Отчет по практике в ОАО «Хлебобараночный комбинат»

 

Рис.5.10. Коэффициент достаточности чистого денежного потока

 

По рисунку 5.10 видно что с 2009 года идет резки спад достаточности чистого денежного потока.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

6.Предложения  по совершенствованию системы  планирования денежных потоков  ОАО «Хлебобараночный комбинат»

 

По данным предприятия  ОАО «Хлебобараночный комбинат» были выявлены факторы, влияющие на величину денежного потока. По результатам проверки данных были выбраны четыре фактора: коэффициент достаточности денежного потока, коэффициент эффективности денежного потока, коэффициент ликвидности денежного потока, коэффициент рентабельности денежного потока. Данные показатели были рассчитаны по кварталам с целью увеличения объема выборки для проведения корреляционно-регрессионного анализа. Для расчетов этих факторов были введены условные обозначения: денежный поток – dp, коэффициентов достаточности денежного потока - KDOS, коэффициента эффективности денежного потока - KEF, коэффициента ликвидности денежного потока - KLIKV, коэффициент рентабельности денежного потока - KRENT. По результатам расчетов была получена таблица, представленная в приложении 20.

Далее для определения  связей между величиной денежного  потока и коэффициентами достаточности  денежного потока, эффективности  денежного потока, ликвидности денежного  потока, рентабельности денежного потока в программном продукте Eviews3.1 проведем корреляционный анализ.

Таблица 13

	DP	KDOS	KEF	KLIKV	KRENT
DP	1	0.97202344	0.312656277	0.13006580	-0.23679866
KDOS	0.97202344	1	0.237981945	0.08242643	0.36560276
KEF	0.31265627	0.23798194	1	0.04636703	0.03801462
KLIKV	0.13006580	0.08242643	0.04636703	1	0.11624445
KRENT	0.23679866	0.36560276	0.03801462	0.11624445	1

 

Результата  корреляционного анализа показал, что между зависимой величиной dp и kdos очень сильная связь (0,97). Между величиной dp и kef связь уже слабее по сравнению с коэффициентом достаточности денежного потока и составило 0,31, а связь величины денежного потока и коэффициентами ликвидности и рентабельности функциональная отрицательная линейная зависимость, что составило -0,13 и 0,236. Мультиколлинеарность между факторами отсутствует. Следовательно по результатам анализа выберем два фактора kdos и kef для проведения дальнейшего анализа. Далее в этом же программном продукте проведем регрессионный анализ по выявленным двум факторам.

Таблица 14

Модель 1

Dependent Variable: DP
Method: Least Squares
Sample: 2004:4 2011:1
Included observations: 26
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	461.9850	40.25681	11.47595	0.0000
KDOS	1646.255	81.51130	20.19665	0.0000
KEF	931.1803	508.8418	1.830000	0.0802
R-squared	0.951842	Mean dependent var		998.4615
Adjusted R-squared	0.947654	S.D. dependent var		684.4611
S.E. of regression	156.5996	Akaike info criterion		13.05343
Sum squared resid	564039.2	Schwarz criterion		13.19859
Log likelihood	-166.6946	F-statistic		227.2955
Durbin-Watson stat	0.891921	Prob(F-statistic)		0.000000

 

Данная модель объяснена на 95,47%. В данной модели kdos  значимо на всех уровнях, о чем свидетельствует его значение равное 0.0000, а коэффициент kef не значим ни на каких уровнях значимости. Стандартная ошибка при kdos составило 81,51, при kef – 508,84. F-statistic  также свидетельствует о значимости модели. Следовательно модель имеет следующий вид. Dp = 461.98+1646.2kdos, то есть с изменением коэффициента достаточности денежного потока на один пункт, величина денежного потока увеличится на 1 646 тыс.руб.

Далее построим логарифмическую модель.

 

 

 

 

Таблица 15

Модель 2

Dependent Variable: LGDP
Method: Least Squares
Sample: 2004:4 2011:1
Included observations: 26
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	8.065713	0.128242	62.89466	0.0000
LGKEF	0.085494	0.039576	2.160231	0.0414
LGKDOS	0.635489	0.047938	13.25644	0.0000
R-squared	0.947643	Mean dependent var		6.768544
Adjusted R-squared	0.943090	S.D. dependent var		0.499054
S.E. of regression	0.119054	Akaike info criterion		-1.310319
Sum squared resid	0.325996	Schwarz criterion		-1.165154
Log likelihood	20.03415	F-statistic		208.1440
Durbin-Watson stat	1.219591	Prob(F-statistic)		0.000000

 

По результатам  таблицы 4 видно, что данная модель объяснена  на 94,7%. Значение R-squared в данной модели ниже на 0,48%. В данной модели логорифмированное значение коэффициента коэффициента достаточности значимо на всех уровнях значимости, а логорифмированная модель коэффициента достаточности стало значимо только на уровне 0,05, что свидетельствует об улучшении модели. Стандартные ошибки в модели практически не значительны. Следовательно уравнение принимает вид LGDP= 8,065+0,085 LGKEF+0,63 LGKDOS. То есть с увеличением коэффициента эффективности денежного потока на один пункт величина денежного потока увеличивается 0,085 тыс.руб., а с увеличением коэффициента достаточности денежного потока на один пункт величина денежного потока увеличивается на 0,63 тыс.руб. Значение Prob(F-statistic) свидетельствует о значимости модели. Следовательно модель значима.

Далее построим полулогорифмическую модель.

