1

Współczesny model zarządzania środkami pieniężnymi Beehlera

Elżbieta Kopyto

Uniwersytet Ekonomiczny we Wrocławiu

Working paper

Streszczenie: W pracy przedstawiony został współczesny model zarządzania środkami

pieniężnymi Beehlera, a także tendencje w zarządzaniu gotówką i prognozowaniem jej

stanu i przepływów w przedsiębiorstwie.

Słowa kluczowe: Model Beehlera, współczesny model zarządzania środkami

pieniężnymi, model zarządzania gotówką, płynność finansowa

2

Beehler Contemporary Cash Management

Elżbieta Kopyto

Wroclaw University of Economics

Working paper

Abstract: The paper presents contemporary model Beehler cash management, cash

management trends and forecasting its condition and cash flows in the company.

Keywords: Beehler Contemporary Cash Management, Beehler model, Cash

management, financial liquidity

Recenzent 1:

Link do recenzji:

http://figshare.com/articles/Refleksje_na_temat_pracy_WSP_CZESNY_MODEL

_ZARZ_DZANIA_RODKAMI_PIENI_NYMI_BEEHLERA/1007705

Recenzent 2:

Link do recenzji: http://figshare.com/articles/refleksje_na_temat_pracy/1008264

3

WSTĘP

Model Beehlera może być stosowany w szerokim zakresie prognozowania przepływu

środków pieniężnych. Częściej stosuje się go do prognozowania elementów i danych bardziej

szczegółowych, jednak cechuje go wysoki poziom niepewności dla codziennych prognoz,

takich jak: depozyty zero – dolarowe, należności za bieżący dzień lub planowana dzienna

sprzedaż gotówkowa. Elementy te zazwyczaj charakteryzują się wysokim stopniem

niepewności w prognozowaniu na koniec okresu w codziennym monitorowaniu stanu konta.

Niektóre elementy są raportowane przez odpowiednie obszary i łączą się z wynikami modelu

dziennej prognozy stanu środków pieniężnych w przedsiębiorstwie

Model prognozowania środków pieniężnych Beehlera przedstawia rozkład danych

związanych z poszczególnymi elementami lub grupami elementów, którymi dysponuje

menedżer finansowy. Model może być stosowany w szeroko rozumianym prognozowaniu.

Horyzont czasowy jest ograniczony do krótkich okresów (codziennych lub cotygodniowych)

i do niewielkiego zakresu (mniej niż 1 rok).

Celem modelu jest połączenie atrakcyjności rozkładu z innymi metodami ilościowymi do

stworzenia zrozumiałych, rzetelnych i niedrogich w zastosowaniu modeli, które mogą być

używane zarówno przez firmy średniej wielkości, jak i przez duże przedsiębiorstwa.

Kolejnym celem tego modelu jest dostarczenie środków pieniężnych przez menedżera

wykorzystując podejście modelowe, które może być wykonywane w trybie ręcznym, chociaż

maksymalne korzyści można osiągnąć stosując modelowanie komputerowe.

4

TREŚĆ PRACY

Model prognozowania środków pieniężnych Beehlera obejmuje działania:

1. Identyfikację i analizę okresowości danych,

2. Dostosowanie się do zmieniających się warunków dzięki zastosowaniu funkcji

wykładniczej wygładzania,

3. Identyfikację trendów wpływających na poziom równowagi,

4. Zastosowanie technik wygładzania wykładniczego losowości do filtrowania na

podstawie aktualnych obserwacji,

5. Ciągłą analizę błędów prognozy przy wykorzystaniu średniej bezwzględnego

odchylenia (MAD) do opracowania statystycznych estymacji,

6. Rozwój statystycznych estymacji w celu określenia prognozy w prawdopodobnym

zakresie wyników.

Elementy modelu Beehlera cechują się: okresowością, trendem, cyklem i

przypadkowością.

