Публикация научных статей.
Вход на сайт
E-mail:
Пароль:
Запомнить
Регистрация/
Забыли пароль?
https://wos-scopus.com
Научные направления
Поделиться:
Разделы: Экономика
Размещена 05.11.2017. Последняя правка: 03.11.2017.

СКОЛЬЗЯЩЕЕ ПЛАНИРОВАНИЕ ОБЪЕМА И СТРУКТУРЫ ДЕНЕЖНЫХ ПОТОКОВ И ИХ ОПТИМИЗАЦИЯ В ТЕКУЩЕЙ ДЕЯТЕЛЬНОСТИ ФИРМЫ

Фоминых Максим Андреевич

-

Ижевский государственный технический университет имени М. Т. Калашникова

магистрант

Научный руководитель: Журавлева Татьяна Павловна, кандидат экономических наук, доцент кафедры бухгалтерского учета и анализа хозяйственной деятельности Ижевского государственного технического университета имени М. Т. Калашникова


Аннотация:
В данной статье рассматриваются проблемы планирования и оптимизации денежных потоков. Рассматриваются современные способы решение данных проблем с помощью методов машинного программирования, оптимизационных моделей и имитационного моделирования. Основное внимание в работе автор акцентирует на текущей деятельности, которая является целью создания организаций. Автор предлагает разработать методику оперативного управления денежных потоков на примере скользящего гибкого платежного календаря, включающую сбалансированность денежного потока с помощью модифицированных им моделей. В данной статье предпринята попытка раскрыть основную причину, по которой компаниям выгодно использовать данную методику. В качестве ключевого доказательства рациональности и надежности использования данной методики раскрываются способы ее применения для достижения поставленной цели и апробация. В заключении приводятся выводы.


Abstract:
This article discusses the problems of planning and optimizing cash flows. Modern methods for solving these problems are considered using computer programming techniques, optimization models and simulation modeling. The author focuses on the current activity, which is the goal of creating organizations. The author proposes to develop a cash flows operational management methodology on the example of a rolling flexible payment schedule, including the cash flow balance with the aid of models modified by him. This article attempts to reveal the main reason why companies benefit from this methodology. As a key proof of the rationality and reliability of the use of this methodology, the methods of its application to achieve the goal and approbation are disclosed. Finally, the conclusions are given.


Ключевые слова:
скользящее планирование и бюджетирование; скользящий гибкий платежный календарь; алгоритмы машинного программирования; модифицированная модель Стоуна; флоут; система максимизации краткосрочной прибыли; имитационное моделирование.

Keywords:
rolling planning and budgeting; rolling flexible payment schedule; computer programming algorithms; modified Stone model; float; short-term profit maximizing system; simulation modeling.


УДК 330.46

Введение

Сегодня проблемы планирования и оптимизации денежных потоков текущей деятельности фирмы не перестают быть в центре внимания. Выход из данной ситуации предполагается в использовании современных методов машинного программирования и модифицированной модели Стоуна в этой области.

Актуальность темы

Статья посвящена актуальной на сегодняшний день проблемам – планированию и оптимизации денежных потоков текущей деятельности фирмы, решение которых обеспечит фирме рациональное использование всех видов ее ресурсов (задействованных в операционной деятельности) на осуществление главной цели любой коммерческой организации - увеличения рыночной стоимости фирмы или повышения благосостояния собственников.

Объектом исследования данной работы является управление формированием денежных потоков фирмы.

Предмет исследования – методики управления формирования денежных потоков фирмы.

Целью работы является создание “скользящего гибкого платежного календаря” для любой фирмы.

Для достижения поставленной цели необходимо решить задачи:

- выявить и обосновать целесообразность (уместность) использования алгоритмов GBM (Градиентый Бустинг над решающими деревьями вида CART) и RF (Случайный Лес), в системе планирования и оптимизации денежных потоков в наши дни;
- разработать и подтвердить методику управления формированием денежных потоков, учитывающую системы планирования и оптимизации денежных потоков.

Научная новизна

Впервые было предложено использовать модифицированную модель Стоуна, берущую на входе выходы алгоритмов машинного программирования GBM или RF для управления формированием денежных потоков, используя внешнюю и внутреннюю информацию, и учитывающую системы планирования и оптимизации денежных потоков для осуществления главной цели.

