Содержание к диссертации
Введение
ГЛАВА 1 Экономический анализ состояния и развития оптовой торговли в период становления рыночной экономики
1.1 Ретроспективный анализ развития оптовой торговли в России... 12
1.2. Практика применения методов экономико-математического моделирования в изучении процессов товародвижения предприятия оптовой торговли 30
1.3 Разработка стратегии оптового торгового предприятия в условиях информатизации торгово-экономических процессов 38
Выводы (по главе 1) 52
ГЛАВА 2 Экономико-математические методы и модели оценки состояния финансово-хозяйственной деятельносли предприятия оптовой торговли 54
2.1 Разработка унифицированной системы показателей оценки состояния, финансово-хозяйственной деятельности предприятия оптовой торговли 57
2.2. Анализ состояния финансово-хозяйственной деятельности предприятия оптовой торговли, на основе методов исследования временных рядов 87
2.3. Оценка состояния функциональных процессов предприятия оптовой торговли на основе методов многофакторного корреляционно-регрессионного анализа 102
2.4. Методы компонентного и кластерного анализа в оценке эффективности функциональных процессов предприятия оптовой торговли 133
Выводы (по главе 2) 151
ГЛАВА 3 Экономико-математические методы и модели прогнозирования показателей финансово-хозяйственной деятельности предприятия оптовой торговли .
3.1 Применение регрессионных моделей в задачах прогнозирования экономико-технологических показателей операций по обработке товарного потока 153
3.2 Использование нейросетевых моделей прямого распространения в задачах прогнозирования показателей финансово-хозяйственной деятельности предприятия оптовой торговли 165
Выводы (по главе 3) 189
Заключение 192
Библиография 197
Приложения 209
- Практика применения методов экономико-математического моделирования в изучении процессов товародвижения предприятия оптовой торговли
- Анализ состояния финансово-хозяйственной деятельности предприятия оптовой торговли, на основе методов исследования временных рядов
- Методы компонентного и кластерного анализа в оценке эффективности функциональных процессов предприятия оптовой торговли
- Использование нейросетевых моделей прямого распространения в задачах прогнозирования показателей финансово-хозяйственной деятельности предприятия оптовой торговли
Введение к работе
Актуальность темы исследования. В совокупности современных тенденций развития оптовой торговли, наибольший интерес представляют вопросы совершенствования аналитического инструментария, направленного на комплексную оценку процессов товародвижения.
Актуальность этих проблем обусловлена следующим. Интеграционные процессы характерные для современного состояния сферы товарного обращения в России, а также трансформация торгово-экономических отношений, заключающаяся в переходе от рынка продавца к рынку покупателя, приводят к значительному увеличению объема грузооборота и грузопереработки большинства предприятий оптовой торговли. В этих условиях широко распространённая практика субъективной оценки состояния процессов товародвижения предприятия оптовой торговли представляется нерациональной, так как:
процесс и результаты такого анализа не могут быть в достаточной мере формализованы, что существенно сужает возможность применения современных информационных технологий для решения поставленных задач, в свою очередь, это делает анализ процессов товародвижения излишне трудо- и издержкоёмким;
в процессе субъективной оценки эксперт основывается лишь на собственном опыте и интуиции. Это вызывает высокую вероятность случайных и преднамеренных ошибок, связанных с индивидуальным представлением эксперта о текущем и желаемом состоянии финансово-хозяйственной деятельности предприятия оптовой торговли;
высокая трудоемкость субъективной оценки процессов товародвижения и потенциальная сложность проверки ее качества приводят, в конечном итоге, к поиску эффективного управленческого решения дорогостоящим методом проб и ошибок, что в условиях хронической нехватки оборотных средств, материальных и трудовых ресурсов у предприятий оптовой торговли снижает их конкурентоспособность.
Таким образом, организация эффективного функционирования предприятия оптовой торговли в современных условиях неразрывно связана с
5 проведением комплексной оценки состояния процессов товародвижения, основанной на широком применении экономико-математических методов.
Степень разработанности проблемы. Целый ряд отечественных авторов (М.И.Баканов, О.Э.Башина, А.М.Гаджинский, А.Е.Иванов, А.Н.Кархов, Д.Н.Москвин, А.А.Спирин, Г.П.Фомин, Н.И.Щедрин, и др.) в своих трудах, посвященных различным аспектам функционирования предприятий торговли, в той или иной степени касались проблем применения экономико-математических методов в оценке процессов товародвижения. Однако индивидуальность и многообразие функций и задач, а также сложность предприятия оптовой торговли как экономической системы, приводят к необходимости глубокого изучения практических аспектов применения инструментария, направленного на количественный и качественный анализ конкретных процессов и явлений.