Okresowość

Pierwszym krokiem do opracowania podstaw dla tego modelu jest stworzenie rozkładu

analizowanych danych - jeśli to możliwe - na podstawie zidentyfikowanych okresowych

wzorców. W metodzie tej stosuje się zidentyfikowane wzorce okresowe stworzone na

podstawie historycznych danych przedstawiając je w formie graficznej w celu lepszej

wizualizacji przeprowadzanej analizy. Dzięki takiemu podejściu można pokazać wizualnie

dane przedstawiające okresową amplitudę.

Bezpośrednią identyfikację amplitudy można przeprowadzić na podstawie serii badań.

Jeśli elementy układają się w stosunkowo spójny wzór, to da się ustalić wskaźniki do

konwersji danych rzeczywistych sprowadzając je do wspólnego mianownika. Częstotliwość

wahań nie tak istotna, jak spójność wzoru. W zależności od elementów prognozy, okres może

być tygodniowy, 10 – dniowy, miesięczny lub oparty na jakimś innym cyklu.

Znaczna próbka danych powinna być przedstawiona graficznie w taki sposób, żeby

przypadkowe wystąpienia mogły zostać wyeliminowane.

Po identyfikacji danych wzorca okresowego, powinno się dodawać i opracowywać

dzienne wskaźniki wyjściowe dla modelu, ponieważ każdy nowy tydzień zawiera więcej

5

informacji na temat numeru indeksu dla każdego dnia, zatem należy zdefiniować tylko

wartości wyjściowe, a następnie uwzględnić te zmiany.

W ten sposób indeksy są modyfikowane przez zmiany w strukturze i w czasie. W celu

opracowania reprezentatywnych wyjściowych wskaźników, rozpiętość czasu powinna być

znaczna, to znaczy wybrana możliwie obszernie, aby wykorzystać do opracowania wykres

okresowy.

Wykres 1. Historyczny bilans środków pieniężnych w przedsiębiorstwie xyz

Indeks został opracowany przez zsumowanie faktycznych kwot w każdym tygodniu i

dodaniu średniej dziennej ilości elementów. Indeks jest rzeczywistym porównaniem

właściwych wartości dla poszczególnych dni, podzielone przez średnią w okresie objętym

badaniem.

Po opracowaniu poszczególnych tygodniowych współczynników indeksu dla każdego

z tygodni, opracowuje się indeks początkowy na każdy dzień tygodnia. Jest to średnia

każdego dnia tygodnia, np. od poniedziałku indeks jest średnią wszystkich poniedziałków

wykorzystanych do opracowania sezonowego od indeksu początkowego.

Jeśli suma środkowej średniej wskaźnika wyjściowego nie jest równa 100, to można

zastosować wówczas współczynnik korygujący, który służy do regulacji średniej środkowego

wskaźnika sezonowego iloczynu dostosowania przez średnią środkową.

Dodatkowo w modelu wskaźnik okresowy indeksu informacji jest aktualizowany w

przyszłym tygodniu. Stosując to podejście, można być pewnym, że wartości indeksu

uwzględniają zmianę w czasie ze względu na zmieniające się warunki gospodarcze na ogół są

to: skutki recesji lub okresu inflacyjnej, które mogą spowodować zmiany w okresach. Aby

0

1

2

3

4

5

6

pn wt śr czw pt sb nd pn wt śr czw pt sb nd pn wt śr czw pt

[mln

zł]

6

uwzględnić zmiany trendów, które mogą istnieć w indeksie okresowym stosuje się

współczynnik wykładniczy wygładzania.

Podstawowym założeniem przedstawienia danych tego modelu jest bazowanie na

doświadczeniach z przeszłości. W tym celu bierze się 80% ostatnich obserwacji i 20%

bieżącego doświadczenia, aby przewidzieć następną wartość w okresach.