Основная часть

Планирование денежных потоков

Планирование денежных потоков является ядром механизма по управлению их фирмой. Данное планирование можно назвать процессом по разработке системы планов и плановых показателей, в которой будут формироваться разные виды этих потоков по каждому виду деятельности фирмы на будущий период. Кроме того, такое планирование для компании является незаменимой частью ее внутрифирменного финансового планирования и предполагает использование следующих систем (рис. 1).[1]
рис 1
Рис. 1 – Системы планирования денежных потоков

Перечисленные системы планирования характеризуются конкретными периодом и формами реализации их результатов, взаимодействуют между собой и выполняются поэтапно. Прежде всего, прогнозируются важнейшие целевые показатели развития денежных потоков в системе общей финансовой стратегии компании с целью определения задач текущего их планирования. Далее текущее планирование будет создавать основу для разработки и доведения до конкретных исполнителей оперативных плановых заданий по всем основным вопросам их формирования в компании.[1]

На основе рекомендаций Бланка была разработана декомпозиция дерева целей планирования денежных потоков (рис.2). [1]
рис 2
Рис. 2 – Декомпозиция планирования денежных потоков

В статье рассматривается планирование объема и структуры денежных потоков по текущей деятельности на примере системы оперативного планирования денежныхпотоков, а именно бюджета и платежного календаря.

Система оперативного планирования денежных потоков 

Данная система берет выходы внедренных плановых показателей плана поступления и расходования денежных средств.[1]

Она рассматривается как процесс по созданию совокупности краткосрочных плановых задач для выполнения главных векторов развития денежных потоков. Так появляется бюджет - в виде формы плановой финансовой задачи.[2]

Бюджет - это главный плановый документ и оперативный финансовый план краткосрочного периода. Как правило, он разрабатывается на год, квартал или месяц. Он должен отражать притоки и оттоки денежных средств в процессе жизнедеятельности фирмы, детализировать показатели текущих финансовых планов и доводиться до конкретных центров ответственности (ЦО).[1]

Процесс создания планового бюджета называется бюджетированием и предназначен для решения следующих задач – рис 3.[2]
рис 3
Рис. 3 - Задачи бюджетирования

Традиционное бюджетирование (рис. 4) проигрывает скользящему планированию по причине того, что составленный однажды бюджет будет иметь все большие неточности по мере удаления его прогнозов от его даты составления по причине появления более актуальной информации. Скользящее планирование (рис. 4) решает данную проблему через актуализацию поступающей информации.[2]

Скользящее бюджетирование предполагает декомпозицию годового бюджета (плана поступления и расходования денежных средств) по кварталам, а тех по месяцам, учитывая годовые плановые финансовые показатели, с целью работоспособности рассматриваемой системы и контроля за результатами такого управления (рис. 4).[1]

Поэтому современное планирование должно быть непрерывным и детализированным, имея прочный стержень для ведения своевременного контроля за результатами такого управления через комбинацию рассмотренных методик (рис.4).
рис 4
Рис. 4 - Традиционное бюджетирование, скользящее планирование, скользящее бюджетирование и современное планирование

Тогда управление денежными потоками представляет собой упорядоченную совокупность следующих этапов (рис. 5). [2]
рис 5
Рис. 5 – Этапы управления денежными потоками

Высокая динамика денежных потоков и их зависимость от краткосрочных факторов требуют внедрения планового финансового документа, обеспечивающего ежедневное управление притоком и оттоком денежных средств фирмы. Так возник платежный календарь как оперативный плановый документ, составленный в рамках месяца план денежных потоков (притоков и оттоков денежных средств) на уровне компании или ее ЦО. [1]

Платежный календарь предполагает установленные в рамках месяца сроки и объемы платежей. Считается, что платежный календарь является проверенным временем инструментом рассматриваемой системы и призван решать следующие задачи – рис. 6. [1]
рис 6
Рис. 6 - Задачи платежного календаря

Платежный календарь разрабатывается с целью определения конкретных сроков притока денежных средств и платежей компании и их доведение до конкретных исполнителей в форме плановых заданий. В процессе оперативного планирования денежных потоков платежный календарь составляется в 2 разделах:[1]
1) график предстоящих платежей;
2) график предстоящих поступлений денежных средств.

Платежный календарь может состоять из 1 раздела, когда планируемый вид денежного потока носит односторонний характер (только положительный или только отрицательный).

