Технология формирования отраслевых сценарных прогнозов
Министерство
образования и науки Российской Федерации
Федеральное
государственное бюджетное учреждение
высшего
профессионального образования
"Тюменский
государственный нефтегазовый университет"
Институт
менеджмента и бизнеса
Кафедра
экономики товарных рынков
Курсовая
работа
Технология
формирования отраслевых сценарных прогнозов
Выполнил:
студент гр.ЭМз-13-1
Аксанов Ринат Ришатович
Проверил:
Овчинникова С.В.
Тюмень 2014
1. Пояснительная записка о сценарных условиях для формирования вариантов прогноза
социально-экономического развития в 2013-2015 годах
Прогноз сценарных условий социально-экономического развития на период
2013-2015 годов разработан на вариантной основе. Основные варианты прогноза -
вариант 1 (консервативный) и вариант 2 (умеренно-оптимистичный) разработаны на
основе единой гипотезы внешних условий и различаются эффективностью реализации
государственной политики, в том числе за счет различных условий бюджетных
правил. Развилки также связаны с возможностями повышения конкурентоспособности
частного бизнеса и поддержания инвестиционного спроса со стороны
инфраструктурных компаний. Два дополнительных сценария (А и С) тестируют
экономику на различную динамику цен на нефть.
В основных вариантах прогноза (варианты 1 и 2) предполагается умеренное
восстановление мировой экономики. Уровень цены на нефть Urals повышен в 2012
году по отношению к предыдущей версии прогноза (представленного в декабре 2011
года) на 15 долларов, до 115 долларов США за баррель в результате высоких цен,
сложившихся в январе-марте текущего года. Прогнозируется, что цена нефти будет
оставаться на уровне, близком к 120 долларов за баррель до середины 2012 года,
со второго полугодия цена на нефть начнет снижаться в результате роста
предложения и достигнет к концу года уровня 102-104 долларов за баррель. В
2013-2014 гг. прогноз цен на нефть сохранен на уровне предыдущих оценок. В 2013
году прогнозируется снижение цены до 97 долларов за баррель. С 2014 года
прогнозируется, что вслед за ростом потребления нефти возобновится тенденция
умеренного роста цен. В 2014 году цена на нефть составит 101 доллар за баррель,
в 2015 году предполагается на уровне 104 доллара за баррель. прогноз рынок доход риск
Вариант 2 (умеренно-оптимистичный) отражает развитие экономики в условиях
реализации активной государственной политики, направленной на улучшение
инвестиционного климата, повышение конкурентоспособности и эффективности
бизнеса, на стимулирование экономического роста и модернизации, а также на
повышение эффективности расходов бюджета. В условиях варианта рост ВВП в 2012
году составит 3,4%, а в 2013-2015 гг. ускорится до 3,8-4,7 процента.
Вариант 1 (консервативный) предполагает сохранение низкой
конкурентоспособности по отношению к импорту, а также более низкие расходы на
развитие компаний инфраструктурного сектора. Сценарий основан на проведении
более жесткой бюджетной политики, связанной со стагнацией государственного
инвестиционного спроса и более низкими темпами роста заработных плат
бюджетников и военнослужащих. Это обусловливает выход на бездефицитный
федеральный бюджет к 2015 году. Годовые темпы роста экономики в 2012-2015 гг.
оцениваются на уровне 3,1-4,1%, что в среднем на 0,4 п.п. ниже, чем в основном
сценарии.
Умеренно-оптимистичный вариант является более инновационно ориентированным,
предполагает проведение преобразований в секторе развития человеческого
капитала и науки, направленных на развитие инноваций. Вариант основан на
осуществление мер, заложенных в государственных программах развития
образования, здравоохранения, науки и технологий, а также традиционных секторов
экономики.
Вариант А - дополнительный вариант более сильного снижения цен на нефть.
В начале 2013 года ожидается резкое падение цены до уровня 80 долларов за
баррель, среднегодовая цена в 2013 году составит 82 доллара за баррель, а в
2014-2015 гг. предполагается небольшой рост цены на нефть на 1-2% в год.
Вариант также предусматривает риски снижения спроса на российский газ в связи с
увеличением предложения газа на европейском рынке. Это может привести к более быстрому
снижению цен на экспортируемый газ за счет пересмотра контрактов и больших
объемов продаж на спотовом рынке. Учитывая сильную зависимость российской
экономики от мировой конъюнктуры, этот сценарий в наибольшей степени обострит
риски устойчивости банковской системы, платежного баланса и общего уровня
уверенности экономических агентов. Высокие цены на нефть в 2012 году приведут к
значительному укреплению курса рубля, а в 2013-2015 гг., понизившись до 82-85
долларов за баррель, станут причиной резкого ослабления обменного курса,
приведут к ускорению инфляции и замедлению внутреннего спроса. После роста
экономики в 2012 году на 3,4%, в 2013 году рост замедлится до 2%. В 2014-2015
гг. произойдет восстановление роста на уровне 3,5-4 процентов.
Вариант С - дополнительный вариант который, характеризуется сохранением
высоких уровней цены на нефть, достигнутых в начале 2012 года. В среднегодовом
выражении в 2012-2013 гг. цена на нефть составит 125 долларов за баррель, в
2014-2015 гг. несколько снизится до 115-120 долларов за баррель. Темпы роста
ВВП в 2012-2014 гг. за счет "фактора нефти" могут на 0,3-0,4 п.п.
превышать уровень базового варианта и составлять 3,7-4,1%, в 2015 году рост
экономики будет соответствовать базовому сценарию, составив 4,7 процента.
Умеренно-оптимистичный вариант 2 предлагается использовать в качестве
базового для разработки параметров федерального бюджета на 2013-2015 годы.
Основные показатели прогноза социально-экономического развития Российской
Федерации на 2011-2015 годы
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
Цены на нефть Urals
(мировые), долл./барр.
|
|
С
|
109,3
|
125
|
125
|
115
|
120
|
|
2,1
|
|
115
|
97
|
101
|
104
|
|
А
|
|
115
|
82
|
83
|
85
|
|
Валовой внутренний продукт,
темп роста %
|
|
С
|
104,3
|
103,7
|
104,1
|
104,0
|
104,7
|
|
2
|
|
103,4
|
103,8
|
104,4
|
104,7
|
|
1
|
|
103,1
|
103,6
|
103,9
|
104,1
|
|
А
|
|
103,4
|
102,0
|
103,5
|
104,0
|
|
Инвестиции в основной
капитал, %
|
|
С
|
108,3
|
107,5
|
108,8
|
106,6
|
107,9
|
|
2
|
|
106,6
|
106,4
|
107,3
|
107,8
|
|
1
|
|
102,3
|
107,3
|
107,0
|
107,8
|
|
А
|
|
106,6
|
101,9
|
104,3
|
106,8
|
|
Реальная заработная плата,
%
|
|
С
|
104,2
|
106,6
|
106,6
|
105,7
|
106,5
|
|
2
|
|
106,3
|
105,4
|
106,3
|
106,0
|
|
|
106,0
|
104,8
|
105,4
|
104,9
|
|
А
|
|
106,3
|
101,2
|
101,7
|
102,5
|
|
Оборот розничной торговли,
%
|
|
С
|
107,2
|
106,9
|
106,8
|
105,0
|
105,9
|
|
2
|
|
106,3
|
105,0
|
105,6
|
105,7
|
|
1
|
|
106,3
|
104,5
|
104,9
|
105,0
|
|
А
|
|
106,3
|
102,4
|
103,0
|
105,2
|
|
Экспорт - всего, млрд.
долл. США
|
|
С
|
522
|
587
|
608
|
598
|
634
|
|
2
|
|
558
|
526
|
551
|
581
|
|
1
|
|
558
|
526
|
550
|
580
|
|
А
|
|
558
|
458
|
462
|
475
|
|
Импорт - всего, млрд. долл.
США
|
|
С
|
324
|
377
|
439
|
475
|
523
|
|
2
|
|
469
|
407
|
445
|
485
|
|
1
|
|
361
|
401
|
440
|
484
|
|
А
|
|
371
|
372
|
383
|
415
|
Мировая экономика
Темпы роста мировой экономики, %
|
2010 отчет
|
2011 отчет
|
2012 оценка
|
2013
|
2014
|
2015
|
|
|
|
|
прогноз
|
|
Мир
|
5,2
|
3,7
|
3,2
|
3,4
|
4,1
|
4,0
|
|
США
|
3,0
|
1,8
|
1,7- 2,0
|
1,2-1,6
|
2,8
|
2,5
|
|
Еврозона
|
1,9
|
1,4
|
-0,6-0
|
0-0,9
|
1,4
|
1,4
|
|
Китай
|
10,4
|
9,2
|
8,0
|
7,7
|
7,6
|
7,3
|
|
СНГ (без России)
|
7,2
|
5,9
|
4,9
|
5,6
|
5,7
|
5,2
|
В 2012 году и среднесрочной перспективе экономическая конъюнктура будет
оставаться нестабильной. Темпы восстановления мировой экономики, после спада в
2009 году на 0,7%, в 2010 году достигли 5,2%, но в 2011 году замедлились до 3,7
процента. Долговые проблемы развитых стран спровоцировали летом 2011 года
падение стоимости мировых фондовых активов, неуверенность инвесторов в
своевременном погашении задолженности и волну снижения суверенных кредитных
рейтингов.
Значительную негативную роль сыграли внешние шоки: рост политической нестабильности
и перебои с поставками нефти из основных нефтедобывающих регионов, а также
землетрясение в Японии в марте 2011 года, повлекшее за собой чувствительный
сбой производства в японском и мировом автомобилестроении и некоторых других
отраслях. Потери самой Японии достигли 0,7% ВВП. В итоге темпы восстановления
развитых стран упали вдвое: с 3,2% в 2010 году до 1,5% в 2011 году, зона евро и
Япония в IV квартале 2011 г. зафиксировали сокращение ВВП.
Главным потенциальным локомотивом роста в группе развитых стран остаются
США, экономическая динамика которых может быть в ближайшие годы основным
фактором, сдерживающим распространение негативных тенденций кризиса зоны евро
на мировую экономику.
В 2011 году темпы восстановления экономики США составили 1,8%, что
превышает средний показатель развитых стран, составляющий 1,5%. Весь 2011 год
квартальная динамика ВВП сохраняла тенденцию ускорения роста: 0,4% в годовом
выражении в I квартале, 1,3% во втором, 1,8% в третьем и 3% в IV квартале. В I
квартале 2012 г. рост экономики США может оставаться достаточно высоким. В США
закрепилась восходящая динамика потребительских расходов, стимулируемая ростом
стоимости активов домохозяйств и доступным кредитом, что обеспечит США в 2012
году темпы роста в интервале 1,7-2 процента.
Однако в целом в прогнозный период до 2015 года в американской экономике
сохранится высокая неопределенность и риски значительного снижения темпов
роста. В промышленности вялые темпы роста сопровождаются экспансией издержек,
снижением конкурентоспособности и динамики производительности труда.
Продолжится рост долговой нагрузки на экономику: госдолг, превысивший в 2011
году объем экономики, увеличится до 105,6% ВВП в 2012 году и до 107,1% в 2013
году. Будут ограничены возможности финансирования фискальных мер, обеспечивших
посткризисное восстановление. Остается слабой положительная динамика доходов
населения, не преодолена стагнация жилищного сектора. В результате в 2013 году
под сдерживающим влиянием исчерпания финансовых стимулов и сокращения возможностей
роста за счет сбережений населения динамика американской экономики замедлится
до 1,2-1,6% ВВП. В 2014-2015 гг. возможно ускорение роста до 2,5-2,8%,
основанного на инвестиционной активности, росте производительности труда,
нормализации рынка труда, расширении потребления населения и постепенной
нормализации жилищного сектора американской экономики.
Уровень безработицы остается одной из серьезных угроз для стабильности
восстановления экономики зоны евро. Ситуация с безработицей стремительно
ухудшается - уровень безработицы в монетарном союзе в феврале достиг 10,8%. По
оценкам, ситуация на рынке труда продолжит ухудшаться и до конца года достигнет
максимального послевоенного уровня.
Несмотря на рост на 1,4% в целом по итогам 2011 года, экономика зоны евро
в IV квартале 2011 г. оказалась в рецессии, которая продлится и в 2012 году.
Негативная динамика в течение двух кварталов подряд ожидается в большинстве
стран Еврозоны, а в целом в 2012 году ожидается спад не только в периферийных
странах, охваченных долговым кризисом, таких как Португалия, Испания, Греция,
но и в ряде ведущих стран: Франции, Италии, Нидерландах. Экономика Германии
также может войти в стагнацию, и прирост ВВП оценивается в 0-+0,3%. В 2012 году
долговой кризис и реализация мер финансовой консолидации при сокращении
потребления и инвестиционной активности обусловят сокращение экономики Еврозоны
до 0,6%. С 2013 года в европейской экономике возможно восстановление роста с
темпом до 0,9% с последующим ускорением до 1,4% к 2015 году по мере прохождения
пика мер жесткой бюджетной экономии, активизации региональных механизмов
финансовой стабилизации, урегулирования долговых обязательств и гарантий по
реструктуризации суверенных долгов и в условиях стабилизации рынка труда.
Ведущие развивающиеся страны, прежде всего Китай и Индия, на протяжении
2011 года испытывали значительное инфляционное давление под влиянием роста цен
на энергию и продовольствие, притока капитала и кредитной экспансии. Меры,
предпринятые для ограничения ликвидности и предложения кредита во второй
половине 2011 года, совпали с торможением спроса на экспортных рынках и резко
повысили риски замедления роста экономик этих стран. В итоге темпы роста
развивающихся стран в 2011 году также сократились, хотя и менее значительно -
до 6,2% по сравнению с 7,3% в 2010 году.
Темпы роста экономики Китая благодаря мерам ограничения денежного
предложения и сокращения потенциала внешнего спроса снизились с 10,4% до 9,2%.
До 2015 года продолжится дальнейшее замедление роста в Китае до 7-7,3%. Замедление
экономики Индии из-за мер сокращения дефицита бюджета, достигавшего в 2009 году
9,1%, было более значительным - с 9,9% в 2010 году до 7,4% в 2011 году. До 2015
года экономический рост сохранится на уровне 7,3%. Значительные риски для
развивающихся стран в случае обострения долгового кризиса в глобальном масштабе
связаны с оттоком капитала и сворачиванием иностранных инвестиций, кризисом в
сфере недвижимости.
Нестабильность внешнего спроса, вызванного рецессией в зоне евро и
возможностью дальнейшего обострения долгового кризиса, будет также серьезно
сдерживать в прогнозный период до 2015 года реализацию экспортного потенциала
роста стран по широкой номенклатуре энергетических и сырьевых товаров, готовых
промышленных изделий. В 2011 году в мировой торговле фиксировалось значительное
замедление оборота, сокращение физических объемов экспорта готовых промышленных
изделий. Эта тенденция сохранится в 2012 году: темп роста мировой торговли
товарами не превысит 2,5%. К 2015 году расширение мировой торговли, по оценкам
WTO и Unctad, способно вернуться на 4%-ную траекторию роста, что, однако,
значительно уступает росту 2010 года, превысившему 9 процентов.
Базовый вариант прогноза предусматривает сохранение позитивных тенденций
восстановления мировой экономики и отсутствие сильного угнетающего влияния
восходящей динамики цен на нефть. В этих условиях рост мировой экономики в 2012
году составит 3,2%, а к 2015 году динамика мировой экономики будет близка к
4%-ной траектории роста.
Экономический рост в странах СНГ в целом будет опережать рост мировой
экономики. Однако по-прежнему будет сохраняться сильная зависимость от
экономической динамики России, степени и глубины интеграции экономик в общее
экономическое пространство, способной смягчить возможное негативное влияние конъюнктуры
мировых рынков.
Темпы роста ВВП стран Таможенного Союза и Украины, %
|
2010 Отчет
|
2011 отчет
|
2012 оценка
|
2013
|
2014
|
2015
|
|
|
|
|
прогноз
|
|
Белоруссия
|
7,7
|
5,3
|
2,2-(5,0-5,5)*
|
5,2
|
4,3
|
4,7
|
|
Украина
|
4,2
|
5,2
|
3,2*-5,0
|
4,1*-5,5
|
4,8*-6,0
|
4,8*-5,2
|
|
Казахстан
|
7,3
|
6,5
|
5,2-6,0*
|
6,0-6,3*
|
6,5*-6,6
|
6,2-7,7*
|
Источник: официальный (*) и консенсус-прогноз
На протяжении прогнозного периода в Республике Беларусь будут преодолены
последствия валютного кризиса. В 2012 году рост ВВП замедлится до 2,2%.
Благодаря эффекту базы, связанному с неоднородностью 2011 года, в 2012 году
ожидается существенное замедление потребительского спроса и сильное снижение
инвестиций. Рост экономики будет связан с резким улучшением чистого экспорта.
Благодаря улучшению условий торговли с Россией, в том числе резкому, почти на
40%, снижению цен на импортируемый российский газ, вероятна быстрая
нормализация счета текущих операций.
В 2013-2015 гг. продолжится замедление инфляции, возобновится рост
реальных доходов и активизация потребительского спроса. Восстановлению
инвестиционного спроса будет способствовать рост прибыли предприятий, связанный
с предшествующей девальвацией и снижением цен на газ. В последующем, расширение
внутреннего спроса приведет к заметному росту импорта, в результате чего при
умеренных темпах роста экспорта постепенно сократится профицит счета текущих
операций, и в 2014 году его сальдо может вернуться в отрицательную зону. В
условиях расширения интеграционных связей существенный потенциал роста экспорта
будет сосредоточен в отраслях машиностроения и сельском хозяйстве Белоруссии. В
условиях отсутствия воздействия внешних и внутренних шоков возможности роста
белорусской экономики до 2015 года оцениваются в диапазоне 4,3-5,2 процента.
В Казахстане среднесрочные перспективы экономического роста улучшились в
связи с повышением мировых цен на нефть и восстановлением мировой экономики.
Промышленная политика сконцентрирована на увеличении производства нефти. В
среднесрочной перспективе экономический рост будет опираться на усовершенствованную
транспортную инфраструктуру, которая будет способствовать росту в ряде
отраслей, связанных с энергетическим сектором. Независимые прогнозы в основном
незначительно отличаются от официальных и в среднем предполагают рост ВВП около
6,0-6,5% в ближайшие 3-4 года.