Identyfikacja trendu

Trend jest szacowany jako różnica w średniej równowadze z jednego okresu do

następnego, co widać w tabeli (kolumna: zmiana średniego salda z poprzedniego dnia), która

reprezentuje trend w danych, przypadkowość i cykl.

Rozwijając trend, model wykorzystuje wygładzanie wykładnicze. Wartość trendu dla

danego dnia stanowi 0,8 z poprzedniego dnia wartość trendu oraz 0,2 obecnej zmiany średniej

rzeczywistych kosztów (kolumna 3). Takie podejście wskazuje, że trend modyfikuje

stopniowo podstawowe zmiany. Trend może być określony na przemian poprzez opracowanie

analizy regresji, które wyraża nachylenie linii trendu. Jeśli wybrano takie podejście, to koszty

rozwoju zostaną podniesione, ale stanowi to metodę prognozowania tego trendu o kilka

okresów w górę. Aby wygładzić wykładniczo linię trendu w tym modelu stosuje się

filtrowanie estymacji i przypadkowości wahań cyklicznych z dotychczasowych doświadczeń.

Analiza błędu prognozy

W modelu używa się średniej jako podstawy do korekty i kwot prognozowanych. W

celu śledzenia dokładności wykonanych prognoz, konieczne jest opracowanie uśrednionych

odchyleń na co dzień. Jest to różnica między wartością prognozy i rzeczywistymi wynikami

za okres.

Nie jest istotne, czy prognoza była powyżej lub poniżej aktualnego doświadczenia;

ważna jest łączna kwota wariancji. Cały czas oczekuje się różnic, które niemal całkowicie

niwelują i zbliżają się do zera. Średnie absolutne odchylenie jest przedstawiane jako miara

błędu, która mówi o tym, że niektóre czynniki regulacji lub bezpieczeństwa mogą być

stosowane do prognozy przyszłorocznego okresu.

Prosta średnia z ostatnich MAD i bieżące błędy prognozy mogą być używane lub

wykładniczo wygładzane. W tym przypadku, wygładzanie wykładnicze zostało wykorzystane

w celu wywarcia większego nacisku na doświadczenia z przeszłości. W oparciu o takie

podejście, możemy rozwijać średnią prognozę okresowości na następny okres, uzupełnić ją o

kwotę średniego odchylenia bezwzględnego i w wyniku tego otrzymać większe niż przeciętne

szanse na poprawne wyniki.

7

Ustanowienie statystycznej oceny i gwarancji bezpieczeństwa prognozy

Dzięki temu, że został ustanowiony MAD w modelu, możliwe jest szacowanie

odchylenia standardowego na podstawie wartości MAD. Odchylenie standardowe jest

szacowane na rozwinięcie do 1,25 MAD. Odchylenie standardowe może być stosowane jako

zabezpieczenie w tym modelu, aby zwiększyć prawdopodobieństwo, że otrzymamy wyniki

pod prognozą kwoty, a nie nad prognozą. Jako że model ten opiera się na rozwoju średniej

ilości dla elementu prognozy, każda dana prognoza ma 50% szans na pod-lub nad-

prognozowanie prognozowania w danym dniu.

Koszty związane z jedną wariancji lub inną muszą być mierzone przez zarządzającego

środkami pieniężnymi w celu określenia, w jakim stopniu ryzyko pod-prognozowania

powinno być zabezpieczone tak, żeby nie było konieczności brania kredytów na rachunkach

bieżących.

Dzięki zaworowi bezpieczeństwa model może określić najlepszą średnią ocenę dla

kolejnego okresu, który obejmuje trend i sezonowość i wykorzystać odchylenie standardowe,

które jest odpowiedzialne za przypadkowość i cykliczność (są nieistotne w krótkim okresie),

aby zwiększyć prawdopodobieństwo, że prognoza na następny okres będzie pod-lub nad-

prognozą.

