Глава 1               Определение факторов изменения прибыли на примере компании

1.1        Общая характеристика компании ОАО «Магнитогорский металлургический комбинат»

ОАО «Магнитогорский металлургический комбинат» (далее ОАО «ММК») входит в число крупнейших мировых производителей стали и занимает лидирующие позиции среди предприятий черной металлургии России.

Активы компании в России представляют собой крупный металлургический комплекс с полным производственным циклом, начиная с подготовки железорудного сырья и заканчивая глубокой переработкой черных металлов.

ММК производит широкий сортамент металлопродукции с преобладающей долей продукции с высокой добавленной стоимостью.

ОАО «ММК» создано как государственное предприятие «Магнитогорский завод» в 1925 году. в 1992 в рамках приватизации Магнитогорский металлургический комбинат становится акционерным обществом открытого типа.

Миссия ОАО «ММК»: Производство и сбыт высококачественной металлопродукции, удовлетворяющей потребностям наших клиентов, для получения прибыли в объеме, достаточном для развития предприятия до уровня лидирующей мировой компании и проведения разумной социальной политики.

Основной стратегической целью ОАО «ММК» является сохранение долговременной конкурентоспособности на мировом рынке металлопроката. Для достижения поставленных целей ОАО «ММК» реализует следующие стратегии:

1. Ориентация на российский рынок и рынок СНГ
2. Производство уникальных для российского рынка видов металлопродукции.
3. Повышение эффективности.
4. Обеспечение поставок сырья и энергии.
5. Соответствие высоким стандартам корпоративной этики и управления,
6. соблюдения интересов инвесторов и акционеров.
7. Обеспечение высокого качества выпускаемой продукции.
8. Укрепление позиций ОАО «ММК» на международном рынке металлопродукции.

ОАО «ММК» действует на высококонкурентном рынке. В 2011 году мировое производство стали по данным World Steel Association (WSA) по сравнению с 2010 увеличилось на 6,8% и составило 1,527 млрд тонн. Несмотря на волантильность экономической ситуации на мировом рынке и сокращение объемов выплавки стали к концу года, данный результат является рекордным для отрасли[1]. Основной прирост в глобальном производстве стали в последние годы происходит лишь за счет относительно небольшой группы стран — Китай, Индия, Южная Корея и Турция. За прошлый год эти четыре государства в совокупности увеличили выпуск на 9,9%, а по сравнению с 2007 годом на 42,6%.

При этом, в последние годы для металлургических компаний России постоянно ухудшается внешнеэкономическая конъюнктура. Крупнейшие покупатели российской стали Турция, Иран, Индия, страны Ближнего Востока и Европы либо создают импортозамещающие мощности, либо ограничивают импорт стальной продукции в силу экономических или политических причин. И в этом отношении 2012 год не сулит никаких изменений к лучшему. В связи с этим для российских металлургов все более важными становятся проблемы сокращения расходов с целью оптимизации финансовых показателей.

[1] WSA подвела итоги 2011 года [Электронный ресурс] — Режим доступа: http://www.rusmet.ru/news.php?act=show_news_item&id=59194, свободный. — (Дата обращения — 16.04.2012)

При проверке качества регрессионной модели целесообразно оценить также значимость коэффициентов регрессии. Эта оценка проводится по f-статистике Стьюдента путем проверки гипотезы о равенстве нулю k-ro коэффициента регрессии (k = 1,2,…, т). Расчетное значение it-критерия с числом степеней свободы (п — т — 1) находят путем деления k-то коэффициента регрессии на среднеквадратическое отклонение этого коэффициента, которое в свою очередь вычисляется как квадратный корень из произведения несмещенной оценки дисперсии остаточной компоненты и i-го диагонального элемента матрицы, обратной матрице системы нормальных уравнений относительно параметров модели. Это расчетное значение сравнивается с табличным значением критерия Стьюдента при заданном уровне значимости, и если оно больше табличного значения, коэффициент регрессии считается значимым. В противном случае соответствующий данному коэффициенту регрессии фактор следует исключить из модели, при этом качество модели не ухудшится.

