То, как компании выбирают методику прогнозирования денежных потоков, мы писали в предыдущей статье. Теперь рассмотрим все основные методы прогнозирования денежных потоков поподробнее. Стоит отметить, что оптимальным решением (для обеспечения наиболее точных прогнозов) будет сочетание нескольких вариантов в виде комбинированной модели прогнозирования (с весами для каждой методики), где методам, приводящим к наименьшим ошибкам, присваивается наибольший вес.
Метод средней взвешенной
Метод средней взвешенной основан на использовании среднего арифметического, взвешенного по временным периодам, с наибольшим весом у самых близких к прогнозируемому и с учетом сезонности. После этого находится сумма всех значений прогнозируемого показателя за периоды и делится на сумму весов. Преимуществом данного метода является его простота и скорость расчетов, поэтому он прекрасно подходит для ситуаций, где необходимо составить прогноз движения денежных средств в очень сжатые сроки. Однако для принятия долгосрочных стратегических решений этот метод не является наиболее оптимальным, поскольку процент отклонения его прогнозного значения от фактического наибольший, кроме того он не позволяет оценить и другие факторы, помимо временного и фактора сезонности.
[irp]Метод скользящей средней
Это еще один метод прогнозирования денежных потоков «на скорую руку». Скользящая средняя – это средняя стоимость какого-нибудь показателя за определенный период (например, последние 3 месяца), которые с течением времени сдвигаются вперед (таким образом, происходит сглаживание сезонности).
Метод экспертных оценок
Экспертный метод позволяет получить самую субъективную оценку будущего денежного потока компании, поскольку основан на субъективных оценках экспертов (в роли которых выступают обычно сотрудники соответствующих подразделений компании). Преимуществом данного метода является то, что он может быть применен в условиях, когда исторических данных или технических средств для построения объективного прогноза не хватает, или в условиях полной неопределенности. В таком случае, например, сотрудники, отвечающие за собираемость дебиторской задолженности, составляют прогноз поступлений денежных средств от операционной деятельности с учетом качества дебиторской задолженности, сроков ее погашения и классифицируют ожидаемые поступления по курируемым клиентам и степени вероятности (базовый прогноз, оптимистичный и пессимистичный).
Метод коэффициентов
Метод, использующий коэффициенты для прогнозирования денежных средств, также подходит для построения экспресс прогнозов на короткий период (например, на неделю, месяц или квартал). Суть метода в том, что последнее значение финансового показателя (из финансовой отчетности) или производный от него промежуточный показатель умножается на рассчитанный заранее коэффициент. Например, чтобы рассчитать будущую дебиторскую задолженность нужно последнее значение дохода от реализации товаров (или услуг) разделить на историческое или среднее значение коэффициента оборачиваемости ДЗ (англ. DSO – Days’ sails outstanding), рассчитанного как отношение выручки к средней дебиторской задолженности за период). В качестве коэффициентов также могут быть использованы не только соотношения показателей, но и процентные изменения за период или процентная доля от базовых показателей (например, % себестоимости от выручки).
Метод экстраполяции
Метод экстраполяции весьма часто используется для определения экономических трендов и также подходит для прогнозирования денежных потоков на основе тенденций, наблюдавшихся в прошлом. Суть метода экстраполяции в следующем допущении: тренд изменения определенного показателя, преобладавший в последнее время, будет определять его развитие и в будущем, при условии, что обстоятельства, которые его определяли, также не претерпят изменений. Обычно для экстраполяции используются простые однофакторные функции, при которых прогнозируемое значение зависит от одного фактора-аргумента (обычно времени).
[irp]Метод экспоненциального сглаживания
Метод экспоненциального сглаживания объединяет в себе метод средней взвешенной и метод скользящей средней. От метода средневзвешенной этот метод отличается, тем, что в качестве коэффициента взвешивания выбирается альфа фактор (α), который умножается на предшествующее фактическое значение и его прогнозное по формуле:
Bt = α* X t-1 + (1- α) * Bt-1, где
α – альфа – фактор, или постоянный коэффициент сглаживания (0 ≤ α ≤ 1), является постоянным по всему ряду,
X t-1 – фактическое значение поступления предыдущего периода,
Bt – прогноз поступления на следующий период t,
Bt-1 – прогноз поступления предыдущего периода.
Этот метод лучше всего подходит для построения долгосрочных прогнозов, так как исключает возможность получения существенных отклонений (статистических «выбросов») величины. При, метод позволяет учесть фактические данные, где самые близкие величины получают наибольший вес.
Метод построения множественной модели регрессии
Название данного метода говорит само за себя. Он является, пожалуй, наиболее трудоемким из всех, однако позволяет получить наиболее объективный прогноз за счет учета множественных факторов, влияющих на величину будущих денежных потоков. Реализуется это путем построения модели статистической регрессии (в виде функции, где на зависимую переменную оказывают влияние различные факторы как ряд независимых переменных
Y= a + b*X1 + c*X2 + …+ z*Xn + ε
(ε — случайная переменная)
Для проверки построенной регрессии используется коэффициент детерминации, который характеризует силу связи факторов с зависимой переменной. Например, для прогнозирования поступлений денежных средств (как зависимой переменной Y) в качестве независимых факторов X могут выступать дебиторская задолженность и объем выполненных услуг, но не подтвержденных актами.
[irp]7,039 total views, 1 views today
Следите за нашими обновлениями:
