13

Размещено на http://www.allbest.ru/

Содержание

1. Особенности определения разных видов точек безубыточности проекта

2. Метод имитационного моделирования Монте - Карло

3. Практическое задание

Список используемой литературы

1. Особенности определения разных видов точек безубыточности проекта

Сущность маржинального анализа заключается в анализе соотношения объема продаж (выпуска продукции), себестоимости и прибыли на основе прогнозирования уровня этих величин при заданных ограничениях. В его основе лежит деление затрат на переменные и постоянные. На практике набор критериев отнесения статьи к переменной или постоянной части зависит от специфики организации, принятой учетной политики, целей анализа и от профессионализма соответствующего специалиста.

Основной категорией маржинального анализа является маржинальный доход. Маржинальный доход (прибыль) -- это разность между выручкой от реализации (без учета НДС и акцизов) и переменными затратами. Иногда маржинальный доход называют также суммой покрытия -- это та часть выручки, которая остается на покрытие постоянных затрат и формирование прибыли. Чем выше уровень маржинального дохода, тем быстрее возмещаются постоянные затраты и организация имеет возможность получать прибыль.

Маржинальный доход (М) рассчитывается по формуле:

M = S - V

где S -- выручка от реализации;

V -- совокупные переменные затраты.

Маржинальный доход можно рассчитать не только на весь объем выпуска в целом, но и на единицу продукции каждого вида (удельный маржинальный доход). Экономический смысл этого показателя -- прирост прибыли от выпуска каждой дополнительной единицы продукции:

M = (S - V) / Q = p - v

где M -- удельный маржинальный доход;

Q -- объем реализации;

р -- цена единицы продукции;

v -- переменные затраты на единицу продукции.

Найденные значения удельных маржинальных доходов для каждого конкретного вида продукции важны для менеджера. Если данный показатель отрицателен, это свидетельствует о том, что выручка от реализации продукта не покрывает даже переменных затрат. Каждая последующая произведенная единица данного вида продукции будет увеличивать общий убыток организации. Если возможности значительного снижения переменных затрат сильно ограничены, то менеджеру следует рассмотреть вопрос о выведении данного товара из ассортимента предлагаемой организацией продукции.

На практике производят более глубокую детализацию переменных затрат на группы переменных производственных, общепроизводственных, общехозяйственных и прочих расходов. Отсюда вытекает необходимость исчисления нескольких показателей маржинального дохода, из анализа которых выносится решение о том, воздействие на какие группы расходов может наиболее заметно отразиться на величине конечного финансового результата.

Деление затрат на постоянные и переменные, исчисление маржинального дохода позволяют определить влияние объема производства и сбыта на величину прибыли от реализации продукции, работ, услуг и тот объем продаж, начиная с которого предприятие получает прибыль. Делается это на основе анализа модели безубыточности (системы «затраты -- объем производства -- прибыль»).

Модель безубыточности опирается на ряд исходных предположений:

· поведение затрат и выручки можно описать линейной функцией одной переменной -- объема выпуска;

· переменные затраты и цены остаются неизменными в течение всего планового периода;

· структура продукции не изменяется в течение планируемого периода;

· поведение постоянных и переменных затрат может быть точно измерено;

· на конец анализируемого периода у предприятия не остается запасов готовой продукции (или они несущественны), т.е. объем продаж соответствует объему производства.

Точка безубыточности -- это объем выпуска, при котором прибыль предприятия равна нулю, т.е. объем, при котором выручка равна суммарным затратам. Иногда ее называют также критическим объемом: ниже этого объема производство становится нерентабельным.

Алгебраическим методом точка нулевой прибыли рассчитывается исходя из следующей зависимости:

I = S -V - F = (p * Q) - (v * Q) - F = 0

где I -- величина прибыли;

S -- выручка;

V -- совокупные переменные затраты,

F -- совокупные постоянные затраты

Отсюда находим критический объем:

Q' = F / (p - v)

где Q ' -- точка безубыточности (критический объем в натуральном выражении).

Критический объем производства и реализации продукции можно рассчитать не только в натуральном, но и в стоимостном выражении:

S = F * p / (p - v) = Q' * p

где S -- критический объем производства и реализации продукции.

Экономический смысл этого показателя -- выручка, при которой прибыль равна нулю. Если фактическая выручка предприятия больше критического значения, оно получает прибыль, в противном случае -- убыток.

