Побудова моделі вибору фінансової стратегії підприємства

Прогнози, одержувані на основі економетричних моделей, необов'язково точніше за прогнози, одержувані більш простими засобами. Перевага прогнозів, отриманих по економетричній моделі, полягає:

в несуперечності системи прогностичних оцінок;

в можливості отримання варіантів прогнозу в залежності від прогностичних оцінок за різними зовнішніми впливами.

В практиці спостерігаються випадки, коли в прогностичній меті достатньо отримати ізольовану оцінку. Проте таке роздільне прогнозування економічних показників неминуче призводить до того, що отримані оцінки не будуть збалансовані.

Прогнози, пов'язані в єдину логічно несуперечливу систему, одержують за допомогою прогностичних економетричних моделей. Саме внутрішня узгодженість прогнозів, що є слідством урахування моделей різних важливих для об'єкту дослідження взаємозв'язків є основною гідністю економетричних моделей [12].

В економетричному моделюванні можна прослідити причинно-наслідковий зв'язок між залежними і незалежними змінними.

Як інструментарій рішення поставленої задачі використовуються регресійна багатофакторна модель і модель побудови інтегрального показника.

Значення показників економічних процесів і явищ звичайно обумовлені впливом безлічі різноманітних чинників. Їх виявлення і оцінювання ступеня цього впливу складає основну задачу економетрії.

Розглянемо лінійну регресійну багатофакторну модель певного абстрактного економічного явища

(2.1)

де у - залежна змінна;

- незалежні змінні (або фактори);

- параметри моделі (їх значення необхідно визначити);

- неспостережувана випадкова величина.

Основними допущеннями, при яких буде проведено оцінювання невідомих параметрів , є такі:

1 Математичне очікування кожній - тієї реалізації випадкової величини не залежить від вектора чинників і дорівнює нулю.

2 Випадкові величини гомоскедастичні:

для будь-кого (2.2)

3 Випадкова величина розподілена по нормальному закону (з нульовим математичним очікуванням і постійною дисперсією ).

4 Автокореляція між випадковими величинами і відсутня:

(2.3)

5. Модель (3.1) правильно специфікована (правильно відображає зв'язок між векторами чинників X і У).

6. Відсутня мультиколінеарність між чинниками 1.,m: вся рівність одночасно виконуються тільки при

Робота щодо визначення параметрів регресійної багатофакторної моделі є складною і вимагає певного творчого підходу від її виконавців. Серед основних етапів цієї роботи прийнято виділяти наступні.

1 Вибір всіх можливих чинників, які впливають на досліджуваний показник.

Якісно виконати цей етап роботи в змозі лише експерт по проблемі, яка вивчається, - досвідчений фахівець відповідної економічної системи (досліджуваного явища).

2 Вимірювання і аналіз вибраних чинників.

На цьому етапі проводиться формалізований опис вибраних чинників, оцінюється можливість їх кількісного обчислення за певним чином зібраною первинною інформацією. Аналізується можливість збору і достовірність отримання цієї інформації.

3 Математико-статистичний аналіз чинників.

На цьому заключному етапі здійснюється формування необхідної інформаційної бази, проводиться робота, пов'язана з перевіркою основних допущень класичного регресійного аналізу, перевіркою вибраних чинників на мультиколінеарність. Перевірка полягає в наступному. Будується симетрична матриця парної кореляції, яка має наступну структуру:

, (2.4)

де - коефіцієнт парної кореляції між i-м і j-м чинниками; - коефіцієнт кореляції між незалежним чинником і залежною змінною у:

(2.5)

Після обчислення матриці проводиться аналіз її змісту. Якщо для певних чинників і абсолютна величина близька до 1, то це указує на тісний зв'язок між ними.

4 Побудова регресійної багатофакторної моделі.

Після визначення сукупності більш-менш незалежних між собою чинників, які впливають на значення залежної змінної, виникає питання щодо вибору типу багатофакторної моделі (можна досліджувати лінійні моделі, частково лінійні, побудовані на різноманітних сукупностях чинників).

5 Оцінка параметрів регресійної моделі.

6 Перевірка моделі на адекватність.

7 Побудова довірчих інтервалів значень параметрів регресійної моделі.

8 Використання моделі для аналізу та прогнозування (економічна інтерпретація встановленої залежності, її використання для прогнозування) [10, 12, 15].

Для знаходження інтегрального показника фінансового стану (залежного чинника моделі) використовується один з методів таксономії - метод рівня розвитку. В цьому випадку порівняння багатовимірних об'єктів визначає синтетичний показник (в даному випадку - інтегральний показник фінансового стану), який є рівнодіючим всіх ознак, що беруть участь в розгляді. Алгоритм розрахунку інтегрального показника представлений нижче.

1 етап. Початкова матриця:

.(2.6)

2 етап. Нормалізація.

3 етап. Визначення стимуляторів і дестимуляторів.

Математичне визначення стимулятора: Об'єкт S - стимулятор; x - ознака; - об'єкт; - реалізація n-ої властивості на s-том об'єкті. - s-тий об'єкт домінує над r-тим.

Математичне визначення дестимулятора:

Розділимо сукупність на стимулятори і дестимулятори. Дестімулятори замінимо стимуляторами: або , де - дестимулятор.

4 етап. Визначення верхнього полюса.

- верхній полюс, крапка, координати якої слід визначити:

.(2.7)

5 етап. Визначення відстані між кожною крапкою і точкою верхнього полюса:

.(2.8)

6 етап. Розрахунок значення таксономічного показника:

, М - вектор значень коефіцієнта ,

, , , .(2.9)

7 етап. Розрахунок модифікованого таксономічного показника.

