Экономико-математические методы анализа

Применение экономико-математических методов расширяет возможности экономического анализа за счет сокращения времени проведения анализа, оценки влияния большего количества факторов на результаты хозяйственно-финансовой деятельности организации, повышения точности оценки их влияния, постановки и решения многомерных задач анализа, что особенно важно при проведении перспективного и стратегического анализа, роль которых в настоящее время возрастает.

В экономическом анализе используют математические модели, описывающие изучаемые явления, процессы с помощью уравнений, неравенств, функций и других математических средств.

Экономико-математическая модель, адекватная действительности, позволяет выявить существенные стороны и взаимосвязи изучаемого объекта.

К экономико-математическим методам, достаточно широко используемым в экономическом анализе, можно отнести метод корреляционного и регрессионного анализа; эконометрические методы, теорию игр, теорию массового обслуживания, методы математического программирования, метод оптимизации товарных запасов (модель Уилсона) и др.

Корреляционный анализ основан на использовании вероятностных моделей, описывающих поведение исследуемых признаков в некоторой генеральной совокупности, из которой получены экспериментальные значения.

Корреляция — статистическая взаимосвязь двух или нескольких случайных величии. При этом изменению значений одной или нескольких из этих величин сопутствует систематическое изменение значений другой или других величин.

Математической мерой корреляции двух случайных величин служит линейный коэффициент корреляции (коэффициент корреляции Пирсона).

Этот метод анализа позволяет на основе использования достаточно большого массива экономической информации выявить и количественно измерить связи между экономическими явлениями, оценить тесноту этих связей и на данной основе выявить основные и второстепенные факторы, обусловившие то или иное экономическое явление, процесс.

В процессе корреляционного анализа решаются следующие задачи:

1. установление формы и направления (положительное или отрицательное) связи между варьирующими признаками (линейная, нелинейная);
2. измерение тесноты связи и проверка степени значимости полученных коэффициентов корреляции.

Корреляционный анализ чаще всего используют, чтобы установить взаимосвязи между экономическими показателями, находящимися не в функциональной, а в стохастической зависимости, т.е. когда изменение одного экономического показателя не вызывает определенное и неизбежное изменение другого.

Корреляционный анализ позволяет выявить тенденции изменения экономических явлений, построить математическую модель закономерностей изменения основного показателя (функции) в связи с изменением факторов (аргументов).

Эта закономерность называется регрессией, а анализ ее свойств (поиск функциональных зависимостей у(х), графики которых являются центральными линиями корреляционного поля данных), называется регрессионным анализом корреляционной связи.

Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными.

Цели регрессионного анализа:

1. определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными);
2. предсказание значения зависимой переменной с помощью независимой (независимых);
3. определение вклада отдельных независимых переменных в вариацию зависимой переменной.

Схема корреляционного анализа включает несколько этапов:

1. сбор информации, расположение ее в определенной последовательности (по мере возрастания, убывания и другим признакам), группировка. Качественный анализ показателей, характер зависимости между которыми изучаются;
2. логический анализ эмпирических данных об изменении результативного показателя и значений влияющего на него фактора, что позволяет сделать предположения относительно наличия и направления связи между признаком и фактором;
3. графический анализ: данные располагают в виде точек на координатной плоскости. Координаты точек определяются соответствующими значениями пар переменных (х, у). Совокупность полученных точек называется корреляционным полем. Соединив последовательно на графике точки, строят ломаную линию, являющуюся эмпирической линией регрессии. По ее виду можно судить о форме взаимосвязи между экономическими явлениями и предположить тип теоретической линии регрессии;
4. выбор уравнения связи;
5. проверка соответствия предполагаемой функции фактическим данным путем расчетов коэффициента корреляции, остаточной дисперсии, построения доверительного интервала и т.д.

В том случае, если регрессионная модель устойчива во времени, ее можно использовать для проведения перспективного анализа и решения задач прогнозирования изменения результативного показателя.

