МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЗАПАСОВ ПРИ РЕАЛИЗАЦИИ

ЭКОНОМИКА
но-инвестиционных проектов в сфере электроэнергетики решить
проблему учета динамики требований потребителей.
В-третьих, инновационная составляющая инновационно-инвестиционных проблем развития отечественной электроэнергетики
во многом определяется нерешенностью фундаментальных проблем
в сфере эффективного энергопользования и энергосбережения в
условиях ускорения научно-технического прогресса и объективной
необходимости учета энергетических требований в рамках пятого
и шестого технологического укладов (табл.2). Этот факт требует
при оценке эффективности инновационно-инвестиционных проектов в сфере электроэнергетики решить проблему учета технологических пределов, обеспечиваемых передовыми системами электроэнергетики в части эффективного энергопользования, энергосбережения и т.д.
В-четвертых, масштабность и долгосрочность реализации инновационно-инвестиционных проектов в сфере электроэнергетики
приводит к тому, что в условиях изменения структуры инвестиционных ресурсов при сокращении доли государственного капитала
и постепенном замещении его частным капиталом, в сочетании с
внедрением тарифного метода доходности инвестированного капитала (RAB - Regulatory Asset Base), продолжается поиск рациональных схем инвестирования указанных проектов и программ. В этих
условиях при оценке эффективности инновационно-инвестиционных проектов принципиальное значение приобретает учет не только традиционных показателей, отражающих получаемые результаты (чистую текущую стоимость, внутреннюю норму доходности,
индекс рентабельности, период окупаемости и т.д.), но и показатели изменения эффективности хозяйственной деятельности предприятий – участников проектов, а также влияние инновационно-инвестиционных проектов на финансовое положение и платежеспособность рассматриваемых предприятий электроэнергетики.
В-пятых, в условиях разделения функционально связанных
подсистем сферы электроэнергетики на генерирующие, транспортирующие и сбытовые компании возросла сложность организации
инновационно-инвестиционных проектов, что также осложняет
оценку их эффективности.
В-шестых, в практике оценки эффективности инновационноинвестиционных проектами в сфере электроэнергетики до настоящего времени доминируют затратные показатели и практически не
используются прогрессивные показатели, начиная от показателей
инновативности и заканчивая снижением себестоимости единицы
продукции в результате реализации проекта или программы.
На основе выявленных в работе проблем оценки эффективности инновационно-инвестиционных проектов в сфере электроэнергетики был разработан алгоритм их решения (рис.1).
Предложенный алгоритм включает: аналитический блок, направленный на формирование критериев оценки эффективности
инновационно-инвестиционных проектов в сфере электроэнергетики; ситетический блок, направленный на формирование технологии оценки эффективности инновационно-инвестиционных проектов в сфере электроэнергетики; методический блок, направленный на внедрение соответствующих методов оценки.
МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЗАПАСОВ ПРИ РЕАЛИЗАЦИИ
ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ПО СТРОИТЕЛЬСТВУ АВТОМОБИЛЬНЫХ
ДОРОГ
Покровский А.М., к.э.н., доцент и докторант РЭУ им. Г.В. Плеханова
Представлена методика прогнозирования необходимых запасов в инвестиционных проектах по строительству автомобильных дорог.
Предложено, для более качественного управления запасами - построение модели для использования прогнозирования временного ряда.
Ключевые слова: инфраструктурные проекты, управленческие решения, методы прогнозирования, инвестиции, автомобильные дороги.
METHODS FOR FORECASTING RESERVES FOR IMPLEMENTATION OF
INVESTMENT PROJECTS ON CONSTRUCTION OF ROADS
Pokrovsky A., Ph.D., Docent and Doctorant, Plekhanov Russian University of Economics
A method for forecasting inventory management in the investment projects on construction of roads. Suggested for better inventory management construction of a model for forecasting time series.
Keywords: infrastructure projects, management solutions, methods of forecasting, investment, roads.
В процессе подготовки и реализации инвестиционных проектов по строительству автомобильных дорог принятие управленческих
решений могут быть предложены на основе прогнозирования необходимых запасов материалов, не находящихся на складах компании
осуществляющей инфраструктурный проект или её подрядчиков (песка, гравия, битума и т.д.), особенно в условиях ограниченности
ресурсной базы из-за удалённости и перебоев в поставках. Учитывать только мнения менеджеров и информационные сообщения как
поставщиков, так и подрядчиков недостаточно и рискованно, поэтому в системе управления запасами предлагается использовать количественную расчетную методику, которая будет оказывать существенную роль в модификации прогнозов при нестандартных обстоятельствах. Ранее, нами предлагалось использовать методы прогнозирования в управлении запасами инфраструктурных проектов вообще, а
учитывая практическую необходимость, в настоящее время, в таком прогнозировании в инвестиционном проекте по строительству автодороги в Туркмении Ашхабад – Мары, передо мною, как отвечающим за финансовую составляющую проекта и риски, встал вопрос о
снижении рисков по товарным запасам и прогнозированию их достаточности. Так как прогнозирование - важный момент принятия решения в управлении запасами инвестиционной компании осуществляющей инфраструктурный проект, то при управлении запасами материалов необходимо оценить степень необходимости каждого материала, которая осуществляется на основе анализа статистических данных
о реализации каждого типа материала в течение определенного периода времени. Качество прогноза непосредственно отражается на
качестве принимаемых управленческих решений. Для эффективного управления важно выбрать обоснованный метод и методику прогнозирования. Используемые методы прогнозирования зависят от вида бизнес решений.