, , I - одиничний вектор.(2.10)

2.3 Сутність методів багатомірної класифікації

• фінансовий планування економетричний кластер
• Кластерний аналіз - це метод багатомірного статистичного дослідження, до якого належать збір даних, що містять інформацію про вибіркові об'єкти, та упорядкування їх в порівняно однорідні, схожі між собою групи. Отже, сутність кластерного аналізу полягає у здійсненні класифікації об'єктів дослідження за допомогою численних обчислювальних процедур. В результаті цього утворюються "кластери" або групи дуже схожих об'єктів. На відміну від інших методів, цей вид аналізу дає можливість класифікувати об'єкти не за однією ознакою, а за декількома одночасно. Для цього вводяться відповідні показники, що характеризують певну міру близькості за всіма класифікаційними параметрами.
• Мета кластерного аналізу полягає в пошуку наявних структур, що виражається в утворенні груп схожих між собою об'єктів - кластерів. Водночас його дія полягає й у привнесенні структури в досліджувані об'єкти. Це означає, що методи кластеризації необхідні для виявлення структури в даних, яку нелегко знайти при візуальному обстеженні або за допомогою експертів.
• Основними завданнями кластерного аналізу є [23]:
• - розробка типології або класифікації досліджуваних об'єктів;
• - дослідження та визначення прийнятних концептуальних схем групування об'єктів;
• - висунення гіпотез на підставі результатів дослідження даних;
• - перевірка гіпотез чи справді типи (групи), які були виділені певним чином, мають місце в наявних даних.
• Кластерний аналіз потребує здійснення таких послідовних кроків:
• 1) проведення вибірки об'єктів для кластеризації;
• 2) визначення множини ознак, за якими будуть оцінюватися відібрані об'єкти;
• 3) оцінка міри подібності об'єктів;
• 4) застосування кластерного аналізу для створення груп подібних об'єктів;
• 5) перевірка достовірності результатів кластерного рішення.
• Кожен з цих кроків відіграє значну роль у практичному здійснення Визначення множини ознак, які покладаються в основу оцінки об'єктів, у кластерному аналізі є одним із найважливіших завдань дослідження. Мета цього кроку повинна полягати у визначенні сукупності змінних ознак, яка найкраще відображає поняття подібності. Ці ознаки мають вибиратися з урахуванням теоретичних положень, покладених в основу класифікації, а також мети дослідження.
• При визначенні міри подібності об'єктів кластерного аналізу використовуються чотири види коефіцієнтів: коефіцієнти кореляції, показники віддалей, коефіцієнти асоціативності та ймовірносні, коефіцієнти подібності. Кожен з цих показників має свої переваги та недоліки, які попередньо потрібно врахувати. На практиці найбільшого розповсюдження у сфері соціальних та економічних наук здобули коефіцієнти кореляції та віддалей.
• В результаті аналізу сукупності вхідних даних створюються однорідні групи у такий спосіб, що об'єкти всередині цих груп подібні між собою за деяким критерієм, а об'єкти з різних груп відрізняються один від одного.
• Кластеризація може здійснюватися двома основними способами, зокрема за допомогою ієрархічних чи ітераційних процедур.
• Ієрархічні процедури - послідовні дії щодо формування кластерів різного рангу, підпорядкованих між собою за чітко встановленою ієрархією. Найчастіше ієрархічні процедури здійснюються шляхом агломеративних (об'єднувальних) дій. Вони передбачають такі операції [25]:
• - послідовне об'єднання подібних об'єктів з утворенням матриці подібності об'єктів;
• - побудова дендрограми (деревоподібної діаграми), яка відображає послідовне об'єднання об'єктів у кластери;
• - формування із досліджуваної сукупності окремих кластерів на першому початковому етапі аналізу та об'єднання всіх об'єктів в одну велику групу на завершальному етапі аналізу.
• Ітераційні процедури полягають в утворенні з первинних даних однорівневих (одного рангу) ієрархічно не підпорядкованих між собою кластерів.
• Найбільш відомими та широко застосовуваними методами формування кластерів є:
• - одиничного зв'язку;
• - повного зв'язку;
• - середнього зв'язку;
• - метод Уорда.
• Метод одиничного зв'язку (метод близького сусіда) передбачає приєднання одиниці сукупності до кластера, якщо вона близька (знаходиться на одному рівні схожості) хоча б до одного представника цього кластера.
• Метод повного зв'язку (далекого сусіда) вимагає певного рівня подібності об'єкта (не менше граничного рівня), що передбачається включити у кластер, з будь-яким іншим.
• Метод середнього зв'язку ґрунтується на використанні середньої відстані між кандидатом на включення у кластер і представниками наявного кластера.
• Згідно методу Уорда приєднання об'єктів до кластерів здійснюється у випадку мінімального приросту внутрішньогрупової суми квадратів відхилень. Завдяки цьому утворюються кластери приблизно одного розміру, які мають форму гіперсфер.
• Оптимальною прийнято вважати кількість кластерів, яка визначається як різниця кількості спостережень і кількості кроків, після якої відстань об'єднання збільшується стрибкоподібно.
• Кластерний аналіз, як і інші методи вивчення стохастичного зв'язку, вимагає численних складних розрахунків, які краще здійснювати за допомогою сучасних інформаційних систем, зокрема з використанням програмного продукту Statistica 6.0.

Загальну схему проведення кластерного аналізу можна подати у вигляді наступного алгоритму, який складається з наступних кроків [28]:

Етап 1. Перш ніж використовувати будь-який з методів кластерного аналізу, необхідно виконати наступні попередні процедури:

Процедура 1. Стандартизація і нормування даних призначені для того, щоб привести всі показники до однієї величини (зробити їх порівнянними). Дана процедура здійснюється по наступній формулі:

,(2.11)

де x_ij - i-а реалізація j-ї ознаки,

- середнє арифметичне j-ї ознаки,

- стандартне відхилення j-ї ознаки.

Процедура 2. Знаходження матриці відстаней. Матриця відстаней D являє собою матрицю розмірністю nxn, кожен елемент якої характеризує віддаленість того або іншого об'єкта від іншого. Ця матриця виглядає наступним чином:

(2.12)

де d_su - відстань між об'єктами s і u, .

Існує досить велика кількість варіантів розрахунку даної відстані основні з яких представлені в табл. 2.1.

Таблиця 2.1 - Характеристика близькості об'єктів

Найменування показника	Формула	Характеристика
Кількісні шкали (відстані)
Лінійна відстань		Найкраще виділяються «плоскі» кластери, розташовані на гіперплощинах
Евклідова відстань		Геометрично найкраще поєднує об'єкти в кулястих скупченнях
Відстань Махаланобіса		Використовується, коли після нормування зберігається велика різниця в дисперсіях, яку необхідно нівелювати
Номінальні шкали (міри подібності)
Коефіцієнт Хеммінга		Для порівняння об'єктів у змішаних шкалах найменувань і порядку
Коефіцієнт Роджерса-Танімото		Якщо важлива тільки наявність властивості, а не її відсутність
Довільні шкали
Мера близькості Журавльова		Фактично здійснюється перехід від кількісних шкал до якісних
Мера близькості Вороніна		Підвищує змістовну обґрунтованість розрахунків

1 - значення l-ї ознаки у i-го об'єкта, l=; i,j=;

2 - вектор-стовпець значень всіх ознак на i-му об'єкті;

3 W^-1 - матриця, обернена до коваріаційної;

4 - загальна кількість значень властивостей, що співпадають, (нулевих та одиничних, де 1 - наявність властивостей, 0 - відсутність);

5 - кількість співпадаючих одиничних властивостей;

6 - кількість одиничних значень властивостей;

7 ; де - значення порога для l-го признака;

8 = - мера близькості об'єктів по l-му признаку;

9 - інформаційна вага признака, розрахована певних чином.