В процессе проведения диссертационного исследования значительное внимание было уделено изучению диссертационных работ (А.Н.Ващекина, А.А.Гурченко, А.Н.Кожухарь, Е.В.Кулагина, Р.Р.Латыпова, Н.В.Мамаевой, С.И.Панюжева, М.О.Реснина, Д.А.Тектова, А.А.Янивец и др.), посвященных проблемам практического применения различных экономико-математических и эконометрических методов в анализе состояния финансово-хозяйственной и коммерческой деятельности предприятий торговли.
Несмотря на то, что вопросы комплексного применения методов эконометрики для решения задач оценки состояния процессов товародвижения предприятия оптовой торговли представляются одними из наиболее актуальных, в литературе, посвященной проблемам организации эффективных систем товародвижения, эконометрические методы в достаточной мере не рассматриваются. В связи с этим, представляется целесообразным и своевременным проведение исследования, посвященного эконометрическим методам и моделям оценки состояния товаропроводящих и товарораспределительных систем на примере предприятий оптовой торговли.
Цель и задачи исследования. Целью исследования является разработка методики, позволяющей провести комплексную экономико-математическую оценку состояния и перспектив развития предприятия оптовой торговли на микроуровне, как товаропроводящей и товарораспределительной системы, и
выявить основные закономерности и тенденции, моделировать и прогнозировать влияние совокупности факторов, обуславливающих, в конечном счете, эффективность финансово-хозяйственной деятельности предприятия оптовой торговли в условиях рынка.
Для достижения указанной цели в работе ставятся следующие задачи:
проанализировать состояние оптовой торговли в России и дать оценку её текущим проблемам, а также приоритетным направлениям развития на кратко- и среднесрочную перспективу;
исследовать современную практику применения экономико-математического инструментария для решения прикладных задач в области рационализации процессов товародвижения и определить методические подходы к оценке состояния финансово-хозяйственной деятельности предприятия оптовой торговли как товаропроводящей и товарораспределительной системы;
раскрыть роль и место экономико-математического инструментария и дать оценку степени его востребованности в контексте основных стратегических направлений развития предприятий оптовой торговли;
проанализировать методики расчета основных показателей финансово-хозяйственной деятельности предприятия оптовой торговли и разработать унифицированную систему показателей, нацеленную на сбалансированную количественную и качественную оценку процессов товародвижения;
разработать алгоритм комплексной эконометрической оценки состояния финансово-хозяйственной деятельности предприятия оптовой торговли и провести его апробацию с использованием конкретных статистических данных;
изучить практические аспекты применения отдельных экономико-математических методов и моделей в контексте разработанного алгоритма комплексной эконометрической оценки состояния финансово-хозяйственной деятельности предприятия оптовой торговли и дать рекомендации по их использованию;
7 7) оценить экономическую и математическую адекватность разработанных
моделей и алгоритмов и дать рекомендации по их практическому
применению.
Объектом исследования являются предприятия оптовой торговли Российской Федерации.
Предметом исследования являются экономико-математические и эконометрические методы как инструмент анализа основных показателей финансово-хозяйственной деятельности предприятий оптовой торговли.
Теоретическая и методологическая основа исследования. В процессе выполнения работы автором были изучены труды отечественных и зарубежных экономистов:
специалистов в области товарного обращения М.И.Баканова, О.Э.Башиной, И.К.Беляевского, Л.А.Брагина, А.М.Гаджинского, С.Д.Ильенковой, С.И.Королевой, В.С.Лукинского, Л.Б.Миротина, Ю.М.Неруша; Б.Т.Рябушкина, В.И.Сергеева и других;
специалистов в области экономико-математических методов и моделей С.А.Айвазяна, З.В.Алфёровой, А.М.Дуброва, И.И.Елисеевой, Н.Ш.Кремера, В.С.Мхитаряна, И.Н.Никитиной, Б.Е.Одинцова, А.И.Орлова, А.Н.Романова, А.А.Спирина, Г.П.Фомина, А.А.Френкеля, Б.Ренца, Г.Смита, Э.Сигела, Ф.Фишера и других.
В качестве эмпирической базы использовались нормативные, информационные и другие материалы Министерства экономического развития и торговли РФ, Центра экономической конъюнктуры при Правительстве Российской Федерации, Департамента потребительского рынка и услуг г. Москвы, информационно-аналитические отчеты негосударственных консалтинговых, аналитических и научных центров.
