2.  Оценка инвестиционного проекта ремонта квартиры

Для того, чтобы квартира всегда радовала глаз необходимо периодически проводить в ней ремонт. Для этого необходимо предварительно составить смету расходов (таблица 1.) и подсчитать эффективность проекта.

Таблица 1.

Исходные данные для определения доходности проекта

Необходимо определить:

·        поток реальных денег,

·        коэффициент дисконтирования проекта,

·        чистый дисконтированный доход проекта,

·        чистую текущую стоимость по годам реализации проекта,

·        индекс доходности и среднегодовую рентабельность проекта,

·        внутреннюю норму доходности проекта: расчетно и графически,

·        срок окупаемости проекта: расчетно и графически,

·        точку безубыточности проекта: расчетно и графически.

Решение:

Поток реальных денег за каждый день.

Определение единовременных затрат: руб.

1-    ый день: 1000 + 1000 = 2000 руб.

19-ый день: 4000 руб.

Определение поступлений хозяина квартиры:

Каждый день по 495 – 200 = 295 руб.

Расчет потока реальных денег представлен в таблице 2.

Таблица 2.

Данные для диаграммы Cash Flow, руб.

Определение коэффициента дисконтирования проекта:

d = 0,00019.

Определение чистого дисконтированного дохода и чистой текущей стоимости (таблица 3.).

, где D_i – доходы i-го периода, К_i – затраты i-го периода.

.[2]

Таблица 3.

Расчет чистого дисконтированного дохода по проекту

Индекс доходности и среднедневная рентабельность проекта.

[3]

Среднедневная рентабельность проекта:

[4]

Вычисление внутренней нормы доходности.

Так как в данной работе рассматривается один только месяц проекта, то просчитать внутреннюю норму доходности очень сложно, практически невозможно отследить изменения ЧДД в связи с очень коротким периодом.

Вычисление срока окупаемости и точки безубыточности простоя бессмысленно, так как проблема состоит в проведении ремонта, а не в производстве какого-либо продукта. Поэтому лучше всего сразу перейти к прогнозированию.

3.  Прогнозирование проекта по ремонту квартиры

В этой части работы будет рассмотрен такой показатель проекта как общие затраты на ремонт. Они представлены в таблице 4.

Таблица 4.

Данные для прогнозирования

Требуется:

1.                          Определить тип временного ряда анализируемых данных и его средний уровень. Построить график данного динамического ряда.

В данном вопросе используется моментный ряд. Найдем средний уровень этого ряда, используя среднее арифметическое:

З_ср = (200 + 200 + 200 +200 + 200 + 4000)/6 = 233,33 руб.

Построим график данного динамического ряда:

2.                          Построить линейную трендовую модель, отражающую изменение анализируемого показателя.

Для построения модели воспользуемся системой уравнений

 где n – численность совокупности (в данном случае n = 6).[5]

5000 = 6а + 21b,

27000 = 21a + 91b.

Решая эту систему получается уравнение тренда:

У= -1066,68 + 542,86х.

3.                          Найти остатки е_t = Y_t - _t, дисперсию остатков  и коэффициент множественной детерминации R². Расчеты представлены в таблице 5.

4.                          С помощью F-критерия Фишера оценить статистическую значимость коэффициента множественной детерминации для уровня значимости 0,05. По результатам проверки сделать вывод о приемлемости построенной трендовой модели, отразить ее на графике, полученном в п. 1.

Коэффициент детерминации равен R² = 0,746. Он показывает, какая часть дисперсии зависимой переменной Y объясняется построенной трендовой моделью. В данном случае модель объясняет 74,6% дисперсии анализируемого показателя.

Выполним проверку статистической значимости рассчитанного коэффициента детерминации с помощью F-критерия согласия для уровня значимости равного 0,05.

F = 11,74.

С учетом принятого уровня значимости по таблице F-распределения Фишера находится критическое значение F_1-α(ν₁, ν₂).

Параметры F-распределения находятся следующим образом:

ν₁ = m = 1, ν₂ = n – k = 4.

F_1-0,05(1;4) = 7,7; F> F_1-0,05(1;4).

Коэффициент R² является статистически значимым. Построенное уравнение может быть использовано в качестве трендовой модели (рис. 3)

5.                          Получить прогнозные значения анализируемого показателя за следующие пять дней (таблица 6 и рис. 4.)

6.                          Для последнего прогнозируемого дня, кроме точечных, дать линейный интервальный прогноз с надежностью 95 %.

Таблица 6.

Прогноза на пять дней

Таблица 5.

Решение задачи

Шестой пункт не был выполнен потому, что в работе используется моментный ряд.