Если связь отдельного фактора с результатом не является линейной, то производят линеаризацию уравнения. Для упрощения решения системы нормальных уравнений значения всех признаков заменяют на отклонения индивидуальных значений признаков от их средних величин. Полученные коэффициенты регрессии являются именованными числами и показывают, на сколько изменится результативный признак (по отношению к своей средней величине) при отклонении факторного признака от своей средней на единицу и при постоянстве (фиксированном уровне) других факторов.

Сложные экономические процессы описывают с помощью системы взаимосвязанных (одновременных) уравнений.

Различают несколько видов систем уравнений, применяемых в эконометрике:

– система независимых уравнений – когда каждая зависимая переменная y рассматривается как функция одного и того же набора факторов х_i

Для построения такой системы и нахождения ее параметров используется метод наименьших квадратов, применяемый к каждому уравнению в отдельности;

– система рекурсивных уравнений – когда зависимая переменная у одного уравнения выступает в виде фактора х в другом уравнении

Для построения такой системы и нахождения ее параметров используется метод наименьших квадратов, применяемый последовательно к каждому уравнению в отдельности;

– система взаимосвязанных (совместных) уравнений – когда одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других – в правую

Такая система уравнений называется структурной формой модели.

На основании проведенного в данной главе дипломной работы теоретического исследования можно сделать следующие выводы:

Возрастающая конкуренция между компаниями, обострившаяся борьба за ограниченные ресурсы, и прежде всего капитал, предъявляют все более жесткие требования к качеству управления финансами и эффективности бизнеса в целом.

Новые подходы к управлению компанией требуют нового инструментария и качественного изменения всего процесса управления финансами.

В подобных условиях особое значение придается определению стратегической цели и показателей, определяющих степень ее достижения и выполнения поставленных задач. При этом современные рыночные условия хозяйствования характеризуются высокой степенью неопределенности (особенно на рынках сырьевых товаров), поэтому планирование представляет собой трудоемкий и дорогостоящий процесс.

В связи с этим представляется целесообразным использование в системе планирования экономико-математических моделей.

Исследования остатков е, предполагают проверку наличия следующих пяти предпосылок МНК[1]:

• случайный характер остатков;
• нулевая средняя величина остатков, не зависящая от х,-;
• гомоскедастичность — дисперсия каждого отклонения Е, одинакова для всех значений х;
• отсутствие автокорреляции остатков. Значения остатков е7 распределены независимо друг от друга;
• остатки подчиняются нормальному распределению.

В тех случаях, когда все пять предпосылок выполняются, оценки, полученные по МНК и по методу максимального правдоподобия, совпадают между собой. Если распределение случайных остатков е, не соответствует некоторым предпосылкам МНК, то следует корректировать модель.

При нарушении гомоскедастичности и наличии автокорреляции ошибок рекомендуется традиционный метод наименьших квадратов (известный в английской терминологии как метод OLS — Ordinary Least Squares) заменять обобщенным методом, млн. е. методом GLS (Generalized Least Squares).

Обобщенный метод наименьших квадратов применяется к преобразованным данным и позволяет получать оценки, которые обладают не только свойством несмещенности, но и имеют меньшие выборочные дисперсии.

Статистическая надежность регрессионного уравнения в целом оценивается на основе F-критерия Фишера: проверяется нулевая гипотеза о несоответствии представленных регрессионным уравнением связей реально существующим (H₀: a₀= a₁=a₂=…=a_m=0, R=0). Для проверки H₀ следует рассчитать значение F-критерия (F_р) и сравнить его с табличным значением (F_т), определяемым с использованием таблиц по заданным уровню значимости (a= 05) и числу степеней свободы (d.f.1 = m-1 и d.f.2 = n-m). F_р определяется из соотношения факторной и остаточной дисперсий, рассчитанных на одну степень свободы по формуле:

,

где D_факт, D_ост – суммы квадратов отклонений, характеризующие факторную и остаточную вариации результативного признака. В случае однофакторного дисперсионного комплекса D_факт и D_ост выражаются в соответствии с (2.11),

d.f.1 = m-1 – число степеней свободы факторной дисперсии,

d.f.2 = n-m – число степеней свободы остаточной дисперсии.