В качестве исследовательского инструментария использовался системный подход, комплексность, экономико-математические методы и модели, методология общей теории статистики, математической статистики, статистики коммерческой деятельности, эконометрики, анализа хозяйственной деятельности и другие.
Для обработки данных были использованы пакеты прикладных программ: «Excel», «SPSS», «Statistica», «Statistica neural networks».
Научная новизна диссертационного исследования состоит в выработке концептуальных подходов к комплексной оценке состояния товаропроводящих и товарораспределительных систем (на примере предприятия оптовой торговли), основанной на широком использовании экономико-математического инструментария, а также современных компьютерных технологий обработки информации.
К числу наиболее существенных результатов, полученных лично автором и обладающих научной новизной, относятся следующие:
1) определены методические подходы к оценке состояния финансово-
хозяйственной деятельности предприятия оптовой торговли как
товаропроводящей и товарораспределительной системы в контексте
современных тенденций его развития, что позволило:
выявить приоритетные направления развития прикладных исследований в области рационализации финансово-хозяйственной деятельности предприятия оптовой торговли и уточнить определение термина «логистика»;
определить современные требования к экономико-математическому инструментарию, применяемому для оценки состояния финансово-хозяйственной деятельности предприятия оптовой торговли;
разработать стратегию развития предприятия оптовой торговли, раскрыть роль и место экономико-математических методов в деятельности предприятия оптовой торговли как товаропроводящей и товарораспределительной системы;
определить перечень наиболее приоритетных информационно-
аналитических задач, направленных на разработку инструментария для
комплексной экономико-математической оценки процессов
товародвижения предприятия оптовой торговли.
2) предложена унифицированная система показателей оценки состояния
финансово-хозяйственной деятельности предприятия оптовой торговли,
что позволило:
провести сбалансированную количественную и качественную оценку состояния финансово-хозяйственной деятельности предприятия оптовой
9 торговли на различных организационно-управленческих уровнях с использованием монетарных и немонетарных показателей;
формализовать основные положения стратегии развития предприятия оптовой торговли на кратко- и среднесрочную перспективу;
подготовить методическую основу для формирования базы данных, предназначенной для дальнейшего экономико-математического исследования закономерностей и тенденций развития предприятия оптовой торговли, с учетом необходимости широкого использования современных информационных технологий в процессе сбора и обработки первичной статистической информации;
3) разработан алгоритм комплексной эконометрической оценки состояния
финансово-хозяйственной деятельности предприятия оптовой торговли,
что позволило:
количественно и качественно оценить основные закономерности и тенденции, присущие процессу развития конкретного предприятия оптовой торговли;
системно проанализировать влияние совокупности факторов,
обуславливающих, в конечном счете, эффективность финансово-
хозяйственной деятельности предприятия оптовой торговли в условиях
рынка;
органично сочетать различные общеэкономические, экономико-математические и эконометрические методы в процессе комплексного экономического анализа состояния и перспектив развития предприятия оптовой торговли на микроуровне.
4) проведена апробация и оценка математической и экономической
адекватности полученных теоретических результатов исследования с
использованием данных конкретного предприятия оптовой торговли, что
позволило:
дать оценку практической значимости, определить роль и место методов,
анализа временных рядов, корреляционно-регрессионного анализа,
кластерного, компонентного анализа, методов и нейросетевого
моделирования для решения задач, связанных с комплексной оценкой
10 состояния финансово-хозяйственной деятельности предприятия оптовой торговли; дать практические рекомендации по совершенствованию финансово-хозяйственной деятельности предприятия оптовой торговли, исходя из полученных результатов диссертационного исследования. Практическая значимость результатов исследования. Предложенные в диссертации концептуальные подходы к комплексной оценке товаропроводящих и товарораспределительных систем могут быть применены для решения практических задач, связанных с реинжинирингом и системным проектированием процессов товародвижения на предприятии оптовой торговли, и позволяют:
выработать и проанализировать стратегический план развития предприятия оптовой торговли;
ситуационно и диагностически проанализировать состояние предприятия оптовой торговли в соответствии с разработанным стратегическим планом развития;
провести сквозной анализ и синтез новых бизнес процессов. Самостоятельное практическое значение имеют:
унифицированная система показателей как инструмент сбалансированной оценки состояния финансово-хозяйственной деятельности предприятия оптовой торговли, и как методическая основа для разработки информационно-аналитических систем, направленных на комплексную автоматизацию процессов товародвижения предприятия оптовой торговли;
алгоритм комплексной эконометрической оценки состояния финансово-хозяйственной деятельности предприятия оптовой торговли как инструмент системного анализа эффективности сложившейся практики управления процессами товародвижения.
