Темы диссертаций по экономике » Бухгатерский учет, статистика

Статистическая методология оперативного прогнозирования кассовых поступлений федерального бюджета тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Сафиулин, Рафаэль Хайдарович
Место защиты	Самара
Год	2003
Шифр ВАК РФ	08.00.12

Диссертация

Автореферат диссертации по теме "Статистическая методология оперативного прогнозирования кассовых поступлений федерального бюджета"

САФИУЛИН РАФАЭЛЬ ХАЙДАРОВИЧ

СТАТИСТИЧЕСКАЯ МЕТОДОЛОГИЯ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ КАССОВЫХ ПОСТУПЛЕНИЙ ФЕДЕРАЛЬНОГО БЮДЖЕТА

Специальность 08.00.12 - Бухгатерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Самара 2003

Работа выпонена в Самарском муниципальном университете Наяновой

Научный руководитель

кандидат экономических наук, доцент Сайткулов Равиль Фазылович

Официальные оппоненты: доктор экономических наук, профессор

Сажин Юрий Владимирович

кандидат экономических наук, доцент Голуб Николай Иванович

Ведущая организация

Московский государственный университет экономики, статистики и информатики (МЭСИ)

Защита состоится 9 октября 2003 г. в 11.00 часов на заседании диссертационного совета К 212.214.01 при Самарской государственной экономической академии по адресу: 443090, г. Самара, ул. Советской Армии, 141, ауд.319

С диссертацией можно ознакомиться в библиотеке Самарской государственной экономической академии

Автореферат разослан лад^а^ул. 2003 г.

Ученый секретарь

диссертационного совета I Леонтьева Т.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Аюуальность темы диссертации. Важнейшей функцией испонительных органов государственной власти является разработка научно-обоснованных прогнозов и программ социально-экономического развития страны. В сфере государственного прогнозирования традиционно большое внимание уделяется формированию проекта федерального бюджета и бюджетов субъектов Российской Федерации. Внедрение в бюджетный процесс системы прогнозирования является одной из ключевых задач экономической науки и практики. Методологические проблемы анализа, моделирования и прогнозирования доходной части бюджета на средне- и краткосрочную перспективу достаточно хорошо разработаны и в теоретическом, и в практическом плане. Не менее важным этапом бюджетного процесса является казначейское испонение бюджета. Бюджетные средства государства поступают и расходуются из единой казначейской кассы, что сопряжено с существованием большого количества финансовых и информационных потоков. Эффективная организация этих потоков невозможна без оперативного прогнозирования кассовых поступлений федерального бюджета.

В научной литературе статистические аспекты исследуемой проблематики не получили необходимой разработки. Нет четкого представления о месте и роли оперативного прогнозирования в бюджетном процессе. Не сложилась система понятий методологии оперативного статистического прогнозирования. На практике возникают серьезные проблемы при формализации в прогнозных моделях на оперативную перспективу различных содержательных концепций. В связи с этим все более актуальным становится вопрос о применении для оперативного прогнозирования доходов федерального бюджета статистической методологии, которая позволяла бы сочетать формальный математико-статистический аппарат с определенным логико-теоретическим подходом. Требует решения проблема комплексного применения формальных и неформальных математико-статистических методов прогнозирования для построения моделей кассовых поступлений федерального бюджета. Решению данных вопросов посвящено настоящее диссертационное исследование.

Цель и задачи исследования. Целью диссертационной работы является разработка методологии, научных принципов и практических подходов к оперативному статистическому прогнозированию доходов федерального бюджета.

Для достижения указанной цели поставлены и решены следующие задачи:

- определение роли и места оперативного статистического прогнозирования в бюджетном процессе;

- выявление методологических особенностей оперативного статистического прогнозирования кассовых поступлений;

- характеристика типов развития ряда кассовых поступлений;

- исследование тренда кассовых поступленийЧ ндци011АЛЬк;я I

библиотека 1

- выявление, измерение и анализ периодической компоненты ряда кассовых поступлений;

- обоснование возможностей изучения динамики кассовых поступлений с помощью индикаторов технического анализа;

- построение прогнозов кассовых поступлений методом экстраполяции тренда с использованием различных периодов основания;

- прогнозирование кассовых поступлений методами экспоненциального сглаживания и авторегрессии - проинтегрированного скользящего среднего;

- оценка точности прогнозных моделей кассовых поступлений с помощью критериев средней квадратической ошибки, средней относительной ошибки и др.

Объектом исследования является деятельность органов Федерального казначейства (Управления Федерального казначейства по Самарской области) по учету, контролю и организации финансовых потоков при испонении федерального бюджета.

Предметом исследования являются количественные закономерности динамики кассовых поступлений федерального бюджета и методы их прогнозирования.

Теоретической основой исследования послужили труды, посвященные теории и практике прогнозирования, авторами которых являются С.А. Айвазян, Т. Андерсен, В.Н. Афанасьев, Дж. Бокс, В.П. Боровиков, Т.А. Дуброва, М. Кендал, Г.С. Кильдишев, Ю.П. Лукашин, А.И. Манел-ля, B.C. Мхитарян, Ю.В. Сажин, СА. Саркисян, А.А. Френкель, В.Н. Цы-гичко, Е.М. Четыркин, Р.А. Шмойлова, М.М. Юзбашев, а также нормативно-правовые документы: Бюджетный кодекс Российской Федерации, Федеральный закон О государственном прогнозировании и программах социально-экономического развития Российской Федерации и др.

Информационной базой исследования явились ведомственные статистические оперативные данные Управления Федерального казначейства по Самарской области за 2000-2001 г.г.

Методологическую основу диссертационного исследования образует совокупность методов статистической науки: метод сводки и группировки, графический метод, методы анализа и моделирования временных рядов, количественные методы прогнозирования. Обработка данных производилась с использованием пакетов прикладных программ Statistica 5.5, SPSS 10.05 и Microsoft Excel 2000.

Научная новизна работы заключается в разработке методологии оперативного статистического прогнозирования кассовых поступлений федерального бюджета.

Диссертация содержит следующие элементы научной новизны:

- дана характеристика методологических особенностей оперативного прогнозирования в бюджетном процессе;

- предложен поэтапный комплексный подход к формированию прогноза кассовых поступлений федерального бюджета;

- установлены различные типы развития внутри ряда динамики доходов федерального бюджета в исследуемой ретроспективе;

- обоснована необходимость построения прогнозных моделей кассовых поступлений с изменяющейся структурой компонент динамического ряда;

- выявлены и измерены догосрочная и периодическая компоненты ряда динамики кассовых поступлений;

- определены поворотные точки изменения направления тренда, выделены промежуточные тенденции ряда кассовых поступлений с помощью индикаторов технического анализа: индекса относительной силы (RSI), скользящих средних, линий Болинджера и конвергенции-дивергенции скользящих средних (MACD);

- осуществлена корректировка периода основания прогнозных моделей в соответствии с типом развития и учетом промежуточных тенденций;

- предложен ряд прогнозных моделей и осуществлена оценка точности сделанных прогнозов кассовых поступлений.

Теоретическое и практическое значение диссертационной работы состоит в разработке и обосновании научных принципов и статистических методов прогнозирования кассовых поступлений федерального бюджета. Результаты исследования могут использоваться в практике экономической работы Управлений Федерального казначейства по субъектам Российской Федерации. Применение предложенной методологии позволяет повысить точность оперативных прогнозов кассовых поступлений, сократить затраты на обработку информации, что будет способствовать повышению эффективности управления движением бюджетных потоков.

Методологические и методические положения диссертации могут быть также применены для оперативного прогнозирования поступления доходов в бюджеты субъектов Российской Федерации, муниципальных образований, во внебюджетные фонды.

Апробация работы. Представленная работа выпонена в рамках Федеральной целевой программы развития органов Федерального казначейства на 2000 - 2004 гг. Предложенная методика оперативного статистического прогнозирования кассовых поступлений внедрена в практику экономической деятельности Управления Федерального казначейства по Самарской области.

Результаты проведенного исследования используются в учебном процессе Самарского муниципального университета Наяновой в преподавании дисциплины Статистика.

Основные положения диссертационной работы докладывались автором на всероссийских научно-практических конференциях в октябре 2002 г.

(СМУН, г. Самара) и в апреле 2003 г. (Прикладные аспекты статистики и эконометрики, МЭСИ, г. Москва).

Основные положения диссертационного исследования отражены в 9 публикациях общим объемом 3,2 печ. л.

Структура диссертации. Диссертация состоит из введения, трех глав, заключения, библиографического списка и приложений.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, определены цель, задачи, объект и предмет исследования, сформулированы научная новизна, теоретическая и практическая значимость работы.