На Украине восстановление экономики сильно зависит от экспорта и
возможностей финансирования внутреннего спроса за счет государственных и
частных внешних трансфертов. Спрос со стороны основных экспортных рынков
(России и ЕС) останется очень важным источником роста, так же как и динамика
мировых цен на сталь. В 2012 году ожидается расширение дефицита счета текущих
операций, связанное с ростом внутреннего потребительского и инвестиционного
спроса. В целом последствия кризиса экономика Украины сможет компенсировать
только в 2013 году, ежегодный экономический рост в среднесрочной перспективе
будет составлять около 6 процентов.
Мировой рынок нефти
|
2010
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
Мировое производство, млн.
тонн в год
|
4325,1
|
4339,0
|
4429,3
|
4467,3
|
4585,3
|
4645,0
|
|
Мировое потребление, млн.
тонн в год
|
4338,1
|
4377,4
|
4421,6
|
4486,1
|
4580,3
|
4630,1
|
|
Изменение запасов, млн.
тонн в год
|
-13,0
|
-38,4
|
7,7
|
-18,7
|
5,0
|
14,9
|
|
Цена нефти WTI, Долл. за
баррель
|
79,40
|
94,86
|
106
|
106
|
107
|
114
|
|
Доля России в мировом
потреблении, %
|
3,4
|
3,4
|
3,4
|
3,3
|
3,3
|
3,2
|
|
Доля России в мировом
производстве, %
|
11,7
|
11,7
|
11,5
|
11,4
|
11,1
|
11,0
|
Источник: МЭР с использованием данных Energy Information Administration
(EIA)
Прогноз цены нефти до 2015 года определяется в основном фундаментальными
факторами: темпами восстановления мировой экономики и поддержанием устойчивости
рынка нефти странами-производителями. Тем не менее, возможность форс-мажорных
нарушений поставок сохраняется, что обусловлено неустойчивостью политической
ситуации в некоторых странах крупных производителях энергоресурсов.
Значительную поддержку цене на нефть будет оказывать стимулирующая
денежно-кредитная политика ведущих центральных банков: ФРС США, ЕЦБ, Банка
Японии и Банка Англии, которые планируют продолжение нынешней политики практически
свободного предоставления ликвидности вплоть до конца 2014 года.
В 2012 году спрос на нефть возрастет на 1%, что обусловлено сдержанными
темпами роста мировой экономики. В то же время, производство увеличится вдвое
быстрее - на 2,1% с целью пополнения стратегических запасов, израсходованных в
2011 году Международным Энергетическим Агентством для поддержания
сбалансированности спроса и предложения жидкого топлива. Запасы нефти
сократились в 2011 году на 38,4 млн. тонн. В 2013 году благодаря некоторому
ускорению темпов роста мировой экономики потребление жидких углеводородов
возрастет на 1,5% в то время как динамика производства составит всего 0,9% для
обеспечения благоприятных для производителей условий реализации. В 2014 году
ожидается повышение темпов производства нефти до 2,6% благодаря введению в
эксплуатацию новых месторождений и мощностей, которое запланировано для
обеспечения потребностей восстановления мировой экономики.
Мировой рынок газа
|
2010
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
Мировое производство, млрд.
куб метров в год
|
3200
|
3248
|
3305
|
3361
|
3432
|
3500
|
|
Мировое потребление, млрд.
куб метров в год
|
3197
|
3239
|
3290
|
3356
|
3415
|
3486
|
|
Изменение запасов, млрд.
куб метров в год
|
3
|
8
|
14
|
6
|
17
|
14
|
|
Цена газа Henry Hub (США),
долл. тыс. куб м
|
157
|
132
|
153
|
157
|
165
|
|
Доля России в мировом
потреблении, %
|
14,4
|
14,3
|
14,0
|
13,8
|
13,4
|
13,2
|
|
Доля России в мировом
производстве, %
|
20,3
|
20,6
|
21,1
|
21,6
|
21,6
|
21,6
|
Источник: МЭР с использованием данных Energy Information Administration
(EIA)
Расширение источников поставки природного газа, в том числе с
использованием технологий для добычи сланцевого газа в США, будет
способствовать насыщению рынка и сдержанной ценовой динамике. В то же время
спрос на природный газ с 2010 года восстанавливает траекторию роста,
характерную для газа в течение продолжительного периода времени.
По оценкам IEA, спрос на газ в мире к 2015 году возрастет на 9%.
Основными регионами прироста производства будут страны Ближнего Востока, Африки
и Россия. Наиболее быстрыми темпами спрос на природный газ будет увеличиваться
в Китае - в среднем почти на 6% в год. Спрос Китая будет и самым объемным, на
Китай приходится более одной пятой части увеличения глобального спроса. Спрос
Китая на газ потенциально может расти еще быстрее, учитывая, что потребление
энергии на душу населения в стране не достигает третьей части от потребления
энергии на душу населения в высокодоходных странах ОЭСР, особенно если
потребление угля будет ограничено исчерпанием легко извлекаемого угля карьерных
месторождений. Спрос на Ближнем Востоке будет расти практически так же, как и в
прогнозе для Китая.
В Соединенных Штатах ожидается существенное увеличение ресурсной базы
сланцевого и угольного газа. Увеличение добычи природного газа на основе
технологий горизонтального бурения и гидравлических технологий гидроразрыва
сделало возможным использование больших ресурсов сланцевого газа, а также
помогло существенно снизить импорт с других континентов. За 2011 год цены на
газ в США снизились на 32%. К падению цен привело увеличение добычи в среднем на
10% ежегодно с 2009 года.
Цены на газ терминала Henry Hub, по отчетным данным и прогнозу
Международной Энергетической Организации и Energy Information Administration
(EIA), за 2010-2011 годы сократились на 17%, в 2013 году ожидается рост цен на
16%, в 2014 году цена газа увеличится на 2,6%, а к 2015 году газ подорожает на
5,1%, составив 165 долларов за тыс. куб. метров.
. Динамика добычи и экспорта нефти, нефтепродуктов и газа
Объем добычи нефти, включая газовый конденсат, в 2012 году оценивается на
уровне 510 млн. т (100,1% к уровню 2011 г.), экспорт нефти уменьшается до 237
млн. т (97,0% к уровню 2011 г.) в связи с предполагаемым дальнейшим ростом
объемов переработки нефти на российских нефтеперерабатывающих заводах.
Прогноз добычи нефти по основному варианту 2 предусматривает замедление
снижения добычи на старых выработанных месторождениях Западной Сибири за счет
применения новых методов повышения нефтеотдачи пластов, а также увеличение
добычи на новых месторождениях Восточной Сибири и шельфе Каспийского моря.
Добыча нефти в 2013-2015 гг. стабилизируется на уровне 510 млн. тонн, прогноз
добычи нефти оставлен без изменений.
Экспорт нефти с учетом динамики внутреннего спроса и мирового рынка нефти
к 2015 году увеличится до 242 млн. тонн. По сравнению с предыдущей версией
прогноза объемы ежегодного экспорта нефти снижены на 2 процента.
Прогноз добычи нефти поварианту Аразработан исходя из условий более
низкого уровня цен на нефть и ограниченных финансовых возможностей компаний для
поддержания добычи на действующих месторождениях. В таких условиях, особенно на
старых выработанных месторождениях Западной Сибири, будет наблюдаться более
значительное падение добычи нефти, и в целом вероятно снижение объемов добычи
до 503-498 млн. тонн, а экспорт нефти к 2015 году может снизиться до 232 млн.
тонн.
Производство нефтепродуктов. В 2012 году объем переработки нефти на
российских нефтеперерабатывающих заводах оценивается с ростом до 261,8 млн. т
(101,5% к 2011 г.), экспорт нефтепродуктов - на уровне 135,7 млн. тонн (102,7%
к 2011 году).
С учетом предусмотренных в соглашениях с нефтяными компаниями сроков
модернизации нефтеперерабатывающих заводов, направленной на увеличение глубины
переработки нефти, восновном варианте прогнозируется стабилизация объемов
нефтепереработки на уровне 262 млн. тонн в 2013 году с последующим уменьшением
до 260 млн. т в 2014 году и 258 млн. т в 2015 году. Рост внутреннего спроса на
нефтепродукты приведет к постепенному снижению экспорта к 2015 году до 124 млн.
тонн. В 2012-2014 гг. по сравнению с предыдущим прогнозом ежегодные объемы
нефтепереработки возрастут на 1-2%, экспорт нефтепродуктов ожидается выше на
4-5 процентов.
Поварианту А ожидается снижение объемов переработки нефти в 2013 году до
258 млн. т, в 2014 году - до 257 млн. т и в 2015 году - до 256 млн. тонн. С
учетом более умеренного внутреннего спроса экспорт нефтепродуктов оценивается в
этот период со снижением до 132-124 млн. тонн.
Объем добычи газа в 2012 году с учетом наметившейся тенденции увеличения
спроса на газ на внутреннем рынке и восстановления европейского спроса на
российский газ оценивается на уровне 697 млрд. куб. м (104,2% к уровню 2011
года). При этом объем экспорта газа ожидается на уровне 211,8 млрд. куб. м
(111,8% к 2011 году). Существенное негативное влияние на экспорт российского
газа в Европу продолжают оказывать такие факторы, как рост добычи сланцевого
газа в США, активное развитие рынка сжиженного природного газа и новые
инициативы ЕС по развитию конкуренции на рынке газа. Экспорт СПГ в страны
Азиатско-Тихоокеанского региона составит в 2012 году 10 млн. тонн.
Важнейшими новыми проектами в газовом секторе в настоящее время являются:
газопровод "Северный поток", строительство газопровода "Сахалин
- Хабаровск - Владивосток", ввод в эксплуатацию первых пусковых комплексов
по обустройству сеноман-аптских залежей Бованенковского месторождения и системы
магистральных газопроводов "Бованенково - Ухта".
Прогноз добычи газа поосновному варианту учитывает сохранение высокого
уровня спроса на внутреннем и внешнем рынках. Добыча газа к 2015 году
увеличится до 755 млрд. куб. м, при этом объем экспорта газа увеличится до 253
млрд. куб. метров. Прогноз добычи и экспорта газа в 2012-2014 гг. соответствует
предыдущей версии прогноза.
Вварианте А, помимо более низкого уровня спроса на
топливно-энергетические ресурсы на мировых рынках, предусматривается сохранение
высокой конкуренции с ближневосточным газом и инициатив ЕС по повышению
диверсификации рынка газа, а также ожидается более умеренный спрос на
российский газ на внутреннем рынке. В этих условиях добыча газа возрастает к
2015 году до 726 млрд. куб. метров, а экспорт газа до 235 млрд. куб. метров.
По данным ОАО "Газпром", во всех вариантах экспорт сжиженного
природного газа в страны АТР стабилизируется на уровне 10 млн. тонн.
. Демографическая ситуация
Прогнозные демографические параметры, предусмотренные в сценарных
условиях, пересчитаны с учетом итогов Всероссийской переписи населения 2010
года.
Демографический прогноз учитывает действие мер по снижению смертности и
стимулированию рождаемости, в том числе выполнение плана мероприятий по
реализации II этапа Концепции демографической политики Российской Федерации на
период до 2025 года.
В соответствии с высоким сценарием демографического прогноза суммарный
коэффициент смертности увеличится с 1,606 в 2011 году до 1,685 в 2015 году,
общий коэффициент смертности снизится с 13,5 в 2011 году до 13,2 в 2015 году.
Средний сценарий демографического прогноза предполагает наличие рисков,
которые не позволят достичь параметров высокого сценария.
Как показали результаты опроса, проведенного Росстатом рекордно высокое
значение суммарного коэффициента рождаемости в 2011 году (1,606 - оценка) во
многом связано с тем, что семьи реализовали как отложенные рождения детей, так
и рождения, запланированные на более поздний срок. Кроме того, в России в
настоящее время возрастная кривая рождаемости будет меняться в сторону
постарения матери, что также может привести к потери уровня рождаемости.
С учетом этого, на период до 2015 года суммарный коэффициент рождаемости,
заложенный в среднем сценарии демографического прогноза, будет несколько ниже
текущего уровня - 1,597-1,592.
В связи с тем, что в России наблюдаются тенденции демографического
старения населения, общий коэффициент смертности стабилизируется на уровне 13,4
на период до 2015 года.
С учетом миграционного прироста (свыше 300 тыс. человек), который будет
полностью компенсировать естественную убыль населения, численность постоянного
населения по сравнению с 2011 годом увеличится к 2015 году до 143,5-143,8 млн.
человек.
Возрастная структура населения будет определяться фактором замещения
поколений. В трудоспособный возраст будут продолжать вступать относительно
малочисленные поколения людей, рожденных в нестабильные 1990-е годы, а выбывать
многочисленные поколения рожденных в послевоенные годы. Численность населения в
трудоспособном возрасте к 2015 году по сравнению с 2011 годом сократится до
83,8 млн. человек (на 3,7 млн. человек), а старше трудоспособного возраста,
наоборот, увеличится до 34,7 млн. человек (на 2,6 млн. человек). Усилия
государства, направленные на стимулирование рождаемости, обеспечат увеличение
численности населения моложе трудоспособного возраста до 25-25,3 млн. человек
(на 1,6-1,9 млн. человек).
Демографический прогноз
|
Варианты
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
Численность постоянного
населения (среднегодовая), млн. чел.
|
средний
|
143,0
|
143,1
|
143,3
|
143,4
|
143,5
|
|
высокий
|
|
143,2
|
143,4
|
143,6
|
143,8
|
|
Численность населения
трудоспособного возраста, млн. чел.
|
средний
|
87,5
|
86,8
|
85,8
|
84,8
|
83,8
|
|
высокий
|
|
|
|
|
|
|
Численность населения
старше трудоспособного возраста, млн. чел.
|
средний
|
32,1
|
32,7
|
33,3
|
34,0
|
34,7
|
|
высокий
|
|
|
|
|
|
|
Численность населения
моложе трудоспособного возраста, млн. чел.
|
средний
|
23,4
|
23,7
|
24,2
|
24,6
|
25,0
|
|
высокий
|
|
23,7
|
24,2
|
24,7
|
25,3
|
|
Суммарный коэффициент
рождаемости
|
средний
|
1,606
|
1,597
|
1,595
|
1,594
|
1,592
|
|
высокий
|
|
1,621
|
1,643
|
1,664
|
1,685
|
|
Общий коэффициент
смертности (на 1000 человек населения)
|
средний
|
13,5
|
13,4
|
13,4
|
13,4
|
13,4
|
|
высокий
|
|
13,5
|
13,4
|
13,3
|
13,2
|
|
Средняя продолжительность
жизни, лет
|
средний
|
70,2
|
70,5
|
70,7
|
70,9
|
71,2
|
|
высокий
|
|
70,4
|
70,8
|
71,2
|
71,5
|
|
Миграционный прирост, тыс.
чел.
|
средний
|
320
|
306
|
318
|
329
|
335
|
|
высокий
|
|
311
|
333
|
337
|
360
|
. Потребительские цены
Прогнозируется тенденция умеренного замедления инфляции с 5-6% в 2012
году до 4-5% в 2014-2015 годах. Эта динамика соответствует предыдущей версии
прогноза.
В то же время в результате более низкой, чем ожидалось, инфляции в конце
2011 года и I квартале 2012 г. понижена оценка среднегодового роста цен в 2012
году с 5,3% до 4,8% и одновременно за счет изменения базы повышена оценка 2013
года с 5,9% до 6,2%. На снижение инфляции повлиял более сильный, чем ожидалось
ранее, эффект от переноса повышения регулируемых на местах тарифов на платные
услуги населению. Вклад в замедление инфляции в первом полугодии 2012 г. вносит
также укрепление курса рубля и ряд других факторов по сдерживанию роста цен
(например, меры по сдерживанию роста цен на бензин в условиях роста мировых цен
на нефтепродукты).
Вместе с тем ожидается, что после проведения индексации регулируемых
тарифов на энергоносители (газ, электроэнергия, теплоэнергия) в июле, инфляция
во втором полугодии 2012 г. будет выше, чем обычно, на 1,2-1,3 п. пунктов. В
целом годовой рост цен поднимется с 3,7-4% в первом полугодии до 5,2-6% во
втором.
В то же время сохраняются риски того, что инфляция может несколько
превысить целевые ориентиры. Прежде всего, это связано с ростом цен на
продовольствие, учитывая начавшийся рост цен на зерно и другие виды
продовольствия на мировых рынках в 2012 году (по данным FAO UN за три месяца с
начала года цены на продовольствие выросли уже на 2,4%), и возможным их
дальнейшим ростом в связи с повышением уровня цен на нефть и нефтепродукты в
2012 году. Кроме того, в последнее время продолжает повышаться кредитная
активность в потребительском секторе, что совместно с ожидаемым ускорением
роста доходов населения может привести к перегреву потребительских рынков.
Также определенный инфляционный риск может возникнуть в случае изменения
ситуации на рынке нефти и ослаблении курса рубля.
В дальнейшем инфляция будет снижаться незначительно: в 2013 году - до
4,5-5,5%, в 2014 и 2015 году - до 4-5%. Ожидаемая умеренная динамика цен на
импортируемое продовольствие - на 1-2% в год будет обеспечивать умеренный рост
внутренних цен на продукты, который наиболее существенно влияет на инфляцию.
Вместе с тем снижение роста цен на товары будет сдерживаться некоторым
ослаблением курса рубля. По мере повышения доходов населения будет расти спрос
на рыночные услуги, в связи с чем прогнозируется опережающий рост цен в этом
сегменте. Рост цен на товары будет умеренным, в том числе за счет развития
торговли и усиления конкуренции на региональных рынках.
Структура роста потребительских цен в прогнозный период
|
Прирост цен (декабрь к
декабрю предыдущего года), %
|
|
2010
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
Инфляция (ИПЦ)
|
8,8
|
6,1
|
5-6
|
4,5-5,5
|
4-5
|
4-5
|
|
Продовольственные товары
|
12,9
|
3,9
|
6,1-6,3
|
4,5-4,8
|
4-4,3
|
3,7-4
|
|
из них, без учета
плодоовощной продукции
|
9,4
|
7,4
|
6,5-6,8
|
4,7-5
|
4,5-5
|
4-4,3
|
|
Непродовольственные товары
|
5,0
|
6,7
|
5,1-5,3
|
4,7-5
|
4,3-4,6
|
3,7-4
|
|
Платные услуги населению
|
8,1
|
8,7
|
7,8-8,2
|
7,3-7,5
|
6,5-7
|
7-7,5
|
|
услуги организаций ЖКХ
|
13,4
|
11,9
|
10,7-11
|
10,5-11
|
10-11
|
10,5-11,5
|
|
прочие услуги
|
5,5
|
7,2
|
6,5-7
|
5,9-6,2
|
5-5,5
|
5,5-6
|
|
Базовая инфляция (БИПЦ)
|
6,6
|
6,6
|
5,6-6,1
|
4,7-5,2
|
4,2-4,7
|
3,9-4,4
|
|
Денежная масса М2, прирост
в %
|
31,1
|
22,6
|
17-19
|
15-17
|
14-16
|
14-16
|
В прогнозный период будет сохраняться инфляционный эффект, связанный с
опережающим ростом тарифов на услуги в сфере ЖКХ и другие регулируемые услуги
для населения (в сфере связи, пассажирского железнодорожного и других видов
городского транспорта) из-за их убыточности. К ускорению роста тарифов ЖКХ
также может привести переход к регулированию тарифов с 2014 года на
теплоснабжение, водоснабжение и водоотведение методом доходности
инвестированного капитала, дающего компаниям возможность закладывать в тарифы
возврат своих инвестиций, что вызовет необходимость принятия сдерживающих мер.