Апробация результатов исследования. Работа обсуждалась и была одобрена на совместном заседании кафедры статистики и кафедры информационных технологий Российского государственного торгово-экономического университета. Результаты работы докладывались и обсуждались на научно-практических конференциях: научно-практическая конференция «Стратегия торгово-экономического образования» (МГУК 29-30 апреля 2002г.); научно-практическая конференция «Васильевские чтения.
11 Национальные традиции в торговле, экономике, политике и культуре» (РГТЭУ 29-30 октября 2002г.); научно-практическая конференция «Румянцевские чтения. Модернизация экономики России: торгово-экономический, правовой и социальный контекст» (РГТЭУ 23-24 апреля 2003г.).
Отдельные положения диссертационного исследования используются ООО «Комплект Поставка», ООО «Экспоком» и ООО «Энергосберегающие инженерные сети», что подтверждено справками о внедрении.
Результаты исследования использованы в учебном процессе по дисциплинам: "Экономико-математические методы и модели в торговле", "Моделирование и прогнозирование коммерческой деятельности", "Статистические методы оценки управленческих решений", «Информационный менеджмент», «Эконометрика» и др.
Публикации. По теме диссертации опубликовано 6 работ общим объемом 1,8п.л.
Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Работа изложена на 233 страницах, содержит 15 таблиц, 23 рисунка, 9 приложений, библиография насчитывает 156 наименований.
Практика применения методов экономико-математического моделирования в изучении процессов товародвижения предприятия оптовой торговли
Как было отмечено ранее, методы экономико-математического моделирования являются одним из основных инструментов для решения научно-практических задач в области логистики. В этой связи представляется целесообразным исследовать современную практику применения и дать оценку перспективным направлениям использования экономико-математического инструментария в анализе процессов товародвижения предприятий оптовой торговли.
А.А.Спирин в работе «Экономико-математические методы и модели в торговле» [127] в соответствии с категорией объекта моделирования выделяет следующие разновидности моделей: 1) модель отдельной задачи (расчет рациона питания или норматива товарных запасов, составление плана товарооборота, прикрепление поставщиков товара к потребителям); 2) модель торгового процесса (управление товародвижением, анализ хозяйственной деятельности и т.п.); 3) модель торговой системы (управление магазином, оптовой базой, торгом и т.п.); 4) модель глобальной проблемы (обеспеченность продуктами питания населения страны, долгосрочные прогнозы уровня и структуры потребления товаров и т.п.). Принимая выше приведенную классификацию математических моделей за основу, рассмотрим наиболее распространенные методы и модели, используемые в оценке состояния финансово-хозяйственной деятельности предприятия оптовой торговли, отдельных его процессов и операций. В научно-практической литературе посвященной, вопросам разработки и внедрения экономико-математического инструментария для оценки операций и технологических процессов торговых предприятий, наиболее освещенными являются вопросы расчета оптимального размера товарных запасов. Модели отдельной задачи. Среди множества методов и моделей наиболее распространённой является модель, предложенная в 1913 году Ф.У. Хариссоном, и широко известная в литературе как формула Уилсона: где: q - оптимальный размер партии товара (ед.товара); s - организационные издержки на одну партию товара (усл.ден.ед.); d - интенсивность спроса (ед.товара) h - издержки на хранение запаса (усл.ден.ед.). Среди основных ограничений и допущений модели Уилсона (1.2.1) можно выделить: 1) модель учитывает лишь один вид товара; 2) издержки на хранение товара являются постоянными; 3) партия товара поступает мгновенно, в тот момент, когда возникает дефицит. 4) организационные издержки не зависят от размера партии товара; 5) спрос на товар является постоянным и непрерывным. Приведённые выше допущения и ограничения модели Уилсона существенно сужают перспективы ее практического использования в условиях современного предприятия оптовой торговли, так как: 1) финансово-хозяйственная деятельность предприятия оптовой торговли в современных условиях связана с необходимостью обработки значительного количества ассортиментных позиций товара, что предполагает наличие множества технологических схем его складской обработки и способов хранения. Это в свою очередь приводит к непостоянству издержек хранения и организационных издержек; 2) неразвитость транспортной сети, значительные расстояния между населёнными пунктами, а также значительный объем товаров, поступающих от зарубежных производителей в структуре оптового товарооборота, приводят к нерегулярности поставок, вследствие чего пополнение запаса в момент возникновения дефицита является невозможным; 3) из результатов ретроспективного анализа, (см.параграф 1.1), следует, что современное состояние оптовой торговли характеризуется ростом числа предприятий оптовой торговли и как следствие усилением конкурентной борьбы в этом секторе сферы товарного обращения, в этой связи наличие постоянного и непрерывного спроса на тот или иной товар представляется маловероятным. Таким образом, подход к расчету оптимального размера заказа основанный на применении модели Уилсона, является в большей степени идеализированным и может бьпъ использован лишь как формальная иллюстрация логики рассуждения исследователя в процессе решения поставленной практической задачи.