Кластерный анализ применяется при изучении многомерных статистических совокупностей. Сущность его заключается в разбиении множества изучаемых объектов и признаков на однородные группы или кластеры.

Кластерный анализ позволяет сгруппировать объекты исследования не по одному параметру, а по нескольким признакам.

Он позволяет рассматривать достаточно большой объем информации, сжимать массивы социально-экономической информации, делать их компактными и наглядными.

Важным вопросом при использовании этого метода является выбор критериев формирования групп объектов, так как при этом могут быть утеряны индивидуальные черты отдельных объектов за счет замены их характеристиками обобщенных значений параметра кластера.

В процессе проведения кластерного анализа необходимо на основании данных, содержащихся во множестве X, разбить на множество объектов G на т кластеров (подмножеств) Qx Qv… Qm так, чтобы каждый объект G принадлежал только одному подмножеству разбиения и чтобы объекты, принадлежащие одному и тому же кластеру, были сходными, в то время как объекты, принадлежащие разным кластерам, были разнородными.

Теория игр — это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.

Теория игр позволяет исследовать конфликтные ситуации и на основе этого разрабатывать рекомендации по наиболее рациональному образу действий каждого из участников в ходе конфликтной ситуации.

Формализуя конфликтные ситуации математически, их можно представить как игру двух, трех и более игроков, каждый из которых преследует цель максимизации своей выгоды, своего выигрыша за счет другого.

Решения, получаемые с помощью теории игр, полезны при перспективном анализе возможных действий в условиях возможного противодействия конкурентов или неопределенности во внешней среде.

Игровую схему можно придать многим ситуациям в экономике.

Здесь выигрышем могут быть эффективность использования дефицитных ресурсов, производственных фондов, величина прибыли, себестоимость и т.д. Теория игр может использоваться и для выбора оптимального решения, например, при создании запасов сырья, материалов, полуфабрикатов.

В данном случае противоборствуют две тенденции: увеличения запасов, в том числе и страховых, гарантирующих бесперебойную работу производства, и сокращения запасов, обеспечивающих минимизацию затрат на их хранение.

Методы и рекомендации теории игр разрабатываются применительно к таким специфическим конфликтным ситуациям, которые обладают свойством многократной повторяемости. Если конфликтная ситуация реализуется однократно или ограниченное число раз, то рекомендации теории игр теряют смысл.

Для решения задач применяют алгебраические методы, основанные на системе линейных уравнений неравенств, итерационные методы, а также приведение задачи к системе дифференциальных уравнений.

Чтобы проанализировать конфликтную ситуацию по ее математической модели, ситуацию необходимо упростить, учтя лишь важнейшие факторы, существенно влияющие на ход конфликта.

Теория массового обслуживания изучает системы, предназначенные для обслуживания массового потока требований случайного характера (случайными могут быть как моменты появления требований, так и затраты времени на их обслуживание).

Она исследует на основе теории вероятностей математические методы количественной оценки процессов массового обслуживания.

Целью исследований является рациональный выбор структуры системы обслуживания и процесса обслуживания на основе изучения потоков требований на обслуживание, поступающих в систему и выходящие из нее, длительности ожидания и длины очередей.

В теории массового обслуживания используются методы теории вероятностей и математической статистики. При этом зачастую требуются хрономегражные наблюдения но обслуживанию потребителей.

Целью анализа может быть определение вероятности отказа в предоставлении определенных услуг или обслуживании заявок.

Типичным примером объектов теории массового обслуживания могут служить автоматические телефонные станции, на которые случайным образом поступают «требования» вызовы абонентов, а «обслуживание» состоит в соединении абонентов с другими абонентами, поддержании связи во время разговора и т.д.

Использование методов теории массового обслуживания позволяет организовать обслуживание, обеспечивающее заданное его качество.

В системах массового обслуживания (СМО) обслуживаемый объект называют требованием. В общем случае под требованием обычно понимают запрос на удовлетворение некоторой потребности, например, разговор с абонентом, посадка самолета, покупка билета, покупка товаров в магазине и т.п.