Етап 2. Використання того або іншого методу кластерного аналізу в залежності від цілей дослідження. Одним із найбільш поширених способів проведення ітераційних процедур ось уже понад сорок років виступає метод k-середніх. Застосування його потребує здійснення таких кроків:

- розділення вихідних даних досліджуваної сукупності на задану кількість кластерів;

- обчислення багатовимірних середніх (центрів тяжіння) виділених кластерів;

- розрахунок Евклідової відстані кожної одиниці сукупності до визначених центрів тяжіння кластерів та побудова матриці відстаней, яка ґрунтується на метриці відстаней. Використовують різні метрики відстаней, наприклад: Евклідова відстань (проста і зважена), Манхеттенська, Чебишева, Мінковського, Махалонобіса тощо;

– визначення нових центів тяжіння та нових кластерів.

Вибір даного методу кластеризації обґрунтований наступними перевагами:

- даний метод не будує геометричні кластери, що дозволяє уникнути їхнього перетинання і, як наслідок, влучення одного й того самого елемента в кілька кластерів;

- дозволяє формувати задану кількість кластерів, що полегшує економічну інтерпретацію отриманих результатів.

Використання методу k-середніх ґрунтується на двох критеріях:

1 Мінімізація відстані всередині кластера між його елементами. Цей критерій забезпечує формування кластерів з тісно лежачих один до одного об'єктів.

2 Максимізація відстані між центрами кластерів. Використання даного критерію дозволяє виділити кластери, що знаходяться на максимально можливій відстані друг від друга

Дискримінантний аналіз. Існують такі основні методи багатомірної класифікації з навчанням як дискримінантний аналіз. Дискримінантний аналіз є розділом багатовимірного статистичного аналізу, який дозволяє вивчати відмінності між двома і більш групами об'єктів по декількох змінних одночасно. Дискримінантний аналіз - це загальний термін, що відноситься до декількох тісно зв'язаних статистичних процедур. Ці процедури можна розділити на методи інтерпретації міжгрупових відмінностей -- дискримінації і методи класифікації спостережень по групах. При інтерпретації потрібно відповісти на питання: чи можливо, використовуючи даний набір змінних, відрізнити одну групу від іншої, наскільки добре ці змінні допомагають провести дискримінацію і які з них найбільш інформативні?

Методи класифікації пов'язані з отриманням однієї або декількох функцій, що забезпечують можливість віднесення даного об'єкту до однієї з груп. Ці функції називаються класифікуючими і залежать від значень змінних таким чином, що з'являється можливість віднести кожний об'єкт до однієї з груп.

Задачі дискримінантного аналізу можна розділити на три типи. Задачі першого типу часто зустрічаються в медичній практиці. Припустимо, що ми маємо свій в розпорядженні інформацію про деяке число індивідуумів, хвороба кожного з яких відноситься до одного з двох або більш діагнозів. На основі цієї інформації потрібно знайти функцію, що дозволяє поставити у відповідність новим індивідуумам характерні для них діагнози. Побудова такої функції і складає задачу дискримінації.

Другий тип задачі відноситься до ситуації, коли ознаки приналежності об'єкту до тієї або іншої групи втрачені, і їх потрібно відновити.

Задачі третього типу пов'язані з прогнозом майбутніх подій на підставі наявних даних.

Основною метою дискримінації є знаходження такої лінійної комбінації змінних (надалі ці змінні називатимемо дискримінантними змінними), яка б оптимально розділила дані групи. Лінійна функція називається канонічною дискримінантною функцією з невідомими коефіцієнтами:

(2.13)

де значення дискримінантної функції для m-го об'єкту в групі k;

значення дискримінантної змінної для m-го об'єкту в групі k.

З геометричної точки зору дискримінантні функції визначають гіперплощини в p-мерном просторі. В окремому випадку при p=2 вона є прямою, а при p=3 - площиною.

Коефіцієнти першої канонічної дискриминантної функції вибираються так, щоб центроіди різних груп якомога більше відрізнялися один від одного. Коефіцієнти другої групи вибираються також, але при цьому накладається додаткова умова, щоб значення другої функції були некорельовані із значеннями першої. Аналогічно визначаються і інші функції. Звідси витікає, що будь-яка канонічна дискримінантна функція має нульову внутрішньогрупову кореляцію. Якщо число груп рівно g, то число канонічних дискримінантних функцій буде на одиницю менше числа груп. Проте із багатьох причин практичного характеру корисно мати одну, дві або ж три дискримінантних функції. Тоді графічний вигляд об'єктів буде представлений в одно-, двух- і тривимірних просторах. Таке уявлення особливо корисно у разі, коли число дискримінантних змінних p велике в порівнянні з числом груп g.

Коефіцієнти канонічної дискримінантної функції. Для отримання коефіцієнтів канонічної дискримінантної функції потрібен статистичний критерій розрізнення груп. Очевидно, що класифікація змінних здійснюватиметься тим краще, чим менше розсіяння крапок щодо центроїда усередині групи і чим більше відстань між центроїдами груп. Зрозуміло, що велика внутрішньогрупова варіація небажана, оскільки в цьому випадку будь-яка задана відстань між двома середніми тим менш значуща в статистичному значенні, чим більше варіація розподілів, відповідних цим середнім. Один з методів пошуку якнайкращої дискримінації даних полягає в знаходженні такої канонічної дискриминантної функції d, яка б максимізувала відношення міжгрупової варіації до внутрішньогрупової

(2.14)

де B - міжгрупова і W - внутригрупова матриці розсіяння спостережуваних змінних від середніх.

Іноді в (2.1) замість W використовують матрицю розсіяння T з'єднаних даних.

В моделі дискримінації повинні дотримуватися наступні умови:

1) число груп: ;

2) число об'єктів в кожній групі: ;

3) число дискримінантних змінних: ;

4) дискримінантні змінні вимірюються в інтервальній шкалі;

5) дискримінантні змінні лінійно незалежні;

6) ковариаційні матриці груп приблизно рівні;

7) дискримінантні змінні в кожній групі підкоряються багатовимірному нормальному закону розподілу.