В первой главе Проблемы статистического анализа и прогнозирования доходов федерального бюджета определены место и роль оперативного прогнозирования в бюджетном процессе, обоснована и конкретизирована одномерная модель кассовых поступлений и определены методы оперативного прогнозирования кассовых поступлений.

С принятием Бюджетного кодекса с января 2000 г. в Российской Федерации осуществляется прогнозное формирование федерального бюджета. Используемый аппарат экономико-статистического прогнозирования ориентирован на стадию предпланового обоснования бюджета - составление проекта. Практическая необходимость составления точных и обоснованных прогнозов существует также на стадии испонения бюджета.

В соответствии со ст. 215 Бюджетного кодекса функции испонения федерального бюджета возложены на структурное подразделение Министерства финансов РФ - Главное управление Федерального казначейства (ГУФК). Казначейский принцип испонения бюджета подразумевает централизованное зачисление и распределение финансовых ресурсов, что позволяет повысить эффективность управления процессом испонения доходной и расходной частей бюджета и усилить контроль целевого использования бюджетных средств.

Процесс испонения бюджета характеризуется системой статистических показателей, позволяющих контролировать, анализировать и управлять испонением государственного бюджета. Деятельность Федерального казначейства по испонению бюджета предполагает первичный учет информации о доходах, расходах, обслуживании государственного дога, ее обработку, составление оперативной и финансовой отчетности, процедуры экономического и финансового анализа бюджетных операций, т.е. определенный вид статистической деятельности. Собранная казначейством учетная и статистическая информация позволяет оценить работу органов государственного управления, получить более ясное представление о проводимой бюджетной политике.

Испонение бюджета по доходам является базой для его испонения по расходам. Основное место в структуре кассовых поступлений федерального бюджета занимают федеральные налоги. По данным Управления Федерального казначейства по Самарской области, доля трех федеральных налогов (налога на прибыль, НДС и акцизов) составляла в течение 2001 г. от 83 до 95% общего объема кассовых поступлений федерального бюджета. Динамика налоговых платежей характеризуется значительной амплитудой колебаний их величины и существенными изменениями структуры. Неравномерность поступлений доходов обусловливает неравномерность расходов и может приводить к кассовым разрывам. Оперативное прогнозирование служит важным инструментом обеспечения сбалансированности доходов и расходов бюджета. Цель оперативного прогнозирования -создание информационной базы для принятия управленческих решений, позволяющих минимизировать вероятность возникновения кассовых разрывов за счет эффективной организации движения бюджетных потоков.

Анализ проблем, представленных в литературных источниках, показывает, что в исследовании теоретических и прикладных вопросов оперативного статистического прогнозирования имеются отдельные нерешенные задачи.

Практическое исследование методологических принципов оперативного прогнозирования осуществляется с позиции определения особенностей построения моделей, позволяющих прогнозировать объемы кассовых поступлений федерального бюджета в условиях количественной неопределенности финансового потока. Технология оперативных статистических прогнозных разработок кассовых поступлений федерального бюджета предполагает следующую последовательность важнейших этапов:

1) определение целей и задач прогнозирования, выбор исходных показателей (программа исследования);

2) предварительный анализ и определение круга прогнозных моделей;

3) оценивание параметров прогнозных моделей;

4) лостроение прогнозов;

5) определение качества прогнозных моделей, оценка точности прогнозов;

6) содержательная интерпретация результатов прогнозных расчетов.

Федеральное казначейство в процессе анализа и оперативного прогнозирования кассовых поступлений федерального бюджета использует соответствующие ряды динамики, построенные на материалах оперативной отчетности. Важным моментом при формировании информационной базы является выбор временного интервала между наблюдениями. Необходимо, чтобы период основания оперативного прогноза учитывал наиболее значимые регулярные компоненты ряда: тренд и периодическую компоненту. В ведомственных нормативных документах ГУФК величина

временного интервала ряда кассовых поступлений не указана, поэтому территориальные Управления Федерального казначейства применяют данные разной степени детализации. Диссертационное исследование показало, что наилучшие результаты при составлении оперативных прогнозов дает использование информации по пятидневным периодам.

Условием эффективного применения статистических методов прогнозирования является проведение предварительного анализа исходной информации. Важнейшими программно-методологическими задачами прогнозного исследования являются: определение типа развития изучаемого процесса; выявление его скорости и интенсивности развития; определение взаимодействия между регулярными и нерегулярными компонентами ряда динамики; выбор периода основания и упреждения прогноза; определение процедуры сглаживания и взвешивания уровней ряда.

Выбор методов прогнозирования осуществляся в соответствии с характером объекта, требований, предъявляемых к информационному обеспечению управленческих решений, а также на основе сравнения эффективности решения прогнозных задач с применением различных математи-ко-статистических моделей. Для целей оперативного прогнозирования кассовых поступлений выбирались методы, основанные на одномерной модели динамики. Их использование обеспечивает достаточно точные прогнозные оценки и позволяет ограничиться ведомственными статистическими данными Федерального казначейства. С учетом различных типов протекания динамического процесса поступления доходов федерального бюджета при выборе инструментария оперативного прогнозирования решалась задача построения моделей с изменяющейся структурой компонент временного ряда.

Во второй главе Статистический анализ динамики кассовых поступлений федерального бюджета с помощью формальных и неформальных методов анализа динамических рядов определены и измерены догосрочная и периодическая компоненты, выявлены однотипные тенденции ряда кассовых поступлений за отдельные периоды времени.

Анализ и оперативное прогнозирование осуществлялись на базе данных о пятидневных кассовых поступлениях федерального бюджета Управления Федерального казначейства по Самарской области за период с 05.03.00 по 01.01.02. Исходный ряд динамики составлял 132 уровня (п=132).

Изучение основной тенденции позволяет выбрать адекватную динамическому процессу аналитическую функцию. Ориентиром для выбора аналитической функции при построении оперативных прогнозных моделей экстраполяции тренда является знание типов развития исследуемого явления. На основе графиков показателей абсолютных приростов и абсолютных ускорений (рис. 1) выявлены временные границы следующих типов развития:

-тип стационарного развития (второе полугодие 2000 г. и второй квартал 2001 г.);

- тип прогрессирующего развития (первый квартал 2001 г.);

- тип развития с насыщением (третий квартал 2001 г.).

Сведения о типах развития процесса служат предпосыкой для дальнейшего изучения исследуемого ряда с целью определения оптимального периода основания оперативного прогноза.

Особенностью ряда кассовых поступлений является высокая колеблемость, поэтому хорошие результаты показала аппроксимация аналитической функции к ряду, содержащему только компоненту тренда без периодической и случайной компоненты. Среди множества рассмотренных аналитических функций наилучшие результаты, с точки зрения точности прогнозных значений, показали три вида функций: линейная, экспоненциальная и логарифмическая.

2 000 000 ъ 1 500 000

| 1 000 000 з

500 000

| з. -500 000 з 8 | >Х -1 000 000

| -1 500 000 <

-2 000 000

ЧЧАбсолютный прирост ЧЧАбсолютное ускорение

Рис. 1. Графики показателей абсолютных приростов и абсолютных ускорений ряда кассовых поступлений по кварталам

Исследование периодической компоненты показало, что в рассматриваемом ряду существует внутримесячная периодичность с лагом, равным шести пятидневным периодам, связанная с графиком налоговых платежей в федеральный бюджет. Для измерения периодической компоненты ряда доходов федерального бюджета применялись метод гармонического анализа и метод Census I. По критерию наименьшей суммы квадратов отклонений лучшие результаты аппроксимации периодической компоненты ряда показал метод Census I.

Для целей прогнозирования важно выявить временные границы однотипных тенденций исследуемого ряда. В работе доказано, что действенным способом определения изменения направления тенденции исследуемого процесса является использование индикаторов технического анализа. Приемы

IV I квартал II III \ IV

артал 2001 г. квартал квартал \ квартал 2000 г. 2000 г. 2000 г. 2001 г. 2001 г. г

квартал квартал квартал 2000 г. 2000 г. 2000 г.

Периоды времени

технического анализа учитывают оперативный характер прогнозных конструкций и особые требования к достоверности, точности и обоснованности прогнозов.

В зависимости от базы ретроспекции можно выделить три типа трендов по временной ориентации: длительные, промежуточные и кратковременные. Выделение промежуточных тенденций ряда кассовых поступлений, действующих в пределах от одного до девяти месяцев, использовалось в диссертации для совершенствования прогнозных моделей экстраполяции тренда. Для выявления изменения направления тренда, связанного со сменой промежуточной тенденции, использовались индикаторы RSI, скользящие средние, линии Болинджера и MACD.