где y_ij, – значения результативного признака у i–й единицы в j–й группе,

i – номер единицы совокупности,

j – номер группы,

n_j – численность j–й группы,

– средняя величина результативного признака в j–й группе,

– общая средняя результативного признака.

Если F_р > F_т, то гипотеза H₀ отвергается. При этом с вероятностью 1-a = 0,95, или 95%, принимается альтернативная гипотеза о неслучайной природе оцениваемых характеристик, т.е. признается статистическая значимость регрессионного уравнения и его параметров.

[1] Статистическое моделирование и прогнозирование: Учеб. пособие / Под ред. А. Г. Гранберга. — М.: Финансы и статистика, . 1990.-С. 158.

Эконометрическая модель, как правило, основана на теоретическом предположении о круге взаимосвязанных переменных и характере связи между ними. При всем стремлении к «наилучшему» описанию связей приоритет отдается качественному анализу.

Эндогенными переменными называются взаимозависимые переменные, которые определяются внутри модели (системы) – переменные y.

Экзогенными переменными называются независимые переменные, которые определяются вне системы – переменные х.

Предопределенными переменными называются экзогенные и лаговые (за предыдущие моменты времени y–1, y–2,… ) эндогенные переменные системы.

Коэффициенты а и b при переменных носят название структурных коэффициентов модели.

Эконометрические модели можно классифицировать по ряду классификационных признаков. Так, по аналитической форме модели (уравнения) выделяют линейные, нелинейные, степенные модели, модели Брандона и др.

Линейная функция: y=a+bx;

Нелинейные функции: y= a+b/x — гипербола;

y=a+bx+cx² – парабола;

y=a+bx+cx²+dx³ — кубический многочлен;

y=ax^b –степенная функция;

y=ab^x-показательная функция;

y=a+blgx — логарифмическая функция;

y= 1/(a+bx);

y=a+bx+c(1/x);

y=1/(a+bx+cx²);

y=a/(1+be^-cx).

Одной из предпосылок применения методов регрессионного анализа для построения эконометрических моделей является отсутствие среди независимых переменных (факторов) линейно связанных. Если данная предпосылка не выполняется, то возникает, как уже сказано выше, явление мультиколлинеарности, т.е. наличие сильной корреляции между независимыми переменными (включенными в модель факторами). В математическом аспекте мультиколлинеарность приводит к слабой обусловленности матрицы системы нормальных уравнений, т.е. близости ее определителя к нулю, а в содержательном аспекте — к искажению смысла коэффициентов регрессии и затруднению выявления наиболее существенно влияющих факторов.

Основные причины, вызывающие мультиколлинеарность, — независимые переменные, либо характеризующие одно и то же свойство изучаемого явления, либо являющиеся составными частями одного и того же признака. В настоящее время существует ряд методов, позволяющих оценить наличие мультиколлинеарности в совокупности независимых переменных, измерить ее степень, выявить взаимно коррелированные переменные и устранить или ослабить ее негативное влияние на регрессионную модель. Наиболее распространенным методом выявления мультиколлинеарности является метод корреляции. На практике считают, что две переменные коллинеарны (линейно зависимы), если парный коэффициент корреляции между ними по абсолютной величине превышает 0,8. Устраняют мультиколлинеарность чаще всего путем исключения из модели одного из коррелированных факторов.

Метод наименьших квадратов – метод оценивания параметров линейной регрессии, минимизирующий сумму квадратов отклонений наблюдений зависимой переменной от искомой линейной функции.

Q=∑e²_i =∑(y_i-f(x_i))²→min

где: y_i – статистические значения зависимой переменной;

f(x_i) — теоретические значения зависимой переменной, рассчитанные с помощью уравнения регрессии.