Na przykład, przyjmując średnią prognozy następnego okresu i redukcję o odchyleniu

standardowym, zmniejsza się prawdopodobieństwo nadmiernego prognozowania (a więc

nadmiernego inwestowania). Można stwierdzić, który z nich ma więcej niż 50%

prawdopodobieństwa, że wartość dla prognozy następnego okresu jest mniejsza niż

rzeczywista wartość elementu. Zastosowanie szacunkowego odchylenia standardowego w

modelu ma charakter niestatystyczny, ponieważ nie opiera się na ścisłych wymogach

statystycznych.

W związku z tym model oszacowania odchylenia jest stosunkowo prosty i

bezpośredni. Dostosowanie poszczególnych elementów w modelu jest niezbędne do tego

stopnia, że wykorzystanie czynników wygładzania wykładniczego w elementach pozwala

przewidzieć różne akcenty na różnych elementach, zależnie od potrzeb menedżera

finansowego. Elementami modelu, które stosuje się do wygładzania wykładniczego są:

• Indeks okresowy

• Średni stan faktyczny

• Szacowanie trendu

• Następny okres prognozy

• Średnie absolutne odchylenie.

8

Ze względu na to, że czynniki stosowane w każdym z elementów mogą różnić się

znacznie w poszczególnych przedsiębiorstwach, należy ustalić największy współczynnik dla

ustalenia punktu startowego do modelu. Odpowiednia równowaga w ustalaniu współczynnika

wygładzania określa ogólną skuteczność w modelu. Kierownik finansowy może chronić

firmę przed nad-lub pod-prognozowaniem poprzez zastosowanie szacowanego odchylenia

standardowego.

Strategia inwestycyjna

Celem tego modelu jest ustalenie okresu po okresie prognozy wolnych środków na

inwestycje, zatem podstawową definicją dostępności funduszy długo- w porównaniu do

krótkoterminowych muszą być ustalone przez kierownika finansowego kwoty, które można

zainwestować w inwestycje krótkoterminowe.

Podstawą określenia inwestycji długoterminowych w porównaniu do

krótkoterminowego mogą być dzienne salda gotówkowych oparte na wykresie opracowanym

na postawie wykresu historycznych danych. Wykres wskazuje poniżej funduszy, których

poziom nie musi spaść. Ten poziom oznacza ilość inwestycji długoterminowych do

dyspozycji spółki. To długoterminowa inwestycja może być zwiększona w zależności od

filozofii zarządzania w zakresie częstotliwości, z jaką firma pożycza zwiększoną ilość

inwestycji długoterminowych.

Na przykład, jeśli się pięć razy w miesiącu zwiększy się ilość środków

zainwestowanych długoterminowych o 20%, związane z tym koszty finansowania

zewnętrznego powinny być równoważne z całością dochodów uzyskanych z tych środków

podczas miesięcznego okresu inwestycji. Kwota inwestycji długoterminowych znacząco

wpływa na optymalizację programu zarządzania gotówką.

Dobowe saldo gotówkowe (kolumna 1), musi być nieokresowe i dzieli się je przez

wskaźnik sezonowego do pomiaru okresowego wartości (kolumna 3) w stosunku do

średniego rzeczywistego stanu środków pieniężnych (kolumna 4). Wygładzanie wykładnicze

jest stosowane do opracowywania średniego rzeczywistego salda środków pieniężnych

(kolumna 4). Model wykorzystuje 80% średniej z poprzedniego dnia rzeczywistego stanu

środków pieniężnych oraz 20% nieokresowego rzeczywistego stanu środków pieniężnych

bieżącego dnia. To kładzie większy nacisk na doświadczenia z przeszłości, jednocześnie

umożliwiając modelu dostosować się do zmieniającego się środowiska. Rzeczywiste wartości

mogą różnić się wybrane dla każdego czynnika, a zastosowane wagi musi odzwierciedlać cele

zarządzania i doświadczenia.

