Analysis of small and medium business indicators in gross domestic product weight structure

Pirmoje straipsnio dalyje pateikiama įmonių būklės vertinimo praktika, pasitelkiant tradicinį krizių diagnozavimo modelį bei tris Altman modelio funkcijų interpretacijas, skiriant tokias pagrindines įmonių finansinės būklės vertinimo rodiklių grupės: pelningumo, trumpalaikio ir ilgalaikio mokumo, veiklos efektyvumo ir kapitalo rinkos. Antroje praktinėje straipsnio dalyje pateikiami penkių pagrindinių ekonominių sektorių įmonių (didmeninė ir mažmeninė prekyba; apdirbamoji gamyba; nekilnojamasis turtas; nuoma, transportas, sandėliavimas ir ryšiai bei statyba) finansinių rodiklių svorio BVP struktūroje prognozę aprašantys modeliai: kvadratinio trendo funkcija, eksponentinio trendo funkcija, S kreivės trendo funkcija bei penkios ARIMA funkcijos. Atliekant praktinius skaičiavimus naudotos „Statgraphicsplus v3.0“ programos funkcijos: „One variable analysis“, „Multiple sample comparison“ ir „User-specified model forecast“. Nustatant sukurtą modelių reikšmingumą ir tikslumą buvo atliktas: informacinių kriterijų vertinimas, autokoreliacijos ir dalinės autokoreliacijos standartinių paklaidų vertinimas. „Box Pierce“ testas, paklaidų reikšmių atitiktis baltajam triukšmui, statistikos testo bei P reikšmių vertinimas. Prognozuoti pasirinktas ARIMA (0,2,2) modelis ir pateikiama finansinės įmonių būklės prognozė 2012 m. ir kitos išvados.In tbe first part of the article tbe status of corporate evaluation practices in crisis tbrough traditional diagnostic model and tbe three Altman model features interpretations on the following key business indicators are described to measure the financial position of groups: profitability, short-and long-term solvency, operating efficiency and capital markets. In the second part of the article the practical part of the five main economic sectors of business (wholesale and retail trade, manufacturing, real estate, rentals, transportation, storage and communications and construction) for tbe financial indicators of the weight structure of the GDP forecast is presented for describing models: quadratic trend function of tbe exponential trend function, S -curve trend function, and five ARIMA functions. In realistic calculations Statgraphics Plus v3.0 program features are used: One Variable Analysis, Multiple Sample Comparison and User-Specified Model Forecast. In determining the significance of the models developed and the accuracy, analysis was carried out on: information criteria for evaluation, autocorrelation and partial autocorrelation standard errors of assessment Box Pierce test, errors in matching white noise values, test statistics and P values for evaluation. The resulting prediction of the selected ARIMA (0,2, 2) model and the corporate financial position forecast for 2012. and other findings are presented