Приведенные выше формулы расчета критического объема производства и реализации в натуральном и стоимостном выражении справедливы лишь, когда выпускается только один вид продукции или когда структура выпуска фиксирована, т.е. пропорции между различными видами продукции остаются неизменными. Если выпускается несколько видов товара с разными предельными затратами, тогда необходимо учитывать структуру производства (продажи) этих товаров, а также долю постоянных затрат, приходящуюся на конкретный вид продукции.

Точка закрытия предприятия -- это объем выпуска, при котором оно становится экономически неэффективным, т.е. при котором выручка равна постоянным затратам:

Q" = F / p

где Q" -- точка закрытия.

Если фактический объем производства и реализации продукции меньше Q", предприятие не оправдывает своего существования и его следует закрыть. Если же фактический объем производства и реализации продукции больше Q", ему следует продолжать свою деятельность, даже если оно получает убыток.

Еще один аналитический показатель, предназначенный для оценки риска, -- «кромка безопасности», т.е. разность между фактическим и критическим объемами выпуска и реализации (в натуральном выражении):

Кб = Оф - Q'

где Kб -- кромка безопасности;

Оф -- фактический объем выпуска и реализации продукции.

Полезно рассчитать отношение кромки безопасности к фактическому объему. Эта величина покажет, на сколько процентов может снизиться объем выпуска и реализации, чтобы избежать убытка.

К% = Кб / Qф * 100%

где К% -- отношение кромки безопасности к фактическому объему.

Кромка безопасности характеризует риск предприятия: чем она меньше, тем больше риск того, что фактический объем производства и реализации продукции не достигнет критического уровня Q' и предприятие окажется в зоне убытков.

Данные о величине маржинального дохода и других производных показателей получили довольно широкое распространение для прогнозирования затрат, цены реализации продукции, допустимого удорожания ее себестоимости, оценки эффективности и целесообразности увеличения объема производства, в решении задач типа «производить самим или покупать» и в других расчетах по оптимизации управленческих решений.

Во многом это объясняется сравнительной простотой, наглядностью и доступностью расчетов точки безубыточности. Вместе с тем необходимо иметь в виду, что формулы модели безубыточности годятся только для тех решений, которые принимаются в пределах приемлемого диапазона цен, затрат и объемов производства и продаж. Вне этого диапазона цена реализации единицы продукции и переменные издержки на единицу продукции уже не считаются постоянными, и любые результаты, полученные без учета таких ограничений, могут привести к неправильным выводам. Наряду с несомненными достоинствами модель безубыточности обладает определенными недостатками, которые связаны прежде всего с допусками, заложенными в ее основу.

При расчете точки безубыточности исходят из принципа линейного наращивания объемов производства и продаж без учета возможностей скачка, например, вследствие сезонности выпуска и сбыта. При определении условий достижения безубыточности и построении соответствующих графиков важно правильно задать данные о степени использования производственных мощностей.

Анализ точки безубыточности служит одним из важных способов решения многих проблем управления, поскольку при комбинированном применении с другими методами анализа его точность вполне достаточна для обоснования управленческих решений в реальной жизни.

2. Метод имитационного моделирования Монте - Карло

Датой рождения метода Монте-Карло принято считать 1949 г., когда появилась статья под названием «The Monte Carlo method». Создателями этого метода считают американских математиков Дж. Неймана и С. Улама. В СССР первые статьи о методе Монте-Карло были опубликованы в 1955 - 1956 годы.

Любопытно, что теоретическая основа метода была известна давно. Более того, некоторые задачи статистики рассчитывались иногда с помощью случайных выборок, т. е. фактически методом Монте-Карло. Однако до появления электронных вычислительных машин (ЭВМ) этот метод не мог найти сколько-нибудь широкого применения, ибо моделировать случайные величины вручную - очень трудоемкая работа. Таким образом, возникновение метода Монте-Карло как весьма универсального численного метода стало возможным только благодаря появлению ЭВМ.

Само название «Монте-Карло» происходит от города Монте-Карло в княжестве Монако, знаменитого своим игорным домом.

Идея метода чрезвычайно проста и состоит она в следующем. Вместо того, чтобы описывать процесс с помощью аналитического аппарата (дифференциальных или алгебраических уравнений), производится «розыгрыш» случайного явления с помощью специально организованной процедуры, включающей в себя случайность и дающей случайный результат. В действительности конкретное осуществление случайного процесса складывается каждый раз по-иному; так же и в результате статистического моделирования мы получаем каждый раз новую, отличную от других реализацию исследуемого процесса.