Дискримінантний аналіз є найважливішим інструментом прогнозування фінансового стану підприємства.

3. ПОБУДОВА МОДЕЛЕЙ ВИБОРУ ФІНАНСОВОЇ СТРАТЕГІЇ ПІДПРИЄМСТВА

3.1 Алгоритм вибору фінансової стратегії підприємства

Для вибору фінансової стратегії в роботі пропонується наступний алгоритм (рис. 3.1).

Рисунок 3.1 - Алгоритм вибору фінансової стратегії

Розглянемо кожен з етапів більш докладно.

Етап 1. Побудова інтегрального показника складових фінансового стану.

Як визначалося в п. 2.1 та 2.2 існує безліч показників, які використовуються для дослідження фінансового стану підприємства, однак всі їх можна згрупувати по чотирьох групах. Інтегральний показник кожної групи дозволяє визначити рівень розвитку по кожній групі, що в свою чергу дозволяє більш адекватно визначати фінансову стратегію підприємства.

Етап 2. Прогнозування інтегрального показника фінансового стану.

Побудова моделей прогнозування здійснювалася на основі аналізу інтегральних показників, котрі були побудовані по такому інформаційному забезпеченню як баланс підприємства (форма №1) і звіт про фінансові результати і їх використовування (форма №2) за останніх 3 роки функціонування підприємства поквартально (11 спостережень). Перераховані вище показники-індикатори - незалежні чинники (екзогенні), інтегральний показник фінансового стану - залежний (ендогенний) чинник моделі.

Етап 3. Визначення кластерів фінансового стану.

Для того, щоб визначити рівень фінансового стану по загальних показниках необхідно визначити кластери фінансового стану підприємства. Для визначення кластерів в роботі пропонується використання методів кластерного аналізу.

Етап 4. Вибір фінансової стратегії.

Вибір фінансової стратегії базується на тому, в який кластер попаде прогнозоване значення фінансового стану підприємства по чотирьох показниках, і буде підвищуватися чи зменшуватися інтегральний показник фінансового стану. Тобто для вибору фінансової стратегії підприємства в роботі пропонується матриця, яка заснована на композиції кластерів поточного фінансового стану та прогнозного фінансового стану (рис. 3.2).

Розглянемо кожен елемент матриці.

„1” - в даному випадку, спостерігається низький рівень стійкості фінансового стану та прогнозується його погіршення. Ця ситуація є найнебезпечнішою для підприємства. тому для нього доцільно обрати антикризову фінансову стратегію, яка спрямована на підтримання підприємства, яке дуже близько до банкрутства;

„2” - цей елемент характеризується середнім кластером фінансового стану і спадаючою тенденцією загального показника фінансового стану. Це свідчить про необхідність формування антикризової фінансової стратегії, щоб у майбутньому фінансовий стан покращився і було здійснено перехід до елементів „5” або „6”.

Рисунок 3.2 - Матриця вибору фінансової стратегії підприємства

„3” - ця ситуація характеризується погіршенням стану в майбутньому, що може привести к дестабілізації положення підприємства на ринку, і, як наслідок, привести до втрати ринку. В цьому випадку слід дотримуватися стратегії фінансового забезпечення стійкого росту, яка дозволить уникнути погіршення фінансового стану.

„4” - ця ситуація є антагоністичною до ситуації „1”. Однак перевагою даної ситуації перед „1” є кращі перспективи, тобто фінансовий стан має перспективи до покращення, і в майбутньому можливо покращення кластеру фінансового стану. В цьому випадку доцільно використовувати стратегію фінансового забезпечення стійкого росту, коли можливо за рахунок власних ресурсів значно покращити свій фінансовий стан.

„5”, „6” - ці елементи матриці вибору стратегії є найбільш привабливими для підприємства, тобто спостерігається напрямок покращення фінансового стану, і крім того, підприємство вже знаходиться в задовільному фінансовому стані. В цих ситуаціях необхідно використовувати стратегію фінансового забезпечення прискореного росту (агресивну фінансову стратегію), яка має на увазі використання не тільки власних ресурсів, але і залучення позикових коштів.

3.2 Розрахунок інтегрального показника фінансового стану підприємства та його прогнозування

Розрахунок інтегральних показників здійснювався на підставі аналізу балансу і звіту про фінансові результати ОАО „Сніжнянський машинобудівний завод”. В результаті розрахунків отримано наступні дані (табл. 3.1).

Таблиця 3.1 - Початкові дані для побудови економетричної моделі

Період	Загальний інтегральний показник фінансового стану	Інтегральний показник оборотності	Інтегральний показник ліквідності	Інтегральний показник фінансової стабільності	Інтегральний показник рентабельності
1	0,1179	0,764	0,0123	0,0368	0,006
2	0,1078	0,2927	0,009	0,1852	0,009
3	0,1494	0,0115	0,0001	0,8597	0,0154
4	0,1057	0,077	0,0113	0,1393	0,028
5	0,1743	0,0003	0,0012	0,0378	0,0047
6	0,1028	0,1031	0,0157	0,0401	0,0116
7	0,1688	0,0112	0	0,3951	0,0074
8	0,0892	0,2099	0,288	0,9259	0,1929
9	0,0112	0,0034	0,0391	0,0768	0,009
10	0,0482	0,0046	0,1796	0,3634	0,042
11	0,1623	0,0818	0,2583	0,4019	0,0724

Всі необхідні розрахунки для побудови регресійної моделі виконані з використанням пакету “Statistica”. Стисло опишемо цей пакет програм, розглянемо його структуру і можливості.

Пакет Statistica проводиться фірмою StatSoftInc (США), заснованою в 1984 году. Statistica є статистичним пакетом, що динамічно розвивається, і по численних рейтингах є світовим лідером на ринку статистичного програмного забезпечення. Statistica є інтегрованою системою статистичного аналізу і обробки даних. Вона складається з наступних основних компонент, які з'єднані в рамках однієї системи:

ѕ електронних таблиць для введення і завдання початкових даних, а також спеціальних таблиць для висновку чисельних результатів аналізу;

ѕ могутньої графічної системи для візуалізації даних і результатів статистичного аналізу;

ѕ набору спеціалізованих статистичних модулів, в яких зібрані групи логічно зв'язаних між собою статистичних процедур;

ѕ спеціального інструментарію для підготовки звітів;

ѕ вбудованих мов програмування SCL (Statistica Command Language) і Statistica Basic, які дозволяють користувачу розширити стандартні можливості системи.