Необходимо отметить, что в литературе, посвященной проблемам исследования операций в экономике, помимо различных детерминированных моделей (большинство из которых представляет собой развитие 1.2.1), значительное освещение получили также различные аналитические стохастические модели для расчета оптимального размера заказа товара.
Однако, несмотря на обилие методов применяемых для расчета и анализа оптимального размера заказа и как следствие оптимального размера товарных запасов, большинство исследователей отмечает, что найти аналитически оптимальное значение вышеуказанного показателя удается лишь в относительно простых случаях. В тех случаях, когда система хранения и распределения товара имеет сложную структуру (большое количество ассортиментных позиций, иерархическая система складов, значительный объем товарных запасов в пути и т.п.), произвести расчет рационального объема товарных запасов представляется возможным лишь путём комплексной оценки всего процесса транспортировки и складской обработки товара-Модели торгового процесса. Эта разновидность экономико-математических моделей нацелена на комплексное исследование совокупности операций, направленных на решение определённой функциональной задачи.
Одним из примеров комплексного подхода является к моделированию торговых процессов является совокупность сетевых моделей отражающих процесс товародвижения в магазине [137], адаптированная для задач анализа движения товарной массы на предприятиях оптовой торговли.
Анализ состояния финансово-хозяйственной деятельности предприятия оптовой торговли, на основе методов исследования временных рядов
Эффективность предприятия - категория, отражающая соответствие результатов его деятельности целям и интересам учредителей. Такой целью, как правило, является рост стоимости компании, который непосредственно зависит не только от динамики стоимости материальных активов, но и от положения компании на рынке, и как следствие от адекватности выбранной стратегии и планомерности в её реализации.
Алгоритм экономико-математического анализа предприятия оптовой торговли как товаропроводящей системы, основанный на приведенном выше понимании эффективности предприятия, можно представить в виде следующей схемы (см.рис.2.2.1)
Следует пояснить содержание некоторых блоков, показанных на рис.2.2.1. Сначала, (в блоке 1) производится разработка стратегии предприятия, результатом чего является организованная совокупность сформулированных в вербальной форме целей и задач развития предприятия. Пример разработки такой стратегии был представлен в параграфе 1.3 диссертационного исследования.
Для проведения последующего экономико-математического анализа эффективности предприятия в блоке 2 производится формализация стратегии -то есть математическое описание наиболее предпочтительных тенденций в динамике показателей деятельности предприятия. Совокупность таких тенденций, определенная с использованием системы показателей, отраженной в параграфе 2.1, в дальнейшем будет рассматриваться как основной критерий эффективности предприятия.
Основные тенденции развития предприятия, присущие ему в действительности, определяются в блоке 3 на основе уравнений тренда, построенными в соответствии с тем же перечнем показателей, что и критерий эффективности. Эти уравнения тренда подвергаются анализу (блок 4), целью которого является оценка соответствия существующих тенденций развития предприятия критериям эффективности.
Если на основании анализа производится вывод о достаточной эффективности предприятия, то пересматривается и корректируется его стратегия, разрабатываются новые, соответствующие новому этапу развития, цели и задачи (блок 5). После чего также происходит их формализация и последующая оценка (блоки 3-4).
В случае если деятельность предприятия оценивается как неэффективная в соответствии с тенденциями динамики одного или нескольких показателей, возникает необходимость оценки факторов, вызывающих такое состояние предприятия; для чего строятся соответствующие многофакторные математические модели и рассчитываются их параметры (блок 6). На основе анализа построенных моделей определяется перечень проблем, характерных для каждого организационно-управленческого уровня предприятия, и разрабатывается комплекс мер для их решения (блок 7). Реализация разработанного комплекса мер возможна (блок 10) лишь после соответствующей прогнозной оценки тех изменений, которые произойдут в системе и их соответствия критериям эффективности системы, для чего выполняются блоки 8-9 алгоритма. Рассмотрим пример применения описанного выше алгоритма на основе данных предприятия ООО «Комплект Поставка».