Что она может нам дать? Сама по себе ничего, так же как, скажем, один случай излечения больного с помощью какого-либо лекарства. Другое дело, если таких реализаций получено много. Это множество реализаций можно использовать как некий искусственно полученный статистический материал, который может быть обработан обычными методами математической статистики. После такой обработки могут быть получены любые интересующие нас характеристики: вероятности событий, математические ожидания и дисперсии случайных величин и т. д. При моделировании случайных явлений методом Монте-Карло мы пользуемся самой случайностью как аппаратом исследования, заставляем ее «работать на нас».

Нередко такой прием оказывается проще, чем попытки построить аналитическую модель. Для сложных операций, в которых участвует большое число элементов (машин, людей, организаций, подсобных средств), в которых случайные факторы сложно переплетены, где процесс - явно немарковскпй, метод статистического моделирования, как правило, оказывается проще аналитического (а нередко бывает и единственно возможным).

В сущности, методом Монте-Карло может быть решена любая вероятностная задача, но оправданным он становится только тогда, когда процедура розыгрыша проще, а не сложнее аналитического расчета. Приведем пример, когда метод Монте-Карло возможен, но крайне неразумен. Пусть, например, по какой-то цели производится три независимых выстрела, из которых каждый попадает в цель с вероятностью 1/2. Требуется найти вероятность хотя бы одного попадания. Элементарный расчет дает нам вероятность хотя бы одного попадания равной 1 - (1 / 2)3 = 7 / 8. Ту же задачу можно решить и «розыгрышем», статистическим моделированием.

Вместо «трех выстрелов» будем бросать «три монеты», считая, скажем, герб - за попадание, решку - за «промах». Опыт считается «удачным», если хотя бы на одной из монет выпадет герб. Произведем очень-очень много опытов, подсчитаем общее количество «удач» и разделим на число N произведенных опытов. Таким образом, мы получим частоту события, а она при большом числе опытов близка к вероятности.

Применить такой прием мог бы разве человек, вовсе не знающий теории вероятностей, тем не менее, в принципе, он возможен.

Метод Монте-Карло - это численный метод решения математических задач при помощи моделирования случайных величин.

Рассмотрим простой пример иллюстрирующий метод.

Пример 1. Предположим, что нам нужно вычислить площадь плоской фигуры S. Это может быть произвольная фигура с криволинейной границей, заданная графически или аналитически, связная или состоящая из нескольких кусков. Пусть это будет фигура расположена внутри единичного квадрата.

Выберем внутри квадрата N случайных точек. Обозначим через F число точек, попавших при этом внутрь S. Геометрически очевидно, что площадь S приближенно равна отношению F / N. Чем больше N, тем больше точность этой оценки.

Первая особенность метода - простая структура вычислительного алгоритма.

Вторая особенность метода - погрешность вычислений, как правило, пропорциональна D / N2, где D - некоторая постоянная, N - число испытаний. Отсюда видно, что для того, чтобы уменьшить погрешность в 10 раз (иначе говоря, чтобы получить в ответе еще один верный десятичный знак), нужно увеличить N (т. е. объем работы) в 100 раз.

Ясно, что добиться высокой точности таким путем невозможно. Поэтому обычно говорят, что метод Монте-Карло особенно эффективен при решении тех задач, в которых результат нужен с небольшой точностью (5-10%). Способ применения метода Монте-Карло по идее довольно прост. Чтобы получить искусственную случайную выборку из совокупности величин, описываемой некоторой функцией распределения вероятностей, следует:

1. Построить график или таблицу интегральной функции распределения на основе ряда чисел, отражающего исследуемый процесс (а не на основе ряда случайных чисел), причем значения случайной переменной процесса откладываются по оси абсцисс (х), а значения вероятности (от 0 до 1) - по оси ординат (у).

2. С помощью генератора случайных чисел выбрать случайное десятичное число в пределах от 0 до 1 (с требуемым числом разрядов).

3. Провести горизонтальную прямую от точки на оси ординат соответствующей выбранному случайному числу, до пересечения с кривой распределения вероятностей.

4. Опустить из этой точки пересечения перпендикуляр на ось абсцисс.