Временной график платежей в платежном календаре может быть дифференцирован в любом периоде времени (по дням и т.п.), однако при условии, что это не сильно повлияет на ход осуществления денежного оборота компании или вызвано неопределенностью сроков платежей. [1]

Результатом разработок видов платежных календарей по операционной деятельности для фирмы является разработанный перечень видов платежного календаря в этой деятельности, с учетом требований эффективности управления денежным оборотом и установленных конкретных сроков по притокам и оттокам и их доведение до конкретных исполнителей в форме плановых заданий. [1]

Основные виды платежного календаря компании по операционной деятельности, дифференцированные на уровне компании, а также в разрезе ЦО, приведены на рис. 7. [1]
рис 7
Рис. 7 - Оперативное управление в операционной деятельности

Перечисленные виды платежного календаря (рис. 7) как формы оперативного планового документа могут быть дополнены с учетом объема и специфики деятельности фирмы. Конкретный перечень видов платежного календаря фирма устанавливает самостоятельно с учетом требований эффективности управления денежным оборотом. [1]

Ряд показателей отдельных видов платежного календаря могут носить не фиксированный, а переменный характер (гибкий платежный календарь). Такая форма календаря доводится обычно до ЦО. [1]

Таким образом, под “скользящим гибким платежным календарем” понимается оперативный, составленный в рамках месяца план денежных потоков (поступления и расходования денежных средств) по фирме или ее ЦО, установленные в рамках месяца сроки и объемы платежей, а также план, имеющий не фиксированный, а переменный характер показателей (выручка и т.п.), и, кроме того, план, подразумевающий непрерывный пересмотр сроков и объемов платежей с шагом в 1 день.

Оптимизация денежных потоков

Оптимизация денежных потоков фирмы предполагает оптимизацию среднего остатка денежных активов и оптимизацию платежного оборота. 1ая оптимизация проводится с целью минимизации этих активов, т.к. они не приносят дохода фирме. [1]

1ая оптимизация может определяться как базовыми показателями, так и сложными моделями, например, моделями Баумоля, Миллера-Орра и Стоуна. [1, 3, 4]

Преимуществом модели Стоуна является то, что принятие решения о покупке (продаже) или не покупке (не продаже) краткосрочных активов и период прогнозирования определяются не по конкретным формулам, а исходя из практического опыта фирмы, учитывая ее индивидуальные особенности.[3, 4]

Основным недостатком модели Стоуна является невозможность учета альтернативных вариантов вложения временно свободных денежных средств.[3, 4]

В результате анализа методик на предприятии целесообразно использовать модифицированную модель Стоуна.

Оптимизация платежного оборота

2ая оптимизация выступает важнейшим регулятором интенсивности денежных потоков и размера среднего остатка денежных активов фирмы. Основу 2ой оптимизации составляет обеспечение сбалансированности объемов положительного и отрицательного денежных потоков во времени (рис. 8). [1]
рис 8
Рис. 8 - Сбалансированность и несбалансированность денежного потока

В главе 18.2 Бланк перечисляет ряд методик по оптимизации данных потоков в краткосрочном и долгосрочном периодах. Некоторые из них войдут в систему максимизации краткосрочной прибыли. [1]

Сбалансированность денежного потока является целевым параметром, характеризующим уровень ликвидности этого потока, абсолютной платежеспособности фирмы и рассматривается в разрезе необходимых интервалов рассматриваемого периода времени. Несбалансированность денежного потока означает низкий уровень ликвидности этого потока и абсолютной платежеспособности фирмы. Увеличение периода несбалансированности увеличивает угрозу банкротства. [1]

Важно помнить, что объектом оптимизации выступают предсказуемые денежные потоки, поддающиеся изменению во времени. В процессе оптимизации денежных потоков во времени используются два основных метода — выравнивание и синхронизация. [1]

Выравнивание сглаживает объемы денежных потоков в разрезе отдельных интервалов рассматриваемого периода времени и позволяет устранить сезонную компоненту в формировании денежных потоков (положительных и отрицательных), оптимизируя параллельно средние остатки денежных средств и повышая уровень ликвидности. Синхронизация показывает линейную зависимость положительного и отрицательного денежных потоков. [1]

Флоут и система максимизации краткосрочной прибыли

Флоут – это денежные средства в пути. Особый интерес из всей совокупности флоутов представляет чистый флоут. [4-7]

Чистый флоут представляет собой разницу между денежными средствами в бухгалтерских книгах компании и их остатком на банковских счетах. Чистый флоут возникает из-за того что между выпиской чека (или отправкой перевода иным способом) и инкассацией денежных средств банком существует определенный промежуток времени. По этой причине денежные остатки в бухгалтерских книгах компании меньше, чем остатки доступных денежных средств в банке. [4-7]

Итак, чистый флоут можно использовать не только как метод оптимизации дефицитного денежного потока в краткосрочном периоде как это было у Бланка, но и как способ увеличения краткосрочной прибыли.

