Файл: Оборотные активы предприятия (Анализ оборотных активов ООО «Транснефть – Балтика»).pdf

ВУЗ: Не указан

Категория: Курсовая работа

Дисциплина: Не указана

Добавлен: 14.03.2024

Просмотров: 35

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Следующим этапом работы является выбор метода исследования.В качестве метода исследования в нашем случае будет так же реализован эконометрический анализ имеющихся данных, который будет проведен при помощи пакета EViews. Для проведения регрессионного анализа в первую очередь нужноопределить, в какой форме объясняющая переменная зависит от факторов, влияющих на нее. Иначе говоря, нужно определить вид регрессионного уравнения.

В работе используем регрессионное уравнение следующего типа[24, с.2]:

, (1)

где: – показатель эффективности деятельности компании в момент времени ;

– показатель, характеризующий управление оборотным капиталом компании в момент времени ;

– коэффициент при объясняющей переменной;

– коэффициент ошибок.

В нашем случае цикл конверсии денежных средств рассчитывается на основе таких показателей, как период оборота запасов, периоды оборота дебиторской и кредиторской задолженности. Это может вызвать сильную взаимную зависимость между переменными, именно поэтому введем второе регрессионное уравнение, тем самым рассмотрим влияние цикла конверсии на рентабельность компании отдельно.

Первая модель используется для выявления влияния периода оборота запасов и периода оборота дебиторской и кредиторской задолженности на показатель эффективности деятельности компаний (рентабельность). Она имеет следующий вид:

, (2)

где:

– показатель рентабельности активов компании за период времени ;

– период обращения запасов компании за период времени , в днях;

– средний период обращения дебиторской задолженности компании за период времени , в днях;

– средний период обращения кредиторской задолженности компании за период времени , в днях;

– размер компании за период времени ;


– коэффициент ликвидности компании за период времени ;

– коэффициент покрытия компании за период времени ;

– коэффициенты, характеризующие взаимосвязь объясняющих переменных с зависимой переменной;

– коэффициент ошибок.

Более подробно с исследованием можно ознакомиться в приложении 4. Результатом данной регрессионной модели является то, что наиболее значимыми факторами оказались коэффициент ликвидности, период погашения дебиторской и кредиторской задолженности.

Второе регрессионное уравнение построено для определения степени влияния цикла конверсии денежных средств на показатель эффективности компании. Кроме того, оно используется для проверки предположения о том, что между рассматриваемым показателем и циклом конверсии существует квадратичная зависимость. Второе уравнение можно представить следующим образом:

, (3)

где:

– показатель рентабельности активов компании за период времени ;

– цикл конверсии денежных средств компании за период времени , выраженный в днях;

– размер компании за период времени ;

– коэффициент ликвидности компании за период времени ;

– коэффициенты, характеризующие взаимосвязь объясняющих переменных с зависимой переменной;

– коэффициент ошибок.

В обеих приведенных моделях присутствует несколько факторов, поэтому они являются моделями множественной линейной регрессии. В качестве метода оценивания будем использовать метод наименьших квадратов, поскольку в обеих регрессионных моделях прослеживается линейный тип исследования[16, с.373][23, с.9].


2.3. Эконометрическое исследование влияния управления оборотным активами на эффективность деятельности компании

Сначала проведем предварительный анализ данных. Для начала необходимо проверить данные по каждому из показателей на наличие выбросов, то есть наличие отдельных слишком больших или наоборот слишком низких значений переменных, а также значений, которые противоречат экономическому смыслу. Для проверки данных на наличие существенных выбросов построим графики рассеивания для переменных (с построенными диаграммами можно более подробно ознакомиться в приложении 1).

По графикам можно заметить, что во всех представленных переменных имеются несущественные выбросы. Обратим внимание на то, что это явление естественно для исследуемого набора данных. Компания не претерпевала существенных изменений за исследуемый период. Кроме того, финансовое положение ООО «Транснефть – Балтика» было стабильным.

Теперь перейдем к анализу описательных статистик для переменных, которые представлены в таблице 2.1 (с подробными характеристиками анализируемых данных можно ознакомиться в приложении 3).

Таблица 2.1

Описательные статистики для переменных CCC, ITD, ACP, APP, ROE, SIZE, LR

Переменная

Среднее значение

Максимальное значение

Минимальное значение

Стандартное отклонение

Значение Probability

CCC

154.3254

358.164

28.515

104.6651

0.5438

ITD

32.32078

87.601

13.685

23.487

0.4078

ACP

218.3686

513.5283

75.2135

141.6134

0.2454

APP

164.2111

460.34

24.556

149.1075

0.4064

ROE

2.554201

9.193668

-0.044

2.9

0.265

SIZE

23.58002

24.43534

22.22797

0.581598

0.708521

LR

5.315259

14.58

0.7687

4.5978

0.4078

Исходя из данных, представленных в таблице, можно прийти к следующим заключениям. Прежде всего, рассмотрим значения, характеризующие зависимую переменную – показатель рентабельности активов (ROA). Среднее значение данного коэффициента для ООО «Транснефть – Балтика» составляет 2.55, максимальное значение коэффициента рентабельности активов составляет 9.19, а минимальное значение равно -0.044. Высокие значения показателя рентабельности активов могут говорить о том, что компания ведет свою деятельность эффективно. В нашем случае рентабельность на низком уровне.