Метод наименьших квадратов позволяет определить коэффициенты уравнения регрессии таким образом, чтобы точки, построенные по исходным данным (x _i ,y _i ) лежали как можно ближе к точкам линии регрессии.

Сумма выплаченных налогов выражает налоговую нагрузку компании и применяется для мониторинга ее финансовой устойчивости и платежеспособности, а также предупреждения банкротства фирмы (высокая положительная динамика данного показателя свидетельствует об ухудшении финансового состояния предприятия). Кроме того возможны затруднения с осуществлением инвестиционной программы, что неминуемо приведет к снижению уровня производства.

Экспорт стали и проката является одним из ключевых индикаторов производственной деятельности, так как в совокупности с другим индикатором, ценой на продукцию  фактически определяет львиную долю выручки компании.

Для российского рынка металлопродукции характерен и прогнозируется, во всяком случае, до 2020 года огромный разрыв между высоким удельным уровнем концентрации производства и низким удельным уровнем размеров потребления металлопродукции массой мелких и средних предприятий, на долю которых, по выполненным расчётам, приходится более 50% общих продаж на внутреннем рынке.

Такой огромный разрыв сложился вследствие[1]:

1. наращивания производственного потенциала в плановой экономике только с позиций промышленной политики, когда экономически эффективным считалось строительство агрегатов большой мощности, а реализация произведенной продукции осуществлялась в централизованном порядке.
2. продолжение в период рыночных преобразований практики ввода в действие высокопроизводительных агрегатов на крупных металлургических комбинатах (электропечи ёмкостью по 180 тонн, высокопроизводительные сортовые станы и др.).

Объёмы же производства и соответственно потребления металлопродукции подавляющей части предприятий существенно сократились.

В результате, как правило, объёмы производства по отдельным прокатным агрегатам в рамках одного периода времени в сотни раз превышают размеры потребления даже самых крупны предприятий. Так, годовые поставки проката ОАО «Автоваз» составляют 4% производства стана холодной прокатки ОАО «Магнитогорский металлургический комбинат»[2].

В целом в настоящее время на долю семи наиболее крупных металлургических компаний (ОАО «Магнитогорский металлургический комбинат», ОАО «Северсталь», ОАО «Новолипеикий металлургический комбинат», ОАО «Западно-Сибирский металлургический комбинат», ОАО «Нижнее-Тагильский металлургический комбинат», ООО «Оскольский электрометаллургический комбинат», ОАО «Уральская сталь») — приходится более 70% общих объёмов поставок российскими металлургическими компаниями металлопродукции на внутренний рынок.

Применительно к избранным финансовым показателям возможно построение прогнозной эконометрической модели на основе многофакторной регрессии.

Главным инструментом эконометрии служит эконометрическая модель, т.е. экономико-математическая модель факторного анализа, параметры которой оцениваются средствами математической статистики. Эта модель выступает в качестве средства анализа и прогнозирования конкретных экономических процессов на основе реальной статистической информации.

[1] Штанский В.А. Принципы и методы формирования торговой политики металлургическими компаниями на внутреннем рынке металлопродукции. Экономика в промышленности,  №2. 2009.

[2] Орлов Д.В. Управление взаимодействием промышленной и торговой политики для обеспечения устойчивости металлургических предприятий // Металлург, №7, 2011.

1.1        Методы прогнозирования прибыли

Прогнозирование прибыли компании всегда было одним из приоритетов в работе специалистов, занимающихся финансовым менеджментом. Методология прогнозирования, как показал проведенный анализ, складывалась в течение длительного времени и сейчас представляет собой хорошо описанную в различных специализированных источниках область финансово-управленческих знаний.

