تغییرات در کارایی عملیاتی
factor.formula
فرمول محاسبه عامل تغییر کارایی عملیاتی به صورت زیر است:
در اینجا:
- :
درآمد عملیاتی فصل i ام نشان دهنده کل درآمد به دست آمده توسط شرکت از طریق فعالیت های اصلی کسب و کار خود در آن فصل است.
- :
هزینه های عملیاتی در فصل i ام نشان دهنده هزینه های مستقیمی است که شرکت برای دستیابی به درآمد عملیاتی در آن فصل متحمل شده است.
- :
جمله عرض از مبدا مدل رگرسیون نشان دهنده سطح درآمد عملیاتی مورد انتظار زمانی است که هزینه عملیاتی صفر باشد. در سناریوهای واقعی کسب و کار، معمولاً می توان آن را به عنوان تأثیر هزینه های ثابت در نظر گرفت.
- :
جمله شیب مدل رگرسیون نشان دهنده تغییر مورد انتظار در درآمد عملیاتی برای هر واحد تغییر در هزینه عملیاتی است. می تواند منعکس کننده کارایی خروجی درآمد باشد که می تواند توسط ورودی هزینه واحد شرکت ایجاد شود.
- :
پسماند مدل رگرسیون در فصل i ام نشان دهنده تفاوت بین درآمد عملیاتی واقعی و درآمد عملیاتی پیش بینی شده توسط مدل است. یک پسماند مثبت به این معنی است که درآمد واقعی بالاتر از انتظار مدل است، که نشان می دهد کارایی عملیاتی در مقایسه با روند تاریخی بهبود یافته است. یک پسماند منفی به این معنی است که درآمد واقعی کمتر از حد انتظار است، که نشان می دهد کارایی عملیاتی در مقایسه با روند تاریخی کاهش یافته است. این پسماند به عنوان مقدار اصلی عامل تغییر کارایی عملیاتی استفاده می شود.
- :
i ∈ {0, 1, 2, ..., N-1}، نشان دهنده شاخص سری زمانی است، که در آن 0 نشان دهنده فصل اخیر و N نشان دهنده طول فصل های تاریخی است که باید ردیابی شوند. مقدار پیش فرض N = 8 است، به این معنی که داده های 8 فصل اخیر ردیابی می شوند.
factor.explanation
مراحل محاسبه این عامل به شرح زیر است:
-
آماده سازی داده ها: داده های درآمد عملیاتی (درآمد) و هزینه های عملیاتی (هزینه) شرکت را برای N فصل اخیر (به طور پیش فرض N=8) جمع آوری کنید.
-
پیش پردازش داده ها: استانداردسازی Z-Score را به ترتیب بر روی داده های درآمد عملیاتی و هزینه های عملیاتی انجام دهید. استانداردسازی Z-Score داده ها را به یک توزیع نرمال استاندارد با میانگین 0 و انحراف معیار 1 تبدیل می کند، و تاثیر ابعاد و مرتبه های مختلف را از بین می برد، و داده های بین شرکت های مختلف را قابل مقایسه می کند.
-
رگرسیون خطی: درآمد عملیاتی استاندارد شده را به عنوان متغیر وابسته در نظر بگیرید و رگرسیون خطی حداقل مربعات معمولی (OLS) را بر روی هزینه های عملیاتی استاندارد شده انجام دهید. مدل را به صورت زیر ایجاد کنید: $Revenue_i = \alpha_i + \beta_i Cost_i + \epsilon_i$. هدف از این مدل رگرسیون، برازش رابطه خطی بین درآمد عملیاتی و هزینه های عملیاتی تاریخی است.
-
استخراج پسماند: مقدار پسماند $\epsilon_0$ مدل رگرسیون را در فصل اخیر (یعنی فصل 0، i=0) بدست آورید. این مقدار پسماند، مقدار عامل تغییر کارایی عملیاتی روز است. یک پسماند مثبت نشان می دهد که کارایی عملیاتی فصل بالاتر از سطح تاریخی است، و یک پسماند منفی نشان می دهد که کارایی عملیاتی فصل پایین تر از سطح تاریخی است.
-
توضیح عامل: اندازه مقدار عامل نشان دهنده میزان انحراف کارایی عملیاتی فصل از روند تاریخی است. یک مقدار عامل مثبت نشان می دهد که کارایی عملیاتی فصل بهبود یافته است. هرچه مقدار عامل بزرگتر باشد، میزان بهبود بیشتر است. برعکس، یک مقدار عامل منفی نشان می دهد که کارایی عملیاتی فصل کاهش یافته است. هرچه مقدار عامل کوچکتر باشد، میزان کاهش بیشتر است.
این مقدار عامل می تواند به سرمایه گذاران کمک کند تا روند تغییر کوتاه مدت کارایی عملیاتی شرکت را قضاوت کنند و از این طریق به تصمیمات سرمایه گذاری کمک کنند.