DOI: 10.69803/3083-6034-2026-2-355

УДК 658.14/.17:005.52:519.86

 

Н.Б. Кащена, д-р екон. наук, професор

e-mail: natakashchena@gmail.com 

https://orcid.org/0000-0001-7069-8860

Державний біотехнологічний університет

І.В. Нестеренко, канд. екон. наук, доцентр

e-mail: Irina0nesterenko@gmail.com 

https://orcid.org/0000-0002-3892-8248 

Державний біотехнологічний університет

 

СТРАТЕГІЧНИЙ АНАЛІЗ РЕНТАБЕЛЬНОСТІ ВЛАСНОГО КАПІТАЛУ НА ОСНОВІ МОДЕЛЮВАННЯ І ПРОГНОЗУВАННЯ БІЗНЕС-ПРОЦЕСІВ ПІДПРИЄМСТВА

 

Стаття присвячена науково-методичному обґрунтуванню інструментарію стратегічного аналізу рентабельності власного капіталу (ROE) на основі моделювання та прогнозування внутрішніх бізнес-процесів для забезпечення фінансової сталості та резильєнтності підприємства в умовах високої невизначеності. Доведено, що традиційні фінансові методики оцінювання не дозволяють здійснювати випереджальний моніторинг операційної стабільності, зумовлюючи доцільність проектування нових аналітичних інструментів. Розроблено інструментально-проекційну матрицю, яка наскрізно координує п’ять фінансових факторів моделі Дюпона з відповідними операційними, збутовими та казначейськими бізнес-процесами суб’єкта господарювання. Акцентовано увагу на математичній архітектурі моделі, яка базується на представленні діяльності підприємства у вигляді орієнтованого графа бізнес-процесів, де кожна локальна операція в ERP-системі параметризується через динамічний вектор стану (тривалість циклу в днях, питома вартість, об’ємний вихід, коефіцієнт ризику). Сформовано систему взаємопов’язаних операційних функцій, які конвертують дискретні процесні метрики у безперервні фінансові потоки для розрахунку коефіцієнтів відсоткового навантаження, операційної маржі, оборотності активів, мультиплікатора капіталу та податкового навантаження. Обґрунтовано логіку функціонування імітаційного алгоритму Монте-Карло, який на основі стохастичних операційних функцій генерує щільність розподілу ймовірностей майбутнього значення ROE та розраховує предиктивний індекс резильєнтності підприємства. Доведено, що такий підхід дозволяє трансформувати класичний алгоритм Дюпона у гнучкий засіб предиктивної підтримки управління та автоматично генерувати прескриптивні зворотні імпульси для корегування операційних параметрів у межах єдиного цифрового контуру.

 

Ключові слова: стратегічний аналіз, рентабельність власного капіталу, бізнес-процеси, моделювання, прогнозування, індекс резильєнтності, ERP-система, стохастичні функції.

 

 

Бібліографічний список

  1. Kayakus M., Tutcu B., Terzioglu M., Talaş H., Ünal Uyar G. F. (2023). ROA and ROE Forecasting in Iron and Steel Industry Using Machine Learning Techniques for Sustainable Profitability. Sustainability, 15(9), 7389. DOI: https://doi.org/10.3390/su15097389
  2. Tutcu B., Kayakuş M., Terzioğlu M., Ünal Uyar G. F., Talaş H., Yetiz F. (2024). Predicting Financial Performance in the IT Industry with Machine Learning: ROA and ROE Analysis. Applied Sciences, 14(17), DOI: https://doi.org/10.3390/app14177459
  3. Драченко А., Юрчишена Л. (2022). Концептуальний підхід до моделювання впливу фінансових показників на прибуток підприємства. Економіка та суспільство, DOI: https://doi.org/10.32782/2524-0072/2022-44-44
  4. Прокопович Л., Бурлан С. (2023). Розвиток методичних підходів щодо управління фінансовими результатами підприємства. Економіка та суспільство, DOI: https://doi.org/10.32782/2524-0072/2023-47-79
  5. Hsu W.-L., Lin Y.-L., Lai J.-P., Liu Y.-H., Pai P.-F. (2025). Forecasting Corporate Financial Performance Using Deep Learning with ESG Data. Electronics, 2025, 14(3), DOI: https://doi.org/10.3390/electronics14030417
  6. Горошанська О.О., Гаркуша Н.М., Кащена Н.Б. (2025). Комплексна оцінка капіталу підприємства на основі таксономічного методу. Економічна стратегія і перспективи розвитку сфери торгівлі та послуг, 21(1), 30-40. URL: http://nbuv.gov.ua/UJRN/esprstp_2015_1_5
  7. Круглова О., Козуб В., Козуб С., Наумова Т., Акімова Н., Твердохліб К. (2023). Уплив економічних та неекономічних чинників на рентабельність підприємства. Фінансово-кредитна діяльність: проблеми теорії та практики, 1(48), 193-205. DOI: https://doi.org/10.55643/fcaptp.1.48.2023.3918
  8. Terzioğlu M., Ersoy Bozcuk A., Ünal Uyar G. F., Kaya N., Tutcu B., Dursun G. D. (2026). Machine Learning Classification of Return on Equity from Sustainability Reporting: A SHAP-Based Explanation. Sustainability, 18(1), DOI: https://doi.org/10.3390/su18010194
  9. Лисенко А. (2023). Прогнозування, планування та моделювання в системі розробки рішень в аналізі, аудиті та оподаткуванні. Економіка та суспільство, DOI: https://doi.org/10.32782/2524-0072/2023-51-54
  10. Параниця Н. В., Параниця С. П., Буличов О. С. (2022). Методологія моделювання бізнес-процесів. Економіка та держава, 3, 59–62. https://doi.org/10.32702/2306-6806.2022.3.59
  11. Свірський Ю. В. (2024). Вектори застосування імітаційного моделювання в управлінні бізнес-процесами. Економіка та суспільство, 61. DOI: https://doi.org/10.32782/2524-0072/2024-61-71
  12. Кононенко Ж., Шаравара Р., Яковенко Т. (2024). Моделювання бізнес-процесу – складова управління підприємством. Економіка та суспільство, 62. DOI: https://doi.org/10.32782/2524-0072/2024-62-134