В настоящее время разговор со специалистами о планировании в подавляющем большинстве случаев вызывает смешанные чувства и эмоции. Как представляется, не в последнюю очередь это вызвано пугающей неопределенностью в отношении предстоящих событий. Поскольку будущее неизвестно, наши предположения, скорее всего, никогда не сбудутся в полной мере, поэтому возникают вопросы: где находится предел точности планирования и как относиться к факту «как ни планируй, а все произойдет по-другому»? С помощью представления информации в виде электронных таблиц мы зачастую до смешного просто достигаем кажущегося эффекта точности, логичности и последовательности. Однако совсем не обязательно он соответствует реальности (вернее, почти всегда не соответствует!), и мы разочаровываемся в реальности, своей способности планировать, а также управленческих компетенциях.

Сегодня эта проблема стоит еще более остро. Значительно возросшая неопределенность внешней среды, нестабильность мировой и отечественной экономики, преобладающий негативный фон оказали свое влияние на инструменты управления организациями, создали дополнительные трудности специалистам, отвечающим за корпоративное планирование. Поэтому в компании должны применяться наиболее совершенные инструменты финансового прогнозирования.

Для исследования влияния факторов внешней среды на финансово-экономическое развитие предприятий представляется целесообразным разработка пошаговой методики прогнозирования их финансовых показателей.

Проведенный в предыдущем параграфе дипломной работы анализ позволяет сделать вывод об установлении следующего алгоритма процедуры финансового прогнозирования на основе построения факторных моделей:

1. Корреляционный анализ.
2. Проверка экзогенных факторов на мультиколлинеарность.
3. Построение прогнозной модели и ее качественный анализ.
4. Создание набора предположений о величинах значимых экзогенных факторов в будущем.
5. Сценарный прогноз финансовых показателей предприятия.

На основе мнений о системе ключевых показателей деятельности, выраженных в работах крупнейших специалистов в области корпоративных финансов, в качестве основных, индикативных, показателей рассматриваемого в дипломной работе нефтедобывающего предприятия избраны:

• Чистая прибыль;
• Цена на нефть (долл./барр) марки «Юралс» ;
• Налоги (кроме налога на прибыль) ;
• Экспорт нефти;
• Продажа нефтепродуктов, млн. млн.;
• Выручка;
• Чистая прибыль на одну обыкновенную акцию.

Выбор вышеприведенных показателей в качестве основных финансовых индикаторов ОАО «ММК» обусловлен несколькими факторами.

Динамика показателей выручки и чистой прибыли предприятия сама по себе демонстрирует тенденции в развитии масштабов и результатов его деятельности, показывает, насколько компания продвинулась на рынке реализуемых товаров, увеличила стоимость своего имущества и накопленный финансовый результамлн.

Кроме того, значения выручки, чистой прибыли и стоимости активов хозяйствующего субъекта используются для расчета относительных производных показателей, таких как рентабельность и оборачиваемость капитала, которые, в свою очередь демонстрируют эффективность деятельности фирмы и качество управления ее имуществом.

Финансовое моделирование дает возможность изучить планируемые действия без потери вложенных средств, что делает его незаменимым инструментом для менеджмента компании при оценке различных вариантов развития бизнеса, включая расширение действующего или создание нового производства, выход на новые рынки, развитие сбытовой сети, реструктуризацию, сделки M&A, возможную продажу бизнеса.

Финансово-экономическая модель — это совокупность всех существенных финансово-экономических показателей, характеризующих деятельность компании и функционально увязанных между собой[1]. Эти показатели можно сгруппировать следующим образом:

1. имущество (активы);
2. обязательства (пассивы);
3. денежные потоки (поступления и платежи денежных средств);
4. доходы;
5. расходы.

Данные показатели представлены в трех стандартных формах финансовой отчетности: балансе, отчете о прибылях и убытках и отчете о движении денежных средств. Из этого следует логичный вывод, что результатом работы модели должно явиться получение трех вышеуказанных форм по состоянию на произвольную дату или произвольный период в будущем.

Построить финансово-экономическую модель можно двигаясь по трем векторам:

• от экзогенных (внешних) параметров к эндогенным (внутренним);
• от агрегированных параметров к частным;
• от существенных параметров к несущественным.