Для проведення закінченого статистичного дослідження не потрібне додаткове програмне забезпечення - всі етапи статистичного аналізу, починаючи від введення початкових даних і їх перетворень і закінчуючи підготовкою звіту або написання власних процедур обробки, можна виконати, використовуючи тільки систему Statistica.

Пакет Statistica має широкий діапазон обчислювальних і графічних можливостей. В Statistica вбудована безліч процедур обчислення, призначених для обчислень як основних характеристик, так і додаткових. В Statistica є сотні типів графіків, призначених як для графічної візуалізації початкових даних, розвідувального аналізу, так і для графічного висновку результатів і вибору послідовності напрямів аналізу. Окрім стандартних типів графіків, в Statistica є надзвичайно велика кількість спеціалізованих статистичних графіків. Statistica володіє такою цінною можливістю як обмін даними між Statistica і іншими Windows-додатками. Statistica задовольняє основним стандартам середовища Windows. Зокрема, Statistica повністю підтримує основні операції з буфером обміну Windows, технологію Динамічного обміну даними (DDE) і Скріплення і упровадження об'єктів OLE, імпорт за допомогою технології ODBS і інші.

Регресійна багатофакторна модель в роботі була побудована на основі даних, представлених в табл. 3.1.

Знайдемо невідомі параметри моделі. Отримані наступні результати (рис. 3.3):

Рисунок 3.3 - Параметри моделі

Отже, отримали регресійну багатофакторну модель вигляду:

де У - інтегральний показник фінансового стану підприємства;

- показники оборотності;

- показники ліквідності;

- показники стабільності;

- показники рентабельності.

Для перевірки статистичної значущості параметрів моделі був використаний критерій Ст'юдента (t-критерий). Отримали наступні результати:

,

,

.

По таблицях Стьюдента = 2,45, для k = n - m -1 = 6 = 0,05, де k - число ступенів свободи, - рівень довіри. Порівнявши значення і , можна зробити висновок, що два з параметрів моделі статистично незначущі.

Коефіцієнт множинної кореляції R 0,936 (рис. 3.4). Оскільки значення R близько до одиниці, то дану економетричну модель можна використовувати для аналізу і прогнозу економічних явищ. Коефіцієнт детермінації . Оскільки , то модель є адекватною. Але оскільки два з параметрів статистично незначущі і модель потрібно поліпшити, то виключимо чинники і з моделі.

Рисунок 3.4 - Значення критеріїв якості моделі

Остаточні результати побудови моделі представлені на рис. 3.5

Рисунок 3.5 - Модифікована модель

Знайдемо невідомі параметри моделі. Отримані наступні результати:

Отже, отримали регресійну багатофакторну модель вигляду:

де У - інтегральний показник фінансового стану підприємства

- інтегральний показник ліквідності.

- інтегральний показник стабільності

Для перевірки статистичної значущості параметрів моделі був використаний критерій Ст'юдента (t-критерий). Отримали наступні результати (рис. 3.6):

,

,

По таблицях Стьюдента = 2,31, для k = n - m -1 = 8, = 0,05, де k - число ступенів свободи, - рівень довіри. Порівнявши значення і , можна зробити висновок, що знайдені параметри моделі статистично значущі.

Коефіцієнт множинної кореляції R 0,916 (рис. 3.6). Оскільки значення R близько до 1, то дану економетричну модель можна використовувати для аналізу і прогнозу економічних явищ. Коефіцієнт детермінації . Оскільки , то модель є адекватною.

Рисунок 3.6 - Значення критеріїв якості моделі

Для перевірки статистичної значущості моделі був використаний критерій Фішера. Отримали результат: F (2, 8) = 2,407 > , = 4,46. Значення по критерію Фішера більше табличного, отже модель є статистично значимою.

Істотність автокореляції помилок можна перевірити по критерію Дарбіна-Уотсона (DW). Для даної моделі DW = 1,83 2, отже, автокореляції помилок немає.

Таким чином, побудована модель може бути використана для прогнозування фінансового стану.

Для прогнозування окремих складових моделі оцінки фінансового стану будемо використовувати моделі дослідження часових рядів.

Динаміка цих показників свідчить про можливість побудови трендових моделей. Побудуємо ці моделі.

Модель 1 - Модель прогнозування інтегрального показника ліквідностці.

Розрахунок параметрів наведено на рис. 3.7

Рисунок 3.7 - Розрахунок параметрів моделі 1

Таким чином модель має вигляд

Аналіз параметрів моделі свідчить, що кожного періоду інтегральний показника ліквідності збільшується на 0,023 одиниці.

Критерії адекватності моделі наведено на рис. 3.8



Рисунок 3.8 - Критерії якості моделі

Аналіз цього рисунку свідчить, що побудована модель є адекватною і її можна використовувати для прогнозування.

Модель 2 - модель прогнозування інтегрального показника стабільності.

Розрахунок параметрів наведено на рис. 3.9

Рисунок 3.9 - Розрахунок параметрів моделі 2

Таким чином модель має вигляд

Критерії адекватності моделі наведено на рис. 3.10



Рисунок 3.10 - Критерії якості моделі

Аналіз цього рисунку свідчить, що побудована модель є адекватною і її можна використовувати для прогнозування

Таким чином, загальний вигляд моделі для прогнозування фінансового стану підприємства наступний

Побудуємо прогноз по загальній моделі

Прогноз інтегрального показника ліквідності та інтегрального показника стабільності наведено на рис. 3.11 та 3.12



Рисунок 3.11 - Прогноз інтегрального показника ліквідності

Рисунок 3.12 - Прогноз інтегрального показника стабільності

Підставляючи прогнозні значення цих показників в загальну модель отримуємо значення інтегрального показника фінансового стану на 2013-2014роки відповідно 0,175 та 0,182.

3.3 Побудова кластерів фінансового стану підприємства та вибір фінансової стратегії

Побудова кластерів фінансового стану дозволяє реалізувати третій та четвертий етапи алгоритму вибору фінансової стратегії.

Для побудови кластерів доцільно використовувати пакет Statistica. Побудова кластерів здійснюється за допомогою методу к-середніх. Стартове вікно зображено на рис. 3.13



Рисунок 3.13 - Стартове вікно кластерного аналізу

Результати кластерізації зображено на рис. 3.14

Рисунок 3.14 - Результати кластерного аналізу

Для аналізу кластерів необхідно дослідити середні значення кожного з показників. Дані щодо середніх значень наведено на рис. 3.15 та в табл. 3.2.