Предполагается, что для обеспечения достижения целевой инфляции вклад
повышения тарифов ЖКХ в инфляцию в 2013-2015 гг. будет составлять не более
0,9-1,1 п. пунктов. При этом для сдерживания тарифов, устанавливаемых на
местах, необходимо разработать комплекс мер, направленных на стимулирование
снижения издержек в организациях коммунального хозяйства, в частности, путем
перехода от установления тарифов методом "затраты плюс" к
долгосрочным методам тарифообразования: долгосрочной индексации или доходности
инвестированного капитала в зависимости от масштабов инвестиций. Для обеспечения
прозрачности и обоснованности ценообразования услуг ЖКХ и развития конкуренции
в этой сфере деятельности целесообразно довести оплату коммунальных услуг
населением до 100% к 2014-2015 году, при условии обеспечения адресной поддержки
низкодоходным группам населения.
Снижению инфляции будет способствовать консервативная денежная политика.
Прирост денежной массы в национальном определении (денежного агрегата М2)
прогнозируется в текущем году на уровне 17-19%. В последующие годы на фоне
постепенного замедления роста спроса на деньги темпы прироста денежной массы
будут снижаться: в 2013 году по базовому варианту 2 до 15-17%, в 2014-2015 гг.
- до 14-16%. Такая динамика денежной массы в среднесрочной перспективе позволит
удержать монетарную составляющую инфляции в прогнозируемых параметрах.
В структуре каналов поступления денег в экономику в прогнозный период в
базовом варианте 2 по сравнению с периодом 2010-2011 гг. несколько
восстановится вклад валютного канала эмиссии. Роль процентной политики в
регулировании ликвидности в экономике повысится, при этом ожидается продолжение
роста чистого кредита банковской системе.
Темпы прироста кредитования нефинансовых организаций и населения составят
22-24% в 2012 году, замедляясь до 16-18% в 2015 году. При этом темпы прироста
кредитования физических лиц после увеличения в текущем году на 25%, в
дальнейшем будут стабильны и составят 20-21% ежегодно. Рост кредитования
нефинансовых организаций прогнозируется умеренно снижающимися темпами: если в
текущем году их прирост составит около 22%, то к 2015 году их темпы снизятся до
15-17 процентов.
. Цены и тарифы естественных монополий
Прогноз роста цен (тарифов) субъектов естественных монополий на 2013 год
и на 2014 год незначительно увеличен по сравнению с ранее принятым прогнозом на
2012-2014 годы. На 2015 год установлены значения исходя из объективных
факторов, формирующих динамику цен (тарифов) на товары (услуги).
В прогнозный период индексация регулируемых цен на газ, цен (тарифов) в
электроэнергетике и тарифов на теплоэнергию будет осуществляться с 1 июля.
Основными факторами роста цен (тарифов) субъектов естественных монополий
являются рост цен на газ и другие виды топлива, оплаты труда и иных статей
операционных расходов, изменение налогового законодательства, а также включение
инвестиционной составляющей в цены (тарифы).
Цены на газ. Подходы к установлению оптовых цен на газ (одобренные
Правительством Российской Федерации), направлены на постепенное приближение
внутренних цен к равнодоходным ценам мировых рынков.
На 2013-2014 гг. параметры роста оптовых цен на газ для всех категорий
потребителей сохраняются в размерах, определенных в прогнозе на 2012 год и до
2014 года (по 15% в год), с индексацией в июле также по 15 процентов.
В 2015 году предусматривается индексация оптовых цен на газ для всех
потребителей, кроме населения, в размере 14-15%, а среднегодовой рост составит
114,5-115% к предыдущему году.
С целью недопущения ускорения и значительного роста цен на электроэнергию
в период ввода значительных объемов новых мощностей в 2015-2018 гг. и объектов
сетевого хозяйства в 2015-2020 гг., целесообразно ежегодно сокращать индексацию
оптовых цен на газ для потребителей, кроме населения, на 1 п.п., начиная с 2015
года (на 1% роста цен на газ, цены на электроэнергию повышаются на 0,35-0,4
процента).
Для населения в 2015 году рост цен составит 15 процентов.
С 2012 года регулирование оптовых цен на газ (добываемый ОАО
"Газпром" и его аффилированными лицами) для промышленных потребителей
будет осуществляться на основе формулы цены. При этом рост регулируемых цен не
будет превышать обозначенных выше размеров.
В прогнозный период планируется продолжить работу по ликвидации
перекрестного субсидирования в газораспределении и сбыте газа. Также будет
продолжено поэтапное изменение подходов к регулированию тарифов на услуги по
транспортировке газа по магистральным газопроводам в части введения единой
зависимости изменения стоимости газа, с учетом стоимости транспортировки, от
расстояния транспортировки (расстояния от территории добычи газа до региона
потребления газа). Это отразится на несколько более высоком относительно
среднего уровне роста цен на газ для ряда регионов.
Рост тарифов на прокачку газа по магистральным трубопроводам ОАО
"Газпром" для независимых газодобывающих компаний в 2013-2015 г.
будет согласован по срокам с увеличением оптовых цен на газ и будет не выше
прогнозного уровня инфляции (без учета влияния, вносимого отменой льгот по
налогу на имущество).
Электроэнергетика. В 2012 году среднегодовой рост цен на электроэнергию к
предыдущему году ожидается на 0,5-1 п.п. ниже прогнозируемых ранее значений,
что обусловлено установлением регулируемых тарифов сетевых организаций на 2012
год к уровню декабря 2011 года, который был ниже среднегодового.
Рост регулируемых тарифов сетевых организаций (определяется исходя из
необходимой валовой выручки) в 2013 году составит не менее 10%, в 2014-2015 гг.
- по 9-10%. При этом в настоящем прогнозе не учтено прекращение в соответствии
с действующим законодательством с 01.01.2014 г. действия договоров
"последней мили". Превышение роста тарифов для сетевых организаций в
г. Санкт-Петербурге и Ленинградской области может быть обусловлено
необходимостью реализации значительных инвестиционных программ.
Индексация регулируемых тарифов на услуги по передаче электроэнергии
сетевых организаций будет производиться с июля.
В 2015 году цены на электроэнергию на розничном рынке вырастут на 11-13%.
Более высокий рост цен обусловлен почти увеличением оплачиваемых объемов новых
мощностей по сравнению с предшествующими годами.
Для населения рост тарифов на электроэнергию (без учета введения
социальной нормы потребления) в 2013г. составит 109,1-110,6%, в 2014-2015 г.г.
- 112-115% (с индексацией со второго полугодия по 12-15% ежегодно). Увеличение
темпов роста относительно прогноза на 2012 год обусловлено увеличением
масштабов перекрестного субсидирования в период 2010-2012 гг. вследствие
отставания роста тарифов для населения в 1,8 раза от роста цен на
электроэнергию для остальных потребителей, а также необходимостью учета в
тарифах на электрическую энергию, поставляемую на оптовом рынке по регулируемым
договорам в целях поставки населению, индексации цен на топливо за 2012 год, не
отраженную в соответствии с прогнозом на 2012 г. и до 2014 г. в данных тарифах,
утвержденных на 2012 год.
Также следует отметить, что по территориями Северо-Кавказского
федерального округа, а также ряда других регионов, в отношении которых
установлены особенности функционирования оптового рынка электрической энергии и
мощности, необходимо поэтапное доведение индикативных цен на электрическую
энергию (мощность) до уровня свободных (рыночных) цен на оптовом рынке
электроэнергии к 2015 г., тем самым рост цен (тарифов) для конечных
потребителей вышеуказанных территорий должен складываться выше уровня
среднероссийских показателей. В случае не применения поэтапного доведения
индикативных цен до уровня свободных, для конечных потребителей регионов
Северо-Кавказского федерального округа в 2015г. произойдет существенный рост
(более чем в 2 раза) стоимости потребленной электрической энергии (мощности).
Прогноз роста цен (тарифов) субъектов естественных монополий (%, в
среднем за год к предыдущему году)
|
2011 (оценка)
|
прогноз
|
|
|
2012
|
2013
|
2014
|
2015
|
|
ЭЛЕКТРИЧЕСКАЯ ЭНЕРГИЯ
|
|
Доля потребления по
нерегулируемым ценам
|
76
|
76
|
76
|
76
|
76
|
|
Рост цен (регулируемых
тарифов и рыночных цен) для всех категорий потребителей
|
113,51
|
106-107
|
110-112
|
110-112
|
111-113
|
|
рост цен (регулируемых
тарифов и рыночных цен) для всех категорий потребителей, исключая население
|
113,41
|
107-107,5
|
110,5-112,7
|
110-112
|
110,8-112,5
|
|
рост регулируемых тарифов
для сетевых организаций
|
1132
|
106
|
110
|
109-110
|
109-110
|
|
индексация регулируемых
тарифов
|
|
июль 11%
|
июль 10%
|
июль 9-10%
|
июль 9-10%
|
|
рост регулируемых тарифов
для населения
|
109,62
|
103
|
109,1-110,6
|
112-115
|
112-115
|
|
индексация регулируемых
тарифов
|
|
с июля 6%
|
с июля 12-15%*
|
с июля 12-15%*
|
с июля 12-15%*
|
|
ГАЗ ПРИРОДНЫЙ (оптовые
цены)
|
|
Регулируемые цены для всех
категорий потребителей
|
115,3
|
107,5
|
115
|
115
|
114,6-115
|
|
для всех категорий потребителей,
кроме населения
|
115
|
107,1
|
115
|
115
|
114,5-115
|
|
индексация регулируемых
тарифов
|
|
с июля 15%
|
с июля 15%
|
с июля 15%
|
с июля 14-15%
|
|
для населения
|
117,2
|
110,4
|
115
|
115
|
115
|
|
индексация регулируемых
тарифов
|
янв. 5% апр. 9,5%
|
с июля 15%
|
с июля 15%
|
с июля 15%
|
с июля 15%
|
|
ТЕПЛОВАЯ ЭНЕРГИЯ
|
|
Регулируемые цены
|
112,91
|
104,8-1063
|
111-1124
|
109,5-110,54
|
110-1114
|
|
индексация регулируемых
тарифов
|
|
в июле и сентябре - по 6%
|
с июля 8-10%4
|
с июля 12%
|
с июля 10%
|
|
ЖЕЛЕЗНОДОРОЖНЫЕ ПЕРЕВОЗКИ
|
|
Железнодорожные перевозки
грузов
|
108
|
106
|
105,5
|
105
|
105,5
|
|
индексация регулируемых
тарифов
|
с января 8%
|
с января 6%
|
с января 5,5%
|
с января 5%
|
с января 5,5%
|
|
Пассажирские перевозки
железнодорожным транспортом, в регулируемом секторе
|
110
|
110
|
110
|
110
|
110
|
с января 10%
|
с января 10%
|
с января 10%
|
с января 10%
|
с января 10%
|
* без учета введения социальной нормы.
по данным отчетов Росстата об ежемесячной динамике цен.
данные ФСТ.
с учетом динамики тарифов в 2011 году.
расчет с учетом ежемесячной динамики отпуска в текущем году в связи с
введением оплаты по показаниям счетчиков.
Тарифы на тепловую энергию. В 2012 году индексация тарифов будет
проведена в июле и сентябре в размерах, определенных прогнозом.
При этом среднегодовой рост тарифов к предыдущему году может составить
6%, изменение расходов на оплату тепловой энергии потребителями (в котором
учитывается изменение полезного отпуска) будет ниже - 4,8%, на что окажет
влияние введение в IV квартале оплаты за теплоэнергию по показаниям приборов
учета, которое должно привести к сокращению полезного отпуска, по оценке, от
3-4% до 6-8%. Этот фактор (оценить масштабы которого можно будет по итогам IV
квартала 2012 г.) может привести и к более значимому снижению объемов полезного
отпуска в I-III кварталах 2013 г., поэтому для получения необходимой валовой
выручки предусмотренная ранее индексация в июле в размере 8% может быть
повышена до 10%. В связи с этим в среднем за год к предыдущему году рост
тарифов будет находиться в интервале 11-121,2% (ранее - 11 процентов).
В
2014 году индексация тарифов на тепловую энергию сохраняется на определенном
ранее уровне 12%, в среднем за год к предыдущему рост тарифов составит
9,5-10,5%[*]
<#"827226.files/image001.gif">
Где,
-
среднеквадратическое отклонение, которое рассчитывается по формуле:
Таблица
1.1.Значения у для разных показателей
|
Показатели
|
у
|
|
Объем промышленного
производства, млн. грн.
|
78144,01393
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
72,87980973
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,786553664
|
|
Объем ВВП, млн. грн.
|
76280,47244
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
20206,41167
|
|
Инвестиции, млн. грн.
|
16045,92062
|
|
Национальный доход, млн.
грн.
|
71244,1806
|
|
Потребление, млн. грн.
|
56304,85906
|
|
Материальные расходы, млн.
грн.
|
6450,534488
|
|
Накопление средств, млн.
грн.
|
19934,49662
|
|
Запас денежной массы у
населения, млн. грн.
|
12034,12015
|
Для расчета критерия Ирвина необходимо для начала рассчитать
среднеквадратическое отклонение, результаты значений которого представлены в
таблице 1.1.
Для
выявления аномальных уровней ряда с помощью метода Ирвина, был произведен
расчет 
. Теперь
можно определить наличие или отсутствие аномальных уровней ряда.
Для
этого, рассчитываем 2002, 2004, 2005,2007 и 2008 года методом Ирвина.
Таблица 1.2 Расчетные значения методом Ирвина
|
Показатель
|
Года
|
|
2002
|
2004
|
2005
|
2007
|
2008
|
|
1
|
2
|
3
|
3
|
4
|
6
|
|
Объем промышленного производства,
млн. грн.
|
0,0222627
|
0,100173
|
0,996444
|
0,536608
|
0,72705
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
0,3155881
|
0,576291
|
0,068606
|
1,879807
|
0,329309
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,7628214
|
0,381411
|
1,271369
|
0,127137
|
0
|
|
Объем ВВП, млн. грн.
|
0,1552953
|
0,120975
|
0,884591
|
0,730724
|
0,502815
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
0,0146241
|
0,794609
|
0,468624
|
0,696843
|
0,441583
|
|
Инвестиции, млн. грн.
|
0,0747854
|
0,159417
|
0,602708
|
0,84576
|
0,860032
|
|
Национальный доход, млн.
грн.
|
0,1641397
|
0,117315
|
0,904186
|
0,809091
|
0,332462
|
|
Потребление, млн. грн.
|
0,1967681
|
0,130912
|
0,788795
|
0,752031
|
0,592684
|
|
Материальные расходы, млн.
грн.
|
0,0235639
|
0,134873
|
0,474224
|
0,295014
|
2,274153
|
|
Накопление средств, млн.
грн.
|
0,0616018
|
0,129625
|
1,093582
|
1,040207
|
0,520655
|
|
Запас денежной массы у
населения, млн. грн.
|
0,173756
|
0,085258
|
0,468751
|
1,133028
|
0,555504
|
Исходя из проведенного анализа уровней ряда на аномальное значения ряда
методом Ирвина, следует сделать вывод, что данные значение превышают табличные,
следовательно, не наблюдается аномального уровня ряда и стоит перейти к
выявлению наличия тренда во временном ряду. Таким образом, можно переходить к
следующему шагу - определению наличия тренда во временном ряду.
Следующим шагом является определение наличия тренда в исходном временном
ряду. Он проводится методом проверки разности средних уровней. Для этого
разбиваем ряд на 2 одинаковых ряда: 2001-2004; 2005-2008 года. Затем, для
каждого ряда рассчитывается среднее значение (n1ср) и (n2ср) и дисперсия (у1) и
(у2), затем рассчитывается, критерий Фишера:
F=
Если
все полученные значения меньше табличных, то переходим к расчету критерия
Стьюдента.
t= 
Среднеквадратическое
отклонение вычисляется по формуле:
у
=
Полученные результаты отражены в таблице 1.3.
Таблица 1.3.Средние значение и дисперсия рядов
|
Показатели
|
n1ср
|
у1
|
n2ср
|
у2
|
|
Объем промышленного
производства, млн. грн.
|
77090,2
|
5096,429
|
207648,1
|
49560,2
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
844,3333
|
21,03172
|
928,3333
|
86,85812
|
|
Среднеучетная численность
занятых, млн. чел.
|
22,7
|
0,458258
|
21,36667
|
0,057735
|
|
Объем ВВП, млн. грн.
|
92492,33
|
10564,07
|
220015
|
47314,41
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
11045,67
|
9356,522
|
43678,9
|
11597,73
|
|
Инвестиции, млн. грн.
|
12652,67
|
1279,813
|
37276,33
|
13685,66
|
|
Национальный доход, млн.
грн.
|
91054
|
10072,14
|
211266
|
41829,31
|
|
Потребление, млн. грн.
|
74962
|
9286,894
|
167334,3
|
37945,49
|
|
Материальные расходы, млн.
грн.
|
1438,333
|
551,4357
|
8749,167
|
7977,042
|
|
Накопление средств, млн.
грн.
|
17964
|
1945,781
|
52260,33
|
10368
|
|
Запас денежной массы у
населения, млн. грн.
|
5777
|
1588,534
|
24117,33
|
10356,2
|
Таблица 1.4.F-критерий Фишера
|
Показатели
|
F-критерий
|
|
Объем промышленного
производства, млн. грн.
|
9,72449453
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
4,12986257
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,12598816
|
|
Объем ВВП, млн. грн.
|
4,47880634
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
1,23953394
|
|
Инвестиции, млн. грн.
|
10,6934838
|
|
Национальный доход, млн.