Средства, обслуживающие требования, называются обслуживающими устройствами или каналами обслуживания. Например, к ним относятся каналы телефонной связи, кассовые аппараты в узлах расчетов магазинов, посадочные полосы, билетные кассиры и т.п.

В теории массового обслуживания рассматриваются такие случаи, когда поступление требований происходит через случайные промежутки времени, а продолжительность обслуживания требований не является постоянной, т.е. носит случайный характер.

В силу этих причин одним из основных методов математического описания СМО является аппарат теории случайных процессов.

Основной задачей теории массового обслуживания является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания.

Так, одной из характеристик обслуживающей системы является время пребывания требования в очереди. Очевидно, что это время можно сократить за счет увеличения количества обслуживающих устройств.

Однако каждое дополнительное устройство требует определенных материальных затрат, при этом увеличивается время бездействия обслуживающего устройства из-за отсутствия требований на обслуживание, что также является негативным явлением.

Следовательно, в теории массового обслуживания возникают задачи оптимизации: каким образом достичь определенного уровня обслуживания (максимального сокращения очереди или потерь требований) при минимальных затратах, связанных с простоем обслуживающих устройств.

Эконометрические методы строятся на синтезе трех областей знаний: экономики, математики и статистики.

Основой эконометрии является экономическая модель, под которой понимается схематическое представление экономического явления или процесса с помощью научной абстракции, отражения их характерных черт.

С помощью эконометрических методов следует оценивать различные величины и зависимости, используемые при построении имитационных моделей различных процессов, например, при анализе потоков платежей целесообразно использовать эконометрические модели инфляционных процессов, чтобы установить реальное соотношение авансовых и итоговых платежей.

Эконометрические модели могут использоваться для перспективного и стратегического анализа макроэкономических показателей.

Это модели прогнозирования многомерного временного ряда, в которых оценивают как структуру модели, т.е. вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент, так и коэффициенты, входящие в эту зависимость.

Эконометрические методы — эффективный инструмент в работе менеджера, занимающегося конкретными проблемами, предназначенные для анализа статистических данных и построения эконометрических моделей конкретных экономических и технико-экономических явлений и процессов.

Наибольшее распространение в современной экономике получил метод анализа экономики «затраты — выпуск».

Это матричные (балансовые) модели, строящиеся по шахматной схеме и позволяющие в наиболее компактной форме представить взаимосвязь затрат и результатов производства.

Методы математического программирования — это основное средство решения задач оптимизации производственно-хозяйственной деятельности. По своей сути эти методы — средство плановых расчетов.

Ценность их для экономического анализа заключается в том, что они позволяют оценивать напряженность плановых заданий, определять лимитирующие группы оборудования, виды сырья и материалов, получать оценки дефицитности производственных ресурсов и т.п.

Существуют следующие разделы математического программирования: линейное, параметрическое, нелинейное и динамическое программирование.

Наиболее разработанным и широко применяемым разделом математического программирования является линейное программирование, целью которого является отыскание оптимума (max, min) заданной линейной функции при наличии ограничений в виде линейных уравнений или неравенств.

Линейное программирование — математический прием, используемый для определения лучшей комбинации ресурсов и действий, необходимых для достижения оптимального результата.

Линейное программирование представляет собой наиболее часто используемый метод оптимизации.

К числу задач линейного программирования можно отнести задачи:

• рационального использования сырья и материалов; оптимизации производственной программы предприятий;
• оптимального размещения производства;
• составления оптимального плана перевозок, работы транспорта;
• многие другие, лежащие в сфере оптимального планирования.

Для большого количества практически интересных задач целевая функция выражается линейно — через характеристики плана, причем допустимые значения параметров подчинены линейным равенствам или неравенствам.

Нахождение при данных условиях абсолютного экстремума целевой функции и носит название линейного программирования.

Прямая задача линейного программирования является математической формулировкой проблемы составления такого плана использования различных способов и факторов производства, который позволяет получить максимальное количество однородного продукта при имеющихся в наличии ресурсах.