Как отмечалось выше, основой для определения критериев эффективности предприятия является его стратегия, а именно совокупность целей и задач, нашедших в ней отражение, поэтому результатом выполнения блока 1 настоящего алгоритма будет следующая формулировка стратегии, приведенная в параграфе 1.З.: - «Достижение высокого уровня рентабельности инвестированного в деятельность предприятия капитала, за счет лидерства в минимизации издержек и обеспечения эффективного использования, имеющегося объема ресурсов при обеспечении максимально возможного уровня качества сервиса».
Для выполнения блока 2 алгоритма представим предложенную стратегию в виде совокупности тенденций в динамике показателей деятельности предприятия. Для этого воспользуемся системой показателей, приведенной в параграфе 2.1 диссертационной работы.
Одной из основных компонент стратегии является достижение высокого уровня рентабельности инвестированного капитала. Учитывая непрерывный характер деятельности предприятия, можно представить как максимизацию функции Kp{f).
В общем случае, рентабельность предприятия принято определять, исходя из отношения его прибыли к сумме инвестированного капитала в производственные фонды предприятия и его оборотные средства;
Исходя из формулы (2.2.3), можно выделить следующую совокупность предпочтительных для предприятия оптовой торговли тенденций: 1) рост товарооборота предприятия; 2) рост фондоотдачи предприятия; 3) снижение издержкоемкости товарооборота; 4) рост товарооборачивоемости. Возвращаясь к системе показателей, изложенной в параграфе 2.1., следует отметить необходимость экономико-математической оценки эффективности использования не только финансовых ресурсов, но и технологических и трудовых ресурсов, поэтому дополним приведенную выше совокупность тенденций следующими критериями: 5) снижение трудоемкости товарооборота предприятия; 6) рост товарооборота на квадратный метр площади. Также следует выразить в качестве совокупности тенденций и требования к качеству сервиса предприятия. Используя показатели уровня сервиса, можно выделить следующие направления развития. 7) снижение уровня просроченной кредиторской задолженности; 8) снижение уровня нарушений договора по ассортименту количеству и качеству; 9) снижение уровня нарушений договора по срокам поставки ; 10) рост количества ассортиментных позиций дополнительных услуг на 1 руб. товарооборота; 11) рост количества востребованных позиций ассортиментных услуг на 1 руб. товарооборота; 12) рост уровня выручки от оказания дополнительных услуг; 13) рост уровня обеспеченности доступными товарными запасами; 14) рост уровня обеспеченности доступными ассортиментными позициями; Более наглядно представленную совокупность предпочтительных тенденций можно выразить в виде таблицы 2.2.1. Следует отметить, что перечень тенденций, в контексте конкретного объекта исследования, может быть расширен в соответствии с требованиями, выдвигаемыми к результатам анализа эффективности. Например, могут быть включены в таблицу такие тенденции, как: рост механовооруженности персонала; рост средней заработной платы; снижение зарплатоемкости товарооборота и т.д. и т.п.
Методы компонентного и кластерного анализа в оценке эффективности функциональных процессов предприятия оптовой торговли
Так как уравнение регрессии (2.3.47) имеет наилучшие характеристики в соответствии с критерием Дарбина-Уотсона, а также отвечает всем остальным критериям адекватности и учитывает влияние большего количества факторов, то в дальнейшем исследовании наиболее целесообразна его экономическая интерпретация.
В соответствии со значениями коэффициентов регрессии модели (2.3.47), рост обеспеченности товарными запасами в зонах хранения на 1 месяц приводит к увеличению общего уровня обеспеченности товарными запасами 0,047. Следует отметить, что в отличие от показателя уровня обеспеченности доступными товарными запасами, в контексте данного исследования, показатель обеспеченности товарными запасами предприятия в целом не может быть измерен во временных единицах измерения, так как товарные запасы, как говорилось выше, не обладают законченными стоимостными характеристиками. Ввиду этого, значительный размер торговой наценки, вызванный сложившейся конъюнктурой рынка, приводит к занижению реального значения показателя, представленного в абсолютных единицах измерения.
Рост пропускной способности склада, выраженной при помощи показателя удельного грузооборота, позволяет снизить товарные запасы. Так исходя из модели (2.3.47), рост удельного грузооборота на 1т/кв.м. снижает относительный уровень обеспеченности товарными запасами на 0,01929.
