«Разработка информационной технологии комплексной оценки финансово-экономического состояния предприятия» - Дипломная работа

Содержание

СОДЕРЖАНИЕ ВВЕДЕНИЕ 4

1 Теоретические аспекты ФЭС предприятий строительной отрасли 11

1.1 Особенности предприятий строительной отрасли в РФ 15

1.2 Факторы, влияющие на состояние строительной отрасли РФ 18

1.3 Развитие строительной отрасли в Краснодарском крае 19

1.4 Комплексный подход к оценке ФЭС предприятий строительной отрасли . 20

2 Анализ современных математических моделей оценки ФЭС предприятий строительной отрасли 24

2.1 Коэффициентный анализ 24

2.2 Кластерный анализ ФЭС предприятий строительной отрасли Краснодарского края 26

2.3 Дискриминантный анализ 36

2.4 Нейросетевые технологии анализа состояния предприятия 44

2.4.1 Разработка нейросетевой модели «PRED» для оценки кредитоспособности предприятий в пакете SNN 46

2.4.2 Нейросетевая кластеризация сетями Кохонена состояния предприятий строительной отрасли 52

2.4.3 Нейросетевая модель «predM» в пакете Neural Networks Toolbox 57

2.4.4 Нейросетевая модель «Compan» предприятий для оценки кредитоспособности предприятий в пакете SNN 64

2.5 Нечеткая кластеризация ФЭС строительных предприятий 79

2.6 Нечѐтко – множественные методы анализа ФЭС строительных предприятий Краснодарского края 83

2.7 Описание интерфейса программы 94

2.8 Сопоставительный анализ разработанных моделей 100

3 Автоматизированная информационная система «Финансовый Эксперт» 112

3.1 Описание программы «Финансовый Эксперт» 112

3.1.1 Подсистема «Анализируемые данные» 112

3.1.2 Подсистема «Основная рабочая область» 120

3.2 Анализ ФЭС предприятий строительной отрасли с использованием программы «Финансовый эксперт» 122

3.2.1 Краткая характеристика исследуемых предприятий строительной отрасли Краснодарского края 122

3.2.2 Анализ ФЭС предприятий строительной отрасли Краснодарского края с использованием программы «Финансовый эксперт» 125

ЗАКЛЮЧЕНИЕ 143

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 145

ПРИЛОЖЕНИЕ А 158

Введение

Актуальность темы исследования.

Одной из основных фондообразующих и системообразующих областей в России является строительство. Данная отрасль определяет темпы развития национальной экономики в достаточно большой степени. Строительство способствует решению некоторых социальных и экономических проблем в России.

Строительный комплекс способен обеспечить эффективную перестройку всей экономики и обеспечить реорганизации промышленности.

За последние годы строительный бизнес увеличил свой вклад в ВВП страны . За январь 2010 года общее число строительных организаций составило чуть больше 130 тысяч. Число сотрудников занятых официально в данной области около 3,3 миллиона человек, что составляет 7% от всего работающего населения.

За весь 2014 год В России на 15% увеличилось строительство жилья, за первую половину 2015 года объем дошел до 43,4 млн квадратных метров. По количеству это 445,6 тысяч квартир. Самый большой объем построенного жилья сосредоточился в Краснодарском края, на втором месте Московская область с объемом в 2,1 млн квадратных метров и следом Москва в 1,8 млн квадратных метров.

К сожалению, на данный момент для Российского строительного бизнеса наступил кризис. На конец 2015 года возросло число компаний, признанных банкротами в 2,9 раза по сравнению с 2014 годом. В числовом выражении это 3922 против 2823. Компанию относят к категории Д в базе РАСК и считают банкротом в том случае, если она не может погасить обязательные платежи , если компания не удовлетворяет требования кредиторов по денежным обязательствам или, если эти обязательства не были исполнены по истечении трех месяцев с даты, когда они должны были быть исполнены.

В среднем, по отрасли, от общего числа банкротов наибольшая доля досталась малому бизнесу и микробизнессу-92%. Меньшая доля обанкротившихся компаний среди микробизнеса пришлась на изыскательские компании -50%. Наибольшая доля банкротов среди микроорганизаций пришлась на строителей - 64% от общего числа обанкротившихся строительных компаний. Крупные строительные компании пострадали меньше всего -3%

Несмотря на то, что экономика на данный момент находится не в лучшем состоянии, в последнее время в Волгограде темп жилищного строительства не только не замедлился, но даже возрос. Сейчас в Волгограде около 30 строительных компаний работают активнее всего. По оценкам экспертов на начало 2014 года темпы строительства жилья возросли почти на 140 %. Более 562 тыс. кв.м жилья было введено в 2014 году. Более 258 тыс. кв.м. это многоквартирные дома, индивидуального жилья – 304 тыс. кв.метра. Советский район застраивается активнее всего, следом идет Дзержинский и Краснооктябрьский районы.

Администрация Волгограда разрабатывает меры по созданию наилучших условий для роста и развития строительства. Комплекс принимаемых мер осуществляется в нескольких направлениях: уплотнение застройки и освоение новых территорий.