9

Prognozowany stan środków pieniężnych na następny dzień jest oparty na

nieokresowym średnim rzeczywistym stanie środków pieniężnych, zatem zmiany w bilansie

muszą być zbadane w celu oceny wpływających na niego tendencji. W celu określenia

tendencji należy najpierw obliczyć zmianę średniego rzeczywistego stanu środków

pieniężnych (kolumna 5), odejmując bieżącą średnią rzeczywistą równowagę gotówki od

wczorajszego wyniku.

Otrzymana kwota dodatnia lub ujemna jest używana do oszacowania trendu

wpływającego na średnią rzeczywistą równowagę pieniężną. Trend jest rozwijany przez

zastosowanie współczynnika ważonego do naszego obecnego doświadczenia. Linia trendu

może się zacząć od zera i dostosować się do istniejących doświadczeń.

W związku z tym, że trend stanowi 80% trendu z poprzedniego okresu plus 20%

obecnej zmiany średniego rzeczywistego stanu środków pieniężnych (kolumna 5), wynik

(kolumna 6) wskazuje aktualny trend dla tego okresu. Nowe prognozowane nieokresowe

salda gotówkowego (kolumna 7) jest średnią rzeczywistą bilansu pieniężnego za bieżący

dzień skorygowane o 80% trendu. Jest to przewidywane nieokresowych wartości przyszłych

sald gotówkowych.

Prognoza nieokresowa (kolumna 7) jest obliczana poprzez pomnożenie jej przez

współczynnik wskaźnika sezonowej (kolumna 2) w odpowiednim dniu. Nowa prognoza po

uwzględnieniu sezonowości podaje przewidywane saldo środków pieniężnych na dzień

następny (kolumna 8). Bez dalszych korekt, wynik ten może być stosowany do krótko- i

długoterminowego inwestowania na następny dzień.

W zależności od ograniczeń w zarządzaniu zaleca się, aby zbudować margines błędu

dla modelu w celu uwzględnienia wahań nieregularnych przepływów pieniężnych oraz

zapewnienia wymaganych rezerw do obsługi linii kredytowej .

Odchylenie standardowe może być stosowane w celu zmniejszenia możliwości

przeinwestowania. Na przykład szanse średniego saldo środków pieniężnych są poprawne dla

danego dnia i wynoszą w przybliżeniu 50 %. Aby zmniejszyć prawdopodobieństwo, że

prognozowane średnie saldo środków pieniężnych przekroczy rzeczywiste doświadczenie,

odchylenia standardowe są stosowane dla średniej podstawowej. Jeśli w okresowej prognozie

(kolumna 8) zmniejsza się jedno odchylenie standardowe, to można zwiększyć zaufanie w

modelu z 50% do około 84 %. W związku z tym spodziewamy się, że rekomendacja

inwestycyjna powinna być mniejsza niż rzeczywiste salda gotówkowego ok. 84 % czasu.

Błędem prognozy (kolumna 9) jest różnica między okresową prognozą (kolumna 8) i

rzeczywistym stanem środków pieniężnych (kolumna 1). Średnie absolutne odchylenie

10

(kolumna 10) jest uaktualniane w każdym okresie w celu uwzględnienia poziomu błędów,

które mają miejsce w modelu. Większy nacisk kładzie się na dotychczasowe doświadczenia

w tym modelu – 80 % starego MAD plus 20 % nowego błędu prognozy (kolumna 9).

Na podstawie modelu można pokazać, że jedno odchylenie standardowe jest

wykorzystywane jako wskaźnik bezpieczeństwa. Innymi słowy, zalecenie inwestycyjne dla

następnego dnia (kolumna 12) stanowi różnicę okresowej prognozy (kolumna 8) i jednego

odchylenia standardowego (kolumna 11) .