Выполнение дополнительного объема работ, вызванных предоставлением дополнительных услуг, приводит к увеличению времени прохождения материального потока через складской процесс, тем самым, увеличивая отношение товарных запасов к товарообороту. На основании расчетного значения коэффициента регрессии Ьз можно сделать вывод, что с ростом доли выручки от оказания услуг в общем объеме товарооборота предприятия на 1%, относительный уровень обеспеченности товарными запасами увеличивается на 0,18495. Вместе с тем, рост относительного уровня количества востребованных ассортиментных позиций дополнительных услуг на 1 услугу на 1000 тон грузооборота позволяет снизить относительный уровень товарных запасов на 0,063. Разница в направлении влияния, схожих показателей, связана с сущностью предоставляемых услуг и присутствием в их ассортиментном перечне позиций, подразумевающих накопление материальных ценностей, реализуемых только при проведении дополнительных операций над материальным потоком.
Анализ уравнения регрессии (2.3.47) по коэффициентам ( позволяет сделать вывод о том, что фактором, оказывающим наибольшее влияние на значение эндогенной переменной, является фактор хн fl33 =0,58). Следующим по силе влияния является фактор хіо, который влияет на значение результативного признака в 1,2 раза слабее, чем предыдущий. (pVPi =0,58/0,48=1,2). Наиболее слабым влиянием отличаются факторы xs и хіг, которые влияют на значение эндогенной переменной соответственно в 2,9 и 1,7 раза слабее чем фактор хп.
Заключительным уравнением регрессии, в совокупности регрессионных моделей показателей финансово-хозяйственной деятельности предприятия, является модель «Уровень обеспеченности доступными ассортиментными позициями» (2.3.48).
Исходя из значения коэффициента регрессии модели «Уровень обеспеченности доступными ассортиментными позициями» следует, что с ростом вероятности возникновения недостачи, порчи и пересортицы в товарном потоке на 1% происходит увеличение относительного уровня обеспеченности доступными ассортиментными позициями на 0,000001 позицию на рубль товарооборота в месяц. Это свидетельствует о том, что со снижением качественных характеристик работы склада, увеличивается доля невостребованных ассортиментных позиций. Подводя итоги проведенного анализа влияния факторов внутренней среды на показатели финансово-хозяйственной деятельности предприятия, можно сделать следующие выводы: 1) построенные уравнения регрессии в целом достаточно точно описывают экономическую сущность влияния функционального процесса транспортировки и складской обработки на состояние предприятия в целом, подлежат экономической интерпретации и учитывают влияние таких факторов как: - коэффициент сложности обработки материального потока (х.); - коэффициент механовооруженности производственной площади (хг); - удельный грузооборот. (х«); - грузопереработка на 1 квадратный метр площади, (xs); - уровень объема нарушений установленных сроков обработки товара в процессе транспортировки и складской обработки (хи); - уровень недостачи и пересортицы в обработанном товарном потоке, (х ); - уровень обеспеченности доступными товарными запасами (хю); - уровень ассортимента дополнительных услуг, оказываемых в процессе транспортировки и складской обработки товара (хи); - обеспеченность грузооборота дополнительными услугами (хм); Таким образом, в процессе исследования были исключены следующие факторы: - коэффициент фондоотдачи технологического процесса транспортировки и складской обработки товара (хз). Данный показатель не рассматривался по причине сильной мультиколлинеарной связи с фактором х4; - уровень объема нарушений в процессе транспортировки и складской обработки товара(х7); - трудоемкость грузооборота (хб). Данный фактор был исключен ввиду сильной мультиколлинеарной связи с фактором х.. Наличие такой связи имеет и теоретическое подтверждение. Так в учебнике A.M. Гаджинского «Логистика» автор отмечает, что показатель, рассчитываемый как отношение объема грузопереработки склада к его грузообороту, характеризует трудоемкость складского процесса; - уровень обеспеченности доступными ассортиментными позициями, (хм).Данный фактор был исключен из дальнейшего исследования, ввиду низких показателей значимости, в частности значения t-критерия Стьюдента.
