Details

Целью данной работы является разработка универсальной современной модели анализа финансовых показателей в 1С, допускающей многовариантные решения текущего и перспективного характера с мониторингом в режиме реального времени.  Объект исследования – IT-проект в 1С. Предмет исследования – моделирование финансовых показателей. Задачи, которые необходимо было решить в ходе работы: a) анализ методов и подходов финансового моделирования; b) исследование инструментария финансового моделирования; c) характеристика проекта «Прокси-моделирование финансового результата», описание работы системы, визуализация выходных форм-результатов моделирования; d) анализ методов прогнозирования цен; e) моделирование финансового результата методами машинного обучения, ARIMA и Хольта-Винтерса; f) оценка экономической эффективности проекта; В ходе исследования были даны рекомендации к прогнозированию цен на топливо и было выявлено, что методы машинного обучения, подходят для более точного и глубокого моделирования финансовых показателей, что значительно улучшает качество прогнозирования и управленческого решения. Полученные результаты и методика моделирования финансовых показателей могут быть использованы в проекте для повышения точности прогнозирования, как цен на топливо, так и самих финансовых показателей, что сейчас является одной из приоритетных задач бизнеса.

The purpose of this work is to develop a universal modern model for analyzing financial indicators in 1C, allowing for multivariate solutions of current and prospective nature with real-time monitoring. The object of the study is an IT project in 1C. The subject of the study is the modeling of financial indicators. Tasks that needed to be solved during the work: a) analysis of methods and approaches of financial modeling; b) research of financial modeling tools; c) characteristics of the project "Proxy modeling of financial results", description of the system operation, visualization of output forms of modeling results; d) analysis of price forecasting methods; e) modeling of financial results using machine learning, ARIMA and Holt-Winters methods; f) evaluation of the economic efficiency of the project; During the study, recommendations were made for forecasting fuel prices and it was revealed that machine learning methods are suitable for more accurate and in-depth modeling of financial indicators, which significantly improves the quality of forecasting and management decisions. The results obtained and the methodology for modeling financial indicators can be used in the project to improve the accuracy of forecasting both fuel prices and financial indicators themselves, which is now one of the priorities of the business.