Теперь перейдем к анализу объясняющих переменных. По данным таблицы можно заметить, что для компании средний период оборачиваемости запасов (ITD) составляет 32 дня, в то время как максимальное и минимальное значение данной переменной составляет 88 и 14 дней соответственно. высокое значение данного показателя является признаком того, что компания ведет свою деятельность достаточно эффективно. Что касается периода оборота дебиторской задолженности (ACP), то в среднем требуется 218 дней для того, чтобы получить денежные средства от должников. Максимальный период сбора дебиторской задолженности составляет 513 дней, минимальное значение составляет 75 дней.Это означает, что компания предоставляет клиентам отсрочки по платежам. Среднее значение показателя, отражающего период оборота кредиторской задолженности (APP), составляет 164 дней, в то время как максимальный и минимальный период, который требуется рассматриваемым компаниям для оплаты своих краткосрочных обязательств, составляет 460 и 24 дней соответственно. Это значит, что был период, в который компания не платила кредиторам около полутора лет. Еще одной зависимой переменной является цикл конверсии денежных средств (CCC), среднее значение которого для ООО «Транснефть – Балтика» составляет 154 дней. Максимальная продолжительность данного цикла составляет 358 дней, а минимальное значение – 28 дней.

Теперь рассмотрим характеристики контрольных переменных, первой из которой мы считаем размер компании, который рассчитывается, как натуральный логарифм от выручки от продаж. Максимальное и минимальное значение данного показателя составляет 24 и 22 соответственно, в то время как среднее значение для представленной выборки составляет 23,5. Это свидетельствует о том, что на протяжении всего периода стандартное отклонение для данного показателя равно 0,581. Из этого следует, что показатель выручки был стабилен. Перейдем к анализу коэффициента ликвидности, среднее значение которого составляет 5,3, что является нормальным значением для компании и говорит о том, что у компании есть достаточно оборотных активов для погашения своих текущих обязательств. В то же время, максимальное значение равно 14.58, а минимальное – 0.7, что говорит о наличии периода, в котором оборотных активов было явно недостаточно.

Теперь необходимо протестировать данные на нормальность распределения. Для этого протестируем следующие гипотезы:

Н0: переменные распределены нормально.

Н1: переменные не имеют нормального распределения.


При визуальном рассмотрении (с подробными характеристиками анализируемых данных можно ознакомиться в приложении 2) все показатели имеют нормальное распределение.

Из данных таблицы можно заметить, что значение Probability для всех переменных не равно 0.Это значит, что мы принимаем гипотезу H0, то есть, на все трех уровнях значимости можно утверждать, что распределение данных переменных близко к нормальному.

Таблица 2.2

Результаты первого регрессионного уравнения

Переменная

Коэффициент

Стандарт. Ошибка

T-Statistic

Значимость

ITD

-0,068838

0,052437

-1,31278

0,2257

ACP

-2,44E-02

7,66E-03

-3,18323

0,0129

APP

2,39E-02

7,63E-03

3,137673

0,0139

SIZE

8,12E-08

1,47E-07

0,553862

0,5948

LR

2,55E-01

1,42E-01

1,791741

0,1109

C

3,83E+00

2,33E+00

1,643721

0,1389

По результатам, полученным после анализа первой регрессионноймодели можно сделать вывод о том, что наиболее значимой (на уровне значимости 5%) независимой переменной, влияющей на эффективность деятельностиООО «Транснефть – Балтика» является период погашения кредиторской и дебиторской задолженности, а также показатель ликвидности текущих активов. При этом период обращения запасов не значим во влиянии на эффективность деятельности.Можно сделать вывод о том, что при влиянии на периоды погашения дебиторской и кредиторской задолженности путем совершенствовании финансового менеджмента, можно повысить эффективность деятельности ООО «Транснефть – Балтика».

Теперь перейдем к анализу результатов второй модели, описывающей взаимосвязь цикла конверсии наличных денежных средств и показателя эффективности деятельности компании. Важно отметить, что при построении данной регрессионной модели использовались переменные из первого регрессионного уравнения.

Таблица 2.3

Результаты второго регрессионного уравнения

Переменная

Коэффициент

Стандарт. Ошибка

T-Statistic

Значимость

CCC

-0,002358

0,33128

-0,07118

0,9448

CCC2

2,01E-05

8,80E-05

0,228731

0,8242

SIZE

-2,32E-07

1,23E-07

-1,89327

0,0909

LR

-0,057251

0,186806

-0,30647

0,7662

C

5,38002

2,70424

1,989476

0,0779