Рисунок 3.15 - Середні значення показників в кластерах

Таблиця 3.2 - Середні значення показників в кластерах

	Кластер 1	Кластер 2	Кластер 3
X1	0,110700	0,764000	0,071763
X2	0,144050	0,012300	0,064275
X3	0,892800	0,036800	0,204950
X4	0,104150	0,006000	0,023013

Згідно таблиці 3.2 можна дати наступну інтерпретацію кластерів (табл. 3.3).

Таблиця 3.3 - Економічна інтерпретація кластерів

Кластер	Економічна інтерпретація
1	Кластер високого рівня стійкості фінансового стану
2	Кластер низького рівня стійкості фінансового стану
3	Кластер середнього рівня стійкості фінансового стану

Таким чином, за досліджуваний період часу підприємство знаходилось в наступних фінансових станах (табл. 3.4).

Таблиця 3.4 - Клас фінансового стану підприємства

Період часу	Клас фінансового стану
1	Низький
2	Середній
3	Високий
4	Середній
5	Середній
6	Середній
7	Середній
8	Високий
9	Середній
10	Середній
11	Середній

Визначимо згідно матриці вибору стратегій адекватну фінансову стратегію підприємства (рис. 3.16).

Рисунок 3.16 - Матриця вибору фінансової стратегії для досліджуваного підприємства

Досліджуване підприємство опинилося в „5” ситуації. Це свідчить, що підприємству доцільно обирати стратегію фінансового забезпечення прискореного росту (агресивну фінансову стратегію), яка спрямована на захват ринку, розширення своїх виробничих та фінансових потужностей за рахунок використання як власних так і позикових коштів.

4. ОХОРОНА ПРАЦІ І НАВКОЛИШНЬОГО СЕРЕДОВИЩА

4.1 Загальні питання охорони праці

Підвищення технічної оснащеності підприємств, застосування нових матеріалів, конструкцій і процесів, збільшення швидкостей і потужностей машин робить вплив на характер і частоту нещасних випадків і захворювань на виробництві. Праця людини в сучасному автоматизованому і механізованому виробництві є процесом взаємодії людини і машини, причому центральне місце належить людині - оператору. Поліпшення умов праці, підвищення його безпеки впливають на результати виробничої діяльності: продуктивність праці, якість і вартість продукції, що випускається, а також приводить до зниження виробничого травматизму, професійних захворювань, зберігає здоров'я працівників і одночасно приводить до зменшення витрат на оплату пільг і компенсацій за роботу в несприятливих умовах праці.

В існуючому законодавстві [1 ] велику увагу надається питанням захисту працюючих від дії небезпечних і шкідливих чинників виробничого середовища. В законі України про охорону праці» (2002г.) сказано, що державна політика базується на принципах пріоритету життя і здоров'я працівників по відношенню до результатів виробничої діяльності підприємства, повної відповідальності власника за створення безпечних і нешкідливих умов праці.

Використовуються економічні методи для управління охороною праці на підприємстві. Створюються національні, галузеві, регіональні програми з питань охорони праці, враховуючі різні напрями економічної і соціальної політики держави. Встановлюються єдині нормативи по охороні праці для всіх підприємств, організацій незалежно від форм власності. Створюються страхові фонди.

4.2 Управління охороною праці на підприємстві

Працедавець зобов'язаний створити на робочому місці, в кожному структурному підрозділі, умови праці, відповідні нормативно-правовим актам.

З цією метою працедавець забезпечує функціонування системи управління охороною праці, а саме:

- створює відповідні служби і призначає посадовців, які забезпечують рішення конкретних питань охорони праці, затверджує інструкції про їх обов'язки, права і відповідальність за виконання покладених на них функцій, а також контролює їх виконання;

- розробляє за участю сторін колективного договору і реалізує комплексні заходи для досягнення встановлених нормативів і підвищення існуючого рівня охорони праці;

- організовує атестацію робочих місць на відповідність нормативним актам з охорони праці;

- забезпечує виконання необхідних профілактичних заходів у разі зміни умов праці;

- упроваджує прогресивні технології, досягнення науки і техніки, засоби механізації і автоматизації виробництва, дотримує вимоги ергономіки, використовує позитивний досвід в області охорони праці і тому подібне;

- забезпечує належний зміст будівель і споруд, виробничого устаткування і оснащення, моніторинг за їх технічним станом;

- забезпечує усунення причин, які можуть привести до нещасних випадків, професійних захворювань, і забезпечує здійснення профілактичних заходів, визначених комісіями за підсумками розслідування цих причин;

- організує проведення аудиту охорони праці, лабораторних досліджень умов праці, дає оцінку технічного стану виробничого устаткування і оснащення;

- розробляє і затверджує положення, інструкції, інші акти по охороні праці, які діють в межах підприємства (далі - акти підприємства). Встановлює послідовність виконання робіт і поведінки працівників на території підприємства, у виробничих приміщеннях, на будівельних майданчиках, робочих місцях відповідно до державних міжгалузевих і галузевих нормативних актів по охороні праці, забезпечує безкоштовно працівників нормативно-правовими актами і актами підприємства по охороні праці;

- здійснює контроль за дотриманням працівником технологічних процесів, правил поводження з машинами, механізмами, устаткуванням і іншими засобами виробництва, використовуванням засобів колективного і індивідуального захисту, виконанням робіт щодо вимог по охороні праці;

- організовує пропаганду безпечних прийомів праці і співпраці з працівниками в області охорони праці;

- передбачає термінові заходи для надання допомоги потерпілим, привертає при необхідності професійні аварійно-рятівні формування у разі виникнення на підприємстві аварій і нещасних випадків.

Працедавець несе безпосередню відповідальність за порушення відзначених вимог[1 ].

4.3 Перелік небезпечних і шкідливих виробничих факторів

В даному розділі розглядається робоче місце з використанням персонального ЕОМ при виконанні дипломної роботи.

Характеристика приміщення, в якому знаходиться комп'ютер: розміри приміщення: - площа: S = 6 Ч 10 = 60 м²; - об'їм: V = 6 Ч 10 Ч 3,5 = 210 м³.

Згідно [2 ], норма площі на одного працюючого не повинна бути менше 6 м². В приміщенні, що розглядається, вісім робочих місць, таким чином необхідна площа: S_необх. = 6 Ч 8 = 48м². Отже, приміщення відповідає вимогам [2 ]. Приміщення розташовано на другому поверсі чотириповерхової будівлі.