Использование нейросетевых моделей прямого распространения в задачах прогнозирования показателей финансово-хозяйственной деятельности предприятия оптовой торговли
Различают следующие функции активации: 1) линейная: выходной сигнал нейрона равен его потенциалу; 2) линейная с насыщением: нейрон выдает значения промежуточные между двумя предельными значениями А и В; 3) ступенчатая: нейрон принимает решение (выбирает из двух решений активен/неактивен); 4) многопороговая: выходной сигнал может принимать одно из q значений определяемых (q-І) порогом внутри предельных значений А и В; 5) сигмоидная: рассматриваются два вида сигмоидных функций: - с выходным значением в промежутке (0;1) и с выходным значение в промежутке (-1; 1). Необходимо отметить, что для того, чтобы учесть особенности конкретной задачи, могут быть выбраны и другие функции активации: - гауссова, синусоидальная, всплески (wavelets) и др. Для решения конкретной задачи связи между нейронами упорядочиваются в форме той или иной топологии. В соответствии с функциями и расположением в структуре сети, нейроны могут быть: входные, скрытые и выходные. Как правило нейроны упорядочены в слои. Входные нейроны - нейроны, на вход которых непосредственно помещается исходная информация в виде экзогенных переменных. Скрытые нейроны - нейроны, расположенные в промежуточных нейронной сети и вьшолняющие внутренние функции. Выходные нейроны - нейроны, выходы которых содержат исследуемые эндогенные переменные. Также нейроны могут различаться по времени задержки передачи информации. В соответствии с этим признаком выделяют: статические нейроны- нейроны, передающие сигнал без задержки; динамические нейроны - нейроны, при функционировании которых учитывается возможность задержки сигнала;
При определении архитектуры сети особое значение имеет форма организации передачи информации между нейронами. По этому признаку выделяют нейронные сети с прямой передачей данных и нейронные сети обратного распространения (динамические или рекуррентные нейронные сети).
Нейронные сети с прямой передачей данных - нейронные сети, состоящие из статических нейронов и устроенные таким образом, что сигнал на выходе сети появляется в тот же момент, как только подаются сигналы на вход, то есть в процессе обработки информации нейронной сетью в качестве экзогенных переменных рассматриваются только переменные, поданные на вход нейронной сети.
Нейронные сети обратного распространения (динамические или рекуррентные сети) - нейронные сети, состоящие из динамических нейронов и организованная таким образом, что обеспечивается устойчивая обратная связь, т.е. сигнал к нейрону может поступать не только от входных нейронов, но и от любого другого нейрона в сети (в том числе и от самого себя).
Анализируя различные литературные источники, посвященные вопросам практического применения нейронных сетей с той или иной формой организации передачи сигналов, можно сделать выводы, что рекуррентные сети, в настоящий момент времени, представляют наибольший интерес для ученых, исследующих различные нейроеетевые методы. Однако несмотря на то, что сети с обратным распространением безусловно являются наиболее перспективными, их практическое применение осложняется их неустойчивостью и сложной динамикой поведения. В этой связи, на настоящий момент, наиболее применимыми на практике являются сети с прямой передачей данных (см.рис.3.2.2).
Рассмотрим пример применения нейронных сетей прямого распространения в контексте задачи прогнозирования времени выполнения операции «Комплектация заказа в зоне хранения с укладкой заказа на поддон» (u3). А именно, построим нейронную сеть, нацеленную на прогнозирование времени выполнения вышеназванной операции по одной комплектовочной ведомости, исходя из таких факторов, как: количество документострок в комплектовочной ведомости (fi); доля товарных позиций, комплектуемых партиями кратными складской упаковке изготовителя ( ).
Для решения поставленной задачи воспользуемся пакетом прикладных программ Statistica Neural Networks, одной из основных особенностей которого является наличие алгоритма, позволяющего осуществлять автоматический поиск наилучшей сети, по показателю контрольной ошибки с поправкой на размер сети, путем многократного повторения эвристических экспериментов с различным числом скрытых элементов для каждой пробной архитектуры.
Перед проведением анализа и экономической интерпретации полученных результатов следует пояснить сущность некоторых особенностей прогнозирования с использованием нейронных сетей.
Основная особенность нейросетевых методов состоит в том, что зависимость между экзогенной и эндогенной переменной (входом и выходом) находится в процессе обучения сети, которое может быть, как управляемое, так и неуправляемое. Наиболее часто для решения задач регрессии на основе нейронных сетей применяется алгоритм управляемого обучения, для которого необходим набор обучающих данных, которые представляют собой примеры экзогенных и соответствующих им эндогенных переменных. На основе обучающих данных сеть учится устанавливать связь между входом и выходом.
Затем нейронная сеть обучается с помощью того или иного алгоритма управляемого обучения, при котором имеющиеся данные используются для корректировки весов и пороговых значений сети таким образом, чтобы минимизировать ошибку прогноза на обучающем множестве. Если сеть обучена хорошо, она приобретает способность моделировать (неизвестную) функцию, связывающую значения входных и выходных переменных, и впоследствии такую сеть можно использовать для прогнозирования в ситуации, когда выходные значения неизвестны [129]
