Разработка финансового плана

 

ФЕДЕРАЛЬНОЕ АГЕНТСТВО  ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ  УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО  ОБРАЗОВАНИЯ

«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ»

 

 

 

 

 

 

 

Отчет по стандартизации, метрологии, сертификации

РАЗРАБОТКА  ФИНАНСОВОГО ПЛАНА

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Выполнила: Минкин С.В.

434 группа

Проверил: Плотников. В.А

 

 

 

 

 

 

 

 

САНКТ-ПЕТЕРБУРГ

2011 г

Исходные данные

Заказчик  предполагает привлечь средства зарубежного  инвестиционного фонда на подготовительные работы и инвестиционный кредит российского  банка на строительство жилого комплекса  на территории РФ.

  Территория застройки состоит из трех земельных участков.

  Срок выполнения инвестиционного проекта от начала подготовительных работ до полной реализации готовой продукции составляет три года.

  Объем реализуемой продукции в денежном выражении составляет 154800 у.е.: на первом участке – 30000 у.е., на втором участке – 48000 у.е., на третьем участке – 76800 у.е.

  Затраты на выполнение работ составляют 77400 у.е.: на первом участке –15000 у.е., на втором участке – 24000 у.е., на третьем участке – 38400 у.е.

Планируемая валовая прибыль составляет 77400 у.е. – на первом участке – 15000 у.е., на втором участке – 24000 у.е., на третьем участке – 38400 у.е.

-Предполагается, что заказчик уже привлек для  строительства инвестиционный кредит  банка на первом участке 15000 у.е., ведет строительство на этом  участке и должен возвратить эти средства банку по окончании первого года.

Из затрат второго участка 8000 у.е. составляют подготовительные работы, а 16000 у.е. –  строительство и реализация.

  Из затрат третьего участка 12800 у.е. составляют подготовительные работы, а 25600 у.е. – строительство и реализация.

Общий объем  инвестиций, которые необходимо привлечь на подготовительные работы второго  и третьего участка, составляют 20800 у.е.

На основе Меморандума создается инвестиционный зарубежный фонд для финансирования подготовительных работ в объеме 20800 у.е.

Эти данные представлены в таблице 1:

	1-й участок	2-й участок	3-й участок	Всего
Создаваемые ценности (капитализация)	30000	48000	76800	154800
Общие затраты	15000	24000	38400	77400
Подготовительные работы (инвестиции)		8000	12800	20800
Строительство и реализация (инвестиционный кредит)	15000	16000	25600	56600
Прибыль	15000	24000	38400	77400
Оборот инвестиций и инвестиционного  кредита	35800	16000	25600	77400

 

Подготовительные работы на втором участке должны быть закончены во втором году с таким расчетом, чтобы в этом году закончить строительство на этом участке и вернуть 16000 у.е. инвестиционный кредит банку в строительство.

- Подготовительные работы  на третьем участке должны  быть закончены в третьем году с таким расчетом, чтобы в этом году закончить строительство на этом участке и вернуть 25600 у.е. инвестиционный кредит банку в строительство.

 

 

 

Разработка  финансового плана

Разработке финансового плана  будет проходить при помощи ППП  MATLAB - нейронные сети весов связей, характеризующих последовательность возврата  банковского кредита.

      Применение ППП MATLAB - нейронные сети осуществляется таким образом, чтобы возврат инвестиций ставился в зависимость от объема строящихся объектов служащих предметом залога. Если на входах задавать объемы готовых объектов в денежном выражении, являющихся объектами залога, а приращения весов связей соответствуют необходимой величине возврата инвестиций, то объемы возврата инвестиций распределятся пропорционально залогам. Необходимо произвести расчет возврата инвестиций, с учетом залогов и увязки  по времени показателей финансового планирования с  показателями бизнес-процессов.