грн.
|
4,15297007
|
|
Потребление, млн. грн.
|
4,08591879
|
|
Материальные расходы, млн.
грн.
|
14,4659507
|
|
Накопление средств, млн.
грн.
|
5,32845245
|
|
Запас денежной массы у
населения, млн. грн.
|
6,51934118
|
Все показатели меньше 29, следовательно можно перейти к следующему
этапу-методу проверки разностей средних уровней Т-критерия Стьюдента.
Таблица 1.5.Т-критерия Стьюдента
|
Показатели
|
Т-критерия Стьюдента
|
|
Объем промышленного
производства, млн. грн.
|
3,383065523
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
1,213447193
|
|
Среднеучетная численность
занятых, млн. чел.
|
3,726779962
|
|
Объем ВВП, млн. грн.
|
3,395896338
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
2,827205572
|
|
Инвестиции, млн. грн.
|
2,312707227
|
|
Национальный доход, млн.
грн.
|
3,607053864
|
|
Потребление, млн. грн.
|
3,052627479
|
|
Материальные расходы, млн.
грн.
|
1,180359221
|
|
Накопление средств, млн.
грн.
|
4,197208324
|
|
Запас денежной массы у
населения, млн. грн.
|
2,259859096
|
Таким образом, все показатели,
кроме среднегодовой стоимости основных
фондов и материальных расходов, имеют значения выше 1,55. Это говорит о наличии
тренда - устойчивого изменения процесса в течение определенного времени.
Среднегодовая стоимость основных фондов составляет 1,21. Материальные расходы
составляют 1,18 - это говорит об отсутствии тренда и называется сезонным
колебанием.
. Формирование набора моделей
Экономические процессы имеют сложный характер изменения. Это обусловлено
большим количеством факторов, вовлеченных в экономическую систему.
Следовательно, выбор вида модели кривой описывающей данное явление, является
трудной задачей. Многолетние исследования в данной области показали, что
наиболее распространены в экономике кривые роста, которые позволяет описать
изменения большинства экономических процессов. Для выбора подходящей кривой
можно воспользоваться методом характеристик прироста:
. Ряд сглаживается методом простой скользящей средней.
. Затем вычисляются первые и вторые средние приросты:
. Вычисляются следующие показатели:
; 
;
;
Результаты
вычислений представлены в таблице 2.1.
Таблица 2.1.Формирование набора моделей
|
Показатель
|
год
|
у
|
Ut1
|
Ut2
|
Ut/yt
|
lgU
|
lgUt/yt
|
lgUt/yt2
|
|
Объем промышленного
производства, млн. грн.
|
2001
|
73321,1
|
|
|
|
|
|
|
|
2002
|
75060,8
|
4783,8
|
-8526,2
|
0,063732
|
3,679773
|
-1,19564
|
-6,07105
|
|
2003
|
82888,7
|
42847
|
5262,875
|
0,516922
|
4,63192
|
-0,28657
|
-5,20507
|
|
2005
|
160754,8
|
59899,4
|
|
0,372613
|
4,777422
|
-0,42874
|
-5,63491
|
|
2007
|
202687,5
|
49373,65
|
|
0,243595
|
4,693495
|
-0,61333
|
-5,92016
|
|
2008
|
259502,1
|
|
|
|
|
|
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
2001
|
843
|
|
|
|
|
|
|
|
2002
|
866
|
-9,5
|
-44,75
|
-0,01097
|
0,977724
|
-1,95979
|
-4,89731
|
|
2003
|
824
|
-18,5
|
-4,75
|
-0,02245
|
1,267172
|
-1,64876
|
-4,56468
|
|
2005
|
829
|
71
|
|
0,085645
|
1,851258
|
-1,0673
|
-3,98585
|
|
2007
|
966
|
80,5
|
|
0,083333
|
1,905796
|
-1,07918
|
-4,06416
|
|
2008
|
990
|
|
|
|
|
|
|
|
Среднеучетная численность
занятых, млн. чел.
|
2001
|
23,2
|
|
|
|
|
|
|
|
2002
|
22,6
|
-0,7
|
0,025
|
-0,03097
|
-0,1549
|
-1,50901
|
-2,86312
|
|
2003
|
21,8
|
-0,15
|
0,125
|
-0,00688
|
-0,82391
|
-3,50082
|
|
2005
|
22,3
|
-0,2
|
|
-0,00897
|
-0,69897
|
-2,04727
|
-3,39558
|
|
2007
|
21,4
|
-0,45
|
|
-0,02103
|
-0,34679
|
-1,6772
|
-3,00762
|
|
2008
|
21,4
|
|
|
|
|
|
|
|
Объем ВВП, млн. грн.
|
2001
|
81519
|
|
|
|
|
|
|
|
2002
|
93365
|
10537
|
-11628
|
0,112858
|
4,022717
|
-0,94747
|
-5,91765
|
|
2003
|
102593
|
38352,5
|
7280,5
|
0,373832
|
4,583794
|
-0,42732
|
-5,43844
|
|
2005
|
170070
|
61608,5
|
|
0,362254
|
4,789641
|
-0,44099
|
-5,67161
|
|
2007
|
225810
|
47047,5
|
|
0,20835
|
4,672537
|
-0,68121
|
-6,03495
|
|
2008
|
264165
|
|
|
|
|
|
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
2001
|
5496,6
|
|
|
|
|
|
|
|
2002
|
5792,1
|
8175,85
|
493,875
|
1,411552
|
3,912533
|
0,149697
|
-3,61314
|
|
2003
|
21848,3
|
12762,7
|
136,6
|
0,584151
|
4,105943
|
-0,23348
|
-4,57289
|
|
2005
|
31317,5
|
11774,95
|
|
0,375986
|
4,070959
|
-0,42483
|
-4,92062
|
|
2007
|
45398,2
|
11501,75
|
|
0,253353
|
4,060764
|
-0,59627
|
-5,25331
|
|
2008
|
54321
|
|
|
|
|
|
|
|
Инвестиции, млн. грн.
|
2001
|
12600
|
|
|
|
|
|
|
|
2002
|
11400
|
679
|
-2753,25
|
0,059561
|
2,83187
|
-1,22504
|
-5,28194
|
|
2003
|
13958
|
6114,5
|
-1032,25
|
0,438064
|
3,786361
|
-0,35846
|
-4,50329
|
|
2005
|
23629
|
11621
|
|
0,491811
|
4,065244
|
-0,3082
|
-4,68165
|
|
2007
|
37200
|
13685,5
|
|
0,36789
|
4,136261
|
-0,43428
|
-5,00483
|
|
2008
|
51000
|
|
|
|
|
|
|
|
Национальный доход, млн.
грн.
|
2001
|
80472
|
|
|
|
|
|
|
|
2002
|
92166
|
10026
|
-12321,3
|
0,108782
|
4,001128
|
-0,96344
|
-5,92801
|
|
2003
|
100524
|
36388
|
10183
|
0,361983
|
4,560958
|
-0,44131
|
-5,44358
|
|
2005
|
164942
|
61030,5
|
|
0,370012
|
4,785547
|
-0,43178
|
-5,64912
|
|
2007
|
222585
|
40664,5
|
|
0,182692
|
4,609215
|
-0,73828
|
-6,08578
|
|
2008
|
246271
|
|
|
|
|
|
|
|
Потребление, млн. грн.
|
2001
|
65119
|
|
|
|
|
|
|
|
2002
|
76198
|
9225
|
-8743
|
0,121066
|
3,964966
|
-0,91698
|
-5,79892
|
|
2003
|
83569
|
25892
|
2760,5
|
0,309828
|
4,413166
|
-0,50888
|
-5,43092
|
|
2005
|
127982
|
43378
|
|
0,338938
|
4,63727
|
-0,46988
|
-5,57703
|
|
2007
|
170325
|
37857
|
|
0,222263
|
4,578146
|
-0,65313
|
-5,88441
|
|
2008
|
203696
|
|
|
|
|
|
|
|
Материальные расходы, млн.
грн.
|
2001
|
1047
|
|
|
|
|
|
|
|
2002
|
1199
|
511
|
693,25
|
0,426188
|
2,708421
|
-0,3704
|
-3,44922
|
|
2003
|
2069
|
1964,5
|
-2902,63
|
0,949493
|
3,293252
|
-0,02251
|
-3,33827
|
|
2005
|
5128
|
578
|
|
0,112715
|
2,761928
|
-0,94802
|
-4,65797
|
|
2007
|
3225
|
6383,25
|
|
1,979302
|
3,805042
|
0,296512
|
-3,21202
|
|
2008
|
17894,5
|
|
|
|
|
|
|
|
Накопление средств, млн.
грн.
|
2001
|
16284
|
|
|
|
|
|
|
|
2002
|
17512
|
1906
|
-4538
|
0,10884
|
3,280123
|
-0,96321
|
-5,20655
|
|
2003
|
20096
|
12192
|
8044,75
|
0,606688
|
4,086075
|
-0,21703
|
-4,52014
|
|
2005
|
41896
|
21268
|
|
0,507638
|
4,327727
|
-0,29445
|
-4,91662
|
|
2007
|
62632
|
5178,5
|
|
0,082681
|
3,714204
|
-1,08259
|
-5,87939
|
|
2008
|
52253
|
|
|
|
|
|
|
|
Запас денежной массы у
населения, млн. грн.
|
2001
|
4041
|
|
|
|
|
|
|
|
2002
|
6132
|
1558,5
|
-3152,25
|
0,254159
|
3,192707
|
-0,5949
|
-4,3825
|
|
2003
|
7158
|
3333,5
|
-261
|
0,465703
|
3,5229
|
-0,33189
|
-4,18668
|
|
2005
|
12799
|
9638
|
|
0,753028
|
3,983987
|
-0,12319
|
-4,23037
|
|
2007
|
26434
|
10160
|
|
0,384353
|
4,006894
|
-0,41527
|
-4,83743
|
|
2008
|
33119
|
|
|
|
|
|
|
. Численное оценивание параметров моделей
После выбора нескольких кривых осуществляется численное оценивание
параметров модели (таблица 3.1.). Данный этап осуществляется с помощью
использования метода наименьших квадратов. Полученные численные значения
параметров модели оцениваются на их адекватность реальной ситуации. Данный шаг
может быть осуществлен с использованием "Мастера диаграмм" MS Exc.
Таблица 3.1.Численное оценивание параметров модели
|
Показатели
|
Уравнение Y
|
2004
|
2006
|
2009
|
|
x3
|
x2
|
x
|
c
|
|
|
|
|
Объем промышленного
производства, млн. грн.
|
-2536,5
|
33987
|
92121
|
13757
|
93135,22
|
178309,4
|
293321,7
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
0,1389
|
11,417
|
56,008
|
899
|
836,711
|
884,6192
|
1102,267
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,0315
|
-0,2484
|
0,0344
|
23,367
|
22,095
|
21,3102
|
21,7458
|
|
Объем ВВП, млн. грн.
|
-2627,7
|
33280
|
83750
|
137767
|
110856,6
|
195874,5
|
294781,9
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
-657,38
|
7531,7
|
-14603
|
12560
|
15020,08
|
39675,21
|
57159,87
|
|
Инвестиции, млн. грн.
|
4778,5
|
-14916
|
23266
|
14180,53
|
29473,25
|
64550,38
|
|
Национальный доход, млн.
грн.
|
-3163,1
|
37803
|
-95702
|
145252
|
106447,8
|
193054
|
262497,3
|
|
Потребление, млн. грн.
|
-1330,1
|
18455
|
-44451
|
94591
|
88172,97
|
146309,1
|
236744,1
|
|
Материальные расходы, млн.
грн.
|
535,37
|
-4523,2
|
11952
|
-7485,7
|
4410,5
|
2825,3
|
32297,3
|
|
Накопление средств, млн.
грн.
|
|
260,23
|
7807,1
|
3840,5
|
19755,64
|
54462,52
|
35102,08
|
|
Запас денежной массы у
населения, млн. грн.
|
-178,59
|
3186
|
-8781,8
|
10488
|
7031,448
|
18744,92
|
43667,56
|
Тренд - это установленная тенденция изменения показателя во времени.
Для каждого показателя из исходной таблицы строим 5 линий тренда:
) Линейная
) Логарифмическая
) Полиномиальная 2й степени
) Полиномиальная 3й степени
) Степенная
В первую очередь строим 5 графиков по исходным данным. Для графического
отображения изменения каждого показателя строятся графики. Для того чтобы
построить график по выбранному показателю выбираем меню ВСТАВКА-ДИАГРАММА. В
диалоговом окне "Мастер диаграмм" выбираем тип диаграммы, в данном
случае - график, вид - график с маркерами, помечающими точки данных. Далее
вводим в поле "диапазон" - диапазон значений того показателя, по
которому строим график. После этого заполняем параметры диаграммы.
Затем нажимаем правой кнопкой на получившийся график и выбираем
"добавить линию тренда". В появившимся диалоговом окне выбираем
поочередно тип линии тренда. Для настройки линии тренда и оценки достоверности
тренда следует воспользоваться закладкой "Параметры".
Для добавления полинома третьей степени следует выделить диаграмму,
выбрать "Диаграмма\Линия тренда" и повторить процедуру построения
линии тренда.
В появившемся окне выбираем необходимую линию тренда, ставим прогноз на 1
период вперед, и ставим галочки, чтобы отражались уравнение линии тренда и
коэффициент аппроксимации.
Та линия тренда, у которой будет самый высокий коэффициент аппроксимации,
будет использоваться для прогноза на 2009 год.
Наибольший коэффициент аппроксимации у полиномы 3й степени.
Для нахождения прогнозного значения объема промышленной продукции Украины
в уравнение полинома третьей степени необходимо подставить порядковый номер
периода, на который делается прогноз.
. Определение адекватности моделей
Осуществляется с помощью проверки следующих свойств случайных величин:
) Случайность;
) Соответствие нормальному закону распределения;
) Равенство математического ожидания нулю;
) Отсутствие автокорреляции.
Если хотя бы одно не выполняется, то модуль отвергается. Проверка
случайности отклонений направлена на проверку гипотезы о независимости
отклонений фактических значений от расчетных.
Критерий серий. Он основан на медиане выборки.
1. Ряд
отклонений 
расположен
в порядке возрастания.
. Далее
находят медиану полученного ряда.
. Исходную
последовательность сравнивают с полученным значением медианы.
. Если
исходное значение больше медианного, то ставят знак "+", иначе -
"-".
Серия - последовательность подряд идущих плюсов или минусов. Проделанные
результаты запишем в виде таблицы для каждого показателя отдельно.
Таблица 4.1.Критерий серий по каждому показателю
|
Показатель
|
год
|
у
|
y^
|
E
|
сорт
|
медиана
|
Серия
|
|
Объем промышленного
производства, млн. грн.
|
1
|
73321,1
|
137328,5
|
-64007,4
|
-91778,7
|
-45402,5
|
-
|
|
2
|
75060,8
|
313655
|
-238594
|
-48627,7
|
|
-
|
|
3
|
82888,7
|
527517,5
|
-444629
|
-47449,8
|
|
-
|
|
5
|
160755
|
1006975
|
-846220
|
-47398,2
|
|
-
|
|
7
|
202688
|
1453948
|
-1251260
|
-2281,4
|
|
-
|
|
8
|
259502
|
1627205
|
-1367703
|
973,7
|
|
-
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
1
|
843
|
966,5639
|
-123,564
|
-472,43
|
-222,781
|
+
|
|
2
|
866
|
1057,795
|
-191,795
|
-152,348
|
|
+
|
|
3
|
824
|
1173,527
|
-349,527
|
-92,9525
|
|
-
|
|
5
|
829
|
1481,828
|
-652,828
|
-32,8316
|
|
-
|
|
7
|
966
|
1898,132
|
-932,132
|
-10,1069
|
|
-
|
|
8
|
990
|
2148,869
|
-1158,87
|
26,8688
|
|
-
|
|
Среднеучетная численность
занятых, млн. чел.
|
1
|
23,2
|
23,1845
|
0,0155
|
-1,8106
|
-0,7146
|
+
|
|
2
|
22,6
|
22,6942
|
-0,0942
|
-0,6765
|
|
+
|
|
3
|
22,3
|
22,0851
|
0,2149
|
-0,0393
|
|
+
|
|
5
|
21,3
|
21,2665
|
0,0335
|
0,0415
|
|
+
|
|
7
|
21,4
|
22,2407
|
-0,8407
|
0,113
|
|
-
|
|
8
|
21,4
|
23,8726
|
-2,4726
|
0,3814
|
|
-
|
|
Объем ВВП, млн. грн.
|
1
|
81519
|
252169,3
|
-170650
|
-64415,1
|
-32235,9
|
-
|
|
2
|
93365
|
417365,4
|
-324000
|
-52932,5
|
|
-
|
|
3
|
102593
|
617589,1
|
-514996
|
-43709,8
|
|
-
|
|
5
|
170070
|
1060055
|
-889985
|
-25276,4
|
|
-
|
|
7
|
225810
|
1453436
|
-1227626
|
-495,6
|
|
-
|
|
8
|
264165
|
1592305
|
-1328140
|
-56,7
|
|
-
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
1
|
5496,6
|
4831,32
|
665,28
|
-14399,2
|
-2820,23
|
+
|
|
2
|
5792,1
|
8221,76
|
-2429,66
|
-9606,54
|
|
+
|
|
3
|
21848,3
|
18787,04
|
3061,26
|
-8285,62
|
|
+
|
|
5
|
31317,5
|
45665
|
-14347,5
|
-3783,84
|
|
-
|
|
7
|
45398,2
|
53910,96
|
-8512,76
|
1030,22
|
|
-
|
|
8
|
54321
|
41186,24
|
13134,76
|
8758,74
|
|
+
|
|
Инвестиции, млн. грн.
|
1
|
12600
|
12875,87
|
-275,87
|
-34208,6
|
-17042,4
|
+
|
|
2
|
11400
|
10526,96
|
873,04
|
-30346,9
|
|
+
|
|
3
|
13958
|
14703,49
|
-745,49
|
-12997,5
|
|
+
|
|
5
|
23629
|
36569,75
|
-12940,8
|
-7249,92
|
|
+
|
|
7
|
37200
|
66348,41
|
-29148,4
|
-609,64
|
|
-
|
|
8
|
51000
|
80415,44
|
-29415,4
|
123,82
|
|
-
|
|
Национальный доход, млн.