Для создания финансовой модели необходимо последовательное выполнение таких шагов, как[2]:

• сбор и анализ исходных данных для финансовой модели (производственные и финансовые показатели);
• выделение ключевых факторов (драйверов модели);
• внешние факторы, влияющие на результаты компании (рыночные тенденции, курсы валюты, инфляция и млн.д.);
• создание и сравнение моделей альтернативных сценариев или вариантов инвестиционных проектов;
• расчет инвестиционных и финансовых показателей, в частности установленных финансовых ковенантов по кредиту;
• анализ стресс-устойчивости бизнеса к изменению внешней среды (например, расчеты с поставщиками).

Модель в обязательном порядке включает:

• динамические связи ключевых показателей, исходных данных и результатов проекта;
• результаты расчетов основные формы финансовой отчетности (как правило, прогнозный баланс, отчет о прибылях и убытках и отчет о движении денежных средств);
• рассчитанные на их основе прогнозные финансовые показатели (включая EBITDA, покрытие процентов и млн.д.) и интегральные показатели эффективности.

Исходные допущения для финансовой модели компании можно классифицировать по следующим областям:

• макроэкономические показатели (инфляция, цены на сырье и готовый товар/услугу, процентные ставки, курсы валют);
• ожидаемая динамика продаж для данного рынка;
• операционные доходы и расходы;
• использование кредита и обслуживание долга;
• налогообложение и дивиденды.

[1] Комплексный экономический анализ хозяйственной деятельности: Учебное пособие / А.И.Алексеева, Ю.В.Васильев, А.В., Малеева, Л.И.Ушвицкий. — М.: Финансы и статистика, 2006. С. 245.

[2] Опарина Н.И. Финансовое моделирование в условиях финансового кризиса // Банковское кредитование, 2009, N 2.

В последнее время стратегическое финансовое управление часто использует как инструмент финансовое моделирование. В условиях кризиса и неопределенности стандартные инструменты финансового планирования зачастую попросту не в состоянии помочь финансовому директору. Тогда одним из выходов для руководителя экономической службы является создание финансовой модели компании.

Если обычно компании достаточно составить годовой бюджет, чтобы более или менее четко определиться со своей будущей экономической политикой, то в условиях резких скачков конъюнктуры бюджеты устаревают раньше, чем их успевают утвердить[1].

Модель избавлена от таких недостатков именно в силу своей природы: это не статичный, а динамичный организм, который трансформируется по мере изменения внешних параметров и учитывает в себе всю имеющуюся в настоящее время информацию. Кроме того, модель — это идеальный инструмент сценарного (what-if) анализа, позволяющий построить абсолютно любой, даже самый фантастичный вариант развития событий, оценить, как изменится состояние экономики и финансов компании при реализации этого сценария, а также выработать адекватную программу необходимых действий.

Финансовое моделирование предполагает построение финансово-экономической модели компании — совокупности существенных для деятельности бизнеса показателей, завязанных между собой функциональными связями. Таким образом, предметом наполнения модели являются не значения показателей, а их соотношения, то есть связи и взаимозависимости. Это значит, что когда модель построена, все показатели, зависящие от других (а таких большинство), формируются внутри модели и могут динамически изменяться по мере изменения внешних для модели данных.

Компания получает конкурентные преимущества, минимизируя риски и избегая потери средств, которых сейчас не хватает еще более остро. При этом трудозатраты можно сократить, грамотно построив логику модели в Excel и используя специализированное ПО[2].

Помимо стандартного Microsoft Excel, для моделирования можно использовать специализированные программные продукты. Наиболее известны из них Project Expert, «Альт-Инвест», продукты фирмы ИНЭК и др. Преимущество же заключается в простоте использования, быстроте построения моделей и низкой вероятности совершения ошибки при описании связей между показателями (так как эти связи в меньшей степени поддаются редактированию).

Однако специализированные продукты обладают одним существенным недостатком: они абсолютно негибкие. В эти продукты заложена какая-то одна модель, в которую можно заносить исходные данные и генерировать отчеты верхнего уровня, но скорректировать эту модель можно лишь в очень небольших пределах. Кроме того, эти продукты более ориентированы на моделирование инвестиционных проектов, а не операционной деятельности компаний.