5. Записать полученное значение х. Далее оно принимается как выборочное значение.

6. Повторить шаги 2-5 для всех требуемых случайных переменных, следуя тому порядку, в котором они были записаны. Общий смысл легко понять с помощью простого примера: количество звонков на телефонную станцию в течение 1 минуты соответствует следующему распределению:

Предположим, что мы хотим провести мысленный эксперимент для пяти периодов времени.

Построим график распределения кумулятивной вероятности. С помощью генератора случайных чисел получим пять чисел, каждое из которых используем для определения количества звонков в данном интервале времени.

Взяв еще несколько таких выборок, можно убедиться в том, что если используемые числа действительно распределены равномерно, то каждое из значений исследуемой величины будет появляться с такой же частотой, как ирреальном мире», и мы получим результаты, типичные для поведения исследуемой системы.

Нетрудно понять, что наш метод вычисления площади будет справедлив только тогда, когда случайные точки будут не просто «случайными», а еще и «равномерно разбросанными» по всему квадрату.

В задачах исследования операций метод Монте-Карло применяется в трех основных ролях:

1) при моделировании сложных, комплексных операций, где присутствует много взаимодействующих случайных факторов;

2) при проверке применимости более простых, аналитических методов и выяснении условий их применимости;

3) в целях выработки поправок к аналитическим формулам типа «эмпирических формул» в технике.

3. Практическое задание

Приведенные данные о денежных потоках

Рассчитайте для каждого потока показатели FV при r = 15% для двух случаев:

А) потоки имеют место на начало года

Б) потоки имеют место в конце года.

Решение

А) определим величину чистой настоящей стоимости потоков в начале года:

А = (100 / 1) + (200 / 1.15) + (200 / 1.15²) + (300 / 1.15³) + (300 / 1.15⁴) =

= 100 + 173.9 + 151.2 + 197.4 + 171.5 = 794 грн

Б = 600 / 1 = 600 грн

В = 1200 / 1.15⁴ = 686.1 грн

Г = (200 / 1) + (200 / 1.15²) + (200 / 1.15⁴) = 200 + 151.2 + 114.3 = 465.5 грн

Б) определим величину чистой настоящей стоимости потоков в конце года:

А = (100 / 1.15) + (200 / 1.15²) + (200 / 1.15³) + (300 / 1.15⁴) + (300 / 1.15⁵) =

= 86.95 + 151.23 + 131.57 + 171.52 + 149.18 = 690.45 грн

Б = 600 / 1.15 = 521.74 грн

В = 1200 / 1.15⁵ = 596.72 грн

Г = (200 / 1.15) + (200 / 1.15³) + (200 / 1.15⁵) = 173.9 + 131.58 + 99.45 = 404.93 грн

Список используемой литературы

маржинальный анализ безубыточность моделирование монте карло

1. Бланк И. А. Основы финансового менеджмента. - К.: Ника-Центр, Эльга, 2000. - 588 с

2. Водачек Л., Водачкова О. Стратегия управления инновации на предприятии. - К: Экономика, 2005. - 435 с

3. Евреинов Э. В., Каймин В. А. Оценка инвестиций с применением компьютерной техники. - Х: ИНФРА, 2003. - 512 с

4. Ильенкова Н. Д. Спрос: анализ и управление. - Х: Финансы и статистика, 2004. - 245 с

5. Инновационный процесс в странах развитого капитализма (методы, формы, механизм) // под ред. Рудаковой И. Е. - К: КНЭУ, 2003. - 213 с

6. Методические указания по оценке эффективности инвестиционных проектов и их для финансирования. - К: Информ, 2004. - 250 с

7. Моисеева Н. К. Современное предприятие: конкурентоспособность, маркетинг, обновление. - Х: Дело, 2003. - 316 с

8. Морозов Ю. П. Управление технологическими нововведениями в условиях рыночных отношений. - К: Наука, 2005. - 269 с

9. Санто Б. Инновация как средство экономического развития. - К: Прогресс, 2006. - 499 с

10. Серегин А. М. Эффективность малого бизнеса. - К: Экономика, 2004. - 366 с

11. Твисс Б. Управление научно-техническими нововведениями. - К: Экономика, 2003. - 474 с

12. Хучек М. Инновации на предприятиях и их внедрение. - К: Луч, 2006. - 287 с

Размещено на Allbest.ru