<<
>>

Модель Стоуна

Основной особенностью модели Стоуна является то, что действия фирмы в текущий момент определяются прогнозом на ближайшее будущее. Достижение верхнего предела не вызовет немедленного переводы наличности в ценные бумаги, если в ближайшие дни ожидаются относительно высокие расходы денежных средств; тем самым минимизируется число конвертационных операций и, следовательно, снижаются расходы.

В отличие от модели Миллера-Орра, модель Стоуна не указывает методов определения целевого остатка денежных средств и контрольных пределов - они определяются с помощью модели Миллера-Орра.

Существенным преимуществом данной модели является то, что её параметры - не фиксированные величины. Модель может учитывать сезонные колебания, так как менеджер, делая прогноз, оценивает особенности производства в отдельные периоды времени.

Имитационное моделирование по методу Монте-Карло. Эта модель используется для определения целевого остатка. Модель учитывает вероятностную природу показателей.

Имитационное моделирование по методу Монте-Карло (Monte-Carlo Simulation) позволяет построить математическую модель с неопределенными значениями параметров, и, зная вероятностные распределения параметров денежных потоков фирмы, а также связь между изменениями параметров (корреляцию) получить распределение целевого остатка денежных средств.

Блок-схема, представленная на рис.

7.12 отражает укрупненную схему работы с моделью.

Первый шаг при применении метода имитации состоит в определении функции распределения каждой переменной, которая оказывает влияние на формирование потока наличности. Как правило, предполагается, что функция распределения являются нормальной, и, следовательно, для того, чтобы задать ее необходимо определить только два момента (математическое ожидание и дисперсию).

Как только функция распределения определена, можно применять процедуру Монте-Карло.

Алгоритм метода имитации Монте-Карло.

Шаг 1.Опираясь на использование статистического пакета, случайным образом выбирают, основываясь на вероятностной функции распределения значение переменной, которая является одним из параметров определения потока наличности.

Шаг 2.

Выбранное значение случайной величины наряду со значениями переменных, которые являются экзогенными переменными используется при подсчете целевого остатка денежных средств.

Шаги 1 и 2 повторяются большое количество раз, например 1000, и полученные 1000 значений целевого остатка денежных средств используются для построения плотности распределения величины целевого остатка со своим собственным математическим ожиданием и стандартным отклонением.

Используя значения математического ожидания и стандартного отклонения, можно вычислить коэффициент вариации целевого остатка денежных средств.

Теперь необходимо определить минимальное и максимальное значения критической переменной, а для переменной с пошаговым распределением помимо этих двух еще и остальные значения, принимаемые ею. Границы варьирования переменной определяются, просто исходя из всего спектра возможных значений.

Рис. 7.12. Укрупненная схема работы метода Монте-Карло

По прошлым наблюдениям за переменной можно установить частоту, с которой та принимает соответствующие значения. В этом случае вероятностное распределение есть то же самое частотное распределение, показывающее частоту встречаемости значения, правда, в относительном масштабе (от 0 до 1). Вероятностное распределение регулирует вероятность выбора значений из определенного интервала. В соответствии с заданным распределением модель определения целевого остатка денежных средств будет выбирать произвольные значения переменной. В рамках модели вероятностного определения целевого остатка денежных средств проводится большое число итераций, позволяющих установить, как ведет себя результативный показатель (в каких пределах колеблется, как распределен) при подстановке в модель различных значений переменной в соответствии с заданным распределением.

В западной практике наибольшее распространение получили модель Баумоля и модель Миллера-Орра. Несмотря на четкий математический аппарат расчетов оптимальных сумм остатков денежных средств, эти модели пока еще сложно использовать в отечественной практике финансового менеджмента по следующим причинам:

хроническая нехватка оборотных активов не позволяет предприятиям формировать остаток денежных средств в необходимых размерах с учетом их резерва;

замедление платежного оборота вызывает значительные (иногда непредсказуемые) колебания в размерах денежных поступлений, что соответственно отражается и на сумме остатка денежных активов;

ограниченный перечень обращающихся краткосрочных фондовых инструментов и низкая их ликвидность затрудняют использование в расчетах показателей, связанных с краткосрочными финансовыми инвестициями.

<< | >>
Источник: Старкова Н. А.. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ. 2007

Еще по теме Модель Стоуна:

  1. Взаимосвязь моделей АБ-АБ и 1Б-ЬМ. Основные переменные и уравнения модели 1Б-1*М. Вывод кривых /5 и ЬМ. Наклон и сдвиг кривых 1Б и ЬМ. Равновесие в модели 1Б-ЬМ
  2. 53. МОДЕЛЬ КУРНО. МОДЕЛЬ КОНКУРЕНТНЫХ РЫНКОВ
  3. Глава 3Метод дисконтированного денежного потока, модели капитализации постоянного дохода, модель Гордона
  4. 10.МОДЕЛИ ДВОИЧНОГО ВЫБОРА, МОДЕЛИ С ОГРАНИЧЕНИЯМИ ДЛЯ ЗАВИСИМОЙ ПЕРЕМЕННОЙ И ОЦЕНИВАНИЕ МЕТОДОМ МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
  5. § 3. Модель общества и модель человека: грани единого
  6. б) Модель оценки капитальных активов (модель САРМ)
  7. МОДЕЛЬ 14: МОДЕЛЬ ИНТЕРНЕТ – БИЗНЕСА
  8. МАТЕМАТИЧЕСКИЙ ВЫВОД МОДЕЛИ БАУМОЛЯ-ТОБИНА И ПОРТФЕЛЬНОЙ МОДЕЛИ ТОБИНА
  9. МАТЕМАТИЧЕСКИЙ ВЫВОД МОДЕЛИ БАУМОЛЯ-ТОБИНА И ПОРТФЕЛЬНОЙ МОДЕЛИ ТОБИНА
  10. 27. ОСНОВНЫЕ ЭТАПЫ РАЗРАБОТКИ ФИНАНСОВОЙ МОДЕЛИ {БЮДЖЕТОВ) БИЗНЕС‑ПЛАНА. ПОДГОТОВКА НЕОБХОДИМОЙ ИСХОДНОЙ ИНФОРМАЦИИ ДЛЯ РАЗРАБОТКИ ФИНАНСОВОЙ МОДЕЛИ
  11. Модель совокупного спроса и совокупного предложения - модель AD-AS
  12. 13.Модель оценки опционов.
  13. МОДЕЛЬ РАМСЕЯ
  14. 5.2. Классификация моделей
  15. Требования к имитационным моделям.
  16. Построение моделей
  17. § 17.2. МНОГОФАКТОРНЫЕ МОДЕЛИ
  18. Мультипликативные модели прогнозирования.
  19. 72. МОДЕЛЬ/5
  20. МОДЕЛЬ КАГАНА