Excel в этом плане дает абсолютную свободу действий. Смоделировать можно практически все, главное — правильно описать связи между показателями.

Финансовая модель — модель денежных потоков компании, имитирующая ее планируемую или «как есть» деятельность в финансовых оценках. В ее основе — объемные и стоимостные данные, которые с необходимой степенью детализации характеризуют планируемую операционную, финансовую и инвестиционную деятельность. Модель также содержит динамические связи параметров проекта, итоговые финансовые отчеты и аналитические методики их количественной оценки.

[1] Николаев И. Современная альтернатива бюджетированию // Консультант, 2009, N 13.

[2] Пустовит Н. Финансовое моделирование — свежий взгляд на знакомый инструмент // Консультант, 2009, N 15.

Для проверки правильности составления прогноза прибыли и дви­жения денежных средств целесообразно разработать прогнозный ба­ланс. С этой целью используют баланс, составленный на последнюю отчетную дату либо на конец финансового года. Такой метод финансового прогнозирования в литературе называют методом формальных финансовых документов. В основе этого метода лежит прямо пропор­циональная зависимость практически всех переменных издержек и большей части текущих активов и текущих обязательств от объема продаж, поэтому этот метод иногда называют прогнозированием на основе процента от продаж. В соответствии с этим методом осуществляется расчет потребности предприятия в активах с целью обеспечения увеличения объема реализации продукции и прибыли предприятия. Этот расчет базируется на условии, что активы предприятия возрастают прямо пропорционально росту объема продаж, а следовательно, для прироста активов предприятию необходимы дополнительные источники финансирования.^[1]

Задачей прогнозного баланса и будет расчет структуры источников финансирования, так как возникшую разницу между активом и пассивом прогнозного баланса необходимо будет перекрыть за счет дополнительных источников внешнего финансирования. Процесс составления прогнозов прибыли и баланса завершается, как правило, выбором путей привлечения дополнительных финансовых ресурсов и анализом последствий такого выбора. Выбор источников финансирования одновременно является и коррекцией баланса. Составление этих документов не дает полной картины о финансовой устойчивости предприятия. Для того чтобы оценить платежеспособность и ликвидность прогнозируемого баланса, кроме прогноза прибыли и баланса обязательно составляется прогноз движения денежных средств.

Планирование и прогнозирование финансовых показателей деятельности компании всегда было одним из приоритетов в работе специалистов, занимающихся финансовым менеджментом. Методология планирования и прогнозирования складывалась в течение длительного времени и сейчас представляет собой хорошо описанную в различных специализированных источниках область финансово-управленческих знаний.

Планирование и прогнозирование особенно актуально в свете усиления важности стратегической составляющей деятельности финансового менеджмента компании. Финансовый менеджмент является интегрирующей подсистемой системы стратегического управления в организации. Содержание финансового управления существенно изменилось за последнее время. Задачи финансового менеджмента «уже не сводятся к правильному составлению бухгалтерской и налоговой отчетности и своевременному отражению результатов деятельности компании. Финансовые директора теперь вовлечены во все бизнес-процессы, играют значительную роль в принятии, поддержке и эффективном исполнении стратегических решений и практических действий, направленных на увеличение производительности, сокращение затрат и достижение прибыльности»[2].

Финансовый менеджмент нацелен на оптимизацию денежных потоков организации, а способность генерировать будущие финансовые потоки определяет стоимость организации, максимизация которой является целью коммерческой деятельности. Поэтому Джозеф Синки определяет термин «финансовый менеджмент» как «подход к управлению, целью которого является максимизация акционерной стоимости, а оценка соотношения «риск — прибыль» и управление риском служат основой для управления повседневной деятельностью»[3].

Таким образом, стратегическое финансовое управление — это процесс, направленный на обеспечение долгосрочного стабильного роста стоимости организации в ходе реализации стратегии в условиях неопределенности внешних и внутренних факторов.