Система максимизации краткосрочной прибыли включает в себя систему “Лидс энд лэгс”, поэтому она также включает ее недостатки в еще большей степени. [1]

Система максимизации краткосрочной прибыли предполагает, что фирма стремится ускорить получение сумм по счетам дебиторов, чтобы как можно скорее получить деньги в свое распоряжение. И наоборот, она стремится оттянуть расчеты с кредиторами, насколько позволяет политика поддержания кредитного доверия поставщиков, чтобы извлечь максимальную пользу из тех денежных средств, которые на данный момент имеются в наличии. [4-7]

Для удобства назовем такую разницу во времени между притоком и оттоком - чистым запасом времени.

Иначе говоря, как при ускорении сбора денежных средств, так и при замедлении денежных оттоков достигается одна и та же цель - получение средств, свободных для инвестиций. Чем позже фирма заплатит по счетам, тем дольше ее денежные средства будут инвестированы в приносящие доход активы. А финансовый менеджер должен принимать меры для замедления платежей, но только в той степени, в которой пени и другие издержки, а также ухудшение кредитного рейтинга фирмы не перевесят все выгоды от замедления платежей. [7]

Поэтому фирма должна использовать сложные приемы ускорения сбора денежных сумм и жесткого контроля за их выплатой с целью получения дополнительной краткосрочной прибыли, максимизируя чистый запас времени и его часть – чистый флоут (рис. 9). [1,4-7]
рис 9
Рис. 9 - Система максимизации краткосрочной прибыли

Таким образом, плохое управление чистым флоутом и чистым излишком времени фирмой может привести к усилению колебаний оттока в определенные моменты времени и даже к разрыву ликвидности, если их грамотно не контролировать.

Кроме того, управление чистым флоутом можно представить в виде транспортной задачи с выбором оптимальных арендованных почтовых ящиков и контролируемых счетов расходов. Также нельзя забывать, что каждый финансовый инструмент, используемый с целью максимизации краткосрочной прибыли должен быть рентабельным.

Апробация алгоритмов машинного программирования

На сегодняшний день одними из мощных алгоритмов являются Случайный Лес (RF) и Бустинг (GBM). Первый применяется, когда в наличии имеется малое количество данных. Второй – при большом. Эти алгоритмы используются тогда, когда объекты носят слабопрогнозируемый характер. Программа R поддерживает эти алгоритмы.[8-11]

Рассмотрим лишь задачу классификации дебиторов. Отметим, что объектами в данной задаче будут контрагенты, а признаками - Баланс, Отчет о прибылях и убытках, возможный срок оплаты, показатели финансовой устойчивости и т.п. измерения над объектами. В конкретной ситуации алгоритмы будут выдавать вероятность отнесения объекта к классам (0, 1, 2, 3), после чего в случае положительной классификации (1, 2, 3) составляется договор с объектом по разным условиям, согласно кредитной политики предприятия. Обычно классов все-таки несколько, т.к. кредитная политика фирмы должна быть гибкой (предлагать соответствующие условия контрагенту, аргументируя это таким-то уровнем собственного риска).

Обычно, все алгоритмы хорошо справляются с ошибкой 1 рода (когда менее привлекательный класс принимают за более привлекательный – т.е. деньги на ветер), но с ошибкой 2 рода (когда более привлекательный класс принимают за менее привлекательный – т.е. упущенная выгода) некоторые справляются лучше в конкретных ситуациях.

Алгоритм-победитель выбирается на основе сравнения вышеуказанных алгоритмов. Сравним их между собой, используя модельные данные, и оценку качества на тесте. Но сначала необходимо сырые данные (рис. 10) переделать в чистые (рис. 11, 12) с целью дальнейшего анализа данных.
рис 10
Рис. 10 – Сырые данные
рис 11
Рис. 11 – Процесс последовательной обработки сырых данных

Сразу же видно, что исходные данные требуют нормировки, а переименование столбцов по желанию, поэтому пишем код (рис. 12).
рис 12
Рис. 12 – Код очищения и вывод полученного результата

Теперь данные являются чистыми и готовыми для анализа. Поэтому переходим непосредственно к запуску RF (рис. 13).
рис 13
Рис. 13 - Код RF в R (кросс-валидация и обучение)

Обучение RF прошло успешно и теперь стоит посмотреть на результаты (рис. 14-16).
рис 14
Рис. 14 – Результат обучения RF

Результатом на обучении являются метрики для мультиклассовой задачи. Особый интерес представляют логистическая ошибка и AUC. 1ая метрика показывает то, насколько уверенно алгоритм предсказывает и насколько сильно будет штрафовать за неправильную классификацию. 2ая интерпретируется как способность алгоритма выявлять больше истинных положительных ответов над истинными отрицательными. [12]
рис 15
Рис. 15 - Результат обучения RF