Jak pokazuje model, poprzedniego dnia odchylenie standardowe jest stosowane wobec

obecnej prognozy okresowej (kolumna 8). Dopuszczalny margines błędu zależy od samej

firmy, w zależności od wahań rzeczywistego stanu środków pieniężnych lub innych

elementów prognozy i ryzyka zarządzania. Na przykład, jeżeli jej bilans się trochę zmienia,

to możliwe, że tylko jedna połowa odchylenia standardowego jest konieczna, by zapewnić

margines bezpieczeństwa.

Jeśli odbywają się skrajne wahania, może dwa odchylenia standardowe są konieczne,

aby zapewnić wykonanie polityki inwestycyjnej zgodnie z celami korporacji.

PODSUMOWANIE

Prognozowanie jest kluczowe dla całego programu zarządzania gotówką, zatem

menedżer finansowy jest zainteresowany oceną codziennych wyników. W związku z tym

zalecane jest codzienne podsumowanie zarządzania. W tym przypadku rzeczywista

wydajność modelu jest mierzona w kategoriach zysku osiągniętego od zainwestowanych

środków.

Tabela przedstawia dzienne wyniki dla przedsiębiorstwa xyz otrzymane dzięki

obliczeniom uzyskanym na podstawie modelu. Planowane środki (kolumna 2) prezentują

zalecaną ilość inwestycji. Przewidywane saldo przekraczające zaangażowane fundusze

długoterminowe stanowi kwotę inwestycji krótkoterminowych (kolumna 6). Jeśli

zaangażowane fundusze długoterminowe są większe niż zalecenia inwestycyjne, to żadna

inwestycja krótkoterminowa nie jest możliwa. W związku z tym środki pożycza się zgodnie

z linią kredytową w celu utrzymania inwestycji długoterminowych.

11

data dzień

tygodnia

rzeczywisty

stan ŚP

indeks

okresowy

okresowość

kwot

średnia

rzeczywistego

stanu ŚP

zmiana

średniego

salda z

poprzedniego

dnia

szacowanie

trendu

nowa

prognoza

nieokresowa

nowa

prognoza

okresowa

błąd

prognozy

średnie

absolutne

odchylenie

szacowanie

standardowych

odchyleń

rekomendacja

inwestycyjna

16.04 pn 1,2 1,20 1,44 1,25 -1,20 0,76 0,95 -0,95

17.04 wt 3,8 1,23 4,66 3,97 2,6 2,6 3,19 -0,61 3,05 3,82 -0,63

18.04 śr 3,8 1,12 4,25 3,89 0 -2,6 2,08 2,32 -1,48 2,82 3,52 -1,20

19.04 czw 3,4 1,06 3,61 3,44 -0,4 -0,4 -0,08 -0,09 -3,49 2,06 2,57 -2,66

20.04 pt 3,1 1,11 3,43 3,17 -0,3 0,1 -0,38 -0,42 -3,52 1,83 2,29 -2,71

21.04 sb

22.04 nd

23.04 pn 4,8 0,94 4,52 4,74 4,8 4,8 0,96 0,90 -3,90 3,02 3,77 -2,87

24.04 wt 4,8 0,94 4,52 4,74 0 -4,8 3,84 3,61 -1,19 3,56 4,45 -0,83

25.04 śr 2,3 0,92 2,12 2,26 -2,5 -2,5 -0,5 -0,46 -2,76 1,26 1,57 -2,03

26.04 czw 2,6 0,90 2,33 2,55 0,3 2,8 -1,94 -1,74 -4,34 1,17 1,46 -3,20

27.04 pt 1,3 0,93 1,21 1,28 -1,3 -1,6 -0,02 -0,02 -1,32 0,76 0,95 -0,97

28.04 sb

29.04 nd

30.04 pn 4,2 0,98 4,10 4,18 4,2 4,2 0,84 0,82 -3,38 2,67 3,34 -2,52

1.05 wt 1,2 0,67 0,80 1,12 -3 -7,2 2,76 1,84 0,64 1,02 1,28 0,56

2.05 śr 3,9 1,34 5,24 4,17 2,7 5,7 -1,86 -2,50 -6,40 2,05 2,57 -5,07

3.05 czw 4 1,03 4,10 4,02 0,1 -2,6 2,18 2,24 -1,76 2,86 3,58 -1,34

4.05 pt 2,9 0,97 2,80 2,88 -1,1 -1,2 -0,14 -0,14 -3,04 1,70 2,12 -2,26

Tabela 1. Model prognozowania przepływów środków pieniężnych Beehlera dla przedsiębiorstwa xyz