При прогнозировании используем категории краткосрочный (период динамики спроса больше длительности прогнозного периода),
среднесрочный (равенство периодов), долгосрочный прогноз (период динамики спроса для которого меньше периода прогноза).
Методы прогнозирования делятся на следующие категории:
· качественные методы - где нет формальной математической модели часто из-за того, что имеющиеся данные не являются представителями будущего состояния (долгосрочный прогноз);
· метод регрессии - продолжение линейной регрессии, где предполагается, что переменная линейно зависит от ряда других переменных;
· методы множества уравнений - где имеется ряд переменных, которые взаимозависят посредством ряда уравнений (эконометрические модели);
20 TRANSPORT BUSINESS IN RUSSIA
ЭКОНОМИКА
·
методы анализа рядов динамики - где мы имеем одну переменную, которая изменяется во времени и ее будущие значения зависят
от прошлых.
Разделив спрос на элементы: средний спрос для периода, тренд, сезонные влияния, циклическая составляющая, автокоррекция (связь
с предшествующими значениями) и случайная вариация (то, что остается).
Чаще всего в управлении запасами при прогнозировании спроса пользуются методом анализа рядов динамики[2]. Исходят из того, что
переменная изменяется во времени и зависит только от времени и своих прошлых значений. Обычно прогнозирование спроса ведется на
уровне средних значений и дисперсий. Если таковые оценены, то далее принимают функцию о виде распределения. Чтобы учесть колебания временных рядов применяют различные методы прогнозирования и анализа. При анализе временных рядов особое внимание уделяется исследованию и описанию их структуры. Такие исследования заключается в построении модели, используемой для прогнозирования
временного ряда.
В общем виде модель временного ряда выглядит так[1]:
(1)
где
- уравнение тренда, оно описывает тенденцию в изменении анализируемого признака xt. Это долговременная постоянная
составляющая;
- сезонная компонента, формирующая периодически повторяющиеся в определенное время года колебания анализируемого признака;
- случайная величина, которая не поддается учету и регистрации.
Анализ методов прогнозирования показал, что метод экспоненциального сглаживания в большей степени отвечает необходимым
требованиям для прогнозирования спроса на материалы.
Метод экспоненциального сглаживания заключается в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в которой веса подчиняются экспоненциальному закону. Взвешенная скользящая средняя с экспоненциальными весами характеризует значение процесса на конце интервала сглаживания, т.е. является характеристикой последних уровней ряда. Именно это свойство
используется для прогнозирования. Ряд xt (t=1,2,…,n) описывается полиномом p-степени[2]:
( 2)
Необходимо по данным ряд xt составить прогноз на моменты времени t=n+l (l=1,2,…,L) путём взвешивания наблюдений ряда xt таким
образом, чтобы более поздним наблюдениям придавались большие веса, чем более ранним наблюдениям.
Прогноз уровней ряда xt в момент времени t=n+l строим с помощью разложения в ряд Тейлора:
( 3)
где
-к-я производная, взятая в момент t.
Экспоненциальная средняя первого порядка для ряда
будет выглядит так:
( 4)
где
<– параметр сглаживания (0 < • < 1).
Экспоненциальная средняя k-го порядка для ряда
имеет вид:
( 5)
Рекуррентная формула для определения экспоненциальной средней k-го порядка следующая:
( 6)
В качестве формул для оценки коэффициентов модели берём линейную и квадратичную модели тренда.
TRANSPORT BUSINESS IN RUSSIA
21
ЭКОНОМИКА
( 7)
( 8)
После соответствующих преобразований получаем формулы для прогноза по линейной модели:
( 9) , где
и по квадратичной модели:
( 10)
где
Начальные условия
определяются с помощью специальной формулы Брауна. Значения коэффициентов a0, a1 и a2 в этих
формулах находятся с помощью метода наименьших квадратов.
Используя приведённый метод прогноза можно на практике использовать, при создании системы управления запасами при реализации проектов по строительству автодорог.
Литература:
1. В. П. Бочарников, Fuzzy-технология: математические основы. Практика моделирования в экономике. Издательство: Наука, 2001 г.
2. Эффективное управление запасами / Джон Шрайбфедер ; Пер. с англ. — 2-е изд. — М.: Альпина Бизнес Букс, 2006. — 304 с.
22 TRANSPORT BUSINESS IN RUSSIA