Отправляет email-рассылки с помощью сервиса Sendsay
  Все выпуски  

Простой пример - продолжение


Математика управления капиталом

http://math-economics.tut.su

http://community.livejournal.com/math_economics


Новости

Закрыта рассылка "Риск-менеджмент".

Рассылка "Математика для экономистов" переименована в "Математика управления капиталом".




Уважаемые подписчики!

Хотелось бы, чтобы наше общение стало взаимовыгодным. Большая просьба, по возможности оценивать каждый выпуск рассылки "Математика управления капиталом". Если Вы оценили выпуск ниже, чем на "5", пожалуйста, выскажите свои замечания по содержанию, оформлению выпуска. Для этого нажмите на ссылку "Дай свой отзыв о выпуске", расположенную в начале и в конце каждого выпуска рассылки. Все Ваши замечания будут учтены.




Простой пример - продолжение


Хотя менеджер компании "Лакомка" поначалу был вполне доволен своей моделью, у него возникли определенные проблемы. Как часто бывает с первым вариантом модели, оказалось, что действительная недельная прибыль несколько меньше, чем предсказывалось моделью. Изучая поведение модели при более низких ценах, он обнаруживает, что предлагаемая моделью формула затрат на производство дает правильные значения затрат для базового спроса в 12 тыс. штук, но не срабатывает для других значений спроса. Менеджер начинает проверять достоверность данной части модели, уточняя данные о затратах на производство для различных объемов производства. Эти данные и предсказанные исходной моделью значения затрат на производство (= 2,05 x Спрос), а также построенный график представлены на рис. 3.1. На рисунке показано, что формула вычисления затрат на производство не обеспечивает должного соответствия действительным данным, что, в свою очередь, может привести менеджера к принятию неверных решений. Рис. 3.1.

Хотя для уточнения уравнения затрат на производство можно использовать математические методы (или метод проб и ошибок), проще воспользоваться имеющимися в Excel средством "Линия тренда", чтобы получить уравнение непосредственно из реальных данных о затратах. Для этого нужно щелкнуть на графике затрат на производство, т.е. выделить данные, на основании которых построен график, затем щелкнуть правой кнопкой мыши и выбрать в контекстном меню команду "Добавить линию тренда", как показано на рис. 3.2. Откроется диалоговое окно "Линия тренда". Рис. 3.2.

Для простоты выберем линейную зависимость и щелкнем на вкладке "Параметры", где укажем, что нужно отобразить уравнение тренда на графике (рис. 3.3). Рис. 3.3.

Полученное уравнение показано на рис. 3.4. Конечно, для более точного соответствия данным можно выбрать и нелинейный тип для уравнения тренда. Однако в данном случае линейный тренд гораздо лучше соответствует реальным данным о затратах на производство (по крайней мере для спроса свыше 8 тыс. штук, а это именно тот диапазон спроса, к которому мы пришли, исходя из результатов анализа чувствительности). Рис. 3.4.

Однако описанный способ определения уравнений тренда приемлем, если реальные данные расположены достаточно близко к кривой тренда. Если среди реальных данных существуют точки, расположенные далеко от найденной кривой, то используются вероятностные методы определения уравнения тренда.

На рис. 3.5 представлена пересмотренная модель, в которую включено уточненное уравнение затрат на производство. Рис. 3.5.

Как и ранее, уточненная модель располагается в одном столбце рабочего листа, поэтому можно зафиксировать множество решений анализа "Что-если", скопировав данные модели в соседние столбцы, по одному столбцу на каждый сценарий "Что-если" (рис. 3.6). Сравнение представленных на рис. 3.6 данных с результатами анализа чувствительности показывает, что более реалистичное уравнение затрат на производство заметно повлияло на результаты вычислений в модели. Как ни странно, но более высокие затраты в этой более точной модели не слишком влияют на значение недельной прибыли, наблюдается небольшое снижение (менее 1%) максимальной прибыли с 26,04 до 25,88 руб. Однако максимальное значение прибыли достигается при более высокой цене (9,50 руб. вместо 9,00) и, как следствие, меньшем объеме спроса и продаж (10 тыс. вместо 12 тыс., что составляет около 17% всего объема продаж). Одна из задач моделирования состоит в том, чтобы оценить неблагоприятные последствия снижения объема продаж. Понятно, что в данном случае нужно постараться снизить реальные затраты на производство, чтобы приблизить их к изначально предполагавшейся зависимости. Рис. 3.6.

Аналогично можно проанализировать точность других предполагаемых зависимостей модели, например, уравнений затрат на продукты или спроса и продаж.

Подведем итог. Мы начали рассмотрение данного примера с простой модели компании "Лакомка" и сравнили данные, полученные с помощью уравнения затрат на производство, с реальными данными. На основании этих реальных данных с помощью средств Excel построили новое более точное уравнение затрат на производство. При получении дополнительных данных подобным образом можно уточнить каждое уравнение модели. Затем преобразованная модель вновь подверглась анализу (анализ "Что-если" и анализ чувствительности).

Содержание рассылки зависит и от Вас: чем активнее Вы проявляете свою заинтересованность в той или иной теме, задаете те или иные вопросы - тем полезнее рассылка будет для каждого из Вас! Пишите


В избранное