Исходная двухслойная нейронная  сеть  без учета кредита представлена  на рисунке 1:

 

Каждая ветвь нейронной сети (1,2,3) соответствует пространственному расположению участков строительства (1,2,3) в соответствии табл.2.1 и определяет ожидаемую валовую прибыль на каждом участке, как разность между стоимостью построенных объектов и общими затратами. Значения на входах равны стоимости построенных объектов или ожидаемой выручке от продаж на 1-ом, 2-ом и 3-ем участке, величина сдвигов 1-ого слоя равна общим затратам на участках с обратным знаком, а величина целей равна ожидаемой валовой прибыли. Величина сдвигов 2-ого слоя равна нулю, так как они не участвуют в расчетах. Начальные значения весов связей  и сдвигов обеспечивают то, что расчетные значения на выходах ветвей равны  ожидаемой прибыли на участках или целям, т.е. требуемым значениям.

Для расчета возврата инвестиций 20800 у.е.,  к 1-ой ветви относится банк, в который возвращаются инвестиции, выданные  2-ому и 3-ему участку на подготовительные работы.

Для определения параметров залога, получения и возврата инвестиций на подготовительные работы по времени  принимается, что 2-ая и 3-ия  ветвь сети соответствует 2-ому и 3-ему году.

1-ая ветвь соответствует 1-ому  году строительства и получению  инвестиций на 1-ом участке, также  возврату инвестиций банку в  зависимости от сроков реализации  готовой продукции на всех участках.

Для учета получения возврата инвестиций, выданных банком на подготовительные работы 20800 у.е. добавим эту сумму к абсолютной величине сдвига 1-ого слоя 1-ой ветви сети рис.17.

Произведем расчет величин и  времени возврата инвестиций, полагая, что по времени возврат от второй ветви соответствует 2-ому году, от третьей ветви 3-ему году. Веса связей сети при вычитании из них начальных значений в денежном выражении соответствуют суммам возврата инвестиций, а знак весов определяет направление возврата.

В первую очередь нажимаем на Manager и появляется окно управления. Для заполнения окна выводим окно New Data 1 входы в нейронную сеть (inputs), где каждый вход соответствует ценностям на 1-ом, 2-ом и 3-ем участке т.е.

 

Выводим окно New Data  цели (targets), где каждая цель соответствует прибыли на 1-ом, 2-ом и 3-ем участке т.е.

Для формирования двухслойной нейронной  сети Feed-forward backprop, выводим на экран окно network1 при помощи New Network в соответствии с рис.2. При этом необходимо ввести data1, установить 3 нейрона (Number of  neurons) и линейную функцию (PURELIN) для 1-ого слоя нейронной сети Layer1. Для 2-ого слоя Layer2 также устанавливается 3 нейрона и линейная функция.

рис.2

 

При вводе Create в окне менеджера появится network1:

 

рис.3

 

После активизации network1 в окне менеджера и при помощи View выводим на экран окно  со схемой нейронной сети:

 

рис.4

 

Проверяется, чтобы сеть имела три  входа и по три нейрона в  каждом слое, а также линейный сигнал (наклонные  прямые линии).

При помощи Weights выводим на экран окна весов связей сети рис.1 и заполняем их в соответствии с рис.5, 6, 7, 8,9 после заполнения каждого окна устанавливая Set Weights.

Веса связей нижней части сети располагаются в окне рис.1.

 

рис.5

 

В окне рис.6 устанавливаются веса связей верхней части сети рис.1. 

1-ая строка рис.5 соответствуют  весам трех связей, входящих в  1-ый нейрон. Значения разделяются  пробелом, а строка заканчивается  точкой с запятой. Так же заполняются  2-ая и 3-ия строка, а также строки окна рис.6.

 

рис.6

 

Сдвиги 1-ого слоя рис. 1 вводим в  раздел b{1} - Bias to layer 1:

рис.7

 

Сдвиги 2-ого слоя рис.1 располагаются  в окне рис.8.

 

рис.8

 

Нажав на Train, переходим к окну рис.10, вводим data1, data2 и затем производим расчет Train Network.