Матрица сопряженности показывает ошибки 1 и 2 рода. График справа показывает оптимальное количество деревьев для построения композиции в RF.
рис 16
Рис. 16 - Результат обучения RF

Информативность переменных показывает их вклад в распознавании того или иного класса. После изучения результатов обучения переходят к тестированию (рис.17-18).
рис 17
Рис. 17 - Код и результат теста RF

Результатом рис. 17 является матрица сопряженности, общая статистика и статистики для каждого класса. [13]
рис 18
Рис. 18- Код и результат теста RF

На рис. 18 показаны AUC для каждого класса. [14]

Теперь запускаем обучение GBM (рис. 19)
рис 19
Рис. 19 - Код GBM (обучение) в R

Обучение GBM прошло успешно и теперь стоит посмотреть на результаты (рис. 20-23). Стоит отметить, что оптимизация 5 гиперпараметров очень трудоемкая задача, требующая большого количества времени, поэтому им пришлось пожертвовать.
рис 20
Рис. 20 - Результат обучения GBM (выбор лучшей модели для обучения)

Результатом на обучении является выбор лучшего варианта модели прогнозирования через перебор гиперпараметров в установленном ранее списке gbmGrid (их 4) для максимизации AUC. 5 гиперпараметр (bag.fraction) задается константой.
рис 21
Рис. 21 - Результат обученияGBM

На рис. 21 изображен графический перебор 4 гиперпараметров из списка gbmGrid.
рис 22
Рис. 22 - Результат обученияGBM

На рис. 22 изображено краткое описание конечной модели.
рис 23
Рис. 23 - Результат обучения GBM

На рис. 23 представлена информативность переменных конечной модели. Теперь необходимо изучить результаты на тесте (рис. 24, 25).
рис 24
Рис. 24 - Код и результат тестаGBM

На рис. 24 представлены: матрица сопряженности, общая статистика и метрики по каждому классу.
рис 25
Рис. 25 - Код и результат тестаGBM

На рис. 25 показаны AUC для каждого класса.

Сравним результаты RF и GBM (рис. 26).
рис 26
Рис. 26 - Результат сравнения RF и GBM

Если смотреть по медиане (устойчива), то почти по всем метрикам побеждает GBM, по остальным наблюдается равенство алгоритмов. Более наглядно лучше посмотреть на рис. 27, 28.
рис 27
Рис. 27 - Результат сравнения RF и GBM

Точность – метрика показывающая то, насколько сильно алгоритм ошибается. LogLoss – побеждает GBM. AUC – RF. Таким образом, побеждает GBM, по причине меньшего LogLoss.
рис 28
Рис. 28 - Результат сравнения RF и GBM

Разброс значений AUC выполнен с уровнем доверия 95%. Разброс больше у GBM. Плотность AUC выше при использовании RF. Поэтому, в данной ситуации победил RF.

Таким образом, если исследователь в данной задаче склонен к тому, чтобы его алгоритм слабее штрафовал за уверенную классификацию, что тождественно способностью алгоритма не настраиваться на шумы, тогда его выбор будет за GBM. Если же исследователь в данной задаче склонен к тому, чтобы его алгоритм более качественно выявлял нужный ему класс, жертвуя при этом шумами, тогда его выбор будет за RF. Задача 1 решена.

Модифицированная модель Стоуна

Основной недостаток модели Стоуна убирается за счет ежедневного пересмотра альтернативных вариантов инвестирования денежных средств. Переход на другой инвестиционный проект должен покрывать все трансакционные издержки связанные с рассматриваемым и текущим проектами, а также быть более привлекательным (приносить больший доход с учетом факторов времени, инфляции, ликвидности, риска или менталитета собственников). При рассмотрении варианта с несколькими проектами на помощь придет средняя взвешенная.