Эффективность индикатора RSI - индекса относительной силы - проявляется в рядах динамики с большой случайной колеблемостью, поэтому его можно использовать для ряда кассовых поступлений. Индикатор RSI рассчитывается по формуле

RSI = 100--7-^-г ,

Ду 1Ду~

где Ду - сумма положительных абсолютных приростов уровней ряда динамики за анализируемый период;

Ау~- сумма отрицательных абсолютных приростов уровней ряда динамики за анализируемый период.

Общепринятыми критериальными значениями индикатора RSI являются 30 и 70. Пересечение указанных границ свидетельствует о возможном развороте тренда. По значениям RSI для ряда кассовых поступлений строится график (рис. 2).

и -70 -

RSI 40-

S О О 3 О О

S5 S S 3 % S

О "О ЧХ о

fS ЕЧ о о Ч

Ч <s сч

Периоды времени

Рис. 2. График индикатора RSI

На графике видно, что значения индикатора RSI выходят за пределы критических линий 20.10.00, 10.11.00 и 05.08.01. Поскольку сигналы на 20.10.00 и 10.11.00 расположены достаточно близко по времени, то они свидетельствуют об одном случае смены тренда. Таким образом, индикатор RSI с высокой степенью точности предсказал два изменения направления тренда: в первом и во втором квартале 2001 г.

Скользящие средние, линии Болинджера и MACD показывают приемлемые для интерпретации результаты на участках ряда, где существует выраженная тенденция. Наиболее рациональным оказалось применение указанных индикаторов для сглаженного ряда динамики.

Определение разворота тренда с помощью индикатора скользящего среднего основано на нахождении точек пересечения линии скользящего среднего и компоненты тренда. Если линия компоненты тренда после достижения локального минимума пересекает восходящую линию скользящего среднего снизу вверх, то это говорит о произошедшем изменении тренда, выражающемся в увеличении угла его наклона. Если линия компоненты тренда после достижения локального максимума пересекает нисходящую линию скользящего среднего сверху вниз, то это говорит о произошедшем изменении тренда, выражающемся в уменьшении угла его наклона. Применение 36-периодного скользящего среднего позволило выявить изменение тенденции в начале 2001 г. На рис. 3 видно, что компонента тренда в январе 2001 г. пересекает восходящий участок скользящего среднего снизу вверх. Это говорит о произошедше м увеличении угла наклона тренда.

Периоды времени

-Компонента тренда 36-периодное скользящее среднее

Рис. 3. Графики компоненты тренда и 36-периодного скользящего

среднего

Индикатор ВВ - линии Болинджера - характеризует резкие отклонения уровней ряда от уровней действующего тренда, под которым имеется в виду 8-периодное скользящее среднее. Линии Болинджера строятся на расстоянии, пропорциональном среднеквадратическому отклонению от скользящего среднего:

ВВ = у11>8

(у, -Ум)2

,<т = 2,

где у(]8- восьмипер йодное скользящее среднее; уц - компонента тренда; о - среднеквадратическое отклонение.

Если график ряда пересекает нижнюю линию Болинджера и возвращается назад, то это свидетельствует об увеличении угла наклона тренда. Если график ряда пересекает верхнюю линию Болинджера и возвращается назад, то угол наклона тренда уменьшается. Пересечение компонентой тренда линий Болинджера свидетельствует о произошедшей смене действующего тренда. На рис. 4 показано, что компонента тренда пересекает верхнюю линию Болинджера в августе 2001 г. Это свидетельствует об уменьшении угла наклона тренда.

^"Верхняя линия Болинджера-Нижняя линия Болинджера Компонента тренда

Рис. 4. График компоненты тренда и линий Болинджера

Наилучшим с точки зрения детализации промежуточных тенденций оказася индикатор MACD - конвергенции-дивергенции скользящих средних. Расчет MACD основан на разнице между 12- и 26-периодными экспоненциальными скользящими средними. Экспоненциальное скользящее среднее (р-периодное) рассчитывается по формуле

ftДp =F.IfP-i + ^Y - (у t, -yt,.p-i).

где yt, p " р-периодное экспоненциальное скользящее среднее; у, - компонента тренда.

По полученной разнице рассчитывается 9-периодное скользящее среднее. По найденным значениям индикатора MACD строится гистограмма (рис. 5). Значимыми сигналами являются пересечение линии гистограммы с осью абсцисс и изменение направления линии гистограммы после максимальных и минимальных значений MACD.

45 000 40 000 35 000 30 000 25 000

Q 20 000

0 15 000 10 000 5 000 0

-10 000

Периоды времени

Рис. 5. Гистограмма МАСО

На графике видно, что смена тенденции происходила три раза. Первый раз ось абсцисс пересекается 05.05.00, второй раз - 05.01.01. Третьим значимым сигналом смены тренда является изменение направления линии МАСО после максимума 25.08.01. Гистограмма МАСО позволяет определить, в каком направлении происходит смена тенденции. После 05.05.00 линия движения тренда характеризуется положительной направленностью, о чем говорит тот факт, что следующая максимальная вершина МАСО выше, чем предыдущая. После 05.01.01 угол наклона тренда увеличивается, о чем свидетельствует более интенсивный вонообразный рост МАСО. После 25.08.01 происходит уменьшение угла наклона тренда,

поскольку значения индикатора MACD начинают снижаться. Анализ MACD показывает, что в исходном ряду динамики существуют три поворотные точки, т.е. точки, после которых наблюдается смена тенденции: уп (05.05.00), у6] (05.01.01) и у]07 (25.08.01). Выводы о характере развития на основе анализа гистограммы MACD (рис. 5) во многом подтверждают результаты анализа типов развития по графикам показателей абсолютного прироста и абсолютного ускорения (рис. 1).

В диссертации использовася также метод определения поворотных точек М. Кендала, основанный на нахождении локальных минимумов и максимумов уровней компоненты тренда в пределах полугода. По этому методу выявлено две поворотные точки: у61 (05.01.01) и ую7 (25.08.01).

Проведенное исследование основной тенденции с помощью индикаторов скользящих средних, линий Болинджера, MACD, RSI, а также метода определения поворотных точек М. Кендала позволило выявить определенные однотипные периоды развития процесса кассовых поступлений, которые при построении оперативных прогнозных моделей выступали в качестве сокращенных периодов основания прогноза.

В третьей главе Математико-статистическое моделирование как основа оперативного прогнозирования кассовых поступлений федерального бюджета осуществлено комплексное прогнозирование кассовых поступлений методами экстраполяции тренда (по разным периодам основания), экспоненциального сглаживания и авторегрессии - проинтегрированного скользящего среднего (АРПСС).

В соответствии с требованиями ГУФК прогноз составляется на 1-е и 20-е числа каждого месяца. Период упреждения прогноза - один месяц, максимально допустимая ошибка прогноза - 20%. В оперативных прогнозных расчетах использовались модели с разными периодами основания (табл. 1).

Оперативные прогнозы по методу экстраполяции тренда составлялись автором с учетом и без учета периодической компоненты. Прогнозирование по методу экстраполяции тренда осуществлялось на базе выявленных аналитических функций. При числе уровней исходного ряда, равном 54, 96, 100, 102, 106, 108, 112, 114, 118, 120, 124, компонента тренда лучше всего аппроксимируется экспоненциальной функцией; при числе уровней, равном 58, 60, 64, 66, 70, 72, 76, 78, 82, 84, 88, 90, 94, - линейной функцией.

При расчете прогнозных значений по методу экстраполяции тренда с учетом поворотных точек изменялись временные границы основания прогноза. После каждой поворотной точки рассматривася не исходный, а урезанный ряд кассовых поступлений. Были построены прогнозные модели экстраполяции тренда с учетом двух и трех поворотных точек тенденции.

Для модели экстраполяции тренда с учетом двух поворотных точек у6) (05.01.01) и у07 (25.08.01) урезанный ряд кассовых поступлений с числом уровней, равным 18, 22, 24, 28, 30, 34, 36, 70, лучше описывается ло-

гарифмической функцией. Для ряда динамики с числом уровней, равным 40, 42, 46, 48, 52, 54, 58, 60, 64, 66, больше подходит линейная функция. Если в модель вводится третья поворотная точка - у13 (05.05.00), то для числа уровней урезанного ряда, равного 48, тренд лучше аппроксимируется экспоненциальной функцией; для числа уровней, равного 52, 54, 58, -логарифмической, а для числа уровней, равного 60,64, - линейной.

