评估投资项目之前最重要的初步阶段或研究是需求的分析和预测。因此,它的研究对于证明可能的投资至关重要,因为它与项目的基本目标,规模的确定和生产种类密切相关。
有必要指出,“所有投资的基本或主要目标是为了满足特定需求而生产的商品和/或服务,这是在给定需求中表达的”。因此,从逻辑上讲,如果没有这样的需求,则投资是不合理的。
提到的这一点似乎是重复的,许多参加过经济学课程的人在评估投资项目时可以将其归类为基础知识和明显证据。但是,实践和经验表明,这家古巴公司今天仍然遭受苦难,仍然有一个与定量工具的使用有关的悬而未决的问题,这超出了简单的主观性,而且结合了定性要素在进行与需求研究相关的预测时,它们提供了严谨的科学性和更高的精度。很多时候是由于缺乏知识,其他时候是由于时间限制,事实是,现有的许多定量方法中几乎没有一种方法是过去为其他人努力工作的,只能用来为我们提供工具,以使我们有最小的误差范围。
然后,本文的目的是将两种定量和定性方法相结合地付诸实践,以对Laboratorio de Cubacontrol SA的测试需求进行预测,作为对投资的财务和社会评估研究的一部分。还将简要描述所使用的方法。
发展
正如导言中指出的那样,有许多方法可以进行与需求预测有关的研究。选择其中一项取决于您所处的情况,所拥有的数据以及显然要进行研究的产品类型。就消费品而言,它们不是相同的方法,就好像我们在谈论中间品或资本品一样。 本文将不详细介绍与案例研究无关的其他方法,即与古巴实验室实验室对测试的需求无关,因此,读者应该首先了解熟悉研究的类型,实验室的活动及其提供的产品。
实验室活动的简要描述。
Cubacontrol SA质量监督实验室是Servicios Internacionales deSupervisiónCubacontrol SA的附属机构,它为在古巴或国外的外国公司以及有需要的古巴实体提供独立的实验室服务。
实验室假定根据客户的订单,在古巴和国外执行与进出口产品的运输有关的质量监督的商业运作,为此,实验室使用自己的专家,技术员或合同代表来自国外的其他机构。
基本上有两个主要领域。
食品区,设有5个实验室。
- 油,脂肪和乳制品。肉,水果和蔬菜。面粉,谷物,香料和调味品。微生物学。感官
化学领域,设有4个实验室。
- 化学品和肥料。饮料和酒精。糖。原子吸收光谱法。
在这些实验室中,将根据所涉及产品的类型进行某些类型的测试,当然,这取决于客户的要求。通常,客户发出分析服务请求(SSA),该服务可以根据服务携带一定数量的相关样本,这些样本是通过合同指定给客户的。此外,在同一分析服务请求中,可以执行所需的任意数量的测试。一般而言,测试数量与分析服务请求数量之间没有特定的关系,但是在2006年,实验室平均每个服务请求进行了13次测试,这并不意味着正是这种关系必须如此。通常,关系是对于每个分析服务,至少要执行一个测试。
顾客
在2006年,如果对需求的服务量进行分析,可以看到有一些客户由于其数量而占实验室服务总需求的85%。在收入方面,他们几乎集中了公司收入的95%。 因此,在需求研究中,将应用帕累托准则,而所有其他客户的行为将受到主要客户行为的制约,这些主要客户是:
Alimport,Propes和CubaExport。此外,将假定这种结构在预计需求的十年内不会有太大变化。
对进行需求研究必须掌握的最重要元素的理论综合。
需求基本上有两种。的潜在需求就是消费者会根据自己的购买力愿意获得商品或服务的数量,因此,最大的是理论上可以从一个特定的商品或服务在特定市场和时间来获得。
当然,这是一个相当笼统的定义,如果将其应用于所分析的公司,则将其理解为愿意与Cubacontrol SA提供服务的所有公司签订的测试需求