Данная модель предполагает, что рассматриваемая фирма осуществляет выплаты только после того как узнает собственный приток и проводит своевременный анализ кредиторов (с целью минимизации убытков, например, от задержек в поставках и потери клиентов до потери инвесторов и собственного капитала) как в случае с дебиторами, используя выходы алгоритма (победителя). Такую ситуацию можно рассматривать как некий аналог модели Штакельберга, когда рассматриваемая фирма делает ход после другой фирмы. Но в данном случае речь идет про некий закон природы, когда фирма платит по своим обязательствам собственными силами и привлечение ею заемных средств не влияет на данный закон (иначе путь к банкротству). Поэтому фирма осуществит собственные платежи, не платежи (частичная или полная не оплата собственных обязательств, при условии отсутствия ареста счета, подачи заявлений о банкротстве и заявлений за задержку выплаты зарплаты), пополнение счета или инвестирование только после того как узнает собственный приток к моменту времени окончания основных операций по притоку (например, после обеда, а, если фирма играет на фондовом рынке, то собственный приток необходимо знать до начала основной торговли) и прогноз остатка денежных средств на несколько дней вперед (количество дней определяет менеджмент). Если фирма будет пробовать делать ход первой (для инвестирования), то для этого ей необходимо безошибочно прогнозировать собственные притоки, т.е. безошибочно классифицировать как покупателей и дебиторов, так и кредиторов, иначе данная модель перестанет работать и фирму может не спасти кредитная линия банка.

Модифицированная модель Стоуна получает на входе выходы алгоритма-победителя. Выходы представляют собой классы, которым соответствуют определенные вариации притока денежных средств в денежном выражении от покупателей, а в случае с дебиторами и кредиторами еще и во времени. После классификации происходит задача регрессии, т.е. происходит непосредственный прогноз вариации объемов каждого вида притока с определением трендовой, сезонной и циклической компоненты, учитывая стационарность объектов.

Далее выходы прогноза детализируются, т.е. осуществляется процесс современного бюджетирования, постепенно спускаясь на уровень платежного календаря. На каждом этапе детализации после того как приток и отток будут определены начинается процесс согласования заявок на оплату собственных обязательств через любой программный продукт, который будет поддерживать режим облака (хранить информацию на удаленном сервере), причем все участники ответственные за согласование конкретных заявок смогут общаться в онлайн беседе по конкретной заявке (участники бесед могут меняться). После чего утвержденные заявки попадают в платежный календарь.

Так в платежный календарь попадает вероятностный приток денежных средств и далее для получения оценки рисков запускается имитационное моделирование за счет метода Монте-Карло. В конце каждого дня происходит план-фактный анализ. В результате будет оптимизирован средний остаток денежных активов и оптимизирован платежный оборот.

Моделирование модифицированной модели Стоуна методом Монте-Карло

На основании полученной классификации дебиторов будущие платежи попадают в календарь инкассации дебиторской задолженности. Обычно объекты группируются на несколько классов, которые имеют разную вариацию сроков поступления платежей. Такую информацию нельзя не учитывать при составлении календаря инкассации дебиторской задолженности (рис. 29).[1]
рис 29
Рис. 29 - Модифицированный календарь инкассации дебиторской задолженности

Таким образом, в платежный календарь приток от дебиторов попадает через вектор платежей и вектор времени (весов) - рис. 30. Приток от кредиторов формируется также. А выручка - через вектор платежей. После чего формируется общий приток (общий платежный календарь), состоящий из притоков от выручки, дебиторской задолженности и кредиторов. Далее с помощью метода Монте-Карло (через Oracle Crystal Ball) оценивают риск несбалансированности денежного потока через синхронизацию и выравнивание.

На текущем этапе (рис. 30) управлять поступлениями можно, изменяя лишь срок вариации поступлений для каждого класса (иначе необходимо перенастраивать классы для RF и GBM). Кроме того определяется ситуация прогнозирования – одна из трех (рис. 30, 31):
- общий приток больше общего оттока;
- общий приток равен общему оттоку;
- общий приток меньше общего оттока.
рис 30
Рис. 30 – Прогнозирование притока денежных средств
рис 31
Рис. 31 – Подготовка управления собственными платежами

Иными словами, есть возможность управлять собственными сроками оплаты, зная конечную дату оплаты собственных платежей (рис. 31) и вероятностный приток (рис. 30), учитывая целесообразность задержки платежей (пени и т.п.).

Так вначале каждого дня алгоритм совершает следующую проверку (рис. 32-33).
рис 32
Рис. 32 – Первая часть цикла модифицированной модели Стоуна в теории
рис 33
Рис. 33 – Первая часть цикла модифицированной модели Стоуна на практике и вывод управления денежными потоками (принятие решений)

Таким образом, алгоритм самостоятельно озвучит управленческое решение, основываясь на весовых параметрах кредиторов и т.п., а человеку останется лишь его утвердить (согласовать) или отказаться, аргументируя такое решение.