грн.
|
1
|
80472
|
84189,9
|
-3717,9
|
-51914,5
|
-10202,9
|
+
|
|
2
|
92166
|
79755,2
|
12410,8
|
-44631,4
|
|
+
|
|
3
|
100524
|
112969,3
|
-12445,3
|
-28979,3
|
|
-
|
|
5
|
164942
|
216429,5
|
-51487,5
|
-784,1
|
|
-
|
|
7
|
222585
|
242741,7
|
-20156,7
|
1510,2
|
|
-
|
|
8
|
246271
|
179520,8
|
66750,2
|
31508,8
|
|
+
|
|
Потребление, млн. грн.
|
1
|
67264,9
|
-2145,9
|
-66796,5
|
-33223,1
|
+
|
|
2
|
76198
|
68868,2
|
7329,8
|
-57914,6
|
|
+
|
|
3
|
83569
|
91420,3
|
-7851,3
|
-39727,5
|
|
+
|
|
5
|
127982
|
167448,5
|
-39466,5
|
-30751,1
|
|
-
|
|
7
|
170325
|
231504,7
|
-61179,7
|
-267,22
|
|
-
|
|
8
|
203696
|
239091,8
|
-35395,8
|
350,24
|
|
-
|
|
Материальные расходы, млн.
грн.
|
1
|
1047
|
478,47
|
568,53
|
-56776,7
|
-27924,5
|
+
|
|
2
|
1199
|
2608,46
|
-1409,46
|
-35426,7
|
|
+
|
|
3
|
2069
|
2116,49
|
-47,49
|
-2003,58
|
|
+
|
|
5
|
5128
|
6115,55
|
-987,55
|
-1010,2
|
|
+
|
|
7
|
3225
|
38173,41
|
-34948,4
|
728,24
|
|
-
|
|
8
|
17894,5
|
72754,94
|
-54860,4
|
927,66
|
|
-
|
|
Накопление средств, млн.
грн.
|
1
|
16284
|
11907,83
|
4376,17
|
-19593,1
|
-7608,68
|
+
|
|
2
|
17512
|
27143,12
|
-9631,12
|
-13054,5
|
|
-
|
|
3
|
20096
|
25763,37
|
-5667,37
|
-9075,05
|
|
+
|
|
5
|
41896
|
45541,25
|
-3645,25
|
-5365,1
|
|
+
|
|
7
|
62632
|
67400,97
|
-4768,97
|
-3057,85
|
|
+
|
|
8
|
52253
|
79111,52
|
-26858,5
|
4375,75
|
|
-
|
|
Запас денежной массы у
населения, млн. грн.
|
1
|
4041
|
4713,61
|
-672,61
|
-22817,7
|
-10963,4
|
+
|
|
2
|
6132
|
4239,68
|
1892,32
|
-18250,5
|
|
+
|
|
3
|
7158
|
7994,67
|
-836,67
|
-11146,8
|
|
+
|
|
5
|
12799
|
23905,25
|
-11106,3
|
-5941,41
|
|
-
|
|
7
|
26434
|
43873,03
|
-17439
|
-403,622
|
|
-
|
|
8
|
33119
|
52699,52
|
-19580,5
|
890,824
|
|
-
|
Выборка случайна, если выполняется неравенство:
Где К max - протяженность самой длинной серии- общее число серий.
Правые части обоих неравенств берутся в виде целого числа.
Для определения наличия случайности выборки проведем расчеты по
показателям.
Таблица 4.2.Протяженность и общее число серий
|
Показатели
|
длина серии
|
V
|
|
Объем промышленного
производства, млн. грн.
|
6
|
1
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
4
|
2
|
|
Среднеучетная численность
занятых, млн. чел.
|
4
|
2
|
|
Объем ВВП, млн. грн.
|
6
|
1
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
4
|
3
|
|
Инвестиции, млн. грн.
|
4
|
2
|
|
Национальный доход, млн.
грн.
|
3
|
3
|
|
Потребление, млн. грн.
|
3
|
2
|
|
Материальные расходы, млн.
грн.
|
4
|
2
|
|
Накопление средств, млн.
грн.
|
4
|
4
|
|
Запас денежной массы у
населения, млн. грн.
|
3
|
2
|
Исходя из исследуемых данных K max = 5,87; V = 1,3.
В данном случае все неравенства выполняются, поэтому гипотеза о
случайности отклонений принимается.
Проверка соответствия нормальному закону распределения. Осуществляется с
помощью показателей асимметрии и эксцесса.
Данные показатели рассчитываются по формуле:
Для каждого показателя асимметрия и эксцесс принимает следующие значения
(табл. 4.3)
Таблица 4.3.Расчет асимметрии и эксцессов
|
Показатель
|
А
|
уА
|
Е
|
уЕ
|
Вывод
|
|
Объем промышленного
производства, млн. грн.
|
-0,094110797
|
0,69007
|
-2,665135273
|
0,59684
|
Модель неадекватна
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
-0,102571089
|
|
-2,648291121
|
|
Модель неадекватна
|
|
Среднеучетная численность
занятых, млн. чел.
|
-0,145119921
|
|
-2,198985092
|
|
Модель неадекватна
|
|
Объем ВВП, млн. грн.
|
-0,090436808
|
|
-2,690733176
|
|
Модель неадекватна
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
-0,02135423
|
|
-2,643343982
|
|
Модель неадекватна
|
|
Инвестиции, млн. грн.
|
-0,106791476
|
|
-2,577654924
|
|
Модель неадекватна
|
|
Национальный доход, млн.
грн.
|
0,036764997
|
|
-2,557812215
|
|
Модель неадекватна
|
|
Потребление, млн. грн.
|
-0,102478808
|
|
-2,595076875
|
|
Модель неадекватна
|
|
Материальные расходы, млн.
грн.
|
-0,125706623
|
|
-2,411521091
|
|
Модель неадекватна
|
|
Накопление средств, млн.
грн.
|
-0,129818268
|
|
-2,323049954
|
|
Модель неадекватна
|
|
Запас денежной массы у
населения, млн. грн.
|
-0,101496169
|
|
-2,616738728
|
|
Модель неадекватна
|
Если одновременного выполняются следующие неравенства:
и 
,
то
гипотеза о распределении принимается.
Таким
образом, все рассматриваемые модели неадекватны, так как неравенства не
выполняются, и гипотеза о соответствии нормальному закону распределения не
принимается для всех показателей.
22. Оценка точности модели
Таблица 5.1.Оценка точности адекватности моделей
|
Показатель
|
уa
|
оц
|
ц2
|
R2
|
|
Объем промышленного
производства, млн. грн.
|
10236,13
|
51,8833%
|
0,018639
|
0,981361
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
22,70481
|
6,6002%
|
0,102783
|
0,897217
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,089728
|
2,8573%
|
0,013264
|
0,986736
|
|
Объем ВВП, млн. грн.
|
3844,614
|
44,3803%
|
0,002763
|
0,997237
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
1954,951
|
149,7821%
|
0,009487
|
0,990513
|
|
Инвестиции, млн. грн.
|
1043,403
|
60,3523%
|
0,004465
|
0,995535
|
|
Национальный доход, млн.
грн.
|
3108,298
|
42,8801%
|
0,002075
|
0,997925
|
|
Потребление, млн. грн.
|
2860,5
|
40,9883%
|
0,002761
|
0,997239
|
|
Материальные расходы, млн.
грн.
|
2592,871
|
157,6463%
|
0,167182
|
0,832818
|
|
Накопление средств, млн.
грн.
|
2648,83
|
57,1870%
|
0,019705
|
0,980295
|
|
Запас денежной массы у
населения, млн. грн.
|
754,0268
|
100,9910%
|
0,004113
|
0,995887
|
Коэффициент сходимости должен находиться в пределах [0;1]. По всем
показателям данный коэффициент входит в заданные пределы.
23. Получение точечного и интервального прогноза
Любой составленный прогноз на основании кривых роста может быть точечным
или интервальным.
Точечный прогноз - единица измерения прогнозируемого показателя. Для
получения данного прогноза необходимо в уравнение полученной кривой роста
подставить требуемый прогнозируемый период t, значение которого определяется
как t = n+1.
На практике наблюдается несоответствие прогнозных значений фактическим.
Поэтому широкое распространение получил интервальный метод прогнозирования, в
котором задаются верхние и нижние границы ожидаемых значений прогнозируемого
показателя.
Интервальный прогноз - показатель, который рассчитывается на основе
точечного, с указанием доверительного интервала.
Таблица 6.1.Арифметический и геометрический шаги показателей
|
Показатель
|
Шаг арифметической
прогрессии
|
Шаг геометрической
прогрессии
|
|
Объем промышленного
производства, млн. грн.
|
20363,55
|
1,197887
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
16,07813
|
1,023228
|
|
Среднеучетная численность
занятых, млн. чел.
|
-0,19688
|
0,988529
|
|
Объем ВВП, млн. грн.
|
19976,91
|
1,182892
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
5340,169
|
1,387154
|
|
Инвестиции, млн. грн.
|
4200
|
1,221076
|
|
Национальный доход, млн.
грн.
|
18134,27
|
1,173263
|
|
Потребление, млн. грн.
|
1,176938
|
|
Материальные расходы, млн.
грн.
|
1842,696
|
1,181233
|
|
Накопление средств, млн.
грн.
|
3934,109
|
1,18123
|
|
Запас денежной массы у
населения, млн. грн.
|
2782,855
|
1,350556
|
При расчете шага арифметической прогрессии использовалась следующая
формула:
При расчете шага геометрической прогрессии использовалась другая формула:
Используя значения шага, найдем прогнозируемое значение на 2009г. Для
определения того, насколько точно данный метод прогнозирования описывает наши
входные данные, посчитаем квадраты отклонений полученный значений от первоначальных,
и сравним две модели.
Таблица 6.2. Квадраты отклонений полученных значений от первоначальных
|
Показатель
|
Квадрат отклонения
арифметической прогрессии
|
Квадрат отклонения
геометрической прогрессии
|
|
Объем промышленного
производства, млн. грн.
|
105460165,6
|
194469576,5
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
162,5625
|
2,324768893
|
|
Среднеучетная численность
занятых, млн. чел.
|
0,2025
|
0,061669584
|
|
Объем ВВП, млн. грн.
|
53384942,25
|
6195511,611
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
10780058,89
|
38915677,34
|
|
Инвестиции, млн. грн.
|
17640000
|
20851722,47
|
|
Национальный доход, млн.
грн.
|
315549748,2
|
160852746,8
|
|
Потребление, млн. грн.
|
1621089,168
|
7551311,921
|
|
Материальные расходы, млн.
грн.
|
109361983,4
|
145008,7525
|
|
Накопление средств, млн.
грн.
|
375245326,6
|
338442593,3
|
|
Запас денежной массы у
населения, млн. грн.
|
10959834
|
3653899,776
|
|
Сумма отклонений
|
1000003311
|
771078050,9
|
Таким образом, сумма квадратов отклонений геометрической прогрессии
меньше суммы квадратов арифметической прогрессии на 228925260 единиц, из чего можно сделать вывод, что геометрическая
прогрессия точнее описывает данные показатели и, соответственно, лучше подходит
для прогнозирования будущих значений.
После проведенного прогноза можно рассчитать доверительный интервал, который
основывается на стандартной ошибке оценки прогнозируемого показателя (таблица
6.3.).
Для прямолинейного тренда
Таблица 6.3.Интервальный прогноз по каждому показателю
|
Показатель
|
год
|
y^
|
S
|
U-
|
U+
|
|
Объем промышленного
производства, млн. грн.
|
2004
|
105230,736
|
74975,39278
|
35065,24
|
175396,2
|
|
2006
|
180931,033
|
|
110765,5
|
251096,5
|
|
2009
|
311088,184
|
|
240922,7
|
381253,7
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
2004
|
882,223947
|
70,82019486
|
815,9471
|
948,5008
|
|
2006
|
944,5082228
|
|
878,2314
|
1010,785
|
|
2009
|
1011,189717
|
|
944,9129
|
1077,467
|
|
Среднеучетная численность
занятых, млн. чел.
|
2004
|
22,6924072
|
0,779102047
|
21,96329
|
23,42153
|
|
2006
|
21,9517649
|
|
21,22264
|
22,68089
|
|
2009
|
21,23529593
|
|
20,50618
|
21,96442
|
|
Объем ВВП, млн. грн.
|
2004
|
114084,9438
|
73145,1519
|
45632,28
|
182537,6
|
|
2006
|
188878,5181
|
|
120425,9
|
257331,2
|
|
2009
|
312706,4221
|
|
244253,8
|
381159,1
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
2004
|
10574,18869
|
20071,2595
|
-8209,44
|
29357,82
|
|
2006
|
28214,7651
|
|
9431,138
|
46998,39
|
|
2009
|
75284,54364
|
|
56500,92
|
94068,17
|
|
Инвестиции, млн. грн.
|
2004
|
18784,5966
|
15614,142
|
4172,149
|
33397,04
|
|
2006
|
34193,91792
|
|
19581,47
|
48806,37
|
|
2009
|
62243,76533
|
|
47631,32
|
76856,21
|
|
Национальный доход, млн.
грн.
|
2004
|
110723,7585
|
68242,6742
|
46859,06
|
174588,5
|
|
2006
|
178704,2395
|
|
114839,5
|
242568,9
|
|
2009
|
288422,3374
|
|
224557,6
|
352287
|
|
Потребление, млн. грн.
|
2004
|
90211,23915
|
54439,7915
|
39263,93
|
141158,6
|
|
2006
|
147092,3332
|
|
96145,02
|
198039,6
|
|
2009
|
239838,7905
|
|
188891,5
|
290786,1
|
|
Материальные расходы, млн.
грн.
|
2004
|
2355,75
|
6341,40909
|
-3578,84
|
8290,338
|
|
2006
|
7950,65625
|
|
2016,068
|
13885,24
|
|
2009
|
26833,46484
|
|
20898,88
|
32768,05
|
|
Накопление средств, млн.
грн.
|
2004
|
22712,28812
|
18869,58879
|
5053,241
|
40371,34
|
|
2006
|
37411,97038
|
|
19752,92
|
55071,02
|
|
2009
|
61625,47427
|
|
43966,43
|
79284,52
|
|
Запас денежной массы у
населения, млн. грн.
|
2004
|
7375,637241
|
11757,74895
|
-3627,82
|
18379,09
|
|
2006
|
18187,18965
|
|
7183,736
|
29190,64
|
|
2009
|
44846,81888
|
|
33843,37
|
55850,27
|
. Интерполяция и экстраполяция временных данных
Всесторонний анализ при выборе метода прогнозирования должен обеспечивать
упрощение процедуры принятия решения менеджером организацией. Выбранный метод
должен давать точный, своевременный и понятный прогноз, который поможет в
выборе наилучшего решения. Результат процесса прогнозирования должен приносить
прибыть, которая покроет все издержки на выполнение прогноза. Прогноз может
быть интерполяционным - процесс отыскания неизвестных уровней ряда внутри ряда
динамики и экстраполяционным - за его пределами. Для правильного выбора метода
прогнозирования необходимо рассчитать следующие показатели (таблица 7.1.).
Таблица 7.1.Показатели динамики
|
Показатель
|
Рост
|
|
цепной
|
базисный
|
|
Абсолютный прирост
|
Аi = DY=Yi-Yi-1
|
DY=Yi-Y1
|
|
Средний абсолютный прирост
|
|
|
Темп роста
|
T = Yi/Yi-1
|
Yi/Y1
|
|
Средний темп роста
|
|
|
Темп прироста
|
T ¢ = (DY/Yi-1)*100
|
(DY/Yi-1)*100%
|
|
Абсолютное содержание 1 %
прироста
|
Аi=Y i-1/100%
|
|
Показатели абсолютного прироста и темпа роста по каждому показателю
отдельно представлены в таблице ниже.
Таблица 7.2. Рассчитанные данные абсолютного прироста и темпа роста по
показателям
|
Показатель
|
год
|
у
|
Т роста
|
Прирост
|
Ср Т роста
|
Ср прирост
|
|
|
|
|
|
|
|
|
Объем промышленного
производства, млн. грн.
|
1
|
73321,1
|
|
|
1,1978874
|
26597,286
|
|
2
|
75060,8
|
1,023727
|
1739,7
|
|
|
|
3
|
107537
|
1,432663
|
32476
|
|
|
|
5
|
160755
|
1,494882
|
53218
|
|
|
|
7
|
202688
|
1,260849
|
41932,7
|
|
|
|
8
|
259502
|
1,280306
|
56814,6
|
|
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
1
|
843
|
|
|
1,0232282
|
21
|
|
2
|
866
|
1,027284
|
23
|
|
|
|
3
|
837
|
0,966513
|
-29
|
|
|
|
5
|
829
|
0,990442
|
-8
|
|
|
|
7
|
966
|
1,165259
|
137
|
|
|
|
8
|
990
|
1,024845
|
24
|
|
|
|
Среднеучетная численность
занятых, млн. чел.
|
1
|
23,2
|
|
|
0,988529
|
-0,257143
|
|
2
|
22,6
|
0,974138
|
-0,6
|
|
|
|
3
|
21,8
|
0,964602
|
-0,8
|
|
|
|
5
|
21,3
|
0,977064
|
-0,5
|
|
|
|
7
|
21,4
|
1,004695
|
0,1
|
|
|
|
8
|
21,4
|
1
|
0
|
|
|
|
Объем ВВП, млн. грн.
|
1
|
81519
|
|
|
1,1828923
|
26092,286
|
|
2
|
93365
|
1,145316
|
11846
|
|
|
|
3
|
130442
|
1,397119
|
37077
|
|
|
|
5
|
170070
|
39628
|
|
|
|
7
|
225810
|
1,327747
|
55740
|
|
|
|
8
|
264165
|
1,169855
|
38355
|
|
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
1
|
5496,6
|
|
|
1,3871544
|
6974,9143
|
|
2
|
5792,1
|
1,053761
|
295,5
|
|
|
|
3
|
25130,4
|
4,338737
|
19338,3
|
|
|
|
5
|
31317,5
|
1,2462
|
6187,1
|
|
|
|
7
|
45398,2
|
1,449611
|
14080,7
|
|
|
|
8
|
54321
|
1,196545
|
8922,8
|
|
|
|
Инвестиции, млн. грн.
|
1
|
12600
|
|
|
1,2210763
|
5485,7143
|
|
2
|
11400
|
0,904762
|
-1200
|
|
|
|
3
|
17552
|
1,539649
|
6152
|
|
|
|
5
|
23629
|
1,346228
|
6077
|
|
|
|
7
|
37200
|
1,574337
|
13571
|
|
|
|
8
|
51000
|
1,370968
|
13800
|
|
|
|
Национальный доход, млн.
