
хождении между фактическими данными и их модельными оценками. Уравне-
ние, адекватное исследуемому процессу, характеризуется отсутствием
48
автокорреляции в остатках, их случайностью и нормальностью. Таким образом,
для выбора наилучшей модели обязательным считается построение
автокорреляционной функции остатков, вычисление статистики Дарбина-
Уотсона DW и изучение их распределения, по которым выбираются уравнения
с незначимыми коэффициентами автокорреляции остатков и распределением,
близким к нормальному, а затем на основе минимальной остаточной дисперсии,
средней относительной ошибки аппроксимации и максимального
коэффициента детерминации (или индекса корреляции) производится
окончательный отбор модели. Далее построим прогноз динамики страховых
выплат по договорам страхования жизни в случае смерти.
Таблица 16
Динамика выплат по договорам страхования жизни в
случае смерти ООО «Вита-Страхование» за 2016 г.
Месяц
Размер выплаты, млн. руб.
январь
февраль
март
апрель
май
июнь
июль
август
сентябрь
октябрь
ноябрь
декабрь
4,21
3,62
2,91
2,80
2,51
2,33
2,10
1,91
1,78
1,62
1,62
1,60
Выдвинем гипотезу о форме связи: в течение определенного временного
интервала t=12 месяцев наблюдается ежемесячное уменьшение суммы
страховой выплаты Y(t).
49
Рисунок 7 – Тренд изменения суммы страховых выплат
Таблица 17
Промежуточные расчеты
t
Y(t)
t-tср
(t-
tср)^2
Y-Yср
(t-tср)*(Y-
Yср)
(Y-Yср)^2
1
4,21
-5,5
30,25
1,7925
-9,85875
3,213056
2
3,62
-4,5
20,25
1,2025
-5,41125
1,446006
3
2,91
-3,5
12,25
0,4925
-1,72375
0,242556
4
2,8
-2,5
6,25
0,3825
-0,95625
0,146306
5
2,51
-1,5
2,25
0,0925
-0,13875
0,008556
6
2,33
-0,5
0,25
-0,0875
0,04375
0,007656
7
2,1
0,5
0,25
-0,3175
-0,15875
0,100806
8
1,91
1,5
2,25
-0,5075
-0,76125
0,257556
9
1,78
2,5
6,25
-0,6375
-1,59375
0,406406
10
1,62
3,5
12,25
-0,7975
-2,79125
0,636006
11
1,62
4,5
20,25
-0,7975
-3,58875
0,636006
12
1,6
5,5
30,25
-0,8175
-4,49625
0,668306
78
29,01
0
143
0
-31,435
7,769225
6,5
2,4175
Гипотеза проверяется на основе Т-критерия Стьюдента, расчетное
значение которого определяется по следующей формуле:
t
расч
=|(x - y )/S
d
|
069,1
12*11
7692,7143
*)1(
2)(2)(
nn
yсyitсti
d
S
t
расч
=|(x - y )/S
d
| = 6,5 – 2,4175/1,069 = 3,82
По таблице t- распределение Стьюдента определим t
крит.
для
0,05 и
2 n
, то есть t
крит.=
1,812. Так как |tрасч.| > t
крит
, то гипотеза H0 отвергается.
Следовательно, средние различаются между собой значимо и расхождение
между ними носит неслучайный характер. В ряду динамики существует
тенденция среднего уровня.
50
Мы выявили, что изменение суммы страховых выплат с течением
времени имеет тенденцию. Для определения характера тенденции построим ее
модель.
Параметры линейного тренда: а – исходный уровень временного ряда в
момент времени t=0, b – средний за период абсолютный прирост уровней ряда.
Построим линейную модель Ŷ(t)=a0+a
1
t.
Используя пакет «Анализ данных» Excel получаем протокол решения
задачи (Приложение 4).
Уравнение регрессии зависимости
t
y
(сумма страховой премии) от
t
t
(времени) имеет вид:
ttY 219,0846,3)(
Коэффициент детерминации равен R
2
=0,889. Само значение R
2
показыва-
ет, что изменение во времени объемов страховой премии на 88,9 % описывается
линейной моделью.
Прогнозирование методом среднего абсолютного прироста предполагает,
что общая тенденция развития изучаемого социально-экономического явления
наилучшим образом аппроксимируется линейной формой аналитического вы-
ражения.
Таблица 18
Данные для прогнозирования по методу абсолютного прироста
t
Y(t)эмп
∆i=yi - yi-1
Y(t)теор
Y(t)эмп - Y(t
)теор
(Y(t)эмп -
Y(t)теор)^2
∆i^2
1
4,21
4,21
0
0
2
3,62
-0,59
3,97272727
-0,352727273
0,124416529
0,3481
3
2,91
-0,71
3,73545455
-0,825454545
0,681375207
0,5041
4
2,8
-0,11
3,49818182
-0,698181818
0,487457851
0,0121
5
2,51
-0,29
3,26090909
-0,750909091
0,563864463
0,0841
6
2,33
-0,18
3,02363636
-0,693636364
0,481131405
0,0324
7
2,1
-0,23
2,78636364
-0,686363636
0,471095041
0,0529
8
1,91
-0,19
2,54909091
-0,639090909
0,40843719
0,0361
9
1,78
-0,13
2,31181818
-0,531818182
0,282830579
0,0169
10
1,62
-0,16
2,07454545
-0,454545455
0,20661157
0,0256
51
11
1,62
0
1,83727273
-0,217272727
0,047207438
0
12
1,6
-0,02
1,6
0
0
0,0004
Сумма
29,01
-2,61
3,754427273
1,1127
Применение данного метода прогнозирования возможно при
предварительной проверке следующих предпосылок:
1. Абсолютные цепные приросты (Δ
iy
= y
i
– y
i-1
, где y
i
- значение уровня i-
го периода; y
i-1
- значение уровня предшествующего i-му периоду времени)
должны быть приблизительно одинаковыми;
Средний абсолютный прирост составил ∆ = -2,61:11= -0,24
2. Должно выполняться неравенство вида:
2ост
≤ρ
2
где σ - остаточная дисперсия, определяемая по формуле:
n
yyi
ост
2
)(
2
= 3,7544:12 = 0,31
где yi
- эмпирические значения уровней ряда динамики;
y
∆
- теоретические значения уровней ряда, выровненные методом средне-
го абсолютного прироста.
n – число уровней исходного ряда динамики.
n
i
2
2
2
= 1,1127:24=0,046
где Δ
i
- цепные абсолютные приросты уровней исходного временного ря-
да.