 

 

 

 

Таблица 15

Модель 3

Dependent Variable: LGDP
Method: Least Squares
Sample: 2004:4 2011:1
Included observations: 26
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	6.433357	0.077283	83.24416	0.0000
KDOS	0.956726	0.156481	6.113997	0.0000
KEF	1.346489	0.976849	1.378400	0.1813
R-squared	0.666140	Mean dependent var		6.768544
Adjusted R-squared	0.637109	S.D. dependent var		0.499054
S.E. of regression	0.300632	Akaike info criterion		0.542307
Sum squared resid	2.078731	Schwarz criterion		0.687472
Log likelihood	-4.049997	F-statistic		22.94561
Durbin-Watson stat	0.930513	Prob(F-statistic)		0.000003

 

Данная модель объяснена на 66,6% о чем свидетельствует  значение R-squared. В данной модели значим только коэффициент достаточноти денежного потока на всех уровнях значимости. Коэффициент эффективности денежного потока не значим ни на каких уровнях значимости. Стандартные ошибки в данной модели практически не значительны. Модель значим о чем свидетельствует Prob(F-statistic) = 0,000003. Уравнение имеет вид lgdp = 6.43+0.95kdos, то есть с увеличением коэффициента достаточности на один пункт. Величина денежного потока увеличивается на 0,95 тыс.руб.

Таблица 16

Модель 4

Dependent Variable: LGDP
Method: Least Squares
Sample(adjusted): 2005:1 2011:1
Included observations: 25 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	4.281784	0.745198	5.745836	0.0000
KDOS	0.964924	0.138421	6.970947	0.0000
KEF	0.928044	0.876808	1.058435	0.3019
LGDP(-1)	0.319933	0.110488	2.895636	0.0086
R-squared	0.761768	Mean dependent var		6.770622
Adjusted R-squared	0.727735	S.D. dependent var		0.509230
S.E. of regression	0.265711	Akaike info criterion		0.332832
Sum squared resid	1.482650	Schwarz criterion		0.527852
Log likelihood	-0.160399	F-statistic		22.38313
Durbin-Watson stat	1.567915	Prob(F-statistic)		0.000001

 

Данная модель объяснена на 76,17%. В модели значимы  только значения KDOS, LGDP(-1). Значение Prob(F-statistic) = 0,000001. уравнение имеет вид LGDP= 4,28+0,964kdos+0.319 LGDP(-1) Данная модель значима.

Далее приведем сводную таблицу приведенных выше моделей.

Таблица 17

Сводная таблица  моделей

Модель	Уравнение	Фактор	Std.Error	Prob.	R-squared	F-statistic
1	Dp = 461.98+1646.2kdos	kdos	81.51130	0.0000	0.951842	0
		kef	508.8418	0.0802
2	LGDP= 8,065+0,085 LGKEF+0,63 LGKDOS	LGKEF	0.039576	0.0414	0.947643	0
		LGKDOS	0.047938	0.0000
3	lgdp = 6.43+0.95kdos	KDOS	0.156481	0.0000	0.666140	0.000003
		KEF	0.976849	0.1813
4	LGDP= 4,28+0,964kdos+0.319 LGDP(-1)	KDOS	0.138421	0.0000	0.761768	0.000001
		KEF	0.876808	0.3019
		LGDP(-1)	0.110488	0.0086

 

Сравнивая модели можно сделать вывод, что наилучшей  среди вышеприведенных моделей  является первая модель. Далее проведем для этой модели тест Вайта, для проверки на гетероскедастичность.

Таблица 18

Тест Вайта.

White Heteroskedasticity Test:
F-statistic	0.738616	Probability	0.576148
Obs*R-squared	3.206755	Probability	0.523841

Полученное значение F-статистики: Prob(F-statistic)=0.5761 больше уровня α=0,05, значит, гипотеза о наличии гомоскедастичности принимается.

Также есть значение Obs*R-squared, по которому тоже проверяется наличие гетероскедастичности. Prob(Obs*R-squared)=0.5238 больше уровня 0,05, значит, гипотеза о наличии гомоскедастичности принимается.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Заключение

 

Актуальность  темы исследования обусловлена необходимостью обеспечения устойчивого финансового состояния предприятия и проведения оценки качества планирования его денежных потоков. В настоящее время, более 60% российских предприятий не имеют ясного понимания структуры своих денежных потоков и не могут оценить качество управления. Поэтому очень важно исследовать принципы и цели управления денежными потоками предприятия, которые являются той первоосновой, в результате которой формируются денежные фонды предприятий, возникают финансовые отношения между экономическими субъектами и решаются разнообразные задачи финансового менеджмента.

Актуальность  данного исследования заключается  также в поиске новых подходов и инструментов планирования денежными потоками, освоение которых позволило бы обеспечить в целом эффективную финансово-хозяйственную деятельностью предприятия.

Высокая роль эффективного планирования денежных потоков определяется тем, что они обслуживают практически всю хозяйственную деятельность предприятия. Образно говоря, денежный поток можно представить как систему «финансового кровообращения хозяйственного организма предприятия». Рационально организованные денежные потоки предприятия является важнейшим условием его финансового равновесия, предпосылкой достижения высоких конечных результатов его хозяйственной деятельности.

По результатам  прохождения II научно-исследовательской практики на ОАО «Хлебобараночный комбинат» можно сделать следующие выводы.

ОАО «Хлебобараночный комбинат» занимает одно из лидирующих позиций на рынке. Результаты диагностики финансового состояния показали, что с 2008 года по 2010 годы наблюдалась положительна, но в 2010 году у предприятия наблюдается отрицательная динамика, ухудшаются значения показателей.