tify"> Існують наступні методи роботи з повернення боргів:
Ведення переговорів
арбітражний суд
факторинг
колектори.
Політика управління lt; # center gt; 3.2 Застосування методу адаптивного прогнозування в збутової логістики
В даний час в практиці статистичного аналізу широкого поширення набули методи адаптивного моделювання і прогнозування. У виробничому менеджменті ці методи використовуються при прогнозуванні попиту на товари та послуги компанії. Дані прогнози відіграють вирішальну роль при розробці стратегії підприємства на всіх рівнях: плануванні обсягів виробничої діяльності компанії, потужностей, трудових ресурсів, системи постачання, фінансових та маркетингових планів.
У практиці статистичного прогнозування найбільш часто використовуються дві базові моделі: Брауна і Хольта. Прогнозна оцінка Y p (t, k) рівня ряду Y (t + k), обчислюються в момент часу t на k кроків вперед (3.1):
p (t, k)=A 0 (t) + A 1 (t)? k, (3.1)
де A 0 (t) - оцінка поточного (t-го) рівня; A 1 (t) - оцінка поточного приросту. Далі визначається величина їх розбіжності (помилки). При k=1 маємо:
e (t + 1)=Y (t + 1) - Y p (t, 1), (3.2)
Відповідно до цієї величиною коригуються параметри моделі.
В якості об'єкта дослідження та адаптивного прогнозування за моделлю Хольта, з метою виключити можливий вплив цін були взяті річні показники реалізації продукції ВАТ Стрічка в тис м (табл.3.1).
Таблиця 3.1 - Вихідні дані
ГодТис м2009220 5612010288 2802011284 5062012258 6022013241 455
Для перевірки відповідності вихідних даних нормальному закону розподілу розраховуються ексцес (міра скупченості) і асиметрія (міра скошеності). Оцінюються статистичні показники для вхідних даних моделі (табл.3.2).
Таблиця 3.2 - Підсумкова статистика параметрів моделі
t Y (t) 1234Среднее3Среднее258 680,87Стандартная ошібка0,707Стандартная ошібка12 831,39Медіана3Медіана258 601,602Мода-Мода-Стандартне отклоненіе1,5811Стандартное отклоненіе28 691,872Дісперсія виборкі2,5Дісперсія виборкі823 223 575,6Ексцесс - 1,2Ексцесс - 1,706 Асімметрічность0Асімметрічность - 0,306Інтервал4Інтервал67 719Мінімум1Мінімум220 561,1Максімум5Максімум288 280,1Сумма15Сумма1 293 404,377Счет5Счет5
Похибки асиметрії і ексцесу рівні:
S (А)=0,38
S (Е)=2,7
Т. до ексцес і асиметрія менше полуторних значень їхніх помилок, можна зробити висновок про те, що дана вибірка відповідає нормальному закону розподілу.
Коефіцієнт варіації для параметра t=0,23, для параметра Y=0,049.
На підставі даних побудуємо модель адаптивного планування. Перш за все, оцінимо початкові значення параметрів (табл.3.3):
Таблиця 3.3 - Оцінка початкових значень параметрів моделі
tY (t) tt cp (tt cp) 2 Y t - Y cp (tt cp) (Y t - Y cp) 1275 193,04-3911 021-33 063,872280 604,81-2416 433-32 866,123220 561,1-11-43 61143 610,644288 280,10024 10805284 5061120 33420 334,356258 60224-5 570-11 140,287241 45539-22 716-68 148,81281 849 202,20280-81 274,11
t cp=28/7=4
Y cp=1849 202,2/7=264172
Оцінка середнього рівня і оцінка середнього приросту рівні:
a 0=Y ср -a1 * t ср=255 047,8 1 =? [(T-t cp) (Y t - Y cp)] /? (t-t cp) 2=1211
У моделі Хольта коефіцієнти модифікуються таким чином:
A 0 (t)=A 0 (t - 1) + A 1 (t - 1) + a 1? e (t), (3.3)
A 1 (t)=A 1 (t - 1) + a 1? a 2? e (t); (3.4)
Приймемо k=1 і? =0,6 (коефіцієнт дисконтування даних, що змінюється в межах від 0 до 1), а 1=0,4, a 2=0,3. Розрахунок параметрів моделі наведено в таблиці 3.7.
Таблиця 3.4 - Оцінка параметрів моделі
tфакт Y (t) a 0 (t) a 1 (t) Y p (t) Відхилення e (t) 1 220 +561255 +0481 211- - 2288 280269 3585 141255 53232 7483284 506279 7356 712271 41413 0924258 602276 9203 854282 420-23 8195241 455265 971-587278 461-37 006
Таким чином, на останньому кроці отримана модель:
Y p (N + k)=- 587 + 265 971? k
Y p=265736 тис м.
Наступним етапом є оцінка якості отриманої моделі на основі дослідження властивостей залишкової компоненти e (t) з...