[1] Шохина Е.И. Финансовый менеджмент:Учебное пособие.- М.:КНОРУС, 2010. – С.213

[2] Финансовый директор как интегратор бизнеса / Рид С., Шойерман Х.-Д. и группа mySAP ERP Financials. М.: Альпина Бизнес Букс, 2007.  с. 10.

[3] Джозеф Ф. Синки-мл. Финансовый менеджмент в коммерческом банке и индустрии финансовых услуг. М.: Альпина Бизнес Букс, 2007. с. 13.

Все поступления и платежи отображаются в плане денежных потоков в периоды времени, соответствующие фактическим датам осуществления этих платежей, с учетом времени задержки оплаты за реализованную продукцию или услуги, времени задержки платежей за поставки материалов и комплектующих изделий, условий реализации продукции, а также условий формирования производственных запасов.

Прогнозирование денежных поступлений предполагает расчет объема возможных денежных поступлений. Основным источником поступления денежных средств является реализация товаров. На прак­тике большинство предприятий отслеживает средний период времени, который потребуется покупателям для того, чтобы оплатить счета, т.е. определяет средний срок документооборота.

Основным элементом этапа прогнозирования оттока денежных средств является погашение кредиторской задолженности. Считается, что предприятие оплачивает свои счета вовремя. Если же кредитор­ская задолженность не погашается своевременно, то отсроченная кредиторская задолженность становится дополнительным источником краткосрочного финансирования.

Расчет чистого денежного потока осуществляется путем сопоставления прогнозируемых денежных поступлений и выпламлн.

Таким образом, прогноз движения денежных средств демонстрирует движение денежных средств и отражает деятельность предприятия в динамике от периода к периоду.

Данные об избытке или дефиците показывают, в каком месяце можно ожидать поступления наличности, а в каком — нельзя, поэтому эти два параметра исключительно важны. Иными словами, они отражают то, как бизнес приносит денежные средства (быстро или медленно). Конечное сальдо банковского счета ежемесячно показывает состояние ликвидности. Отрицательная цифра не только означает, что предприятию потребуются дополнительные финансовые ресурсы, но показывает необходимую для этого сумму, которая может быть получена путем использования различных финансовых методов. Прогноз движения денежных средств содержит три основных раздела, отражающих движение денежных средств в результате текущей, инвестиционной и финансовой деятельности.

Прогноз движения денежных средств совершенно отличается от прогноза прибыли и показывает движение денежных средств, а не заработанную прибыль. В прогнозе прибыли отражается операционная деятельность предприятия, определяется эффективность с точки зрения покрытия производственных затрат доходами от реализации производственной продукции или услуг. В отличие от него прогноз движения денежных средств содержит дополнительных раздела: чистый денежный поток от инвестиционной деятельности и чистый денежный поток от финансовой деятельности.

Существуют несколько параметров, которые появляются в прогнозе прибыли и отсутствуют в прогнозе движения денежных средств и наоборомлн. В прогнозе прибыли отсутствуют данные о капитальных платежах; о дотациях, о НДС, а в прогнозе движения денежных средств нет сведений об амортизации. Амортизационные отчисления относят к разряду калькуляционных издержек, которые рассчитываются в соответствии с установленными нормами амортизации и относят в процессе расчета прибыли к затратам. Реально же начисления амортизационных отчислений никуда не выплачивается и остается на счете предприятия, пополняя остаток ликвидных средств, в прогнозе движения денежных средств отсутствует статья «Амортизационные отчисления». Таким образом, амортизационные отчисления играют особую и очень важную роль в системе учета планирования деятельности предприятия, являясь внутренним источником финан­сирования. Они являются фактором, стимулирующим инвестицион­ную деятельность. Чем больше остаточная стоимость активов предпри­ятия и выше нормы амортизации, тем меньше налогооблагаемая прибыль и соответственно больше чистый денежный поток от производственной деятельности предприятия.