грн.
|
1
|
80472
|
|
|
1,1732633
|
23685,571
|
|
2
|
92166
|
1,145318
|
11694
|
|
|
|
3
|
126934
|
1,377232
|
34768
|
|
|
|
5
|
164942
|
1,299431
|
38008
|
|
|
|
7
|
222585
|
1,349474
|
57643
|
|
|
|
8
|
246271
|
1,106413
|
23686
|
|
|
|
Потребление, млн. грн.
|
1
|
65119
|
|
|
1,1769379
|
19796,714
|
|
2
|
76198
|
1,170135
|
11079
|
|
|
|
3
|
100481
|
1,318683
|
24283
|
|
|
|
5
|
127982
|
1,273694
|
27501
|
|
|
|
7
|
170325
|
1,330851
|
42343
|
|
|
|
8
|
203696
|
1,195925
|
33371
|
|
|
|
Материальные расходы, млн.
грн.
|
1
|
1047
|
|
|
1,5000662
|
2406,7857
|
|
2
|
1199
|
1,145177
|
152
|
|
|
|
3
|
3508
|
2,925771
|
2309
|
|
|
|
5
|
5128
|
1,461802
|
1620
|
|
|
|
7
|
3225
|
0,6289
|
-1903
|
|
|
|
8
|
17894,5
|
5,548682
|
14669,5
|
|
|
|
Накопление средств, млн.
грн.
|
1
|
16284
|
|
|
1,1812334
|
5138,4286
|
|
2
|
17512
|
1,075411
|
1228
|
|
|
|
3
|
29354
|
1,676222
|
11842
|
|
|
|
5
|
41896
|
1,427267
|
12542
|
|
|
|
7
|
62632
|
1,49494
|
20736
|
|
|
|
8
|
52253
|
0,834286
|
-10379
|
|
|
|
Запас денежной массы у
населения, млн. грн.
|
1
|
4041
|
|
|
1,3505561
|
4154
|
|
2
|
6132
|
1,517446
|
2091
|
|
|
|
3
|
9583
|
1,562785
|
3451
|
|
|
|
5
|
12799
|
1,335594
|
3216
|
|
|
|
7
|
26434
|
2,065318
|
13635
|
|
|
|
8
|
33119
|
1,252894
|
6685
|
|
|
Ряд
можно представить как аналог арифметической прогрессии с разностью 
, и тогда любой уровень определяется следующим
образом:
Где
Yi - значение i-го уровня ряда;- значение первого уровня ряда;
-
средний абсолютный прирост или разность арифметической прогрессии.
Аналогично,
если приблизительно равны цепные темпы роста, то можно воспользоваться аналогом
геометрической прогрессии со знаменателем 
. Любой
уровень ряда при этом определяется следующем образом:
где
- средний темп роста (аналог знаменателя
геометрической прогрессии).
Расчетные
данные представлены в таблице 7.3.
Таблица
7.3.Показатели темпов роста и прироста
25.
Корреляционно-регрессионный анализ
Для проведения корреляционного анализа выбираем меню СЕРВИС-АНАЛИЗ
ДАННЫХ-КОРРЕЛЯЦИЯ. В появившемся диалоговом окне в поле "входной
интервал" заносим диапазон исходных данных, а в поле "выходной
интервал" указываем ячейку, в которой будет располагаться корреляционная
матрица и нажимаем "ОК". Коэффициент корреляции принимает значения от
(-1) до (+1). Чем ближе его значение к 1, тем сильнее связь между признаками.
Знак "минус" показывает на наличие отрицательной связи. Если у этой
матрицы будут преобладать значения коэффициентов очень близких к 1, то имеет
место мультикалениарная связь, которая отрицает наличие стохастической связи. В
таких случаях возникает необходимость в повторном анализе составляющих
факторов.
Следующий этап корреляционного анализа - моделирование связей между
факторными и результативными показателями и расчет регрессии. Регрессионный
анализ можно осуществить также с помощью пакета анализа. Для этого следует
выбрать СЕРВИС-АНАЛИЗ ДАННЫХ-РЕГРЕССИЯ. В диалоговом окне, которое появилось,
следует ввести диапазон, который указывает на зависимую переменную, а также на
независимые переменные (следует отметить, что необходимо ввести все независимые
переменные одновременно). Для оценки качества оцененных линейных регрессий
используем:
Коэффициент детерминации, который характеризует часть разброса зависимой
переменой (У);статистика проверяет нулевую гипотезу про то, что все
коэффициенты линейной регрессии равны нулю.статистика проверяет гипотезу про
равенство нулю каждого коэффициента уравнения.
С помощью анализа матрицы парных и частных коэффициентов корреляции,
можно сделать вывод о существовании связи между изучаемыми показателями.
Коэффициенты парной корреляции характеризуют тесноту связи между двумя
показателями в общем виде, это значит с учетом взаимосвязей факторов, которые
оказывают воздействие на результативный показатель. Эти коэффициенты
рассчитывается по следующей формуле:
где
xki - значение признака k в объекте i;
- среднее
значение по всем значениям признака k в объекте i;n - общее число признаков
(таблица 8.1.).
Коэффициент
корреляции принимает значения от (-1) до (+1). Чем ближе его значение к
единице, тем сильнее связь между признаками. Знак "минус" показывает
на наличие отрицательной связи. Если же в этой матрице будут преобладать
значения коэффициентов очень близких к 1, то имеет место мультиколлинеарная
связь, что отрицает наличие стохастической связи. В таких случаях возникает
необходимость в повторном анализе состава факторов.
Следующий
этап корреляционного анализа - моделирование связи между факторными и
результативными показателями и расчет уравнения связи (регрессии) (рис. 8.1.).
Адекватность
разных моделей фактическим зависимостям проверяется по различным критериям:
критерию Фишера, показателю средней ошибки аппроксимации и величине
множественного коэффициента детерминации, показателю Дарбина-Уотсона и т.д.
Для
моделирования связи между рассматриваемыми показателями можно воспользоваться
линейной функцией, которая имеет вид:
Y=A0+A1X1+A2X2+…+AnXn
где
Ai - коэффициенты уравнения;- независимые переменные.
Используя
данные точечных прогнозов, полученных с помощью прогрессии, найдем
прогнозируемые значения 2004, 2006 и 2009 года для объема производства с
помощью найденной линейной функции.
Таблица 8.2. Прогнозирование с помощью уравнения регрессии
|
Показатель
|
2004
|
2006
|
2009
|
Коэффициенты регрессии
|
|
Данные точечного прогноза
геометрической прогрессии
|
Объем промышленного
производства, млн. грн.
|
105230,74
|
180931,03
|
311088,18
|
-57296,03
|
|
Среднегодовая стоимость
основных фондов млрд. грн.
|
882,22
|
944,51
|
1011,19
|
0,00
|
|
Среднеучетная численность
занятых, млн. чел.
|
22,69
|
21,95
|
21,24
|
0,00
|
|
Объем ВВП, млн. грн.
|
114084,94
|
188878,52
|
312706,42
|
1,37
|
|
Налоговые нагрузки на ВВП,
млн. грн.
|
10574,19
|
28214,77
|
75284,54
|
-1,24
|
|
Инвестиции, млн. грн.
|
18784,60
|
34193,92
|
62243,77
|
3,48
|
|
Национальный доход, млн.
грн.
|
110723,76
|
178704,24
|
288422,34
|
0,00
|
|
Потребление, млн. грн.
|
90211,24
|
147092,33
|
239838,79
|
0,00
|
|
Материальные расходы, млн.
грн.
|
2355,75
|
7950,66
|
26833,46
|
0,00
|
|
Накопление средств, млн.
грн.
|
22712,29
|
37411,97
|
61625,47
|
0,06
|
|
Запас денежной массы у
населения, млн. грн.
|
7375,64
|
18187,19
|
44846,82
|
-4,82
|
|
Прогноз исходя из регрессии
|
Объем промышленного
производства, млн. грн.
|
117633,45
|
200977,39
|
283392,31
|
|
Таким образом, корреляционно-регрессионный анализ позволяет нам выявить
зависимость между исследуемыми показателями и, в дальнейшем, имея значения
части показателей мы сможем аналитически рассчитать вероятные значений
остальных исходя из данной зависимости.
. Методы социально-экономического прогнозирования
Кратко рассмотрим различные методы прогнозирования (предсказания,
экстраполяции), используемые в социально-экономической области. По вопросам
прогнозирования имеется большое число публикаций. Как часть эконометрики
существует научная и учебная дисциплина "Математические методы прогнозирования".
Ее целью является разработка, изучение и применение современных математических
методов эконометрического (в частности, статистического, экспертного,
комбинированного) прогнозирования социально-экономических явлений и процессов,
причем методы должны быть проработаны до уровня, позволяющего их использовать в
практической деятельности экономиста, инженера и менеджера. К основным задачам
этой дисциплины относятся разработка, изучение и применение современных
математико-статистических методов прогнозирования (в том числе
непараметрических методов наименьших квадратов с оцениванием точности прогноза,
адаптивных методов, методов авторегрессии и др.), развитие теории и практики
экспертных методов прогнозирования, в том числе методов анализа экспертных оценок
на основе статистики нечисловых данных, методов прогнозирования в условиях
риска и комбинированных методов прогнозирования с использованием совместно
экономико-математических и эконометрических (как статистических, так и
экспертных) моделей. Теоретической основой методов прогнозирования являются
математические дисциплины (прежде всего, теория вероятностей и математическая
статистика, дискретная математика, исследование операций), а также
экономическая теория, экономическая статистика, менеджмент, социология,
политология и другие социально-экономические науки.
Как общепринято со времен основоположника научного менеджмента Анри
Файоля, прогнозирование и планирование - основа работы менеджера. Сущность
эконометрического прогнозирования состоит в описании и анализе будущего
развития, в отличие от планирования, при котором директивным образом задается
будущее движение. Например, вывод прогнозиста может состоять в том, что за час
мы сможем отойти пешком от точки А не более чем на 5 км, а указание плановика -
в том, что через час необходимо быть в точке Б. Ясно, что если расстояние между
А и Б не более 5 км, то план реален (осуществим), а если более 10 км - не может
быть осуществлен в заданных условиях. Необходимо либо отказаться от нереального
плана, либо перейти на иные условия его реализации, например, двигаться не
пешком, а на автомашине. Рассмотренный пример демонстрирует возможности и
ограниченность методов прогнозирования. А именно, эти методы могут быть успешно
применены при условии некоторой стабильности развития ситуации и отказывают при
резких изменениях.
Один из вариантов применения методов прогнозирования - выявление
необходимости изменений путем "приведения к абсурду". Например, если
население Земли каждые 50 лет будет увеличиваться вдвое, то нетрудно подсчитать,
через сколько лет на каждый квадратный метр поверхности Земли будет приходиться
по 10000 человек. Из такого прогноза следует, что закономерности роста
численности населения должны измениться.
Учет нежелательных тенденций, выявленных при прогнозировании, позволяет
принять необходимые меры для их предупреждения, а тем самым помешать
осуществлению прогноза.
Есть и самоосуществляющиеся прогнозы. Например, если в вечерней
телевизионной передаче будет сделан прогноз о скором банкротстве определенного банка,
то наутро многие вкладчики этого банка пожелают получить свои деньги, у входа в
банк соберется толпа, а банковские операции придется остановить. Такую ситуацию
журналисты описывают словами: "Банк лопнул". Обычно для этого
достаточно, чтобы в один "прекрасный" (для банка) момент вкладчики
пожелали изъять заметную долю (скажем, 30%) средств с депозитных счетов.
Прогнозирование - частный вид моделирования как основы познания и
управления.
Роль прогнозирования в управлении страной, отраслью, регионом, предприятием
очевидна. Необходимы учет СТЭП-факторов (социальных, технологических,
экономических, политических), факторов конкурентного окружения и
научно-технического прогресса, а также прогнозирование расходов и доходов
предприятий и общества в целом (в соответствии с жизненным циклом продукции -
во времени и по 11-и стадиям международного стандарта ИСО 9004). Проблемы
внедрения и практического использования математических методов
эконометрического прогнозирования связаны прежде всего с отсутствием в нашей стране
достаточно обширного опыта подобных исследований, поскольку в течение
десятилетий планированию отдавался приоритет перед прогнозированием.
. Статистические методы прогнозирования
Простейшие методы восстановления используемых для прогнозирования зависимостей
исходят из заданного временного ряда, т.е. функции, определенной в конечном
числе точек на оси времени. Задачам анализа и прогноза временных рядов
посвящена глава 6 выше. Временной ряд при этом часто рассматривается в рамках
вероятностной модели, вводятся иные факторы (независимые переменные), помимо
времени, например, объем денежной массы (агрегат М2). Временной ряд может быть
многомерным, т.е. число откликов (зависимых переменных) может быть больше
одного. Основные решаемые задачи - интерполяция и экстраполяция. Метод
наименьших квадратов в простейшем случае (линейная функция от одного фактора)
был разработан К.Гауссом более двух столетий назад, в 1794-1795 гг. (см. главу
5). Могут оказаться полезными предварительные преобразования переменных.
Опыт прогнозирования индекса инфляции и стоимости потребительской корзины
накоплен в Институте высоких статистических технологий и эконометрики. При этом
оказалось полезным преобразование (логарифмирование) переменной - текущего
индекса инфляции. Характерно, что при стабильности условий точность
прогнозирования оказывалась достаточно удовлетворительной - 10-15%. Однако
спрогнозированное на осень 1996 г. значительное повышение уровня цен не
осуществилось. Дело в том, что руководство страны перешло к стратегии
сдерживания роста потребительских цен путем массовой невыплаты зарплаты и
пенсий. Условия изменились - и статистический прогноз оказался непригодным.
Влияние решений руководства Москвы проявилось также в том, что в ноябре 1995 г.
(перед парламентскими выборами) цены в Москве упали в среднем на 9,5%, хотя
обычно для ноября характерен более быстрый рост цен, чем в другие месяцы года,
кроме декабря и января.
Наиболее часто используется метод наименьших квадратов при нескольких
факторах (2-5). Метод наименьших модулей и другие методы экстраполяции
применяются реже, хотя их статистические свойства зачастую лучше. Большую роль
играет традиция и общий невысокий уровень знаний об эконометрических методах
прогнозирования.
Оценивание точности прогноза - необходимая часть процедуры
квалифицированного прогнозирования. При этом обычно используют
вероятностно-статистические модели восстановления зависимости, например, строят
наилучший прогноз по методу максимального правдоподобия. Разработаны
параметрические (обычно на основе модели нормальных ошибок) и непараметрические
оценки точности прогноза и доверительные границы для него (на основе
Центральной Предельной Теоремы теории вероятностей). Так, нами предложены и
изучены методы доверительного оценивания точки наложения (встречи) двух
временных рядов и их применения для оценки динамики технического уровня
собственной продукции и продукции конкурентов, представленной на мировом рынке.
Применяются также эвристические приемы, не основанные на какой-либо
теории: метод скользящих средних, метод экспоненциального сглаживания.
Адаптивные методы прогнозирования позволяют оперативно корректировать
прогнозы при появлении новых точек. Речь идет об адаптивных методах оценивания
параметров моделей и об адаптивных методах непараметрического оценивания.
Отметим, что с развитием вычислительных мощностей компьютеров проблема
сокращения объемов вычисления теряет свое значение.
Многомерная регрессия, в том числе с использованием непараметрических
оценок плотности распределения - основной на настоящий момент эконометрический
аппарат прогнозирования. Подчеркнем, что нереалистическое предположение о
нормальности погрешностей измерений и отклонений от линии (поверхности)
регрессии использовать не обязательно. Однако для отказа от предположения нормальности
необходимо опереться на иной математический аппарат, основанный на многомерной
центральной предельной теореме теории вероятностей и эконометрической
технологии линеаризации. Он позволяет проводить точечное и интервальное
оценивание параметров, проверять значимость их отличия от 0 в непараметрической
постановке, строить доверительные границы для прогноза.
Весьма важна проблема проверки адекватности модели, а также проблема
отбора факторов. Дело в том, что априорный список факторов, оказывающих влияние
на отклик, обычно весьма обширен, желательно его сократить, и крупное
направление современных эконометрических исследований посвящено методам отбора
"информативного множества признаков". Однако эта проблема пока еще
окончательно не решена. Проявляются необычные эффекты. Так, в главе 5
установлено, что обычно используемые оценки степени полинома имеют
геометрическое распределение. Перспективны непараметрические методы оценивания
плотности вероятности и их применения для восстановления регрессионной зависимости
произвольного вида. Наиболее общие постановки в этой области получены с помощью
подходов статистики нечисловых данных (см. главу 8).
К современным статистическим методам прогнозирования относятся также
модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических
уравнений, основанные как на параметрических, так и на непараметрических
подходах.
Для установления возможности применения асимптотических результатов при
конечных (т.н. "малых") объемах выборок полезны компьютерные
статистические технологии (см. главу 11). Они позволяют также строить различные
имитационные модели. Отметим полезность методов размножения данных
(бутстреп-методов). Системы прогнозирования с интенсивным использованием
компьютеров объединяют различные методы прогнозирования в рамках единого
автоматизированного рабочего места прогнозиста.
Прогнозирование на основе данных, имеющих нечисловую природу, в
частности, прогнозирование качественных признаков основано на результатах
статистики нечисловых данных (см. главу 8). Весьма перспективными для
прогнозирования представляются регрессионный анализ на основе интервальных
данных, включающий, в частности, определение и расчет нотны и рационального
объема выборки (см. главу 8), а также регрессионный анализ нечетких данных,
разработанный в монографии [10]. Общая постановка регрессионного анализа в
рамках статистики нечисловых данных и ее частные случаи - дисперсионный анализ
и дискриминантный анализ (распознавание образов с учителем), давая единый
подход к формально различным методам, полезна при программной реализации
современных статистических методов прогнозирования.
28. Экспертные методы прогнозирования
Необходимость и общее представление о применении экспертных методов
прогнозирования при принятии решений на различных уровнях управления - на
уровне страны, отрасли, региона, предприятия - вытекает из рассмотрений главы
12. Отметим большое практическое значение экспертиз при сравнении и выборе
инвестиционных и инновационных проектов, при управлении проектами,
экологических экспертиз. Роли лиц, принимающих решения (ЛПР), и специалистов
(экспертов) в процедурах принятия решений, критерии принятия решений и место
экспертных оценок в процедурах принятие решений рассмотрены выше. В качестве
примеров конкретных экспертных процедур, широко используемых при
прогнозировании, укажем метод Дельфи и метод сценариев. На их основе
формируются конкретные процедуры подготовки и принятия решений с использованием
методов экспертных оценок, например, процедуры распределения финансирования
научно-исследовательских работ (на основе балльных оценок или парных
сравнений), технико-экономического анализа, кабинетных маркетинговых
исследований (противопоставляемых "полевым" выборочным исследованиям
- см. главу 2), оценки, сравнения и выбора инвестиционных проектов.