Динамическое программирование — вычислительный метод для решения задач управления определенной структуры, когда задача с п переменными представляется как многошаговый процесс принятия решения.

На каждом шаге определяется экстремум функции только от одной переменной.

В этом случае исследование проходит три этапа:

• построение математической модели;
• решение управленческой задачи;
• анализ и обобщение полученных результатов.

Математические модели управления запасами позволяют найти оптимальный уровень запасов некоторого товара, минимизирующего суммарные затраты на покупку, оформление и доставку заказа, хранение.

Модель Уилсона является простейшей моделью управления запасами и описывает ситуацию закупки продукции у поставщика, которая характеризуется следующими допущениями:

• интенсивность потребления является известной и постоянной величиной;
• заказ доставляется со склада, на котором хранится достаточный запас товара;
• время поставки заказа является известной и постоянной величиной;
• каждый заказ поставляется в виде одной партии;
• затраты на осуществление заказа не зависят от размера заказа;
• затраты на хранение запаса пропорциональны его размеру;
• отсутствие запаса (дефицит) является недопустимым.

Основной задачей формирования товарных запасов в торговле является обеспечение бесперебойного процесса реализации товаров, или достаточный запас сырья и материалов обеспечивает непрерывность производственного процесса.

В целом управление запасами включает в себя их анализ, планирование и оперативное перемещение. Эти задачи можно решать с помощью методов и моделей теории управления запасами.

Целью этой теории является разработка методов и моделей выбора таких параметров управления, при которых достигается оптимум какого- либо критерия (max прибыли, min затрат и т.п.).

Формирование товарных запасов связано с расходованием денежных средств. Их величина зависит, прежде всего, от двух факторов: частоты завоза товаров и размера запаса, находящегося в организации.

Таким образом, суммарные издержки по управлению запасами складываются из расходов по завозу товаров и расходов по хранению товаров в предприятии.

Исходя из этого, основной задачей нормирования товарных запасов является определение такого планового объема запаса товаров, при котором эти совокупные расходы были бы минимальными, т.е. в качестве критерия оптимальности можно принять min издержек обращения.

Экономико-математическая модель задачи (детерминированная однономенклатурная модель Уилсона) имеет следующий вид:

г($) = с—+ к——> min,

W 2 5

где F(S) — совокупные издержки по поставке и хранению товаров; Q — плановый объем оборота по реализации товаров; с — издержки хранения единицы товара в течение всего планового периода; k — затраты на завоз (закупку и доставку) одной партии товара; 5 — размер поставки.

Если использовать другие буквенные обозначения, то:

L = k

где L — совокупные издержки по поставке и хранению товаров; V — плановый объем оборота по реализации товаров; k — издержки хранения единицы товара в течение всего планового периода; s — затраты на завоз (закупку и доставку) одной партии товара; Q — размер поставки.

Циклы изменения уровня запаса в модели Уилсона графически представлены на рис. 12.1.

Рис. 12.1. График циклов изменения запасов в модели Уилсона

Максимальное количество продукции, которая находится в запасе, совпадает с размером заказа Q.

График затрат на управление запасами в модели Уилсона представлен на рис. 12.2.

На практике возможны отклонения фактических значений параметров управления запасами от рассчитанных.

В этом случае необходимо оценить влияние погрешностей при определении параметров на издержки управления товарными запасами, т.с. определить такие пределы отклонений параметров, которые не привели бык существенному возрастанию издержек по управлению запасами.

Рис. 12.2. График циклов изменения запасов в модели Уилсона

Следовательно, требуется определить относительное увеличение издержек по управлению запасами (Ь) при:

1. отклонении фактического размера поставки от оптимального (а);
2. отклонении рассчитанных издержек по доставке одной партии товара (либо издержек по хранению единицы товара, либо спроса) от фактических (g).

В экономическом анализе модель Уилсона применяется для изучения отклонений фактических издержек обращения от намеченных по плану, для перспективного анализа издержек производства и обращения продукции.