除了先前的概念,还可以分析有效需求。通常将其定义为消费者根据给定市场和给定时间的价格水平获得的商品或服务的数量。但是,如果再加上商业努力,收入水平和政府政策可能产生的影响,则有效需求将是给定时间段内所需的商品和服务的数量和结构。取决于其价格,在具有购买潜力,商业努力和特定政治和社会状况的市场中。
在古巴控制公司的特定案例中,其潜在需求将是该国所有进出口公司要求的质量监督测试,因为有一些与古巴对外贸易活动有关的法律强制公司监控质量。
但是,由于并非所有古巴公司都遵守既定标准,因此有效需求远远小于潜在需求。
如前所述,已经开始使用定量工具,有许多或多或少的准确度,或多或少的科学性提供了对客户需求水平的估计。在本文的特定案例中,将有计量经济学的帮助,它通过模型解释了经济理论中产生的方法,可以通过统计来表示和验证的模型,以便做出相应的预测。
模型是对现实的简化表示,通过计量经济学中的一种基本工具即回归分析来表示。因为大多数问题都涉及多个相关变量,所以您通常希望获得一种表达该关系的函数表达式。因此,使用回归方法来确定所研究变量之间的最佳功能关系。
“表示为变量y:称为因变量,仅作为解释变量的函数” x“将存在简单回归,如果关系中有多个独立变量,则将是多元回归,”
因此,将研究过去以预测未来。使用了不同类型的计量经济学模型:就参数和变量而言,线性模型以及可以转换为线性模型的非线性模型,例如Cobb-Douglas模型,指数模型和对数模型。实际上,根据许多专家的意见,经过多年的讨论,得出的结论是,线性模型在很大程度上解释了经济中存在的大多数问题,而其他模型虽然增加了统计上的复杂性,却没有他们能够比线性预测更准确地进行预测。在这项研究中,我们将使用线性模型。
可以将获得的信息定义为时间序列,因为它存储了一段时间。在公司的特定情况下,所述信息与实验室对不同公司进行的测试以及在常规(年度)时间收集的有关其进出口数据有关。
如前所述,线性回归是本研究中使用的计量经济模型的类型,并提出了以下一般线性模型:
和我 =β 1 +β 2 X 2I +β 3 X 3I +。。。+β ķ X き + U 我
在这种情况下,变量Y称为内生因变量,并且Y t表示其在时间t的值,t = 1,2,T,与变量x 2t,x 3t,x kt相比它们称为外生变量,同时表示变量x 2t,x 3t,x kt对Y t的影响的大小。该ü 我 它们被称为随机扰动,它会收集模型中未包含的所有内容,并且以某种方式影响因变量(Y),但由于某种原因或其他原因而不会出现在模型中。
然后将基于样本信息获得参数值的过程称为普通最小二乘法,该方法将Y i的每个值与其估计值之间的差异最小化,这是估计误差。 。就其本身而言,估计回归方程的过程称为“曲线拟合”。使用的统计软件包是Eviews 4.1版。
为使模型有效,必须满足的第一件事是边际概率小于进行研究的人员所假设的显着性水平(α),这从其工作的可靠性水平可以明显看出。 。例如,如果您以95%的可靠性工作,则显着性水平将为5%。正是这个级别将用于执行回归。
任何通用线性模型还必须满足以下假设。
- 经典线性回归模型的假设之一表明“ X变量之间没有确切的线性关系”,这表明模型中包含的解释变量之间没有多重共线性。
多重共线性被理解为由于两个独立变量之间强烈的相互关系而产生的效果。如果R 2高,并且t检验不显着,怀疑存在多重共线性,相关矩阵再次确认了该关系。
- 正态性假设Ui〜N(0;σi)。随机干扰趋于正态分布。Eviews 提供的称为Jarque Bera的测试统计量可检测到正常性。自相关假设。随机冲击不能相互关联。自相关可以定义为在时间上或空间上有序序列的成员之间存在的相关性。有多种测试可以检测到它,例如Durbin-Watson和Breusch-Godfrey。由于它是一个功能更强大的测试,我们将使用第二个测试,将使用统计软件包对其进行分析。扰动必须是同调的,即它们都具有相同的方差。一般说来,当残差的方差不恒定时,存在异方差。有多种测试可以检测到它,在这种情况下,要使用的统计包具有White检验。