Для формирования прогноза по объемам вводимого жилья на 2016 год, специалисты основываются о планируемых к вводу в эксплуатацию многоэтажных жилых домах, предоставленные самими застройщиками. В текущем году ,исходя из прогнозов , в Волгограде планируется ввести более 340 тыс. кв. метров жилья.

Продолжение после покупки

Выдержка из текста работы

Проведем аналогичный дивизивный анализ уже для нормированных данных методом k-средних. Результаты кластеризации представлены в табл. 2.4-2.5. Из табл. 2.4 видно, что практически все исследуемые коэффициенты информативны для процесса кластеризации, кроме индекса постоянного актива (F4), общей рентабельности (R1) и рентабельности продукции (R4), и при необходимости редукции числа переменных их можно исключить из анализа. В табл. 2.5 приведены центры и разброс для каждого из трех кластеров. Центры кластеров представлены на рис. 2.5. Из рисунка видно, что коэффициенты финансовой зависимости (F2^) и индекса постоянного актива (F4^) мешают визуальной кластеризации данных, поэтому исключим их из рассмотрения (рис. 3.6).

Построим горизонтальную древовидную диаграмму состояний предприятий для нормированных данных по пяти кластерам (рис. 2.7), таких как очень кризисные, кризисные, предкризисные, некризисные и преуспевающие.

Заключение

В соответствии с поставленными задачами в работе получены следующие результаты.

Методы и модели оценки ФЭС предприятий принадлежат к классическому направлению экономико-математической науки. В диссертации проведен сравнительный анализ работ по данной проблеме и выявлены наиболее существенные факторы, влияющие на ФЭС предприятия. Сделан вывод о том, что состав переменных моделей ФЭС зависит как от отраслевой специфики предприятия, так и от типа производимого анализа: экспресс-анализ для принятия оперативных решений или углубленный анализ для целей стратегического планирования.

Одним из апробированных методов анализа экономических процессов является многомерный статистический анализ. В работе осуществлен многомерный статистический анализ ФЭС предприятий строительной отрасли Краснодарского края; построены дискриминантные модели, осуществлена классификация предприятий и выделены группы предприятий, находящиеся в кризисном, некризисном и успешном состояниях.

К числу наиболее эффективных методов современного анализа сложных нелинейных систем относятся методы нейросетевого моделирования. Рассматриваемые объекты исследования – строительные предприятия Краснодарского края – являются не только многофакторными системами, но и сложными системами с наличием нелинейных связей, что обуславливает целесообразность их изучения методами нейросетевого моделирования. В работе разработан комплекс нейросетевых моделей для целей экспресс-анализа и более углубленного анализа ФЭС, сложившейся на рассматриваемых предприятиях; осуществлена их кластеризация по набору наиболее важных признаков; построена топологическая карта, визуально характеризующая соотношение предприятий с различным типом ФЭС.

Продолжение после покупки

Список литературы

1. [Электронный ресурс]:h**t://economy.gov.r*/-h**t://economy.gov.r*/-Министерство экономического развития Российской Федерации.

2. [Электронный ресурс]:h**t://w*w.vestifinance.r*/videos/23230-Вести. Экономика.

3. [Электронный ресурс]:h**t://w*w.tatre.r*/articles_id11844-Сервер недвижимости Казани и РТ.

4. [Электронный ресурс]:h**t://w*w.volgadmin.r*/-Официальный сайт администрации Волгограда.

5.

6. Алексеева, Ю.А. Оценка финансового состояния и прогнозирование банкротства предприятия : диссертация . кандидата экономических наук :

08.00.13 / Ю.А. Алексеева.; [Место защиты: Национальный исследовательский университет «Высшая школа экономики»] Москва, 2011г. — 141 с.

7. Антипов, О.И. Фрактальные методы анализа и прогнозирования для самоорганизованных технических, биологических и экономических систем

8. Анущенко К.А. Финансово-экономический анализ: Учебно-практическое пособие / К.А.Анущенкова, В.Ю.Анущенкова.— 2-е изд.—М.: Издательско- торговая корпорация «Дашков и К», 2012.—404 с.

9. Аристархов, А.А. Эффективность кредитования коммерческими банками предприятий малого бизнеса. Диссертация канд. эконом. наук. – Краснодар: КубГУ, 2009. 205 с.

10. Арутюнян А.С., Коваленко А.В., Уртенов М.Х., Казаковцева Е.В. Математические основы финансово-экономического анализа. Часть 2. Нечеткие продукционные системы. учебное пособие с грифом НМС Министерства обр. и науки РФ в ЮФО. Издательско-полиграфический центр Кубанского государственного университета, г. Краснодар. 2013. 251 с.

11. Бакаев А.С., Шнейдман Л.З. Финансово-хозяйственная деятельность предприятия. / М.: «Бухгалтерский учет» 2004г.

12. Барановская Т.П. Коваленко А.В. Уртенов М.Х. Кармазин В.Н. Современные математические методы анализа финансово-экономического состояния предприятия. – Краснодар. КубГАУ, 2009.