Условие не выполняется,
2
ост >
ρ
2
После проверки и подтверждения выполнения данной предпосылки
можно приступать к прогнозированию методом среднего абсолютного приро-
ста, общая модель прогноза которого имеет вид:
tyy
iti
*
ˆ
где yi
+t
– экстраполируемый уровень;
52
t - период упреждения прогноза (срок прогноза);
i+t – номер этого уровня (года);
i – номер последнего уровня (года), исследуемого периода, за который
рассчитан;
∆- средний абсолютный прирост.
24,0
112
61,2
ty
ti
*24,06,1
ˆ
36,11*24,06,1
ˆ
112
y
12,12*24,06,1
ˆ
212
y
и т.д.
Как видно из приведенных преобразований, прогнозирование методом
среднего абсолютного прироста заключается в непрерывном увеличении
последнего уровня исходного ряда динамики на величину среднего абсолютно-
го прироста на всем периоде упреждения.
33,0
11
1127,1
1
2)((
n
yсyi
ош
Таблица 19
К расчету прогнозных значений
t
Y(t)эмп
Y(t)эмп*Тр
3=1-2
4=3^2
А
1
2
3
4
1
4,21
4,21
2
3,62
3,86
-0,24
0,055480459
3
2,91
3,32
-0,4052174
0,164201151
4
2,8
2,66
0,13500479
0,018226293
5
2,51
2,56
-0,0542566
0,002943775
6
2,33
2,30
0,03132715
0,000981391
7
2,1
2,13
-0,0338278
0,001144319
8
1,91
1,92
-0,0131924
0,00017404
9
1,78
1,75
0,0308107
0,000949299
10
1,62
1,63
-0,0101345
0,000102709
11
1,62
1,48
0,13639442
0,018603437
12
1,6
1,48
0,11639442
0,01354766
Сумма
29,01
29,31
-0,3022401
0,276354532
53
Прогнозирование методом среднего темпа роста осуществляется в случае,
если темпы роста цепные, рассчитанные по данным исходного ряда динамики
за исследуемый период времени, имеют приблизительно одинаковое цифровое
значение, а тенденция развития явления подчиняется геометрической прогрес-
сии и может быть описана показательной (экспоненциальной) кривой.
Модель прогноза методом среднего темпа роста имеет вид:
Трyy
iti
*
ˆ
где yi - последний уровень ряда динамики, в нашем примере y
12
= 1,6
1
1
n
y
n
y
р
Т
=0,92
Таким образом, прогнозные значения (на январь-февраль 2017 года):
y(12+1)=1,6×0,92 = 1,472
y(12+2)=1,472×0,92=1,354 и т.д.
Средняя квадратическая ошибка прогноза:
16,0
11
2764,0
1
2)((
n
yсyi
ош
3.2 Повышение эффективности системы учетного обеспечения
управления доходами и расходами ООО «Вита страхование»
Ключевым источником информационного обеспечения управленческих
решений ООО «Вита-Страхование» выступает учетно-аналитическая система.
Она представляет собой совокупность способов отражения информации в уче-
те, предназначенных для информационного обеспечения процесса принятия
решений по управлению деятельностью. Учетно-аналитическая система позво-
ляет получать оперативные данные о финансовых, экономических процессах
организации на момент принятия решений.
Также она выступает основным информационным источником для
расчета статистических показателей страховой организации, на основании ко-
54
торых формируется и совершенствуется статистическая база для выполнения
актуарных расчетов, определения размера и структуры тарифной ставки и
достижения финансовой устойчивости страхового бизнеса в целом.
Основной целью управления ООО «Вита-Страхование» выступает полу-
чение прибыли и достижение требуемой экономической эффективности в
процессе представления защиты имущественных интересов страхователей за
счет средств страхового фонда. В экономической литературе выделяют следу-
ющие источники прибыли страховой организации:
прибыль в тарифе;
экономию расходов при ведении дела – снижение относительных
накладных расходов на рубль страховой премии по сравнению с
уровнем, предусмотренным в страховом тарифе;
снижение убыточности страховых операций против уровня, преду-
смотренного в тарифах;
положительное сальдо по операциям входящего и исходящего пере-
страхования;
доходы от инвестиционной деятельности;
доходы от прочей деятельности, не запрещенной законодательством
Российской Федерации.
При этом источником формирования прибыли от проведения страховых
операций может быть любой элемент страхового тарифа. Вместе с тем в про-
цессе осуществления страховой деятельности существует вероятность того, что
величина выплат и расходов страховщика превысит величину собранной стра-
ховой премии. Причинами реализации этого риска могут быть ошибки при рас-
чете нетто-ставки либо высокий уровень расходов на ведение дела ООО «Вита-
Страхование». Если влияние первого фактора имеет вероятностный характер,
то уровень расходов на ведение дела напрямую зависит от деятельности стра-
ховщика, подлежит контролю и управлению, предоставляя возможность полу-
чения конкурентного преимущества на страховом рынке.