После чего обновляется вектор платежей и вектор весов, а также будет ясно, какие платежи были оплачены через вектор позиции (рис. 34).
рис 34
Рис 34 – Управление собственными платежами (обновление вектора платежей и вектора весов)

Алгоритм сортирует платежи в иерархическом порядке так, чтобы, например, более ранние платежи оплачивались в первую очередь, учитывая пени и т.п. (рис. 34). Также, имеет смысл ранжировать кредиторскую задолженность, как это было сделано с контрагентами, т.е. целесообразно добавить вес кредиторам.

Таким образом, шаг, связанный с обновлением векторов (рис. 34) и шаг, связанный с определением управленческого решения (рис. 33) представляют собой цикл.

Кроме того, можно управлять гиперпараметрами самой модели Стоуна (рис. 35).
рис 35
Рис. 35 - Платежный календарь (оценка результатов)

При соответствующих допущениях на данной итерации можно сделать вывод о том, что вначале 1 рабочей недели было ощущение, что часть краткосрочных финансовых вложений можно было инвестировать в долгосрочные (к-т абсолютной ликвидности выше нормы), но далее абсолютная ликвидность снижается до оптимального состояния и, следовательно, долгосрочное инвестирование нецелесообразно. Кроме того, прогноза данного показателя на 10 дней для принятия решения о долгосрочном инвестировании будет не достаточно.

Наконец исследователь получит вариацию сбалансированности денежного потока через его синхронизацию и выравнивание. Таким образом, были получены следующие результаты моделирования методом Монте-Карло (рис. 36-41).
рис 36
Рис. 36 - Синхронизация денежного потока (слева) и график Торнадо, показывающий зависимость корреляции от независимых переменных (справа)

Денежный поток максимально синхронизирован во времени. Через график торнадо можно увидеть зависимость целевой переменной (корреляции) от независимых переменных.

Было выявлено, что корреляция в большей степени зависит от остатка денежных средств на счете на начало рассматриваемого периода. Зависимость остальных целевых переменных от независимых переменных через график Торнадо показал те же результаты.

Разность стандартных отклонений притока и оттока денежных средств (оттока из притока) является 1ым критерием риска неравномерности у Покровского (рис. 37). [15]
рис 37
Рис. 37 - Выявление риска дефицитности денежного потока

1ый критерий оценки риска неравномерности показывает вероятность появления дефицитного денежного потока в 8,7%.

Разность модуля разности (стандартных отклонений притока и оттока) и остатка денежных средств на конец рассматриваемого периода или 2ой критерий у Покровского показывает вероятность покрытия возникшего дефицитного денежного потока остатком денежных средств на счете (рис. 38).[15]
рис 38
Рис. 38 - Выявление риска дефицитности денежного потока при использовании остатка денежных средств на счете

2ой критерий показывает, что риск появления дефицитного денежного потока (рис. 37) будет перекрываться остатком денежных средств на счете (рис. 38).

Оптимальный остаток средств на счете по методу Миллера-Орра способствует тому, что фирма сокращает свои альтернативные издержки. [4,6]
рис 39
Рис. 39 – Определение оптимального уровня остатка денежных средств на счете

Было выявлено, что оптимальный уровень остатка денежных средств на счете стремится к уровню минимума (рис. 39).

Прогноз коэффициента абсолютной ликвидности представлен на рис. 40-42.
рис 40
Рис. 40 - Прогноз коэффициента абсолютной ликвидности
рис 41
Рис. 41 - Прогноз коэффициента абсолютной ликвидности
рис 42
Рис. 42 - Прогноз коэффициента абсолютной ликвидности

Прогноз коэффициента абсолютной ликвидности на 10 дней показал, что его вариация выше оптимума (рис. 40-42). Поэтому, если прогнозное значение рассматриваемого коэффициента на 30 дней будет также выше оптимума, то в общей ситуации целесообразно долгосрочное инвестирование. [16]

Коэффициент вариации денежного потока показывает относительную оценку того насколько сильно денежный поток может отклониться от его ожидаемого значения (рис. 43). [17]
рис 43
Рис. 43 – Оценка выравнивания денежного потока

Коэффициент вариации денежного потока показывает, что исследователь максимально выровнял денежный поток.

Далее происходит процесс согласования платежей, после которого утвержденные платежи попадают в “скользящий гибкий платежный календарь”. Задача 2 решена.

Заключение

Таким образом, алгоритмы, основанные на построении деревьев решений и методах градиентного спуска, модели поведения фирмы (например, модифицированная модель Стоуна и система максимизации краткосрочной прибыли) и имитационное моделирование (метод Монте-Карло) можно с уверенностью применять как фундамент в целях планирования и оптимизации денежных потоков и оценки всех связанных с ними рисками. Также были изложены и обоснованы основные действия фирмы по созданию “скользящего гибкого платежного календаря”.

