Эффективность сельскохозяйственной деятельности

Введение

Эффективная деятельность предприятий, фирм, сельскохозяйственных производств  в условиях рыночной экономики в  значительной степени зависит от того, насколько достоверно они предвидят  дальнюю и ближнюю перспективу  своего развития, то есть от прогнозирования.

       Прогнозирование деятельности предприятий, фирм, производств сельскохозяйственной продукции – это оценка перспектив их развития на основе анализа конъюнктуры рынка, изменения рыночных условий на предстоящий период. В условиях перехода экономики на рыночные отношения возрастает роль прогнозов для руководителей различных уровней в принятии научно обоснованных управленческих решений. В связи с этим статистические методы прогнозирования стали важным инструментом в деятельности плановых, аналитических, маркетинговых отделов производственных предприятий и объединений, торговых, страховых компаний, банков, правительственных учреждений.

       В настоящее время круг задач прогнозирования существенно расширился. Прогнозирование является основой для принятия управленческих решений и совершенствования процесса управления. Точность и достоверность результатов прогнозов обеспечивает выявление развития социально-экономических систем, исследование возможности использования существующих ресурсов и скрытых резервов, необходимых для повышения эффективности функционирования и будущего развития.

       Целью данной курсовой работы является анализ производства  и темпов роста цен на молочную продукцию в РФ за декабрь 2010 – июль 2012гг c использованием стандартного программного средства Microsoft Excel 2010. Предметом данного исследования является составление прогнозного значения о состоянии объектов в будущем, разработка альтернативных путей и сроков достижения этого состояния, прогнозирование основных показателей экономической эффективности производства.

       Для достижения поставленной цели необходимо решить следующие задачи:

• изучить предметную область,  модели  и методы прогнозирования экспериментальных данных;
• cоставить краткие выводы по каждой расчетной части данного исследования;
• провести сравнение, обобщение и полный анализ показателей. Умение дать практические рекомендации и предложения по использованию и внедрению результатов работы.

       Актуальность поставленной задачи обусловлена тем, что в настоящее время необходимо проводить анализы эффективности производства и реализации сельскохозяйственной деятельности, тем самым выявлять тенденции развития, что дает возможность принимать обоснованные решения, контролировать, предотвращать  отрицательные результаты развития, обеспечивать ее финансовую устойчивость поскольку управленческое решение, в конечном счете, является своеобразной реакцией на прогнозное представление о будущем управляемого объекта.

       В данной курсовой работе  использованы следующие методы прогнозирования:

       1. Прогнозирование тенденции развития показателей с помощью моделей кривых роста;

        2. Определение динамики временных рядов экспериментальных данных;

      3. Сглаживание временных рядов методом кривых роста;

        4. Анализ и прогнозирование финансово-экономических показателей на основе моделей регрессии.

       В ходе  данной работы будет оценен уровень экономического развития производства молочной продукции на 2013-2015гг и обоснованы направления совершенствования управления на основе результатов прогнозирования с использованием современных методов.

         

     1. Изучение предметной области

    1.1.Прогнозирование. Общие понятия

     Прогнозирование — это процесс (часто основанный на научном исследовании) по расчету прогноза или разработке прогнозной модели. Прогноз — это процесс или результат предсказания тех или иных фактов, событий, явлений, величин, которые станут известны лишь в будущем по отношению к моменту времени, в котором создается прогноз. В узком смысле под прогнозированием понимают предсказание будущих значений временного ряда (последовательно измеренные через некоторые (зачастую равные) промежутки времени данные) на основе его значений в прошлом, и, возможно, дополнительной информации. Такую дополнительную информацию представляют влияющие на ситуацию внешние факторы. Например, для прогнозирования временного ряд спроса на какой-либо товар это могут быть предложения замещающих товаров, для экспортных грузоперевозок — таможенные пошлины и курс доллара, для цен акций — политические решения и т. д.

Формальный процесс прогнозирования  строится из следующих шагов:

1. выявить проблему;
2. определить, как прогноз поможет в ее решении;
3. выбрать конкретные параметры, которые необходимо прогнозировать;
4. определить примерные сроки прогнозирования;
5. исследовать методы и теории, использовавшиеся для прогнозирования таких переменных в прошлом;
6. оценить возможные мнения, учесть все за и против;
7. использовать модели прогнозирования, которые соответствуют потребностям бизнеса, с учетом всех ограничений;
8. провести прогнозирование;
9. интерпретировать результаты;
10. принять решения и выполнить необходимые действия;
11. выполнить повторный прогноз в соответствии с фактическими показателями;
12. модифицировать модель или метод прогнозирования.

Можно выделить следующие  задачи прогнозирования:

- повышение степени достоверности  и обоснованности принимаемых  и управленческих решений;

- предоставление данных  для разработки перспективных  программ и планов развития;

- контроль развития экономического  объекта с помощью предупреждающих  прогнозов;

- оценка последствий принимаемых  экономических решений сегодня  с учетом инерционности экономических  систем.

К прогнозам предъявляются  следующие основные требования:

• прогнозы должны быть научно обоснованными;
• своевременность прогнозных данных;
• надежность полученных прогнозов;
• прогнозы должны основываться на достоверных и достаточных данных [9].

Типология прогнозов

Типология прогнозов строится в зависимости от различных критериев  и признаков. В их числе можно  выделить следующие:

1) масштаб прогнозирования;

2) время упреждения или  временной горизонт прогноза;

3) характер объекта;

4) функциональный признак;

5) степень детерминированности  (определенности) объектов прогнозирования;

6) характер развития объектов  прогнозирования во времени;

7) степень информационной  обеспеченности объектов прогнозирования.