Таблица 1

Оперативные прогнозные модели кассовых поступлений федерального бюджета и соответствующие им периоды основания

Разновидность прогнозной модели Дата начала периода основания*

Модель экстраполяции тренда без учета периодической компоненты 05.03.00

Модель экстраполяции тренда с учетом периодической компоненты 05.03.00

Модель экстраполяции тренда без учета периодической компоненты (две поворотные точки) 05.01.00

Модель экстраполяции тренда с учетом периодической компоненты (две поворотные точки) 05.01.00

Модель экстраполяции тренда без учета периодической компоненты (три поворотные точки) 05.05.00,05.01.00

Модель экстраполяции тренда с учетом периодической компоненты (три поворотные точки) 05.05.00, 05.01.00

Модель экспоненциального сглаживания без учета периодической компоненты 05.03.00

Модель экспоненциального сглаживания с учетом периодической компоненты 05.03.00

Модель АРПСС (0,1,1X0,1,1) 05.03.00

Модель АРПСС (0,1,1)(0,1,1) с интервенцией 05.03.00

Модель экстраполяции среднего уровня по пятидневкам** 05.03.00

Модель экстраполяции среднедневных поступлений** 05.03.00

Модель экстраполяции линейного тренда** 05.03.00

* Датой окончания периода основания принималась дата составления прогнозов ** Модели, использовавшиеся органами Федерального казначейства по Самарской области в 2000 г.

Среди моделей экспоненциального сглаживания рассматривались модели без тренда, а также с линейным, экспоненциальным и логарифмическим трендами. Для моделей без учета периодической компоненты при числе уровней, равном 102, 108, 126, 130, наибольшую степень соответст-

вия показала модель экспоненциального сглаживания без тренда. Для числа уровней, равного 102, 126, 130, удачной оказалась модель с логарифмическим трендом, а для числа уровней, равного 108, - модель с линейным трендом. Для моделей с учетом периодической компоненты при числе уровней, равном 96, 100, 102, 106, 108, 118, 120, 130, большую степень соответствия показала модель с линейным трендом.

Для использования модели авторегрессии - проинтегрированного скользящего среднего была проведена идентификация ее вида. Наиболее подходящей явилась прогнозная модель авторегрессии - проинтегрированного скользящего среднего с одним параметром скользящего среднего и отсутствием параметров авторегрессии - АРПСС (0,1,1) (0,1,1). В расчетах использовалась модель АРПСС (0,1,1) (0,1,1) с интервенцией. В качестве момента интервенции использовались сведения о поворотной точке линии тренда y6i (05.01.01). Тип воздействия был определен как постепенный, устойчивый.

Наряду с моделями, предложенными автором, прогнозы были построены также по методикам, использовавшимся в практике органов Федерального казначейства Самарской области в 2000 г.: модель экстраполяции среднего уровня по пятидневкам; модель экстраполяции среднедневных поступлений; модель экстраполяции линейного тренда.

Поскольку исследуемый ряд составляют пятидневные кассовые поступления федерального бюджета, то прогнозные значения по всем моделям рассчитывались по пятидневным периодам. Для получения окончательных месячных прогнозных значений пятидневные прогнозные значения суммировались по формуле

t t+6 Yx=Aj- Ifi+(yt+l+yt+2) + A2- E?i i=t-3 i=t+3

Гесли прогноз составляся 20-го числа,

1 (о, в противном случае;

[1, если прогноз составляся 1-го числа;

[0, в противном случае,

где YT - месячное прогнозное значение;

Т - порядковый номер месячного прогнозного значения;

Aj, А2 - искусственные переменные, принимающие значение 0 или 1

в зависимости от даты составления прогноза.

Точность прогнозных моделей определялась с использованием критерия относительной ошибки. По значениям относительных ошибок была построена таблица распределения прогнозных моделей (табл. 2).

Данные табл. 2 показывают, что модели, использовавшиеся в практике органов Федерального казначейства по Самарской области, а также мо-

дели экстраполяции тренда без учета поворотных точек превосходят максимально допустимую ошибку прогноза. Остальные восемь моделей показали приемлемую точность прогнозных значений.

Таблица 2

Распределение прогнозных моделей по значениям относительной

ошибки прогноза

Разновидность прогнозной модели Число моделей с относительной ошибкой прогноза, %

отОдо 20 от 20 и выше

Модель экстраполяции тренда без учета периодической компоненты 21 3

Модель экстраполяции тренда с учетом периодической компоненты 22 2

Модель экстраполяции тренда без учета периодической компоненты (две поворотные точки) 24 0

Модель экстраполяции тренда с учетом периодической компоненты (две поворотные точки) 24 0

Модель экстраполяции тренда без учета периодической компоненты (три поворотные точки) 24 0

Модель экстраполяции тренда с учетом периодической компоненты (три поворотные точки) 24 0

Модель экспоненциального сглаживания без учета периодической компоненты 24 0

Модель экспоненциального сглаживания с учетом периодической компоненты 24 0

Модель АРПСС (0,1,1)(0,1,1) 24 0

Модель АРПСС (0,1,1)(0,1,1) с интервенцией 24 0

Модель экстраполяции среднего уровня по пятидневкам* 3 21

Модель экстраполяции среднедневных поступлений* 4 20

Модель экстраполяции линейного тренда* 18 6

* Модели, использовавшиеся органами Федерального казначейства по Самарской области в 2000 г.

Сравнение точности прогнозных моделей производилось с использованием нескольких критериев: средней абсолютной погрешности, средней

квадратической ошибки, средней относительной ошибки и коэффициента расхождения Тейла.

Средняя абсолютная погрешность рассчитывалась по формуле

т I - I

Средняя квадратическая ошибка вычислялась следующим образом:

Е(Ут-Ут)2

Средняя относительная ошибка вычислялась по формуле

Коэффициент расхождения Тейла рассчитывася по формуле

Е(Ут-Ут)

В приведенных формулах использовались следующие обозначения:

Ут - фактическое месячное значение;

Ут- прогнозное месячное значение;

т - количество месячных прогнозных значений модели.

Сравнение прогнозных моделей по разным критериям точности показало близкие по значениям результаты. Поэтому в табл. 3 приведены только значения критерия средней относительной ошибки прогнозных моделей.

Наиболее точной прогнозной моделью явилась модель АРПСС(0,1,1)(0,1,1) с интервенцией. Хорошие результаты показали модели экстраполяции тренда с учетом поворотных точек, что свидетельствует о важности выбора основания прогноза для построения прогнозных моделей оперативного прогнозирования. Сделанные расчеты подтвердили гипотезу о том, что использование более коротких периодов основания повышает качество прогнозных моделей.

Таким образом, проведенное исследование позволяет сделать вывод о необходимости комплексного использования в практике экономической работы Управления Федерального казначейства по Самарской области предложенных моделей, теоретических и практических подходов (определение типа развития процесса кассовых поступлений, выявление его ско-

роста и интенсивности, взаимодействия между регулярными и нерегулярными компонентами, выбор периода основания прогноза, процедуры сглаживания уровней и др.).

Таблица 3

Значения точности прогнозных моделей по критерию средней относительной ошибки

Разновидность прогнозной модели Средняя относительная ошибка, %

Модель экстраполяции тренда без учета периодической компоненты (две поворотные точки) 9,68

Модель экстраполяции тренда с учетом периодической компоненты (две поворотные точки) 9,85

Модель экстраполяции тренда без учета периодической компоненты (три поворотные точки) 9,31

Модель экстраполяции тренда с учетом периодической компоненты (три поворотные точки) 9,50

Модель экспоненциального сглаживания без учета периодической компоненты 9,92

Модель экспоненциального сглаживания с учетом периодической компоненты 9,37

Модель АРПСС (0,1,1X0,1,1) 9,12

Модель АРПСС (0,1,1)(0,1,1) с интервенцией 7,81

В заключении подводятся итоги исследования, излагаются основные выводы, имеющие как теоретическое, так и практическое значение по вопросам, составляющим предмет диссертационного исследования.

Основные положения диссертации опубликованы в следующих работах:

1. Сафиулин Р.Х. Статистические модели оперативного прогнозирования кассовых поступлений федерального бюджета в практике финансовой работы казначейства (на примере Самарской области) // Прикладные аспекты статистики и эконометрики: Тезисы всероссийской научной конференции, апрель 2003г. - Москва: Изд-во МЭСИ, 2003. - 0,1 печ. л.

2. Сафиулин Р.Х. Статистическое изучение периодических колебаний кассовых поступлений федерального бюджета // Современные аспекты экономики. - СПб., 2003. - №12 (40). - 0,3 печ. л.

3. Сафиулин Р.Х. Использование индикаторов технического анализа в технологических процедурах оперативного статистического прогнозирования // Веста, молодых ученых СГЭА. - Самара, 2003. - №2(7) - 0,6 печ.л.