Результаты исследования

В результате исследования было проанализировано и обосновано использование методов машинного программирования GBM и RF, моделей поведения фирмы (модифицированная модель Стоуна и система максимизации краткосрочной прибыли) и имитационное моделирование (метод Монте-Карло) в системе оперативного планирования и оптимизации денежных потоков. А также были изложены и обоснованы основные действия фирмы по созданию “скользящего гибкого платежного календаря”.

Библиографический список:

1. Бланк И.А. Управление денежными потоками. - К.: Ника-Центр, 2002. - 736 с.
2. Болотова А. В. Совершенствование управления денежными потоками в дорожно-строительных организациях: Автореферат диссертации на соискание ученой степени кандидата экономических наук. ФГБОУ ВПО «Белгородский университет кооперации, экономики и права» - Орел, 2011. - 24 с.
3. модель Стоуна [Электронный ресурс]. – Режим доступа: http://afdanalyse.ru/ - Анализ финансового состояния – (Дата обращения: 13.07.2017).
4. Бригхем, Ю.Ф. Финансовый менеджмент: учеб. пособие для вузов: полный курс в 2 т. Т.2/Ю. Бригхем, Л. Гапенски; пер. с. англ. под ред. В. В. Ко-валева. - СПб.: Эконом. шк., 1997. - 497 с.
5. Ванхорн Д.К., Вахович Д.М. Основы финансового менеджмента, 12-е из-дание: Пер. с англ. — М.: ООО "И.Д. Вильяме", 2008. - 1232 с.
6. Управление денежными средствами [Электронный ресурс]. – Режим доступа:http://muhasib-az.narod.ru/kitab/sertifikat/cipa/fin_menecment.pdf - Финансовый менеджмент – (Дата обращения: 13.07.2017).
7. Финансовый менеджмент: категории, задачи, тесты, ситуации [Электронный ресурс] / В.И. Данилин. - 2-е изд., перераб. и доп. - М. : Проспект, 2013. - https://books.google.ru/
8. Лекция 11. Случайные леса. Gradient boosting machine. - [Электронный ресурс]. – Режим доступа:https://www.youtube.com/ - Анализ данных в R – (Дата обращения: 13.07.2017).
9. Композиции классификаторов. Бустинг. - К. В. Воронцов [Электронный ресурс]. – Режим доступа:https://www.youtube.com/ - Анализ данных лекции – (Дата обращения: 13.07.2017).
10. Бэггинг и случайный лес - Высшая школа экономики [Электронный ресурс]. – Режим доступа:https://ru.coursera.org/ - Coursera – (Дата обращения: 13.07.2017).
11. Градиентный бустинг - Высшая школа экономики [Электронный ресурс]. – Режим доступа:https://ru.coursera.org/ - Coursera – (Дата обращения: 13.07.2017).
12. SENSITIVITY, SPECIFICITY AND ACCURACY, 95% CINFIDENCE INTERVAL AND ROC CURVE [Электронный ресурс]. – Режим доступа:http://www.cpdm.ufpr.br/documentos/ROC.pdf - Health Care and Life Sciences – (Дата обращения: 13.07.2017).
13. Multi-class problems [Электронный ресурс]. – Режим доступа:http://topepo.github.io/caret/measuring-performance.html - Measuring Performance – (Дата обращения: 13.07.2017).
14. An experimental comparison of performance measures for classification [Электронный ресурс]. – Режим доступа:https://www.math.ucdavis.edu/~saito/data/roc/ferri-class-perf-metrics.pdf - ELSEVIER – (Дата обращения: 13.07.2017).
15. Покровский Н.Ю. Совершенствование методов управления денежными потоками на предприятиях химической промышленности: Автореферат диссертации на соискание ученой степени кандидата экономических наук. ФГБОУ ВПО «Нижегородский государственный университет им. Н.И. Лобачевского» - Нижний Новгород, 2012. - 24 с.
16. Коэффициент абсолютной ликвидности [Электронный ресурс]. – Режим доступа:http://1fin.ru/- Финансовый анализ – (Дата обращения: 13.07.2017).
17. Относительные показатели вариации [Электронный ресурс]. – Режим доступа:http://www.grandars.ru/- Показатели вариации – (Дата обращения: 13.07.2017).




Рецензии:

5.11.2017, 15:19 Ямилов Рамиль Могатович
Рецензия: Рекомендую статью к публикации.



Комментарии пользователей:

Оставить комментарий


 
 

Вверх