Приміщення пожежонебезпечне, категорії В, оскільки в ньому знаходяться тверді матеріали, що згорають [3 ]. Відповідно до обліку категорії пожежонебезпечності і поверховості будівлі, в якій розміщено дане приміщення, ступінь вогнестійкості будівлі - ІІ [4 ].

Перелік основних небезпечних і шкідливих виробничих чинників, які зустрічаються на робочому місці, що розглядається, надано в таблиці 4.1 [5]

Таблиця 4.1- Небезпечні і шкідливі виробничі чинники

Найменування чинників	Джерела виникнення	Характер дії на організм людини	Нормований параметр
1	2	3	4
Шум	Принтери, сканери, системні блоки	Розлади ЦНС, зниження слуху	Рівень звуку Lр, дБА
Вібрація	Системні блоки ЕОМ	Розлади серцево-судинної системи, ЦНС	Рівень виброшвидкості Lv, дБ
М'яке рентгенівське випромінювання	Монітори ЕОМ	Стомлення, захворювання органів зору,	Еквівалентна доза, Р, мкР/ч
Електромагнітне випромінювання	Монітори ЕОМ	Пониження кров'яного тиску	Напруженість, Е, В/м
Ультрафіолетове інфрачервоне випромінювання	Монітори ЕОМ	Головний біль, сонливість, запаморочення.	Інтенсивність теплових випромінювань Е, Вт/м2
Електростатичне поле	Комп'ютерна техніка	Головний біль, погіршення зору	Напруженість, Е, кВ/м
Яскравість екрану	Монітор	Стомлення очей	Не більше 40 кд/м2
Підвищена іонізація повітря	Комп'ютер	Опромінювання	Кількість іонів в 1см3 n+ =1500 - 3000 n- = 3000 - 5000
Напруга в електромережі	Штучне освітлення	Поразка електрик-ним струмом	Uпр ? 36
Монотонність праці	Безперервна робота на ЕОМ	Стомлення ЦНС	--

4.4 Промислова санітарія

Метеорологічні умови вибираються відповідно до вимог [6 ]. При роботах операторського типу, пов'язаних з великою нервово-емоційною напругою, передбачені оптимальні значення параметрів мікроклімату в приміщенні. Енерговитрати складають 139 Вт, оскільки роботи виконуються сидячи. Категорія виконуваних робіт - Iа. Оптимальні норми температури, відносної вологості, швидкості руху повітря в приміщенні в холодний і теплий період року для категорії робіт Iа надані в таблиці 4.2.

Таблиця 4.2 - Оптимальні параметри мікроклімату

Період роки	Категорія виконуваних робіт по енерговитратах	Температура, 0С	Відносна вологість, %	Швидкість руху повітря, м/с
Теплий	I а	23 - 25	40 - 60	0,1
Холодний	I а	22 - 24	40 - 60	0,1

Для забезпечення параметрів мікроклімату в межах норми, оптимального рівня іонізації [n⁺ = (1500 ч 3000), n^Ї = (3000 ч 5000)] в см³ повітря [2 ], концентрації пилу нижче встановленого значення ГДК = 4 мг/м³, в даному приміщенні передбачені прилади зволоження і штучної іонізації повітря, а також кондиціонування повітря [7 ]. Вид опалювання - центральний. Джерела надходження води -- міський водопровід, діюча каналізація -- господарсько-побутова [8 ] .

Передбачено природне і штучне освітлення в приміщенні, в якому розташовано робоче місце. За найменшим розміром об'єкту розрізнення, характеристики фону і контрасту об'єкту розрізнення з фоном встановлюємо розряд зорових робіт - IIIв

Природне освітлення - односторонньо бічне. Нормативне значення коефіцієнта природної освітленості визначаємо по наступній формулі:

 % ( 4.1 )

де е_N - коефіцієнт природної освітленості;

e_н - коефіцієнт природної освітленості для III розряду зорових робіт;

m_N - коефіцієнт світлового клімату (0,9);

номер групи забезпеченості природним світлом

Необхідну сумарну площу світлових отворів в приміщенні з одностороннім бічним освітленням, має розміри: L=10 м, В= 6 м, H=3,5 м визначаємо по формулі:

м²; (4.2)

_ок- світлова характеристика вікна _ок = 13,5;

к_з - коефіцієнт запасу, враховуючий зниження освітленості в процесі експлуатації скла, к_з = 1,4;

S_п - площа підлоги приміщення; S_п = L·В= 10 · 6 = 60м²;

к_зд - коефіцієнт, що враховує затемнення вікон протилежними будівлями, к_зд = 1;

- загальний коефіцієнт світлопроникнення;

(4.3)

коефіцієнт, що враховує вид матеріалу, що пропускає світло 0,8;

коефіцієнт, що враховує вид палітурки; 0,8;

коефіцієнт, що враховує вид несучих конструкційних матеріалів, при бічному освітленні; 1;

коефіцієнт, що ураховує втрати світла в сонцезахисних пристроях; 0,65;

- коефіцієнт, що враховує вплив відображеного світла при бічному освітленні, r₁ =3,0;

0,8·0,8·1·0,65 =0,416

Сумарна площа світлових отворів S₀ = 16,36 м²

Штучне освітлення - загальне рівномірне. Як джерела світла використовуємо люмінесцентні лампи типу ЛТБ 80-2. Нормативне значення освітленості для IIIв розряду зорових робіт Е_min складає 300 лк. Загальне освітлення виконано у вигляді переривчатих ліній світильників ЛП033 виконання 001 прямого світла (П) з дзеркальними екранними сітками і відбивачами. Основні характеристики освітлення, що передбачено в приміщенні надані в таблиці 4.3 [9 ].

Таблиця 4.3- Характеристика освітлення

Площа підлоги, м2	Розряд зорових робіт	Освітлення
		природне	штучне
		Вид освітлення (верхнє, бічне)	КЕО еN %	Мінімальна освітленість, Еmin, лк
60	IIIв	бічне	1,8	300

Шум є одним з найпоширеніших на виробництві шкідливих чинників. У відповідності з [10] на робочому місці при рішенні завдань потребуючої концентрації уваги рівні звуку і еквівалентні рівні звуку не повинні перевищувати 50 дБА. Відповідно з [11] рівень вібрації для категорії 3, тип „в”, в умовах „комфорту” не повинна перевищувати 75 дБ. Для зменшення рівня звуку і вібрації застосовуються демпфуючі матеріали (гумова прокладка під принтер). Шумопоглинальні засоби застосовуються не спаленні або тяжко спаленні спеціальні перфоровані плити, панелі, мінеральна вата та інші.