一旦满足所有假设,就可以接受我们正在使用的模型对于进行预测是有效的。
对实验室测试需求的分析和预测。
基于这一事实,即该研究是对投资项目进行评估的一部分,该评估处于其完成的第一阶段,也就是说,一个主要阶段是确定投资的可行性,因此有必要实现以前的探索,包括对所有现有信息和估计值的汇总,并与实验室专家进行了协商。有必要澄清的是,以前没有研究可供参考,因为到目前为止,在实验室中进行的类似投资尚不具备如此庞大的分析能力,并且是由于该国需要设备而进行的,不仅仅受到经济金融标准的支持。这导致所有估计从零开始。当然,但是,没有专家进行的市场研究可以估计未来实验室服务的需求,但是要基于前几年有关所进行的检测数量以及食品行业进出口水平的数据。在该国,有可能确定两者之间是否存在相关性,并且可以通过回归分析来预测未来,估算需求,这是前一阶段最重要的研究。可以确定它们之间是否存在相关性,并且可以通过回归分析来预测未来,估算需求,这是前一阶段最重要的研究。可以确定它们之间是否存在相关性,并且可以通过回归分析来预测未来,估算需求,这是前一阶段最重要的研究。
为了计算回归,将采用食品部门,因为根据专家的判断,实验室的活动属于该部门的90%,因此,与客户一样,帕累托标准将申请该活动。
按照逻辑上的顺序进行,然后应研究有关需求的历史背景,以便具有定性元素,这些元素构成进行需求预测的活动的未来的坚实基础。出于篇幅考虑,对需求历史行为的分析将不在本文中进行,但可以在上述文凭论文中进行参考,因此将直接说明所使用的方法。
需求预测。
为了预测实验室将来将要进行的测试,最初认为,拥有超过20年的数据库,对测试进行简单的回归分析应该更方便。时间(后一个因素作为自变量)。从1984年到2006年,使用95%或相同的置信区间(显着性水平α= 5%),验证了所使用的模型是有效的,因为它具有所使用的显着性水平的较低边际概率。但是,如果观察到自变量的斜率,则可以证明该斜率是负的,从而使测试需求方程式减小,并且当然将来还会小于零。
显然,在整个分析期间内,与测试和时间有关的任何分析都无法有效预测Cubacontrol SA实验室的需求,特别是因为如果对需求的历史前因进行了分析,将可以验证通常有一种结构变化,即反映过去的行为,这种行为会歪曲未来的信息。
因此,用于预测公司的试验需求的回归分析应考虑另一个变量。从这个意义上讲,鉴于实验室的主要客户都在从事食品的进出口工作,因此可以合理地假设,如果食品的进出口水平都提高了,那么对食品的需求就会增加。实验室与这种活动水平相关联,因此在测试之间(作为因变量)与出口或进口以及时间(作为自变量)之间可能存在相关性。
为了验证此假设的准确性,在上述变量之间进行了多元回归分析。为了访问ALIMPORT,CubaExport和Propes这三个主要客户的活动水平,联系了对外贸易部统计司,随后与这些公司本身的专家协商,对数据进行了调整。由于已经分类,因此已经提供了乘以一个因子的信息,但是在保持其趋势的同时,该信息对本研究有效。需要说明的是,该部获得的数据仅适用于2000-2006年,而对三个最重要的客户进行的测试所得的数据仅存在于2000年以来,从那时起,实验室就开始将它们输入数据库。
这一事实构成了回归预测的局限性。当对Alimport客户执行多元回归时,将其对测试的需求,其导入和时间作为自变量作为因变量,该模型是有效的,具有较高的确定系数(R 2)和一些t检验。无关紧要,相关矩阵再次证实了怀疑存在多重共线性的原因。为了纠正这种情况,应用了一种补救措施,其中包括对每个自变量,导入和时间执行简单的辅助回归。。在执行这些回归时,已验证有效模型是针对进口的回归测试得出的,因此在进口和时间之间进行了简单的回归,结果证明这是有效的模型,具有较高的确定系数,因此进口量被预测。