 

References

  1. Kayakus M., Tutcu B., Terzioglu M., Talaş H., Ünal Uyar G. F. (2023). ROA and ROE Forecasting in Iron and Steel Industry Using Machine Learning Techniques for Sustainable Profitability. Sustainability, 15(9), 7389. DOI: https://doi.org/10.3390/su15097389
  2. Tutcu B., Kayakuş M., Terzioğlu M., Ünal Uyar G. F., Talaş H., Yetiz F. (2024). Predicting Financial Performance in the IT Industry with Machine Learning: ROA and ROE Analysis. Applied Sciences, 14(17), DOI: https://doi.org/10.3390/app14177459 \
  3. Drachenko A., Yurchyshena L. (2022). Conceptual approach to modeling the influence of financial indicators on enterprise profit. Economy and Society, (44). DOI: https://doi.org/10.32782/2524-0072/2022-44-44
  4. Prokopovich L., Burlan S. (2023). Development of methodological approaches to managing financial results of the enterprise. Economy and Society, 47. DOI: https://doi.org/10.32782/2524-0072/2023-47-79
  5. Hsu W.-L., Lin Y.-L., Lai J.-P., Liu Y.-H., Pai P.-F. (2025). Forecasting Corporate Financial Performance Using Deep Learning with ESG Data. Electronics, 2025, 14(3), DOI: https://doi.org/10.3390/electronics14030417
  6. Goroshanskaya E., Garkusha N., Kaschena N. Comprehensive evaluation of the company's capital subject to the taxonomic method. Ekonomichna stratehiya i perspektyvy rozvytku sfery torhivli ta posluh, 21(1), 30-40. URL: http://nbuv.gov.ua/UJRN/esprstp_2015_1_5
  7. Kruhlova O., Kozub V., Kozub S., Naumova T., Akimova , Tverdokhlib K. (2023). Influence of economic and non-economic factors on the profitability of the enterprise. Financial and Credit Activity Problems of Theory and Practice, 1(48), 193–205. DOI: https://doi.org/10.55643/fcaptp.1.48.2023.3918
  8. Terzioğlu M., Ersoy Bozcuk A., Ünal Uyar G. F., Kaya N., Tutcu B., Dursun G. D. (2026). Machine Learning Classification of Return on Equity from Sustainability Reporting: A SHAP-Based Explanation. Sustainability, 18(1), DOI: https://doi.org/10.3390/su18010194
  9. Lysenko A. (2023). Forecasting, planning and simulation in the system of developing decisions in analysis, audit and taxation. Economy and Society, 51. DOI: https://doi.org/10.32782/2524-0072/2023-51-54
  10. Paranytsia N., Paranytsia S., Bulychov O. Methodology for modeling biznes-processiv. Ekonomika ta derzhava, 3, 59–62. DOI: https://doi.org/10.32702/2306-6806.2022.3.59
  11. Svirskyi Y. (2024). Vectors of application of simulation modeling in business process management. Economy and Society, 61. DOI: https://doi.org/10.32782/2524-0072/2024-61-71
  12. Kononenko Z., Sharavara R., Yakovenko T. (2024). Business process modelling as a component of enterprise management. Economy and Society, 62. DOI: https://doi.org/10.32782/2524-0072/2024-62-134

 

Kashchena N.B., Nesterenko I.V. Strategic analysis of return on equity through enterprise business process modeling and forecasting. The article is devoted to the scientific and methodological substantiation of the toolkit for the strategic analysis of return on equity (ROE) based on modeling and forecasting internal business processes to ensure the financial stability and resilience of an enterprise under high uncertainty. It is proved that traditional financial evaluation techniques do not allow for proactive monitoring of operational stability, thereby justifying the expediency of designing new analytical tools. A tool-projection matrix has been developed that seamlessly coordinates the five financial factors of the DuPont model with the corresponding operational, sales, and treasury business processes of the economic entity. Attention is focused on the mathematical architecture of the model, which is based on representing the enterprise's activity as a directed graph of business processes, where each local operation in the ERP system is parameterized through a dynamic state vector (cycle duration in days, unit cost, volumetric output, risk coefficient).A system of interconnected operational functions has been formed, which converts discrete process metrics into continuous financial flows to calculate the interest burden ratio, operating profit margin, asset turnover, financial leverage, and tax burden ratio. The operational logic of the Monte Carlo simulation algorithm is substantiated, which, based on stochastic operational functions, generates the probability distribution density of the future ROE value and calculates the predictive resilience index of the enterprise. It is proved that such an approach allows transforming the classical DuPont algorithm into a flexible means of predictive management support and automatically generating prescriptive feedback loops to adjust operational parameters within a unified digital loop.

 

Keywords: strategic analysis, return on equity, business processes, modeling, forecasting, resilience index, ERP system, stochastic functions.

 


:  _2-2026-verstka-353-365.pdf (завант.: 0) [505.89 Kb]