рис.9

 

В результате расчета выводится окно графика  ошибки рис.10. По оси ординат откладывается  среднеквадратическое значение отклонения выходов от  целей, а по оси абсцисс количество итераций расчета. Начальная ошибка равна нулю, если сдвиги рис.9 равны значениям сети рис.1. В этом случае при Train Network окно ошибки не появляется. Установленные значения для сети рис.12 с учетом кредита вызывают начальную ошибку. Расчет заключается в подборе значений весов, при которых ошибка стремится нулю. Уже при семи итерациях ошибка близка нулю.

 

рис.10

 

Возвращаемся  в Weights и получаем в окнах рис.7,8,9,10 результаты расчета весов, представленных соответственно табл.2,3,4,5. Причем результаты расчета весов сети рис.9 не изменились, что соответствует условиям решаемой задачи. А результаты расчета весов сети рис.10 несколько отличны от нуля, что приведет к незначительной ошибке в дальнейших расчетах возврата инвестиций  в подготовительные работы 2-ого и 3-его участка.  Если ошибка окажет существенное влияние на конечные результаты расчета, то имеется возможность ее уменьшить за счет пропорционального увеличения всех исходных значений, кроме сдвигов второго слоя.                                 

                                     

 

Табл.2

[1.0522 0.083291 0.13336;

-0.019983 0.96803 -0.051185;

-0.031935 -0.051183 0.91816]

 

Табл.3

[0.99157 0.055007 0.08013 ;

0.0031791 0.97867 -0.034064;

0.0050956 -0.034114 0.9454]

 

Табл.4

                    

[-35800;

-16000;

-25600]

 

Табл.5

[1.7391е-006;

-6.7627e-007;

-1.0799e-006]

 

 

Возвращаемся в окно менеджер и  активизируем результаты расчета в  окнах Data: network1_outputs и Data: network1_errors. Убеждаемся, что значения на выходах нейронной сети равна целям рис.3, а ошибка на всех выходах близка нулю.

Расчетные значения весов связей наносим  на схему сети рис.11:

 

 

 

Располагаем расчетные значения весов  табл.6,7 заменяя точки, отделяющие целую  часть числа, запятыми.   Первое значение в скобах номер нейрона, второе номер входа. Каждое значение весов табл.6,7 переносим в отдельную ячейку EXCEL.

 

                                                                                                      

Табл.6, 7

             

	1 вход	2 вход	3 вход
1 нейрон верхнего слоя	0,99157 (11)	0,055007 (12)	0,08013 (13)
2 нейрон верхнего слоя	0,0031791 (21)	0,97867 (22)	-0,034064 (23)
3 нейрон верхнего слоя	0,0050956 (31)	-0,034114 (32)	0,94047 (33)
1 нейрон нижнего слоя	1,0522 (11)	0,083291 (12)	0,13336 (13)
2 нейрон нижнего слоя	-0,019983 (21)	0,96803 (22)	-0,051185 (23)
3 нейрон нижнего слоя	-0,031935 (31)	-0,051183 (32)	0,91816 (33)

 

Преобразование в EXCEL весов связей нейронной сети в денежную форму.

Дальнейшие преобразования полученных весов связей в их приращения к начальным значениям и переводом в денежную форму в соответствии со схемой расчетов нейронной сети проведем в EXCEL. Для перевода в денежную форму исходные веса нижнего слоя умножаются на значения выручки на входах. Полученные веса в денежном выражении складываем по нейронам, отнимаем значения сдвигов и в результате получаем значения на выходах из первого слоя табл.8. Сумма расчетных значений весов для каждого входа должна быть равна заданным значениям на входах с точностью до допустимой ошибки.  Ошибки можно считать допустимыми, если в денежном выражении они не существенны для участников инвестиционного процесса.

Таблица 8

	1 вход	2 вход	3 вход	Сумма	Сдвиг	Выходы 1го слоя
1й нейрон	31566	3997,968	10242,048	45806,016	-35800	10006,02
2й нейрон	-599,49	46465,44	-3931,008	41934,942	-16000	25934,94
3й нейрон	-958,05	-2456,784	70514,688	67099,854	-25600	41499,85
Расчетная сумма	30008,46	48006,624	76825,728	154840,81	-77400	77440,81
Точное значение	30000	48000	76800	154800	-77400	77400