В соотнесении с задачами прогнозирования напомним о некоторых аспектах
планирования и организации экспертного исследования. Должны быть сформированы
Рабочая группа и экспертная комиссия. Основные этапы проведения экспертного
исследования рассмотрены в главе 12. Весьма ответственными этапами являются
формирование целей экспертного исследования (сбор информации для ЛПР и/или
подготовка проекта решения для ЛПР и др.) и формирование состава экспертной
комиссии (методы списков (реестров), "снежного кома", самооценки,
взаимооценки) с предварительным решением проблемы априорных предпочтений
экспертов. Различные варианты организации экспертного исследования,
различающиеся по числу туров (один, несколько, не фиксировано), порядку
вовлечения экспертов (одновременно, последовательно), способу учета мнений (с
весами, без весов), организации общения экспертов (без общения, заочное, очное
с ограничениями ("мозговой штурм") или без ограничений) позволяют
учесть специфику конкретного экспертного исследования. Компьютерное обеспечение
деятельности экспертов и Рабочей группы, экономические вопросы проведения
экспертного исследования важны для успешного проведения экспертного
исследования.
Напомним, что экспертные оценки могут быть получены в различных
математических формах. Наиболее часто используются количественные или
качественные (порядковые, номинальные) признаки, бинарные отношения
(ранжировки, разбиения, толерантности), интервалы, нечеткие множества,
результаты парных сравнений, тексты и др. (см. главы 8 и 9) Основные понятия
(репрезентативной) теории измерений: основные типы шкал, допустимые
преобразования, адекватные выводы и др. - важны применительно к экспертному
оцениванию. Необходимо использовать средние величины, соответствующие основным
шкалам измерения. Применительно к различным видам рейтингов репрезентативная
теория измерений позволяет выяснить степень их адекватности прогностической
ситуации, предложить наиболее полезные для целей прогнозирования (см. главу 3).
Например, анализ рейтингов политиков по степени их влиятельности,
публиковавшийся одной из известных центральных газет, показал, что из-за
неадекватности используемого математического аппарата лишь первые 10 мест,
возможно, имеют некоторое отношение к реальности (они не меняются при переходе
к другому способу анализа данных, т.е. не зависят от субъективизма членов
Рабочей группы), остальные - "информационный шум", попытки опираться
на них при прогностическом анализе могут привести лишь к ошибкам. Что же
касается начального участка рейтинга этой газеты, то он также может быть
подвергнут сомнению, но по более глубоким причинам, например, связанным с
составом экспертной комиссии.
Основными процедурами обработки прогностических экспертных оценок
являются проверка согласованности, кластер-анализ и нахождение группового
мнения.
Проверка согласованности мнений экспертов, выраженных ранжировками,
проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена,
коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются
параметрические модели парных сравнений - Терстоуна, Бредли-Терри-Льюса - и
непараметрические модели теории люсианов (о люсианах см. главу 8). В главе 12
рассмотрена процедура согласования ранжировок и классификаций; построения
согласующих бинарных отношений по ГОГ - методу (т.е. методу
Горского-Орлова-Гриценко).
При отсутствии согласованности разбиение мнений экспертов на группы
сходных между собой проводят методом ближайшего соседа или другими методами
кластерного анализа (автоматического построения классификаций, распознавания
образов без учителя). Классификация люсианов осуществляется на основе
вероятностно-статистической модели.
Используют различные методы построения итогового мнения комиссии
экспертов.
Своей простотой выделяется метод средних рангов. Компьютерное моделирование
(см. работу [11]) позволило установить ряд свойств медианы Кемени, часто
рекомендуемой для использования в качестве итогового (обобщенного, среднего)
мнения комиссии экспертов. Интерпретация закона больших чисел для нечисловых
данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво,
т.е. мало меняется при изменении состава экспертной комиссии, и при росте числа
экспертов приближается к "истине".
При этом в соответствии с принятым в монографии [12] подходом
предполагается, что ответы экспертов можно рассматривать как результаты
измерений с ошибками, все они - независимые одинаково распределенные случайные
элементы, вероятность принятия определенного значения убывает по мере удаления
от некоторого центра - "истины", а общее число экспертов достаточно
велико.
. Проблемы применения методов прогнозирования в условиях риска
Многочисленны примеры ситуаций, связанных с социальными,
технологическими, экономическими, политическими, экологическими и другими
рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны
различные виды критериев, используемых в теории принятия решений в условиях
неопределенности (риска). Из-за противоречивости решений, получаемых по
различным критериям, очевидна необходимость применения оценок экспертов.
В конкретных задачах прогнозирования необходимо провести классификацию
рисков, поставить задачу оценивания конкретного риска, провести структуризацию
риска, в частности, построить деревья причин (ы другой терминологии, деревья
отказов) и деревья последствий (деревья событий). Центральной задачей является
построение групповых и обобщенных показателей, например, показателей
конкурентоспособности и качества. Риски необходимо учитывать при
прогнозировании экономических последствий принимаемых решений, поведения
потребителей и конкурентного окружения, внешнеэкономических условий и
макроэкономического развития России, экологического состояния окружающей среды,
безопасности технологий, экологической опасности промышленных и иных объектов.
Метод сценариев незаменим применительно к анализу технических, экономических и
социальных последствий аварий.
Имеется некоторая специфика применения методов прогнозирования в
ситуациях, связанных с риском. Велика роль функции потерь и методов ее
оценивания, в том числе в экономических терминах. В конкретных областях
используют вероятностный анализ безопасности (для атомной энергетики) и другие
специальные методы. Эконометрике риска посвящен ряд дальнейших разделов
настоящей главы.
. Современные компьютерные технологии прогнозирования
Перспективны интерактивные методы прогнозирования с использованием баз
эконометрических данных, имитационных (в том числе на основе применения метода
Монте-Карло, т.е. метода статистических испытаний) и экономико-математических
динамических моделей, сочетающих экспертные, статистические и моделирующие
блоки. Обратим внимание на сходство и различие методов экспертных оценок и
экспертных систем. Можно сказать, что экспертная система моделирует поведение
эксперта путем формализации его знаний по специальной технологии. Но интуицию
"живого эксперта" нельзя заложить в ЭВМ, а при формализации мнений
эксперта (фактически - при его допросе) наряду с уточнением одних его
представлений происходит и огрубление других. Другими словами, при использовании
экспертных оценок непосредственно обращаются к опыту и интуиции
высококвалифицированных специалистов, а при применении экспертных систем имеют
дело с компьютерными алгоритмами расчетов и выводов, при создании которых
когда-то давно привлекались эксперты как источник данных и типовых заключений.
Обратим внимание на возможность использования в прогнозировании
производственных функций, статистически описывающих связь выпуска с факторами
производства, на различные способы учета научно-технического прогресса, в
частности, на основе анализа трендов и с помощью экспертного выявления точек
роста. Примеры экономических прогнозов всех видов имеются в литературе. К
настоящему времени разработаны компьютерные системы и программные средства
комбинированных методов прогнозирования.
Одна из первых таких систем была создана в 70-е годы в ИМЭМО АН СССР под
руководством С.А. Петровского.
. Основные идеи технологии сценарных экспертных прогнозов
Как уже отмечалось в пункте 14.1, социально-экономическое
прогнозирование, как и любое прогнозирование вообще, может быть успешным лишь
при некоторой стабильности условий. Однако решения органов власти, отдельных
лиц, иные события меняют условия, и события развиваются по-иному, чем ранее
предполагалось. Объективно имеются точки выбора (фуркации), после которых
рассматриваемое прогнозистами развитие может пойти по одному из нескольких
возможных путей (эти пути и называют обычно сценариями). Выбор может делаться
на разных уровнях - конкретной личностью (перейти на другую работу или остаться),
менеджером (выпускать ту или иную марку продукции), конкурентами
(сотрудничество или борьба), властными структурами (выбор той или иной системы
налогообложения), населением страны (выбор президента), "международным
сообществом" (вводить или нет санкции против России).
Рассмотрим пример. Вполне очевидно, что после первого тура президентских
выборов 1996 г. о дальнейшем развитии социально-экономических событий можно
было говорить лишь в терминах сценариев: если победит Б.Н. Ельцин, то будет
то-то и то-то, если победит Г.А. Зюганов, то события пойдут так-то и так-то.
Например, работа [13] имела целью прогноз динамики валового внутреннего
продукта (ВВП) на 9 лет (1999-2007). При ее проведении было ясно, что за это
время произойдут различные политические события, в частности, по крайней мере
два цикла парламентских и президентских выборов (при условии сохранения
нынешней политической структуры), результаты которых нельзя предсказать
однозначно. Поэтому прогноз динамики ВВП мог быть сделан лишь по отдельности
для каждого сценария из некоторой гаммы, охватывающей возможные пути
социально-экономической динамики России.
Метод сценариев необходим не только в социально-экономической области.
Например, при разработке методологического, программного и информационного
обеспечения анализа риска химико-технологических проектов необходимо составить
детальный каталог сценариев аварий, связанных с утечками токсических химических
веществ. Каждый из таких сценариев описывает аварию своего типа, со своим
индивидуальным происхождением, развитием, техническими, экономическими и
социальными последствиями, возможностями предупреждения.
Таким образом, метод сценариев - это метод декомпозиции (разделения на
части) задачи прогнозирования, предусматривающий выделение набора отдельных вариантов
развития событий (сценариев), в совокупности охватывающих все возможные
варианты развития. При этом каждый отдельный сценарий должен допускать
возможность достаточно точного прогнозирования, а общее число сценариев должно
быть обозримо.
Возможность подобной декомпозиции не очевидна. При применении метода
сценариев необходимо осуществить два этапа исследования:
построение исчерпывающего, но обозримого набора сценариев;
прогнозирование в рамках каждого конкретного сценария с целью получения
ответов на интересующие исследователя вопросы.
Каждый из этих этапов лишь частично формализуем. Существенная часть
рассуждений проводится на качественном уровне, как это принято в
общественно-экономических и гуманитарных науках. Одна из причин заключается в
том, что стремление к излишней формализации и математизации приводит к
искусственному внесению определенности там, где ее нет по существу, либо к
использованию громоздкого математического аппарата. Так, рассуждения на
словесном уровне считаются доказательными в большинстве ситуаций принятия
решений, в то время как попытка уточнить смысл используемых слов с помощью,
например, теории нечетких множеств приводит к весьма громоздким математическим
моделям и расчетам.
Для построения исчерпывающего, но обозримого набора сценариев необходимо
предварительно проанализировать динамику социально-экономического развития
рассматриваемого экономического агента и его окружения. Корни будущего - в
настоящем и прошлом, причем зачастую - в весьма далеком прошлом. Кроме
макроэкономических и микроэкономических характеристик, известных лишь с
погрешностями, которые нельзя считать случайными или малыми, необходимо
учитывать состояние и динамику отечественного массового сознания, политических,
в то числе внешнеполитических реалий, поскольку на обычно рассматриваемом
интервале времени (до 10 лет) экономика зачастую следует за политикой, а не
наоборот.
Так, например, к началу 1985 г. экономика СССР находилась в достаточно
стабильном состоянии с ежегодным ростом в среднем 3-5%. Если бы руководство
страны находилось в руках иных людей, то развитие продолжалось бы в прежних
условиях и к концу тысячелетия ВВП СССР увеличился бы на 50% и составил бы
примерно 150% от уровня 1985 г. Реально же из-за политических причин ВВП России
за эти 15 лет упал примерно в 2 раза, т.е. составил около 50% по сравнению с
1985 г., или в 3 раза меньше, чем можно было бы ожидать из чисто экономических
причин при сохранении стабильных условий 1985 г.
Набор сценариев должен быть обозрим. Приходится исключать различные маловероятные
события - прилет инопланетян, падение астероида, массовые эпидемии ранее
неизвестных болезней, и т.д.
Само по себе создание набора сценариев - предмет экспертного
исследования, проводимого в соответствии с описанной выше методологией. Кроме
того, эксперты могут оценить вероятности реализации того или иного сценария.
Ясно, что эти оценки не являются надежными.
Часто используют упрощенный подход к прогнозированию методом сценариев. А
именно, формулируют три сценария - оптимистический, вероятный и пессимистический.
При этом для каждого из сценариев достаточно произвольно выбирают значения
параметров, описывающих производственно-экономическую ситуацию (по-английски - case). Цель такого подхода - рассчитать
интервалы разброса для характеристик и "коридоры" для временных
рядов, интересующих исследователя (и заказчика исследования). Например,
прогнозируют финансовый поток (по-английски - cash flow) и чистую текущую стоимость (по-английски - net present value или NPV)
инвестиционного проекта.
Ясно, что такой упрощенный подход не может дать максимального или
минимального значения характеристики, он дает лишь представление о порядке
количественной меры разброса. Однако его развитие приводит к байесовской
постановке в теории принятия решений. Например, если сценарий описывается
элементом конечномерного евклидова пространства, то любое вероятностное
распределение на множестве исходных параметров преобразуется в распределение
интересующих исследователя характеристик. Расчеты могут быть проведены с
помощью современных информационных технологий метода статистических испытаний.
Надо в соответствии с заданным распределением на множестве параметров выбирать
с помощью датчика псевдослучайных чисел конкретный вектор параметров и
рассчитывать для него итоговые характеристики. В результате получится
эмпирическое распределение на множестве итоговых характеристик, которое можно
разными способами анализировать, находить оценку математического ожидания,
разброса и др. Остается только неясным, как задавать распределение на множестве
параметров. Естественно, для этого можно использовать экспертов.
Прогнозирование в рамках каждого конкретного сценария с целью получения
ответов на интересующие исследователя вопросы также осуществляется в
соответствии с описанной выше методологией прогнозирования. При стабильных
условиях могут быть применены статистические методы прогнозирования временных
рядов. Однако этому обычно предшествует анализ с помощью экспертов, причем
зачастую прогнозирование на словесном уровне является достаточным (для получения
интересующих исследователя и ЛПР выводов) и не требующим количественного
уточнения.
Вопрос об использовании результатов прогнозирования относится не к
эконометрике, а к смежной науке - теории принятия решений. Как известно, при
принятии решений на основе анализа ситуации, в том числе результатов прогнозных
исследований, можно исходить из различных критериев. Так, можно ориентироваться
на то, что ситуация сложится наихудшим, или наилучшим, или средним (в
каком-либо смысле) образом. Можно попытаться наметить мероприятия,
обеспечивающие минимально допустимые полезные результаты при любом варианте
развития ситуации, и т.д.
Итак, рассмотрена концепция современной методики экспертного оценивания
методом сценариев. Она использовалась, например, для прогнозирования
социально-экономического развития России (см. работу [13]).
. Различные виды рисков
Будущее нам неизвестно. А потому неизвестны и будущие доходы и расходы,
мы можем лишь прогнозировать их с той или иной степенью уверенности. Как
описывать неопределенность будущего? Чем мы рискуем и что вообще понимать под
"риском"? Как отражается неопределенность будущего на финансовых
потоках (потоках платежей и поступлений), их характеристиках и выводах об
эффективности управляющих воздействий на те или иные экономические процессы и
других решениях? Как уменьшить возможные потери и защититься от рисков?
Для построения такой классификации необходимо какой-либо упорядочивающий
принцип. Возьмем за основу движение от частного к общему. Тогда естественно
выделить:
производственные риски, связанные непосредственно с деятельностью
предприятия;
коммерческие риски, вызванные неполной предсказуемостью динамики рынка,
т.е. действий потребителей и конкурентов;
финансовые риски, определяемые макроэкономической ситуацией;
риски, возникающие на уровне государства и Земли в целом.
Затем необходимо изучить степень их влияния на показатели эффективности
деятельности организации с целью выделения наиболее значимых.
После этого целесообразно провести изучение различных способов оценки
финансовых и иных рисков в случаях, когда они моделируются с помощью тех или
иных математических структур. В частности, распространено моделирование рисков
с помощью вероятностей и случайных величин. При этом используются такие
характеристики случайной величины, как математическое ожидание, дисперсия,
квантили, коэффициент вариации, линейные комбинации математического ожидания и
среднего квадратического отклонения и др. Подчеркнем, что эти характеристики
следует рассматривать в непараметрической постановке, поскольку нет никаких
оснований предполагать, что распределение характеристики риска входит в то или
иное из известных параметрических семейств.
Перспективной представляется разработка методов описания рисков с помощью
теории нечетких множеств, лингвистических переменных, качественных признаков,
интервальных математических и эконометрических моделей и др.
Существенно, что описание может быть многомерным. Например, каждая
координата может соответствовать своему виду воздействия (нарушения,
происшествия) и описываться количественным либо качественным признаком. Тогда
дополнительно возникает задача агрегирования (сведения вместе) показателей
риска. Для агрегирования могут быть использованы различные методы,
разработанные в теории оценки технического уровня и в теории экспертных оценок.
Следующий этап - разработка методологии применения различных методов
управления рисками с использованием экспертных оценок, современных методов
прогнозирования, эконометрических и экономико-математических моделей с целью
повышения эффективности деятельности организации в условиях риска. При этом
необходимо научиться практически решать проблему многокритериальности
(согласования оценок рисков, полученных по различным основаниям, с целью
эффективного управления риском).
К настоящему времени накоплена огромная литература по вопросам риска, как
общая, например, теория статистического риска, так и по отдельным вопросам - по
экологическим рискам, статистическим методам обеспечения качества, финансовым
рискам и др.
. Производственные риски
К ним можно прежде всего отнести риски, связанные с выпуском дефектной
продукции. Хорошо известно, что при массовом производстве невозможно обеспечить
выпуск продукции без дефектов. Поэтому действуют отделы технического контроля
(ОТК), службы (бюро) качества и другие подразделения, осуществляющие контроль
качества продукции. Известно, что в машиностроении стоимость контрольных
операций составляет в среднем около 10% от стоимости продукции. Часть риска
компенсируется службами технического обслуживания продукции, уже находящейся у
потребителя. Постоянно используемыми терминами в этой области являются
"риск поставщика" и "риск потребителя". Вопросам управления
качеством посвящена обширная литература (см. главу 13). Одна из важных групп
показателей качества - надежность.