有了这个预测,进口量进入简单的回归模型,试验对进口和Alimport试验实验室的需求进行了预测到2016年。
将类似的方法应用于CubaExport公司,在试验与出口和时间(出口,因为它是一家出口公司)之间进行多元回归,从而得出具有较高R 2的有效模型,但具有非显着性t检验,应用相同的补救措施,辅助简单回归以及与Alimport发生的情况相反,事实证明该模型针对时间进行了检验这是有效的模型,因此可以对试验进行预测,直到2016年为止,在简单的回归分析中,时间仅作为独立变量,因此也具有较高的R 2。
在客户Propes的情况下,执行了多元回归,但是在这种情况下,作为一家进口公司,再次将测试作为因变量,将进口和时间视为独立。该模型证明是有效的并且具有较高的R 2,但是,t检验它们再次不重要,因此再次怀疑多重共线性,而且在检查模型的所有其他假设是否均已满足时(如对其他两家公司所做的那样),检测到存在自相关,因此,使用该模型可能会高估确定系数的值,从而会过高拟合度。因此,进行了与Alimport相似的辅助回归,结果由于对进口模型的测定系数(R 2)较高,因此对进口模型的检验更加反映了趋势。
然后,对客户Propes 进行了一次简单的进口与时间之间的回归分析,结果证明这是一个有效的模型,具有较高的R 2,可以预测进口情况,随后将其引入到另一个模型中。针对进口的简单回归试验,最终预测了试验结果。
基于以下事实:在待分析的时期内(即直到2016年)已经可以得到三个基本客户的预测试验,并牢记在2006年,三个客户合计占了73%。所有测试,并假设此结构将在整个期间保持不变,则有可能确定实验室到2016年要进行的测试总数。下表代表了这些测试。
表1。对预计试验的需求
预计试用的需求。 | ||||||||||
2007年 | 2008年 | 2009年 | 2010 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | |
进港 | 18639 | 21547 | 24457 | 27367 | 30277 | 33187 | 36097 | 39007 | 41917 | 44827 |
古巴出口 | 895 | 985 | 1076 | 1167 | 1258 | 1349 | 1440 | 1531 | 1622 | 1713 |
道具 | 837 | 971 | 1105 | 1239 | 1373 | 1507 | 1642年 | 1776年 | 1910年 | 2044年 |
总 | 20371 | 23503 | 26638 | 29773 | 32908 | 36043 | 39179 | 42314 | 45449 | 48584 |
总测试 | 27813 | 32089 | 36370 | 40650 | 44930 | 49211 | 53492 | 57773 | 62053 | 66333 |
考虑结构变化的需求预测。
如上所述,这项需求预测研究是在古巴控制实验室进行的财务和社会分析的前一个阶段,因此也有必要考虑与新需求有关的新需求。在那里进行投资。
新的投资除了可以更换陈旧的设备外,还可以进行新型的测试,尽管需要,但这些新设备没有进行测试所需的设备,这就是为什么有必要在以前的历史需求中增加新测试的估算值的原因。在此期间将被起诉。专家认为,由于一个团队的成立,需求的增长将在2008年实现最大的增长,从经验中已经知道该团队的执行将有大量需求。。为此,鉴于统计记录的稀缺性,使用德尔菲法进行了专家判断。,获得以下结果占预计历史数据的百分比。
2号表。考虑结构变化的预计测试需求(以预计测试需求为100%表示的百分比)。
2008年 | 2009年 | 2010 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 |