12

Wykres 2. Linia trendu i granica bezpieczeństwa

-8

-6

-4

-2

0

2

4

6

8

pn wt śr czw pt sb nd pn wt śr czw pt sb nd pn wt śr czw pt

linia trendu i granica bezpieczeństwa

ilość gotówki [mln zł]

szacowanie trendu

zmiana średniego salda z poprzedniego dnia

nowa prognoza okresowa

wskaźnik bezpieczeństwa

13

W tabeli 2 przedstawione zostały dzienne wartości stanu środków pieniężnych

przedsiębiorstwa xyz, które wynikają z obliczeń na podstawie modelu.

Planowane środki (kolumna 2) reprezentują zalecaną ilość środków przeznaczonych

na inwestycje. Przewidywane saldo przekraczające zaangażowane fundusze długoterminowe

stanowi kwotę inwestycji krótkoterminowych (kolumna 6). Jeśli zaangażowane fundusze

długoterminowe są większe niż zalecenia inwestycyjne, to żadna inwestycja krótkoterminowa

nie jest możliwa. W związku z tym środki pożycza się na linii kredytowej w celu utrzymania

inwestycji długoterminowych. Kwota środków długoterminowych jest inwestowana.

Codziennie dochody długoterminowe są obliczane przez pomnożenie dziennej stopy

długoterminowej i kwoty inwestycji długoterminowej.

Prognozowanie przepływów pieniężnych – obserwacje i trendy

Fundusze przekraczające zainwestowaną kwotę mogą być wykorzystane na pokrycie

sald kompensacyjnych dla linii kredytowych. W rachunku bieżącym (kolumna 9) znajduje się

nadwyżka zainwestowanych środków z danego dnia. Odpowiednia stopa oprocentowania

kredytu jest stosowana do opracowania kosztów pożyczek (kolumna 10) środków z linii

kredytowej. Zysk z inwestycji netto (kolumna 11) obliczany jest jako różnica kosztu

pożyczonych środków z dziennej dochodów z inwestycji brutto.

Koszt alternatywny (kolumna 12) opiera się na stopie inwestycji overnight i stanowi

dodatkowy dochód, który może być uzyskany.

Menedżer finansowy wykonuje codziennie podsumowania, aby określić :

Wyniki modelu dziennej analizy wariancji. Nadmierne koszty pokazują koszty

kredytów na rachunku bieżącym. Podobnie niedobór kosztów alternatywnych jest

zgłaszany w ciągu doby.

Rentowność - model dochodu netto z inwestycji pokazuje codzienne zyski

bezpośrednio związane z zarządzaniem gotówką.

Poziom inwestycji długoterminowych – podsumowanie wyników może wskazać trend

zaległych funduszy i jednocześnie stanowi bazę informacyjną w celu zwiększenia

ilości funduszy długoterminowych i tym samym osiągnięcia wyższych zysków.