4. Сафиулин Р.Х. Оценка точности моделей оперативного статистического прогнозирования кассовых поступлений федерального бюджета // Современные аспекты экономики. - СПб., 2003. - №12 (40). - 0,8 печ. л.

Дж1 13 98 т

5. Сафиулин Р.Х. Опыт применения математико-статистических моделей оперативного прогнозирования в изучении кассовых поступлений доходов федерального бюджета // Современные аспекты экономики. -СПб., 2003. - №4 (32). - 0,5 печ. л.

6. Сафиулин Р.Х. Оценка системы статистических показателей кассового испонения федерального бюджета по доходам в казначейской системе Российской Федерации // Современные аспекты экономики. -СПб., 2003. - №4 (32). - 0,3 печ. л.

7. Сафиулин Р.Х. Оценка существующих методик прогнозирования поступлений доходов в федеральный бюджет органами федерального казначейства // Современные аспекты экономики. - СПб., 2002. - №6(19). -0,2 печ. л.

8. Сафиулин Р.Х. Анализ нормативного регулирования прогнозирования в казначейской системе Российской Федерации // Современные аспекты экономики. - СПб., 2002. -№4 (17). - 0,3 печ. л.

9. Сафиулин Р.Х., Котенкова Г.О. Некоторые проблемы испонения федерального бюджета Российской Федерации // Современные аспекты экономики. - СПб., 2001. - №12а. - 0,07/0,02 печ. л.

Формат 60x84/16. Объем 1,0 печ. л. Тираж 100 экз. Заказ № 261-Отпечатано в типографии СГЭА. Самара, ул. Советской Армии, 141.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Сафиулин, Рафаэль Хайдарович

Введение.

Глава 1 Проблемы статистического анализа и прогнозирования доходов федерального бюджета.

1.1 Система государственных прогнозов в бюджетном процессе.

1.2 Оперативное статистическое прогнозирование в практике экономической работы органов Федерального казначейства по кассовому испонению федерального бюджета.

1.3 Программно-методологические вопросы технологии оперативного статистического прогнозирования кассовых поступлений.

Глава 2 Статистический анализ динамики кассовых поступлений федерального бюджета.

2.1 Анализ основной тенденции динамики кассовых поступлений.

2.2 Исследование периодической компоненты ряда кассовых поступлений.

2.3 Использование элементов технического анализа в исследовании динамики кассовых поступлений.

Глава 3 Математико-статистическое моделирование как основа оперативного прогнозирования кассовых поступлений федерального бюджета.

3.1 Прогнозирование кассовых поступлений по методу экстраполяции тренда

3.2 Прогнозирование ряда кассовых поступлений по методам экспоненциального сглаживания и авторегрессии-проинтегрированного скользящего среднего.

3.3 Оценка точности прогнозных моделей кассовых поступлений.

Диссертация: введение по экономике, на тему "Статистическая методология оперативного прогнозирования кассовых поступлений федерального бюджета"

Актуальность темы диссертации. Важнейшей функцией испонительных органов государственной власти является разработка научно-обоснованных прогнозов и программ социально-экономического развития страны. В сфере государственного прогнозирования традиционно большое внимание уделяется формированию проекта федерального бюджета и бюджетов субъектов Российской Федерации. Внедрение в бюджетный процесс системы прогнозирования является одной из ключевых задач экономической науки и практики. Методологические проблемы анализа, моделирования и прогнозирования доходной части бюджета на средне- и краткосрочную перспективу достаточно хорошо разработаны и в теоретическом, и в практическом плане. Не менее важным этапом бюджетного процесса является казначейское испонение бюджета. Бюджетные средства государства поступают и расходуются из единой казначейской кассы, что сопряжено с существованием большого количества финансовых и информационных потоков. Эффективная организация этих потоков невозможна без оперативного прогнозирования кассовых поступлений федерального бюджета.

В научной литературе статистические аспекты исследуемой проблематики не получили необходимой разработки. Нет четкого представления о месте и роли оперативного прогнозирования в бюджетном процессе. Не сложилась система понятий методологии оперативного статистического прогнозирования. На практике возникают серьезные проблемы при формализации в прогнозных моделях на оперативную перспективу различных содержательных концепций. В связи с этим все более актуальным становится вопрос о применении для оперативного прогнозирования доходов федерального бюджета статистической методологии, которая позволяла бы сочетать формальный математико-статистический аппарат с определенным логико-теоретическим подходом. Требует решения проблема комплексного применения формальных и неформальных математико-статистических методов прогнозирования для построения моделей кассовых поступлений федерального бюджета. Решению данных вопросов посвящено настоящее диссертационное исследование.

Цель и задачи исследования. Целью диссертационной работы является разработка методологии оперативного статистического прогнозирования кассовых поступлений федерального бюджета.

Для достижения указанной цели поставлены и решены следующие задачи:

- определение роли и места оперативного статистического прогнозирования в бюджетном процессе;

- выявление методологических особенностей оперативного статистического прогнозирования кассовых поступлений;

- характеристика типов развития ряда кассовых поступлений;

- исследование тренда кассовых поступлений;

- выявление, измерение и анализ периодической компоненты ряда кассовых поступлений;

- обоснование возможностей изучения динамики кассовых поступлений с помощью индикаторов технического анализа;

- построение прогнозов кассовых поступлений методом экстраполяции тренда с использованием различных периодов основания;

- прогнозирование кассовых поступлений методами экспоненциального сглаживания и авторегрессии - проинтегрированного скользящего среднего;

- оценка точности прогнозных моделей кассовых поступлений с помощью критериев средней квадратической ошибки, средней относительной ошибки и др.

Объектом исследования является деятельность органов Федерального казначейства (Управления Федерального казначейства по Самарской области) по учету, контролю и организации финансовых потоков при испонении федерального бюджета.

Предметом исследования являются количественные закономерности динамики кассовых поступлений федерального бюджета и методы их прогнозирования.

Теоретической основой исследования послужили труды, посвященные теории и практике прогнозирования, авторами которых являются С.А. Айвазян, Т. Андерсен, В.Н. Афанасьев, Дж. Бокс, В.П. Боровиков, Т.А. Дуброва, М. Кендал, Г.С. Кильдишев, Ю.П. Лукашин, А.И. Манеля, B.C. Мхитарян, Ю.В. Сажин, С.А. Саркисян, А.А. Френкель, В.Н. Цыгичко, Е.М. Четыркин, Р.А. Шмойлова, М.М. Юзбашев, а также нормативно-правовые документы: Бюджетный кодекс Российской Федерации, Федеральный закон О государственном прогнозировании и программах социально-экономического развития Российской Федерации и др.

Информационной базой исследования явились ведомственные статистические оперативные данные Управления Федерального казначейства по Самарской области за 2000-2001 г.г.

Методологическую основу диссертационного исследования образует совокупность методов статистической науки: метод сводки и группировки, графический метод, методы анализа и моделирования временных рядов, количественные методы прогнозирования. Обработка данных производилась с использованием пакетов прикладных программ Statistica 5.5, SPSS 10.05 и Microsoft Excel 2000.

Научная новизна работы заключается в разработке методологии, научных принципов и практических подходов к оперативному статистическому прогнозированию доходов федерального бюджета.

Диссертация содержит следующие элементы научной новизны:

- дана характеристика методологических особенностей оперативного прогнозирования в бюджетном процессе;

- предложен поэтапный комплексный подход к формированию прогноза кассовых поступлений федерального бюджета;

- установлены различные типы развития внутри ряда динамики доходов федерального бюджета в исследуемой ретроспективе;

- обоснована необходимость построения прогнозных моделей кассовых поступлений с изменяющейся структурой компонент динамического ряда;

- выявлены и измерены догосрочная и периодическая компоненты ряда динамики кассовых поступлений;

- определены поворотные точки изменения направления тренда, выделены промежуточные тенденции ряда кассовых поступлений с помощью индикаторов технического анализа: индекса относительной силы (RSI), скользящих средних, линий Болинджера и конвергенции-дивергенции скользящих средних (MACD);

- осуществлена корректировка периода основания прогнозных моделей в соответствии с типом развития и учетом промежуточных тенденций;

- предложен ряд прогнозных моделей и осуществлена оценка точности сделанных прогнозов кассовых поступлений.

Теоретическое и практическое значение диссертационной работы состоит в разработке и обосновании научных принципов и статистических методов прогнозирования кассовых поступлений федерального бюджета. Результаты исследования могут использоваться в практике экономической работы Управлений Федерального казначейства по субъектам Российской Федерации. Применение предложенной методологии позволяет повысить точность оперативных прогнозов кассовых поступлений, сократить затраты на обработку информации, что будет способствовать повышению эффективности управления движением бюджетных потоков.

