• За Институтот
  • Курсеви
  • Блог
  • Продавница
  • Контакт
    • Регистрирај сеНајави се
Kурсеви за практични вештиниKурсеви за практични вештини
  • За Институтот
  • Курсеви
  • Блог
  • Продавница
  • Контакт
    • Регистрирај сеНајави се

Планирање и предвидување

  • Дома
  • Блог
  • Планирање и предвидување
  • Финансиско предвидување (Mетод на линеарна регресија)

Финансиско предвидување (Mетод на линеарна регресија)

  • Објавено од Весна Мицајкова
  • Категории Планирање и предвидување
  • Датум 17/11/2016
  • Коментари 0 коментари

Во минатите лекции се запознавме со Мoving average и Exponential smoothing методот и дадовме пример за нивната примена во процесот на финансиско предвидување на продажбата. На овој час, ќе се запознаеме со најсложениот квантитативен метод за финансиско предвидување, од категоријата на методи на анализа на временски серии, а тоа е методот на линеарна регресија. Регресивната анализа е статистички метод за предвидување на врската меѓу зависната променлива Y и независната променлива или променливи X. Простата линеарна регресија, која ние ќе ја користиме, вклучува само една независна променлива, и може да се прикаже со следната равенка:

Y = a + bX

каде,
Y = зависна променлива;
X = независна променлива;
a = константа;
b = коефициент на нагиб.

На овој час ќе учиме како да ја предвидуваме продажбата со примената на методот на линеарна регресија, користејќи ја програмата Excel. Како и кај Мoving average и Exponential smoothing методите, кои ги разгледавме на претходните часови, ќе користиме реални податоци за продажбата на Алкалоид АД Скопје, за период од 2001 до 2013 година. Врз основа на овие податоци ќе ги предвидиме приходите од продажба за 2014 година. Податоците ги организираме во Excel како што е прикажано во сликата подолу.

lr

Пресметката ќе ја вршиме на следниот начин:

  1. Проверуваме дали го имаме симнато Excel Data Analysis пакетот (доколку не го имаме, ќе треба да го симнеме);
  2. Одиме во Excel – Data – Data Analysis, бираме Regression и притискаме ОК;
  3. Се отвора прозорец, кој ни бара да внесеме Input Y Range, Input X Range, Output options.
  4. Во Input Y Range ја внесуваме вредноста на продажбата (погоре објаснивме дека продажбата е зависна променлива Y, односно променлива чија идна вредност ја предвидуваме);
  5. Во Input X Range ги внесуваме податоците за годините (бидејќи годините се независната променлива x);
  6. Во Output options во Output rang може да дефинираме во која келија сакаме да ни се појават резултатите, а доколку избереме New Workssheet Ply резултатите ќе ни излезат во друг sheet од Excel документот (во случајот ја штиклиравме опцијата New Workssheet Ply).

Оваа постапка е прикажана во сликата подолу.lr-2

Кликаме ОК и го добиваме следниот резултат:

SUMMARY OUTPUT
Regression Statistics
Multiple R 0,944479131
R Square 0,892040829
Adjusted R Square 0,882226359
Standard Error 531,5906084
Observations 13
ANOVA
  df SS MS F
Regression 1 25684580,45 25684580,45 90,89037111
Residual 11 3108474,324 282588,5749
Total 12 28793054,77
  Coefficients Standard Error t Stat P-value
Intercept -749302,6319 79084,2013 -9,474744887 1,26413E-06
X Variable 1 375,6648352 39,40411752 9,533644167 1,18893E-06

Всушност, реалниот резултат, кој излегува има некоја колона плус, но јас го скратив во интерес на презентацијата, а и се што не интересира има во податоците што се презентирани. За предвидување на продажбата, нас не интересира вредноста на коефициентите Intercept и XVariable1, при што во равенката:

Y = a + bX

Коефициентот Intercept e a, коефициентот XVariable1 е b, Y e вредноста на продажбата, а X се годините, односно временскиот период.

Поаѓајќи од тоа, со замена на непознатите во равенката, ќе го пресметаме пресметаме предвидувањето на приходите од продажбата на Алкалоид АД Скопје за 2014 година на следниот начин:

Y = a + bX = -749.302,6319 + 375,6648352 * 2014 = 7.286

Линеарната регресија е многу покомплексен метод од методите со кои претходно се запознавме и неговата примена е значително поширока. Со овој метод може да се анализираат различните аспекти од оперативното и финансиско работење, а резултатите од анализите можат значајно да ја унапредат ефикасноста на деловното одлучување, а со тоа секако ќе се унапредат и перформансите на работењето.

  • Сподели:
Весна Мицајкова
Весна Мицајкова е доктор по економски науки со повеќе годишно искуство во финансискиот сектор и искуство како предавач на група предмети од областа на сметководството и финансискиот менаџмент на високообразовна институција.

Претходен напис

Финансиско предвидување (Exponential smoothing метод)
17/11/2016

Нареден напис

Избор на најприкладен метод за финансиско предвидување врз основа на точноста на прогнозата
26/11/2016

Може да Ви се допадне и

forecast-acc
Избор на најприкладен метод за финансиско предвидување врз основа на точноста на прогнозата
26 ноември, 2016
predviduvanje
Финансиско предвидување (Exponential smoothing метод)
10 ноември, 2016
planiranje
Сметководствено планирање и предвидување (Moving average метод)
3 ноември, 2016

Остави реплика Откажи одговор

Мора да се пријавите за да испратите коментар.

Категории

  • Анализа на финансиски извештаи
  • Анализа на финансиски индикатори
  • Бизнис
  • НОВОСТИ
  • Планирање и предвидување
  • Управување со залихи
  • Управување со трошоци
-
logo-eduma-the-best-lms-wordpress-theme
kontakt@casoviposmetkovodstvo.mk
++389 070/766-463

Институт Практикум © 2016-2019 All rights reserved.

  • Услови на употреба
  • Политика на приватност

Најави се

No apps configured. Please contact your administrator.

Ја заборави лозинката?

Не си член се уште? Регистрирај се сега

Register a new account

Дали си член? Најави се

Facebook