13. Барановская Т.П., Лойко В.И., Семенов М.И., Трубилин И.Т. Информационные системы и технологии в экономике. Москва, 2003.

14. Барский А.Б. Нейронные сети: Распознавание, управление, принятие решений. Финансы и статистика, 2007 г. – 175 с.

15. Белов, К. Д. Прогнозирование потребления электроэнергии фабрикой окускования горно-обогатительного комбината методом искусственных нейронных сетей

16. Боровиков В.П. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных. Горячая Линия- Телеком, 2008. - 392 с.

17. Бригхем Ю., Гапенски Л. Финансовый менеджмент. Полный курс. В 2 т. Пер. с англ. / Ю. Бригхем, Л. Гапенски; Под ред. В.В.Ковалева. – СПб.: Экономическая школа, 1997. Т.1 - 497с. Т.2 - 669с.

18. Быкадоров В.Л., Алексеев П.Д. Финансово-экономическое состояние предприятия:Практическое пособие. – М.: Издательство ПРИОР, 2000. – 96 с.

19. Высоцкая Т.В., Коваленко А.В., Уртенов М.Х. Сравнительный анализ методов оценки несостоятельности сельскохозяйственных предприятий // Политематический сетевой электронный научный журнал Кубанского гос. аграрного университета. h**t://ej.kubagro.r*/2012/01/pdf/23.pdf// Научный журнал КубГАУ, №75(01), 2012.

20. Высоцкая Т.В. Построение статистических моделей диагностики кризисного состояния предприятий агропромышленного комплекса Карачаево-Черкесской республики// Вестник Астраханского государственного технического университета. Серия: Экономика. Выпуск № 1 / 2013. 119-125 с.

21. Габец А. П., Гончаров Д. И., Козырев Д. В., Кухлевский Д. С., Радченко М. Г. Профессиональная разработка в системе «1С: Предприятие 8» [Текст] / Под ред. М. Г. Радченко. – М.: 1С-Паблишинг; Спб.: Питер, 2006. – 808 с.: ил. – 4000 экз. – ISBN 5-9677-0268-7; ISBN 5-91180-076-4.

22. Гаврилов А.А., Кармазин В.Н., Коваленко А.В. Диагностика состояния предприятия на основе нечѐтких продукционных систем и дискриминантного анализа // Экономический анализ – теория и практика. – 2007 июль.- №14(95). С. 2-10

23. Гиляровская Л.Т. Анализ и оценка финансовой устойчивости коммерческого предприятия. / Л.Т. Гиляровская, А.А. Вехорева - СПб: Питер, 2003. - 256с.

24. Гиляровская, Л.Т. Комплексный эконономический анализ хозяйственной деятельности: учебник для вузов / Л.Т. Гиляровская, Д.В. Лысенко, Д.А. Ендовицкий. – М.: Велби, 2006. – 360с.

25. Департамент строительства Краснодарского края. URL: h**t://w*w.depstroi.r*/ (дата обращения: 10.03.2015).

26. Деркачев, А.Н. Нейросетевое моделирование процессов многомерной классификации объектов с разнородными признаками

27. Ендовицкий , Д. А. Анализ и оценка кредитоспособности заемщика: учебно- практическое пособие/ Д. А. Ендовицкий, И. В. Бочарова. – М.:КНОРУС, 2005. 272 с.

28. Ефимов, В.М. Проблемы многомерного анализа экологических данных

29. Жарковская, Е. П. Антикризисное управление: учеб. / Е. П. Жарковская, Б.Е. Бродский. – 2-е изд., испр. и доп. – М.: Омега-Л, 2005. - 357 с.

30. Заболоцкая В.В., Старкова Н.О. Формирование программы инновационного развития малых предприятий [Текст] / Заболоцкая В.В., Старкова Н.О. // Научное обозрение. №6 - 2011.

31. Заболоцкая В.В., Коваленко А.В. Моделирование эффективности развития инновационной деятельности Краснодарского края с учетом регионального риска [Текст] / Заболоцкая В.В., Коваленко А.В. // Известия Кубанского государственного университета. Естественные науки. Вып. 1(2) - 2013.

32. Заикина Л.Н. Автоматизированный программный комплекс «Финансовый Эксперт» / Л.Н.Заикина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета - 2015. - №107(06). - С. 20-26. (1.13 п.л.) - в том числе (1.13 а.л.)

33. Заикина Л.Н. Анализ финансово-экономического состояния предприятий строительной отрасли Краснодарского края с использованием программы

«Финансовый эксперт» / Л.Н.Заикина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета - 2015. -

№107(07). - С. 27-29. (1.16 п.л.) - в том числе (1.16 а.л.).

Продолжение после покупки

Примечания

Отличная дипломная работа, хороший % оригинальности по Антиплагиат.

Работа состоит из трех глав, введения, заключения, списка использованной литературы и одного приложения. Работа изложена на 159 страницах машинописного текста и содержит 96 рисунков, 23 таблицы, список литературы из 114 наименований.