По масштабу прогнозирования  выделяют:

• макроэкономический прогноз;
• структурный (межотраслевой и межрегиональный) прогноз;
• прогнозы развития народнохозяйственных комплексов (энергетического, инвестиционного, аграрно-промышленного и др.);
• прогнозы отраслевые и региональные;
• прогнозы развития отдельных предприятий, АО, а также отдельных производств и продуктов.

По времени упреждения или временному горизонту все  прогнозы подразделяются на:

• оперативные (до 1 месяца);
• краткосрочные (от 1 месяца до 1 года);
• среднесрочные (от 1 года до 5 лет);
• долгосрочные (от 5 лет до 15-20 лет);
• дальнесрочные (свыше 20 лет).

Временный горизонт прогноза можно определить как отрезок  времени, в рамках которого изменения  объема прогнозируемого объекта  представляются соизмеримыми с его начальной величиной, и как период, в течение которого на объект прогнозирования оказывают влияние решения, применяемые сегодня, т.е. в момент разработки прогноза.

Применительно к комплексным  национальным экономическим прогнозам  принята следующая классификация: краткосрочные прогнозы до 2-3 лет, среднесрочные  до 5-7 лет, долгосрочные до 15-20 лет. Каждый из указанных видов прогнозов  опирается на те устойчивые циклы и процессы в развитии экономики, продолжительность которых укладывается в соответствующий временной горизонт[1].

     

     1.2 Компоненты временного ряда

     Статистическое описание развития экономических процессов во времени осуществляется с помощью временных рядов.

      Временным рядом (рядом динамики, динамическим рядом) называется последовательность значений показателя (признака), упорядоченная в хронологическом порядке т.е. в порядке возрастания временного параметра. Отдельные наблюдения временного ряда называются уровнями этого ряда.

В англоязычной литературе для временных рядов используется термин «time series».Каждый временной ряд содержит два элемента:

1. значения времени;
2. соответствующие им значения уровней ряда.

     Временные ряды имеют характерные отличия от пространственных выборок: Во-первых, в отличие от пространственных данных уровни временного ряда, как правило, не являются статистически независимыми.

Во-вторых, члены временного ряда не являются одинаково распределенными. Очевидно, что эти особенности должны быть учтены в исследовательской работе. В качестве показателя времени в рядах динамики могут указываться либо определенные моменты времени (даты), либо отдельные периоды (сутки, месяцы, кварталы, полугодия, годы и т.д.). В зависимости от характера временного параметра ряды делятся на моментные и интервальные. В моментных рядах динамики уровни характеризуют значения показателя по состоянию на определенные моменты времени.     Например, моментными являются временные ряды цен на определенные виды товаров, ряды курсов акций, уровни которых фиксируются для конкретных чисел. Примерами моментных рядов динамики могут служить также ряды численности населения или стоимости основных фондов, т.к. значения уровней этих рядов определяются ежегодно на одно и то же число. В интервальных рядах уровни характеризуют значение показателя за определенные интервалы (периоды) времени. Примерами могут служить ряды годовой (месячной, квартальной) динамики производства продукции в натуральном или стоимостном выражении.  Если во временном ряде проявляется длительная тенденция изменения экономического показателя, то в этом случае говорят о наличии тренда. Под трендом понимают изменение, определяющее общее направление развития или основную тенденцию временного ряда. Тренд относят к систематической составляющей долговременного действия. Во временных рядах часто происходят регулярные колебания, которые относятся к периодическим составляющим рядов экономических процессов.

      Значения  уровней временного ряда экономических  показателей складываются из  следующих составляющих (компонент): тренда, сезонной, циклической и случайной. Если период колебаний значений ряда не превышает года, то их называют сезонными, если же период длительностью является более года, то они называются циклическими составляющими. Чаще всего причиной сезонных колебаний являются природные, климатические условия, циклических – демографические циклы и др.

        Тренд,  сезонные и циклические составляющие  называются регулярными, или систематическими компонентами временного ряда. Если из временного ряда удалить регулярный компонент, то останется случайный компонент.

Приведем виды моделей  временных рядов:

   - аддитивная форма;

  -  мультипликативная форма;

  - смешанная форма,

где   -  уровни временного ряда,   -  временной тренд, -  сезонный компонент, - циклическая составляющая, - случайный компонент[3].

       

        1.3 Сглаживание кривыми роста

        Основная цель создания трендовых  моделей экономической динамики  — на их основе сделать прогноз  о развитии изучаемого процесса  на предстоящий промежуток времени.  Прогнозирование на основе временного  ряда экономических показателей  относится к одномерным методам  прогнозирования, базирующимся на  экстраполяции, т.е. на продлении  на будущее тенденции, наблюдавшейся  в прошлом. Рассмотрим метод  экстраполяции на основе так называемых кривых роста экономической динамики.

        Кривые роста - это математические функции, предназначенные для аналитического выравнивания временного ряда.

Наиболее часто в практической работе используются кривые роста, которые  позволяют описывать процессы трех основных типов: без предела роста; с пределом роста без точки  перегиба; с пределом роста и точкой перегиба.

Виды кривых роста:

       Наиболее распространенными моделями  кривых роста являются полиномы  первого и второго порядков.

Формулы для определения  коэффициентов линейной и параболической моделей можно представить следующим  образом:

       При моделировании экономического процесса, заданного временным рядом, путем сглаживания исходного ряда с помощью кривых роста необходима проверка соответствия выбранной модели реальному процессу (явлению)[1].