Методологические и методические положения диссертации могут быть также применены для оперативного прогнозирования поступления доходов в бюджеты субъектов Российской Федерации, муниципальных образований, во внебюджетные фонды.

Апробация работы. Представленная работа выпонена в рамках Федеральной целевой программы развития органов Федерального казначейства на 2000 - 2004 гг. Предложенная методика оперативного статистического прогнозирования кассовых поступлений внедрена в практику экономической деятельности Управления Федерального казначейства по Самарской области.

Результаты проведенного исследования используются в учебном процессе Самарского муниципального университета Наяновой в преподавании дисциплины Статистика.

Основные положения диссертационной работы докладывались автором на всероссийских научно-практических конференциях в октябре 2002 г. (СМУН, г. Самара) и в апреле 2003 г. (Прикладные аспекты статистики и эконометрики, МЭСИ, г. Москва).

Основные положения диссертационного исследования отражены в 9 публикациях общим объемом 3,2 печ. л.

Структура диссертации. Диссертация состоит из введения, трех глав, заключения, библиографического списка и приложений.

Диссертация: заключение по теме "Бухгатерский учет, статистика", Сафиулин, Рафаэль Хайдарович

Выводы о характере развития на основе анализа гистограммы MACD (рис.20) подтверждают результаты анализа типов развития по графикам показателей абсолютного прироста и абсолютного ускорения (рис.4).

Проблема нахождения поворотных точек исследовалась также М. Кендалом [104, с. 708]. Под поворотными точками понимались локальные минимумы или максимумы ряда динамики1. Показатель критерия поворотных точек использовася для определения колеблемости уровней ряда. Эта идея в дальнейшем получила развитие при построения опережающих экономических индикаторов [60, 63, 79]. Поворотные точки согласно этим работам представляют собой локальные минимумы или максимумы на большем чем один месяц временном интервале. Для ряда кассовых поступлений по этому методу выявлено две поворотные точки: у6\ (05.01.01 г.) и ую7 (25.08.01 г.).

Результатами выявления поворотных точек при исследовании ряда кассовых поступлений стало выделение нескольких промежуточных тенденций, которые могут являться базой для применения метода экстраполяции тренда на сокращенном основании прогноза. Такое прогнозирование позволяет придать гибкость методу экстраполяции тренда.

Важным этапом прогнозирования является выбор адекватной динамическому процессу аналитической функции для построения оперативных прогнозных моделей экстраполяции тренда. Ориентиром для выбора аналитической функции послужило установление внутри ряда исходных данных различных типов развития. Анализ основной тенденции ряда кассовых поступлений позволил выбрать лучшие с точки зрения аппроксимации и точности прогнозных значений аналитические функции: линейную, экспоненциальную и логарифмическую. Колеблемость исследуемого ряда динамики в значительной мере определяется наличием внутримесячной периодической компоненты с лагом, равным шести пятидневным периодам, что

1 Если уровень ряда меньше двух соседних уровней слева и справа от него, то он считается локальным минимумом, и наоборот. указывает на необходимость включения периодического фактора в оперативные прогнозные модели. Проведенное исследование основной тенденции с помощью индикаторов технического анализа: скользящих средних, линий Болинджера, MACD, RSI, а также метода определения поворотных точек М. Кендала, позволило выявить временные границы однотипных периодов развития, которые при построении оперативных прогнозных моделей кассовых поступлений выступали в качестве сокращенных периодов основания прогноза.

Глава 3 Математико-статистическое моделирование как основа оперативного прогнозирования кассовых поступлений федерального бюджета

3.1 Прогнозирование кассовых поступлений по методу экстраполяции тренда

Важнейшей задачей оперативного прогнозирования кассовых поступлений федерального бюджета является выбор прогнозной модели, которая сочетала бы в себе простоту применения и приемлемую точность результатов. Из всей совокупности методов прогнозирования этим критериям в оперативном периоде удовлетворяют методы прогнозирования по одномерному временному ряду.

При прогнозировании социально-экономических явлений широкое распространение получил метод экстраполяции тренда. Несмотря на простоту расчетных процедур, этот метод во многих случаях дает впоне приемлемые результаты. Существует два способа прогнозирования по методу экстраполяции тренда: без учета периодической компоненты и с учетом периодической компоненты [37, 74, 98]. Первый способ применяется в случае, если в исследуемом ряду не наблюдается существенных периодических колебаний. Второй способ применим, если периодические колебания имеют место. Оперативные прогнозы можно составлять с использованием обоих этих способов. Это связано с тем, что периодические колебания, присутствующие в ряду, являются внутримесячными. Период же упреждения оперативных прогнозов равен одному месяцу. Периодические колебания уравновешивают друг друга в пределах месяца. Прогнозные результаты экстраполяции тренда без учета периодической компоненты и с ее учетом значимо не отличаются друг от друга.

Прогнозирование по методу экстраполяции тренда происходит на базе выявленных аналитических функций, наилучшим образом аппроксимирующих компоненту тренда, которая представляет собой 6-периодное скользящее среднее ряда кассовых поступлений (табл. 15).

Заключение

В настоящей работе предпринята попытка разработки методологических положений оперативного статистического прогнозирования кассовых поступлений федерального бюджета. Методологические предпосыки оперативного статистического прогнозирования связаны с теорией бюджетного процесса и спецификой объекта исследования. Были изучены место и роль оперативного прогнозирования в бюджетном процессе, предложена система опорных блоков статистических показателей и показана их взаимосвязь с государственными прогнозами социально-экономического развития. В диссертации получили развитие теоретические представления о принципах и методах статистического прогнозирования, о способах обработки учетно-статистической информации. Конкретный выбор методического аппарата осуществлен с учетом специфики информационной базы. Выбирались такие методы, которые позволяли эффективно сочетать качественный и количественный статистический анализ динамики исследуемого процесса. В ходе исследования поставлены цели и решены задачи как научного, так и прикладного характера.

В работе получены следующие основные результаты:

1. Показана взаимосвязь основных стадий и показателей бюджетного процесса с государственными прогнозами. Показано, что оперативное прогнозирование доходов является важной составляющей испонения федерального бюджета. Основной целью оперативного прогнозирования кассовых поступлений является создание информационной базы для принятия управленческих решений, позволяющих минимизировать вероятность возникновения временных кассовых разрывов.

2. Определено, что наиболее эффективной формой представления исходной информации для оперативного прогнозирования кассовых поступлений федерального бюджета являются данные за пятидневные периоды времени, поскольку они отражают важные внутримесячные колебания кассовых поступлений, просты в обработке, и их использование дает наиболее точные прогнозы.

3. Обосновано использование для целей оперативного прогнозирования кассовых поступлений методов, основанных на одномерной модели динамики. Технологическое использование указанных методов прогнозирования обеспечивает достаточно точные прогнозные оценки и позволяет ограничиться ведомственными статистическими данными Федерального казначейства.

4. Выявлены три типа развития динамики кассовых поступлений:

- стационарный тип развития - во втором полугодии 2000 г. и во втором квартале 2001г.;

- прогрессивный тип развития - в первом квартале 2001 г.;

- тип развития с насыщением - третий квартал 2001 г.

Указанные типы развития динамики кассовых поступлений определили предпосыки для построения математико-статистических моделей экстраполяции тренда по сокращенному периоду основания прогнозов.

5. Установлено, что в течение 2001 г. тренд ряда кассовых поступлений наилучшим образом аппроксимируется линейной и экспоненциальной функцией в зависимости от даты составления прогноза.

6. Определено, что в исследуемом ряду кассовых поступлений существует внутримесячная периодическая компонента с лагом, равным шести пятидневкам, обусловленная графиком налоговых платежей в федеральный бюджет.

7. Измерение периодической компоненты производилось методами Census I и гармонического анализа, при этом метод Census I показал лучшие результаты.

8. Выделение промежуточных тенденций ряда кассовых поступлений, действующих в пределах от одного до девяти месяцев, использовалось в диссертации для определения периода основания прогнозных моделей экстраполяции тренда.

9. Для выявления изменения направления тренда, связанного со сменой промежуточной тенденции, использовались приемы и способы технического анализа (индикатор RSI, индикатор скользящих средних, индикатор линий Болинджера и индикатор MACD). Индикатор RSI -индекса относительной силы - с высокой степенью точности предсказал несколько поворотных точек изменения тренда. Применение индикатора RSI в оперативном прогнозировании является эффективным для динамического ряда со значительными флуктуациями. Использование индикатора скользящих среднего позволило выявить изменение тенденции кассовых поступлений в январе 2001 г. Применение индикатора линий Болинджера определило случай разворота линии тренда в августе 2001г. Индикатор MACD показал, что в исходном ряду динамики существует несколько поворотных точек. Применение индикаторов технического анализа позволило сделать выводы о характере динамики кассовых поступлений за отдельные периоды времени.