14

data dzień

tygodnia

rzeczywisty

stan ŚP

rekomendacja

inwestycyjna wariancja

inwestycje

długoterminowe

dochód z

inwestycji

długoterminowych

dochód z

inwestycji

krótkoterminowych

zysk z

inwestycji

brutto

koszty

kredytów

na

rachunku

bieżącym

dochód z

inwestycji

netto

koszty

operacyjne

16.04 pn 1,2 -0,95

17.04 wt 3,8 -0,63 9,82 0,5 0,0125 0,0025 0,0488 0,00235 0,0464

18.04 śr 3,8 -1,20 12,48 0,5 0,0125 0,0035 0,052 0,0096 0,0424

19.04 czw 3,4 -2,66 18,34 0,5 0,0125 0,0075 0,065 0,065 0,00035

20.04 pt 3,1 -2,71 16,86 0,5 0,0125 0,0065 0,0618 0,06175 0,00036

21.04 sb

22.04 nd

23.04 pn 4,8 -2,87 29,38 0,5 0,0125 0,0057 0,059 0,05902 0,00023

24.04 wt 4,8 -0,83 15,87 0,5 0,0125 0,0059 0,0598 0,0598 0,00028

25.04 śr 2,3 -2,03 9,39 0,5 0,0125 0,0089 0,0696 0,06955 0,00075

26.04 czw 2,6 -3,20 16,82 0,5 0,0125 0,0035 0,052 0,052 0,0001

27.04 pt 1,3 -0,97 2,58 0,5 0,0125 0,0057 0,0591 0,05912 0,00053

28.04 sb

29.04 nd

30.04 pn 4,2 -2,52 22,55 0,5 0,0125 0,0029 0,0501 0,05005 0,0002

1.05 wt 1,2 0,56 0,20 0,5 0,0125 0,0078 0,066 0,06598 0,00012

2.05 śr 3,9 -5,07 40,23 0,5 0,0125 0,0012 0,0447 0,04467 0,0001

3.05 czw 4 -1,34 14,28 0,5 0,0125 0,0065 0,0618 0,06175 0,00016

4.05 pt 2,9 -2,26 13,30 0,5 0,0125 0,0098 0,0725 0,07248 0,00014

Tabela 2. Dzienna prognoza zarządzania gotówką dla przedsiębiorstwa xyz [w mln zł]

15

ZAKOŃCZENIE

Beehler tworząc model zakładał, że w najbliższej perspektywie przedsiębiorstwa będą

ewoluowały stosując techniki ilościowe do prognozowania przepływów pieniężnych, jednak

ewolucja ta będzie stosowana wybiórczo i będzie dotyczyć głównie pośredniego horyzontu

czasowego (poniżej 1 roku), a nie planowania krótkoterminowego.

Proces ewolucyjny będzie wspomagany przez urządzenia komputerowe, dzięki czemu

możliwe będze zautomatyzowanie metod prognozowania przepływów, które w momencie

tworzenia modelu były dopiero opracowywane i wprowadzane na rynek. Na rynku będzie

dominować dążenie do minimalizowania metod i aspektów mechanicznych prognozowania

gotówki, zastępując je coraz bardziej popularnymi zaprogramowanymi metodami

ilościowymi.

16

BIBLIOGRAFIA:

1. Beehler P. J., Contemporary Cash management: principles, practices, perspective, J.

Willey & Sons, New York 1978.

2. Lehmbeck R. D., Successful Cash management In your business, Wiley & Sons, New

York, 1984.

3. Michalski G,. Ukierunkowana na wzrost wartości przedsiębiorstwa efektywność

inwestycji w operacyjne zasoby gotówki, Ekonomia Menedżerska 2008, nr 4, dostęp:

http://journals.bg.agh.edu.pl/EKONOMIA/2008-04/EM_07.pdf

4. Michalski G., Płynność finansowa małych i średnich przedsiębiorstw, PWN,

Warszawa 2005.

5. Michalski, Grzegorz M. (2004). Leksykon zarządzania finansami (Encyclopaedia of

Financial Management in Polish). Warsaw: Verlag C. H. Beck.

6. Pluta W., Michalski G., Krótkoterminowe zarządzanie kapitałem. Jak zachować

płynność finansową?, C.H. Beck, Warszawa, 2005.

7. Pluta W., Planowanie finansowe w przedsiębiorstwie, Polskie Wydawnictwo

Ekonomiczne, Warszawa, 1999.