115.00% | 120.00% | 125.00% | 129.00% | 132.00% | 135.00% | 137.00% | 139.00% | 140.00% |
因此,在考虑新测试时,针对结构变化进行调整后的总需求为:
表3 14。考虑结构变化的预计测试需求(以测试数量表示)。
2008年 | 2009年 | 2010 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 |
36,903 | 43,644 | 50,813 | 57,960 | 64,958 | 72,215 | 79,149 | 86,254 | 92,867 |
这样,结合使用定量和定性这两种工具,就可以在更科学的基础上进行需求预测。包含所有方程式,假设检验和图表的机器输出可在上述文凭论文的附件中查阅。
最后注意事项
- 需求分析和预测是评估投资利润率的最重要的初始阶段,因为它们在很大程度上决定了要安装的能力以及生产品种,并且与项目的基本目标紧密相关。显然,在很大程度上,该项目的盈利与否将取决于对需求的良好预测,并且所使用的方法必须具有坚实的基础并提供最小的误差范围。这些工具和项目的使用在很大程度上具有主观性,这会带来较大的误差幅度,并且在资源匮乏的情况下,必须对需求强劲的投资进行融资,从而导致有利可图的项目。一种或另一种方法的使用将取决于研究所处的环境,但是强烈建议采用定量和定性技术相结合的方法,以促进科学严谨的产品,从而构成对需求的良好分析和预测。
参考书目
- 古巴统计年鉴,1980年,1984年,1989年,1994年,1999年,2004年,2006年。加卡列尔·巴卡·乌尔比纳,“项目评价”。麦格劳-希尔出版社,第四版。墨西哥DF,墨西哥,2004年。 Myers,SC“商业融资基础”。 Mc Graw-Hill Publishing。第四版。墨西哥墨西哥城。 1993年,爱德华多·布宜诺斯·坎波斯;伊格纳西奥(Ignacio)克鲁兹·罗氏(Cruz Roche);杜兰·埃雷拉(DuránHerrera),胡安·何塞(JuanJosé):商业经济学。业务决策分析。金字塔版本。第十二版,马德里,1989年,第281-289页。杜兰·埃雷拉(DuránHerrera),胡安·何塞(JuanJosé):公司的经济和财务管理。 EdicionesPirámide,马德里,1992年,第2页。 418-420.Espallargas Ibarra,黛西。会计和金融学位的计量经济学。 Power Point演示,2004年12月。RodríguezMesa,Gonzalo¨需求分析和预测。哈瓦那大学经济学院的文本,数字格式。
RodríguezMesa,贡萨洛。投资项目的财务和社会评估。第三版,2006年5月。数字格式,哈瓦那大学经济学院。
RodríguezMesa,贡萨洛¨需求分析和预测。哈瓦那大学经济学院的文本,数字格式。
有关根据资产类型使用的方法的更多信息,请参阅脚注1中已经引用的书。
有关更多信息,请查阅作者DamiánEchevarria和Iran Miranda撰写的古巴控制SA实验室现代化的财务和社会评估文凭的工作,哈瓦那大学经济系,2007年。
Espallargas Ibarra,黛西。会计和金融计量经济学。Power Point演示文稿,2004年12月。
要了解不遵守此假设的后果,建议咨询脚注4中提到的会议。
R 2或确定系数表示自变量解释因变量行为的程度。通常认为高于75%是高的。
同上5。
同上5。
同上5。
自己阐述。请注意,TOTAL TEST框是通过将TOTAL框(即三个公司的总和)除以0.73来计算的。
该设备是原子吸收分光光度计,用于对金属污染物进行测试。
用这种方法进行了三轮。
自己阐述。14同上 13
下载原始文件