Комп'ютер і в першу чергу монітор є джерелами:

- електростатичного поля;

- слабих електромагнітних випромінювань в низькочастотному і високочастотному діапазонах (2 Гц …400 Гц);

- рентгенівського випромінювання;

- ультрафіолетового, інфрачервоного і випромінювання видимого діапазону.

Згідно [12], встановлюються гранично допустимі значення напруженості електричного і магнітного полів частотою 50 Гц залежно від часу перебування персоналу в приміщенні. Напруженість електричного поля не перевищує 5 кВ/м, напруженість магнітного поля на робочому місці не перевищує 8 кА/м, а напруженість електростатичного поля не перевищує 20 кВ/м [13], що дозволяє не регламентувати час перебування в приміщенні.

Потужність експозиційної дози рентгенівського випромінювання на відстані 0,05 м від екрану не перевищує 0,1 мбер/час [14]. Рівні всіх можливих випромінювань достатньо низькі і не перевищують діючі норми. На робочому місці, що вивчається, розміщений найбезпечніший монітор, в якому створений додатковий металевий внутрішній контур, замкнутий на вбудований захисний екран.

При організації робочого місця за комп'ютером дотримувалися наступні розміри:

- відстань від підлоги до сидіння крісла дорівнює 440 мм;

- відстань від сидіння крісла до нижнього краю робочої поверхні 330 мм;

- відстань від очей до дисплея 550 мм;

- простір для ніг 770 мм;

- відстань від ніжки столу до краю робочої поверхні столу 640 мм;

М - відстань між передньою поверхнею тіла і краєм робочої поверхні столу 80 мм;

- відстань від очей до документації 500 мм;

- оптимальна зона моторного поля 360 мм;

- висота робочої поверхні 800 мм;

- кут огляду документів 30^!.

Екран дисплея по висоті розташований на столі так, що кут між нормаллю до центру екрану і горизонтальною лінією погляду складає 20^!. Кут спостереження екрану в горизонтальній площині не перевищує 60^° [14,15]. Передбачені перерви, що регламентуються, для відпочинку тривалістю 15 хвилин після кожних двох годин роботи.

4.5 Електробезпека

При проектуванні систем електропостачання, при монтажі силової електроустаткуванні і електричного освітлення в будівлях і приміщеннях для ЕОМ необхідно дотримуватися вимог нормативно-технічної документації (ПУЕ, ПТЕ, ПТБ і ін.).

Рід струму - змінний, напруга в мережі 220 / 380В. ЕОМ є однофазним споживачем електроенергії від трифазної чотирьох провідної мережі з глухо заземленою нейтраллю змінного струму частотою 50 Гц. По ступені небезпеки поразки електричним струмом приміщення ставиться до приміщень з підвищеної небезпеки [16].

Працівник, що поступає на роботу, обов'язково проходить ввідний і первинний інструктаж по техніці безпеки в цілях профілактики нещасних випадків, а також знайомиться з інструктажем по дотриманню заходів техніки безпеки при роботі з ПЕВМ.

4.6 Пожежна безпека

Категорія приміщення по вибухопожежонебезпеки - В [3 ], вогнестійкість будівлі - II [4 ]. Зона класу приміщення П-IIа. Ступінь захисту оболонки для вказаної пожежонебезпечної зони - IР44[17].

Можливими причинами пожеж в приміщенні може бути несправність електропроводки і електроустаткування, коротке замикання в мережі, зберігання горючих матеріалів, блискавка і т.д.

Згідно [18] пожежна безпека забезпечується системами запобігання пожежі, пожежного захисту і організаційно-технічними заходами.

В системі запобігання пожежі передбачені наступні заходи: контроль і профілактика ізоляції, наявність плавких запобіжників в устаткуванні, блискавкозахист будівлі. Для даного класу пожежонебезпечної зони приміщення П-IIа, з урахуванням кількості грозових годин у рік (20 годин), встановлено ІІ категорію блискавкозахисту [19].

Система пожежного захисту передбачає забезпечення вогнегасниками -ВВК-8.

Організаційними заходами пожежної профілактики є навчання виробничого персоналу протипожежним правилам, видання необхідних інструкцій і плакатів, засобів наочної агітації.

4.7 Охорона навколишнього середовища

На робочому місці, що розглядається, відсутні відходи, що забруднюють навколишнє середовище, оскільки устаткування (ПЕВМ, принтер) не є джерелом забруднення навколишнього середовища. Проте при виробленні ресурсу устаткування стає повторною сировиною і підлягає утилізації [20].

ВИСНОВКИ

Пріоритетною в дослідженні фінансово-господарського стану підприємства є не стільки констатація фактичного положення справ, скільки обґрунтований прогноз перспективних дій підприємства, розробка рекомендацій для уникнення можливих помилок і прорахунків при стратегічному плануванні, тобто формування фінансової стратегії підприємства. Тому створення для цієї мети моделі вибору фінансової стратегії підприємства є необхідним і доцільним аспектом підвищення ефективності фінансового управління та планування.

Для досягнення поставленої мети роботи були вирішені наступні задачі:

досліджено місце фінансової стратегії в загальній стратегії підприємства;

виділено принципи формування фінансової стратегії;

проаналізовано методи моделювання процесів вибору фінансової стратегії;

розроблено алгоритмічну модель вибору типу фінансової стратегії підприємства;

розраховано інтегральний показник фінансового стану;

розроблено моделі прогнозування показників фінансового стану підприємства;

здійснено групування станів підприємства за рівнем фінансової стійкості;

проаналізовано динаміку показників фінансового стану аналізованого підприємства та здійснено вибір фінансової стратегії.

Запропонована алгоритмічна модель вибору фінансової стратегії підприємства включає чотири етапи.

На першому етапі було побудовано інтегральний показник складових фінансового стану по чотирьох групах. Інтегральний показник кожної групи дозволяє визначити рівень розвитку по кожній групі, що в свою чергу дозволяє більш адекватно визначати фінансову стратегію підприємства.

Другий етап присвячений прогнозуванню загального фінансового стану. Для цього в роботі побудовано моделі кожної групи показників На третьому етапі визначений склад кластерів фінансового стану. Четвертий етап присвячений саме вибору ефективної фінансової стратегії, якою для досліджуваного підприємства є стратегія фінансового забезпечення прискореного росту (агресивна фінансова стратегія).

СПИСОК ДЖЕРЕЛ ІНФОРМАЦІЇ