Santrauka. 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 grupes: 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 Statgraphics plus v3.0 programos funkcijos: One variable analysis, Multiple sample comparison ir User-specified model forecast. Nustatant sukurtų 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.Reikšminiai žodžiai: finansiniai rodikliai, Altmano modelis, įmonių būklės vertinimas, lyginamasis svoris BVP struktūroje, prognozavimas. Abstract. In the first part of the article the status of corporate evaluation practices in crisis through traditional diagnostic model and the 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 the financial indicators of the weight structure of the GDP forecast is presented for describing models: quadratic trend function of the 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
ANALYSIS OF SMALL AND MEDIUM BUSINESS INDICATORS IN GROSS DOMESTIC PRODUCT WEIGHT STRUCTURE