Ю.При построении прогнозов использовались разновидности моделей экстраполяции тренда (с учетом и без учета периодической компоненты и с разными периодами основания), экспоненциального сглаживания (с учетом и без учета периодической компоненты) и авторегрессии-проинтегрированного скользящего среднего (с учетом и без учета поворотных точек). Прогнозные модели, предложенные автором, показали более высокую точность по сравнению с моделями, использовавшимися в практике Управления Федерального казначейства по Самарской области.

11.С учетом произведенной оценки точности прогнозных моделей, рекомендовано применять в практике экономической работы территориальных Управлений Федерального казначейства модели экстраполяции тренда с учетом и без учета поворотных точек, модели экспоненциального сглаживания с учетом и без учета периодической компоненты, модели АРПСС(0,1,1)(0,1,1) и АРПСС(0,1,1)(0,1,1) с интервенцией.

12.Сделан вывод о необходимости комплексного использования в практике экономической работы Управления Федерального казначейства по Самарской области предложенных моделей, теоретических и практических подходов (определение типа развития процесса кассовых поступлений, выявление его скорости и интенсивности, взаимодействия между регулярными и нерегулярными компонентами, выбор периода основания прогноза, процедуры сглаживания уровней и др.).

13.Методологические и методические положения диссертации могут быть также применены для оперативного прогнозирования поступления доходов в бюджеты субъектов Российской Федерации, муниципальных образований, во внебюджетные фонды.

Диссертация: библиография по экономике, кандидат экономических наук , Сафиулин, Рафаэль Хайдарович, Самара

1. Бюджетный кодекс Российской Федерации от 31 июля 1998 г. № 145-ФЗ (с изменениями от 31 декабря 1999 г., 5 августа, 27 декабря 2000 г.)

2. Закон РСФСР от 10 октября 1991 г. № 1734-1 "Об основах бюджетного устройства и бюджетного процесса в РСФСР" (с изменениями от 18 декабря 1991 г., 7 февраля 1992 г., 5 ноября 1994 г., 31 июля 1995 г., 10 июля 1996 г.)

3. Федеральный закон от 15 августа 1996 г. № 115-ФЗ "О бюджетной классификации Российской Федерации" (с изменениями от 2 марта, 26 марта 1998 г., 5 августа 2000 г.)

4. Федеральный закон от 20 июля 1995 г. № 115-ФЗ "О государственном прогнозировании и программах социально-экономического развития Российской Федерации".

5. Федеральный закон от 27 декабря 2000 г. № 150-ФЗ "О федеральном бюджете на 2001 год".

6. Указ Президента РФ от 8 декабря 1992 г. № 1556 "О федеральном казначействе".

7. Положение о федеральном казначействе Российской Федерации (утв. Постановлением СМ РФ от 27 августа 1993 г. № 864).

8. Инструкция по бухгатерскому учету испонения бюджетов (утв. приказом Минфина РФ от 17 февраля 1999 г. № 15н).

9. Приказ Минфина РФ от 16 августа 2000 г. № 81н "Об утверждении Правил составления Министерством финансов Российской Федерации отчета об испонении федерального бюджета за 1999 год".

10. Распоряжение ГУФК МФ РФ от 4 июня 1997 года № 93 "О совершенствовании работы по регулированию казначейских счетов".

11. Письмо Минфина РФ от 20 марта 1998 г. № 3-09-15 "О месячной отчетности об испонении бюджетов в Российской Федерации".

12. Письмо ГУФК МФ РФ от 13 августа 1998 года № 3-06-05/83.

13. Письмо ГУФК МФ РФ от 16 ноября 1998 года№ 3-06-05/122.

14. Письмо ГУФК МФ РФ от 18 ноября 1998 года № 3-06-05/123.

15. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики: Учеб. для экон. спец. вузов. М.: ЮНИТИ, 1998. - 1022 с.

16. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. -755 с.

17. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001. - 226 с.

18. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1.-М.: Мир, 1974. 406 с.

19. Боровиков В.П. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие. М.: Финансы и статистика, 2000. - 384 с.

20. Боровиков В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. - М.: Филинъ, 1997. - 592 с.

21. Брилинджер Д. Временные ряды. М.: Мир, 1980. - 536 с.

22. Бюджетная система РФ: Учеб. / М.В. Романовский и др.; Под ред. проф. М.В. Романовского и проф. О.В. Врублевской. М. Юрайт, 2000. 615 с.

23. Венецкий И.Г., Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе: Справ. М.: Статистика, 1979. -447 с.

24. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука, 1977.-287 с.

25. Владимирова Л.П. Прогнозирование и планирование в условиях рынка: Учеб. пособие. М.: Дашков и К, 2000. - 306 с.

26. Герчук Я.П. Графические методы в статистике. М.: Статистика, 1968. -212 с.

27. О.Глазьев С.Ю. Проблемы прогнозирования макроэкономической динамики // Российский экономический журнал. 2001. - №3 - С. 76-85.

28. Глазьев С.Ю. Теория догосрочного технико-экономического развития. М.: ВлаДар, 1993.

29. Глинский В.В., Ионин В.Г. Статистический анализ: Учеб. пособие. 2-е изд., перераб. и доп. - М.: Филинъ, 1998. - 264 с.

30. Головченко В.Б. Прогнозирование временных рядов по разнородной информации. Новосибирск, Наука: 1999. - 86 с.

31. Давыдов А., Попов В., Френкель А. Индекс хозяйственной конъюктуры в России: построение и результаты // Мировая экономика и международные отношения. 1993. - № 12.

32. Демарк Т. Технический анализ, новая наука. М.: Диаграмма, 1999. -280 с.

33. Дуброва Т.А. Статистические методы прогнозирования: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2003. - 206 с.

34. Иващенко Г.А., Кильдишев Г.С., Шмойлова Р.А. Статистическое изучение основной тенденции развития и взаимосвязи в рядах динамики: Учеб. пособие. Томск: Изд-во Томск, ун-та, 1985. - 167 с.

35. Кадочников П., Луговой О. Моделирование динамики налоговых обязательств, оценка налогового потенциала территорий. Ссыка на домен более не работаетpapers/19/25.htm. 20.01.01.

36. Кейн Э. Экономическая статистика и эконометрия. Введение в количественный экономический анализ. М.: Статистика, 1977. - Вып. 1. -255 с.

37. Кендал М. Временные ряды. М.: Финансы и статистика, 1981. - 199 с.

38. Кендал М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. - 736 с.

39. Кильдишев Г.С., Овсиенко В.Е., Рабинович П.М. Основы анализа статистических данных: Учеб. пособие. М.: Изд-во МЭСИ, 1978. - 88 с.

40. Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. М.: Статистика, 1973. - 103 с.

41. Кильдишев Г.С., Шмойлова Р.А. Статистический анализ рядов динамики: Учеб. пособие. М.: Изд-во МЭСИ, 1980. - 115 с.

42. Князевский B.C. Анализ временных рядов и прогнозирование: Учеб. пособие Ростов: Изд-во Рост. гос. экон. акад., 1998. - 161 с.

43. Кокс Д., Снел Э. Прикладная статистика. Принципы и примеры. М.: Мир, 1984. 200 с.

44. Коби Р., Мейерс Т. Энциклопедия технических индикаторов рынка. -М.: Альпина, 1998. 581 с.

45. Колемаев В.А. Статистический анализ экономических временных рядов: Пробл. лекция. М.: ГАУ, 1992. - 47 с.

46. Комментарий к Бюджетному кодексу Российской Федерации / Под ред. М.В. Романовского и О.В. Врублевской. 4-е изд., испр. и доп. - М.: Юрайт-Издат, 2002. - 299 с.

47. Ликеш И., Ляга И. Основные таблицы математической статистики. М.: Финансы и статистика, 1985.-356с.

48. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, 1979. 254 с.

49. Льюис К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986. - 130 с.

50. Маленво Э. Статистические методы в эконометрии. М.: Статистика, 1975.-423 с.

51. Математическое и компьютерное моделирование социально-экономических процессов. / Сб. ст. под ред. Ю.Н. Гаврильца. М.: ЦЭМИ РАН, 2001.-Вып. 2.-90 с.

52. Методы статистического исследования динамики социально-экономических явлений / Под ред. В.А. Прокофьева.- Саратов: Изд-во Сарат унта, 1987. 118 с.

53. Мотышина М.С. Методы социально-экономического прогнозирования: Учеб. пособие. СПб: Изд-во СПб УЭФ, 1994. - 114 с.

54. Мэрфи Дж. Руководство по изучению книги "Технический анализ фьючерсных рынков": Самоучйтель. М.: Диаграмма, 1999. - 149 с.

55. Мэрфи Дж. Технический анализ фьючерсных рынков: теория и практика. М.: Диаграмма, 2000. - 587 с.

56. Найман Э.Л. "Малая Энциклопедия трейдера". -М.: Альпина Паблишер, 2003. 378 с.бО.Остапкович Г. О системе индикаторов цикличности экономики // Вопросы статистики. 2000. - № 12.

57. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. Основные методы. М.: Мир, 1982. - 428 с.

58. Пасхавер И.С., Яблочник А.Л. Общая теория статистики: Для программированного обучения. Учеб. пособие / Под ред. проф. М.М. Юзбашева. М.: Финансы и статистика, 1983. - 432 с.

59. Попов В., Френкель А. Индекс деловой активности для российской экономики // ЭКО. 1996. - № 10.

60. Прогностика. Терминология / Под ред. В.И. Сифорова. М.: Наука, 1990. - 54 с.

61. Рабинович П.М. Статистическое моделирование и прогнозирование: Учеб. пособие. М.: Изд-во МЭСИ, 1978. - 121 с.

62. Рабочая книга по прогнозированию / Под ред. И.В. Бестужева-Лада. -М.: Мысль, 1982.-430 с.

63. Сажин Ю.В. Статистические методы прогнозирования на основе временных рядов. Учеб. пособие. Саранск: Изд-во Морд, ун-та, 2000. Ч 113 с.

64. Сафиулин Р.Х. Анализ нормативного регулирования прогнозирования в казначейской системе Российской Федерации // Современные аспекты экономики. СПб., 2002. - № 4(17). - С. 90-93.

65. Сафиулин Р.Х. Использование индикаторов технического анализа в технологических процедурах оперативного статистического прогнозирования // Вестн. молодых ученых СГЭА. Самара, 2003. - №2(7).

66. Сафиулин Р.Х. Опыт применения математико-статистических моделей оперативного прогнозирования в изучении кассовых поступлений доходов федерального бюджета // Современные аспекты экономики. СПб., 2001. -№4(32).-С. 118-125.

67. Сафиулин Р.Х. Оценка системы статистических показателей кассового испонения федерального бюджета по доходам в казначейской системе Российской Федерации // Современные аспекты экономики. СПб., 2001. -№4(32).-С. 126-130

68. Сафиулин Р.Х. Оценка существующих методик прогнозирования поступлений доходов в федеральный бюджет органами федерального казначейства // Современные аспекты экономики. СПб., 2002. - № 6(19). -С. 199-202.

69. Сафиулин Р.Х. Оценка точности моделей оперативного статистического прогнозирования кассовых поступлений федерального бюджета // Современные аспекты экономики. СПб., 2003. - №12 (40). Ч С. 105-110.

70. Сафиулин Р.Х. Статистическое изучение периодических колебаний кассовых поступлений федерального бюджета // Современные аспекты экономики. СПб., 2003. - №12 (40). - С. 110-123.

71. Сафиулин Р.Х., Котенкова Г.О. Некоторые проблемы испонения федерального бюджета Российской Федерации // Современные аспекты экономики. СПб., 2001. - № 12а.- С. 92-93.

72. Сигел Э.Ф. Практическая бизнес-статистика. М.: Вильяме, 2002. -1056 с.

73. Сироткина Т.С. Статистическое моделирование и прогнозирование: Учеб. пособие. М.: ВЗФЭИ, 1988. - 75 с.

74. Смирнов С. Система опережающих индикаторов для России // Вопросы экономики. 2001. - № 3.

75. Справочник по прикладной статистике: В 2 т.; Пер. с англ. / Под ред. Э. лойда, У. Ледермана. М.: Финансы и статистика. - 1989. - Т. 1. - 510 с.

76. Статистика финансов: Учеб. / Под ред. проф. В.Н. Салина. М.: Финансы и статистика, 2000. - 816 с.

77. Статистические методы анализа ускорения социально-экономического развития: Сб. науч. тр./Под ред. В.М. Рябцева; Куйбышев, гос. ун-т. Куйбышев, 1989.- 156 с.

78. Статистический словарь. / Под ред. М.А. Королева. 2 изд. - М.: Финансы и статистика, 1989. - 621 с.

79. Статистическое моделирование и прогнозирование / Под ред. А.Г. Гранберга. М.: Финансы и статистика, 1990. - 382 с.

80. Статистическое моделирование и прогнозирование: Учеб. пособие / А.С. Володичев и др. М.: МЭСИ, 1982. - 137 с.

81. Сулицкий В.Н. Методы статистического анализа в управлении: Учеб. пособие. М.: Дело, 2002. - 518 с.

82. Сутягин B.C. Анализ и прогнозирование народнохозяйственной динамики. М.: Наука, 1992. - 127 с.

83. Тейл Г. Прикладное экономическое прогнозирование. М.: Прогресс,1970.-510 с.

84. Тейл Г. Экономические прогнозы и принятие решений. М.: Прогресс,1971.-488 с.

85. Теория прогнозирования и принятия решений. Учеб. пособие / Под ред. С.А. Саркисяна М.: Высшая школа, 1977. - 351 с.

86. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: ИНФРА-М, 1998. - 528 с.

87. Уотшем Т. Дж., Паррамоу К. Количественные методы в финансах / Под ред. М.Р. Ефимовой. М.: Финансы, 1999. - 527 с.

88. Ухов Н.Н., Демидова Л.Г., Петров А.Н. Методы прогнозирования и планирования экономических и социальных систем. СПб.: Изд-во СПбУЭФ,. 1992.-51 с.

89. Федеральный бюджет и регионы: структура финансовых потоков / Институт Восток-Запад. М.: МАКС Пресс, 2001. - 311 с.

90. Хасаев Г.Р., Цыбатов В.А. Технология прогнозирования регионального развития: опыт разработки и использования//Проблемы прогнозирования. 2002. - №3. - С.64-82.

91. Хастингс Н., Пикок Дж. Справочник по статистическим распределениям. -М.: Статистика, 1980.- 95 с.

92. Цыгичко В.Н. Прогнозирование социально-экономических процессов. 1986, М.: Финансы и статистика, 1986. 205 с.

93. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. - 200 с.

94. Шеннан Р. Имитационное моделирование систем искусственная наука. - М.: Мир, 1978. - 418 с.

95. Шим Дж. К., Сигел Дж. Г. Основы коммерческого бюджетирования. -СПб.: Азбука Бизнес-Микро, 2001. 474 с.

96. Электронный учебник по статистике. Ссыка на домен более не работает home/textbook/default.htm. 25.05.01.

97. Эрлих А. Технический анализ товарных и финансовых рынков. М.: Финансист, 2000. - 182 с.

98. ЮЗ.Юзбашев М.М., Манеля А.И. Статистический анализ тенденций и колеблемости. М.: Финансы и статистика, 1983. Ч 207 с.

99. Юл Дж.Э., Кендэл М.Дж. Теория статистики. М.: Госстатиздат, 1960.-779 с.

100. Янсон Ю.Э. Теория статистики: Лекции.- СПб.: Тип. Шредера, 1887. -537 с.

101. Юб.Янч Э. Прогнозирование научно-технического прогресса. М.: Прогресс, 1974. - 586 с.

102. Яременко Ю.В. Прогнозы развития народного хозяйства и варианты экономической политики // Избр. тр.: В 3 кн. М.: Наука, 1997. Кн. 2. - 478 с.

103. Needles В.Е., Powers М., Mills S.K., Anderson H.R. "Managerial Accounting" 5th ed. Boston, N.-Y.: Houghton Mifflin Company, 1999. - 603 p.

104. Абсолютный прирост и абсолютное ускорения для ряда пятидневных кассовых поступлений за период с 05.03.00г. по 01.01.02г.

105. Дата Абсолютный прирост Абсолютное ускорение2512.01 691 181,81 475 031,850101.02 128 185,21 -562 996,60о к1000000 800000 --600000 --400000 2000001. Периоды времени

106. Рис. 1. График абсолютных отклонений уровней ряда кассовых поступлений оттрендао

Похожие диссертации

• Развитие казначейской системы испонения бюджетов в Российской Федерации
• Организация и развитие казначейской системы испонения бюджетов в Российской Федерации
• Казначейская система испонения бюджетов в условиях реформирования бюджетного процесса
• Прогнозирование доходной части федерального бюджета в территориальных органах Федерального казначейства
• Совершенствование формирования и испонения консолидированного бюджета субъекта Российской Федерации