Другой вид рисков связан с осуществлением действующих технологических
процессов. Речь идет об авариях различной степени тяжести, от незначительных
нарушений технологических процессов до катастроф с человеческими жертвами.
Здесь целесообразно обратить внимание на экологические риски, в частности,
связанные с аварийными сбросами в реки технологических жидкостей, выбросами в
атмосферу газов и взвешенных частиц и др. За подобные действия предприятия
обычно обязаны платить штрафы согласно предписаниям экологических органов.
Отметим риски, относящиеся к проектируемым продукции или технологическим
процессам. Они могут быть связаны с ошибками разработчиков или физической
невозможностью осуществления того или иного процесса. Так, в течение всей
второй половины ХХ века физики постоянно говорили о появлении в ближайшее время
неиссякаемого источника энергии на основе преобразования тяжелой воды с помощью
управляемого термоядерного синтеза. Эта пропаганда, несомненно, сдерживала
финансирование и развитие ресурсосберегающих технологий. Еще в начале ХХ в.
Д.И. Менделеев говорил, что сжигать нефть - это то же самое, что топить печь
ассигнациями. Тем не менее и сейчас нефть используют как топливо, разведанных
запасов остается все меньше. Излишний оптимизм физиков нам всем еще дорого
обойдется.
Среди производственных рисков есть и социальные, связанные с теми или
иными конфликтами. Здесь надо разделять конфликты между службами (отделами,
цехами), с которыми можно бороться, оптимизируя организационную структуру
предприятия; различного происхождения конфликты между менеджерами высшего
звена; конфликты между профсоюзами и администрацией по поводу заработной платы
или условий труда, и др. Современные методы управления персоналом позволяют
заранее спрогнозировать многие из таких конфликтов и предложить пути их
разрешения.
. Коммерческие риски
Речь идет о рисках, связанных с неопределенностью будущей рыночной
ситуации в стране. В частности, о будущих действий поставщиков в связи с
меняющимися предпочтениями потребителей. Напомним, например, о быстрых
изменениях на рынке вычислительной техники в связи с появлением персональных
компьютеров. Мода в той или иной степени отражается на поведении потребителей
во многих областях.
Весьма существенны риски, связанные с деятельностью партнеров организации
- участников экономической жизни (в том числе их законопослушностью как
налогоплательщиков), в частности, с их деловой активностью, финансовым
положением, отношением к соблюдению обязательств. Особенно надо отметить роль
конкурентного окружения, от действий которого зависит многое в судьбе
конкретного предприятия. В частности, важны информационные риски, связанные с
промышленным шпионажем и возможностями проникновения конкурентов в коммерческие
тайны и иного воздействия на внутренние дела организации, в частности, через
компьютерные сети типа Интернет.
К этому же типу можно отнести риски, связанные с социальными и
административными факторами в конкретных регионах, с взаимоотношениями
рассматриваемой организации с органами местной и региональной власти, как
официальными, так и криминальными.
35. Финансовые риски
Отметим прежде всего риски, связанные с колебаниями цен на товары и
услуги (динамикой инфляции), ставки рефинансирования Центрального банка, норм
банковских процентов по кредитам и депозитам, валютных курсов и других
макроэкономических показателей, в том числе котировок государственных и частных
(корпоративных) ценных бумаг. Часть этих рисков носит объективный, а часть -
число спекулятивный характер. К этому же разделу можно отнести риски, связанные
с нестабильностью законодательства и текущей экономической политики (т.е. с
деятельностью руководства страны, министерств и ведомств). Дополнительные
проблемы создает множественность нормативно-правовых актов, регулирующих
хозяйственно-экономическую деятельность организации (порядка 104, если считать
не только федеральные нормативно-правовые акты, но и нормативно-правовые акты
субъектов федерации, например, г. Москвы), зачастую противоречащих друг другу,
что вызывает необходимость в участии в работе организации юристов, в том числе
в судебных процессах.
. Риски, возникающие на уровне государства и Земли в целом
К этому типу отнесем риски, связанные с политической ситуацией в целом,
действиями партий, профсоюзов, экологических и других организаций в масштабе
страны. Типичным примером являются риски, связанные с заметным изменением курса
страны в результате тех или иных выборов. Другой пример - российский кризис,
начавшийся в августе 1998 г. и непосредственно вызванный решением трех
чиновников. Большое значения имеют риски, связанные с социальной борьбой
("рельсовая война", забастовки, массовые столкновения, терроризм, и
др.)…
Внешнеэкономические риски, например, связанные с динамикой цены на нефть,
крупномасштабными зарубежными финансовыми (в Юго-Восточной Азии) или военными
(Югославия) кризисами и т.д., могут оказать существенное воздействие на
рассматриваемую организацию (предприятие).
Большое число рисков связано с природными явлениями. Их можно объединить
под именем "экологические". К ним относятся, в частности, риски,
связанные с неопределенностью ряда природных явлений. Типичным примером
является погода, от которой зависят урожайность (а потому и цены на сельскохозяйственные
товары), расходы на отопление и уборку улиц, доходы от туризма и др. Обратим
внимание на риски, связанные с недостаточными знаниями о природе (например, нам
неизвестен точный объем полезных ископаемых в том или ином месторождении, а
потому мы не можем точно предсказать развитие добывающей промышленности и объем
налоговых поступлений от ее предприятий). Нельзя забывать о рисках
экологических бедствий и катастроф, типа ураганов, смерчей, землетрясений,
цунами, селей и др.
Каждый из перечисленных видов рисков может быть структуризован далее.
Так, имеются крупные развернутые разработки по анализу рисков технологических
аварий, в частности, на химических производствах и на атомных электростанциях
(соответствующая теория именуется ВАБ - вероятностный анализ безопасности).
Ясно, что аварии типа Чернобыльской существенно влияют на значения
СТЭП-факторов (принятое сокращение для комплекса социальных, технологических,
экономических и политических факторов, действующих на организацию) и тем самым
на поступления и выплаты из бюджета как на местном, так и на федеральном уровне
(что существенно, если "организация" - это муниципальный или
государственный орган власти или его подразделение типа налоговой инспекции).
. Подходы к учету неопределенности и описанию рисков
В настоящее время при компьютерном и математическом моделировании для
описания неопределенностей чаще всего используют такие математические средства,
как:
вероятностно-статистические методы,
методы статистики нечисловых данных, в том числе интервальной статистики
и интервальной математики, а также методы теории нечеткости,
методы теории конфликтов (теории игр).
Они применяются в имитационных, эконометрических,
экономико-математических моделях, реализованных обычно в виде программных
продуктов.
Некоторые виды неопределенностей связаны с безразличными к организации
силами - природными (погодные условия) или общественными (смена правительства).
Если явление достаточно часто повторяется, то его естественно описывать в
вероятностных терминах. Так, прогноз урожайности зерновых вполне естественно
вести в вероятностных терминах. Если событие единично, то вероятностное
описание вызывает внутренний протест, поскольку частотная интерпретация
вероятности невозможна. Так, для описания неопределенности, связанной с
исходами выборов или со сменой правительства, лучше использовать методы теории
нечеткости, в частности, интервальной математики (интервал - удобный частный
случай описания нечеткого множества). Наконец, если неопределенность связана с
активными действиями соперников или партнеров, целесообразно применять методы
анализа конфликтных ситуаций, т.е. методы теории игр, прежде всего
антагонистических игр, но иногда полезны и более новые методы кооперативных
игр, нацеленных на получение устойчивого компромисса.
. Подходы к оцениванию рисков
Понятие "риск", как уже отмечалось, многогранно. Например, при
использовании статистических методов управления качеством продукции риски - это
вероятности некоторых событий (в статистическом приемочном контроле риск
поставщика - это вероятность забракования партии продукции хорошего качества, а
риск потребителя - приемки "плохой" партии; при статистическом
регулировании процессов рассматривают риск незамеченной разладки и риск
излишней наладки). Тогда оценка риска - это оценка вероятности, точечная или
интервальная, по статистическим данных или экспертная. В таком случае для
управления риском задают ограничения на вероятности нежелательных событий.
Иногда под уменьшением риска понимают уменьшение дисперсии случайной величины,
поскольку при этом уменьшается неопределенность. В теории принятия решений риск
- это плата за принятие решения, отличного от оптимального, он обычно
выражается как математическое ожидание. В экономике плата измеряется обычно в
денежных единицах, т.е. в виде финансового потока (потока платежей и
поступлений) в условиях неопределенности.
Методы математического моделирования позволяют предложить и изучить
разнообразные методы оценки риска. Широко применяются два вида методов -
статистические, основанные на использовании эмпирических данных, и экспертные,
опирающиеся на мнения и интуицию специалистов.
Чтобы продемонстрировать сложность проблемы оценивания риска и различные
существующие подходы, рассмотрим простейший случай. Пусть неопределенность
носит вероятностный характер, а потери описываются случайной величиной (не
вектором и не процессом). Тогда минимизация риска может состоять:
) в минимизации математического ожидания (ожидаемых потерь),
) в минимизации квантиля распределения (например, медианы функции
распределения потерь или квантиля порядка 0,99, выше которого располагаются
большие потери, встречающиеся крайне редко - в 1 случае из 100),
) в минимизации дисперсии (т.е. показателя разброса возможных значений
потерь),
) в минимизации суммы математического ожидания и утроенного среднего
квадратического отклонения (на основе известного "правила трех
сигм"), или иной линейной комбинации математического ожидания и среднего
квадратического отклонения (используют в случае близости распределения потерь к
нормальному как комбинацию подходов, нацеленных на минимизацию средних потерь и
разброса возможных значений потерь),
) в максимизации математического ожидания функции полезности (в случае,
когда полезность денежной единицы меняется в зависимости от общей располагаемой
суммы, как предполагается в учебном пособии по микроэкономике [14], в
частности, когда необходимо исключить возможность разорения экономического
агента), и т.д.
Обсудим пять перечисленных постановок. Первая из них - минимизация
средних потерь - представляется вполне естественной, если все возможные потери
малы по сравнению с ресурсами предприятия. В противном случае первый подход
неразумен. Рассмотрим условный пример. У человека имеется 10000 рублей. Ему
предлагается подбросить монету. Если выпадает "орел", то он получает
50000 рублей. Если же выпадает "цифра", он должен уплатить 20000
рублей. Стоит ли данному человеку участвовать в описанном пари? Если подсчитать
математическое ожидание дохода, то, поскольку каждая сторона монеты имеет одну
и ту же вероятность выпасть, равную 0,5, оно равно 50000 х 0,5 + (-20000) х 0,5
= 15000. Казалось бы, пари весьма выгодно. Однако большинство людей на него не
пойдет, поскольку с вероятностью 0,5 они лишатся всего своего достояния и
останутся должны 10000 рублей, другими словами, разорятся. Здесь проявляется
психологическая оценка ценности рубля, зависящая от общей имеющейся суммы -
10000 рублей для человека с обычным доходом значит гораздо больше, чем те же
10000 руб. для миллиардера.
Второй подход нацелен как раз на минимизацию больших потерь, на защиту от
разорения. Другое его применение - исключение катастрофических аварий,
например, типа Чернобыльской. При втором подходе средние потери могут
увеличиться (по сравнению с первым), зато максимальные будут контролироваться.
Третий подход нацелен на минимизацию разброса окончательных результатов.
Средние потери при этом могут быть выше, чем при первом, но того, кто принимает
решение, это не волнует - ему нужна максимальная определенность будущего, пусть
даже ценой повышения потерь.
Четвертый подход сочетает в себе первый и третий, хотя и довольно
примитивным образом. Проблема ведь в том, что управление риском в
рассматриваемом случае - это по крайней мере двухкритериальная задача -
желательно средние потери снизить (другими словами, математическое ожидание
доходов повысить), и одновременно уменьшить показатель неопределенности -
дисперсию. Хорошо известны проблемы, возникающие при многокритериальной
оптимизации.
Наиболее продвинутый подход - пятый. Но для его применения необходимо построить
функцию полезности. Это - большая самостоятельная задача. Обычно ее решают с
помощью специально организованного эконометрического исследования.
Если неопределенность носит интервальный характер, т.е. описывается
интервалами, то естественно применить методы статистики интервальных данных
(как части интервальной математики), рассчитать минимальный и максимальный
возможный доходы и потери, и т.д.
Разработаны различные способы уменьшения экономических рисков, связанные
с выбором стратегий поведения, в частности, диверсификацией, страхованием и др.
Причем эти подходы относятся не только к отдельным организациям. Так,
применительно к системам налогообложения диверсификация означает использование
не одного, а системы налогов, чтобы нейтрализовать действия налогоплательщиков,
нацеленные на уменьшение своих налоговых платежей.
Однако динамика реальных экономических систем такова, что любые
формальные модели дают в лучшем случае только качественную картину.
Например, не существует математических моделей, позволяющих достаточно
точно спрогнозировать инфляцию вообще и даже реакцию экономики на одноразовое
решение типа либерализации цен.
. Необходимость применения экспертных оценок при оценке и управлении
рисками
Из сказанного выше вытекает, что разнообразные формальные методы оценки
рисков и управления ими во многих случаях (реально во всех нетривиальных
ситуациях) не могут дать однозначных рекомендаций. В конце процесса принятия
решения - всегда человек, менеджер, на котором лежит ответственность за
принятое решение.
Поэтому процедуры экспертного оценивания естественно применять не только
на конечном, но и на всех остальных этапах анализа рассматриваемого
организацией проекта, используя при этом весь арсенал теории и практики
экспертных оценок.
При этом нецелесообразно полностью отказываться от использования
формально-экономических методов, например, основанных на вычислении чистых
текущих (приведенных, дисконтированных) потерь и других характеристик.
Использование соответствующих программных продуктов полезно для принятия
обоснованных решений. Однако нельзя абсолютизировать формально-экономические
методы. На основные вопросы типа: достаточно ли высоки доходы, чтобы оправдать
риск, или: что лучше - быстро, но мало, или долго, но много - ответить могут
только менеджеры с помощью экспертов.
Поэтому система поддержки принятия решений в организации должна сочетать
формально-экономические и экспертные процедуры.
Разработка системы поддержки принятия решений в организации, нацеленной
на оценивание рисков и управление ими - не простое дело. Укажем несколько
проблем, связанных с подобной работой. Совершенно ясно, что система должна быть
насыщена конкретными численными данными об экономическом состоянии региона,
страны, возможно и мира в целом. Добыть такие данные нелегко, в частности,
потому, что сводки Российского статистического агентства (ранее - Госкомстата
РФ) искажены (подробнее о состоянии теории и практики статистики в России см.
главу 1 и статью [15]). В частности, мы занялись изучением инфляции именно
потому, что наши данные по этому показателю превышали данные Госкомстата РФ
примерно в 2 раза (см. главу 7). Зарубежные источники типа учебного пособия
[16] также содержат неточности. Так при составлении балансовых соотношений для
макроэкономических показателей по данным [16] выяснилось, что государство
должно иметь дополнительный источник доходов в несколько сотен миллиардов
долларов, а доходы бизнеса имеют излишек в 30 миллиардов долларов. Другими
словами, популярное учебное пособие [16] содержит данные, не согласующиеся друг
с другом. Ошибка ли это авторов или сознательная фальсификация с целью скрыть
от читателей характеристики американской экономики - не будем здесь обсуждать.
При решении рассматриваемых вопросов могут оказаться полезными известные
публикации по методам учета финансового риска [17, 18]. При использовании
широкого арсенала статистических методов необходимо учитывать особенности их
развития в России и СССР, наложившие свой отпечаток на современное состояние в
области кадров и литературных источников.
. Подходы к управлению рисками
Чтобы управлять, надо знать цель управления и иметь возможность влиять на
те характеристики риска, которые определяют степень достижения цели.
Обычно можно выделить множество допустимых управляющих воздействий,
описываемое с помощью соответствующего множества параметров управления. Тогда
указанная выше возможность влиять на те характеристики риска, которые
определяют степень достижения цели, формализуется как выбор значения
управляющего параметра. При этом управляющий параметр может быть числом,
вектором, быть элементом конечного множества или иметь более сложную
математическую природу.
Основная проблема - корректная формулировка цели управления рисками.
Поскольку существует целый спектр различных характеристик риска (например, если
потери от риска моделируются случайной величиной), то оптимизация управления
риском сводится к решению задачи многокритериальной оптимизации. Например,
естественной является задача одновременной минимизации среднего ущерба
(математического ожидания ущерба) и разброса ущерба (дисперсии ущерба).
Как известно, для любой многокритериальной задачи целесообразно
рассмотреть множество решений (т.е. значений параметра управления), оптимальных
по Парето. Эти решения оптимальны в том смысле, что не существует возможных
решений, которые бы превосходили бы Парето-оптимальные решения одновременно по
всем критериям. Точнее, превосходили бы хотя бы по одному критерию, а по
остальным были бы столь же хорошими. Теория Парето - оптимальных решений хорошо
развита (см., например, монографию [19]).
Ясно, что для практической реализации надо выбирать одно из Парето -
оптимальных решений. Как выбирать? Разработан целый спектр подходов, из которых
выбор может быть сделан только субъективным образом. Таким образом, снова возникает
необходимость применения методов экспертных оценок.
Эксперты могут выбирать непосредственно из множества Парето - оптимальных
решений, если оно состоит лишь из нескольких элементов. Или же они могут
выбирать ту или иную процедуру сведения многокритериальной задачи к
однокритериальной.
Как пытаются решать многокритериальные задачи? Один из подходов - выбрать
т.н. "главный критерий", по которому проводить оптимизацию, превратив
остальные критерии в ограничения. Например, минимизировать средний ущерб, потребовав,
чтобы дисперсия ущерба не превосходила заданной величины.
Иногда задача многокритериальной оптимизации допускает декомпозицию.
Найдя оптимальное значение для главного критерия, можно рассмотреть область
возможных значений для остальных критериев, выбрать из них второй по важности и
оптимизировать по нему, и т.д.
Что же делают эксперты? Они выбирают главный критерий (или упорядочивают
критерии по степени важности), задают численные значения ограничений, иногда
точность или время вычислений.
Второй основной подход - это свертка многих критериев в один интегральный
и переход к оптимизации по одному критерию. Например, рассматривают линейную
комбинацию критериев. Строго говоря, метод "главного критерия" - один
из вариантов свертки, в котором вес главного критерия равен 1, а веса остальных
- 0. Построение свертки, в частности, задание весов, целесообразно осуществлять
экспертными методами.
Используют также методы, основанные на соображениях устойчивости
(наиболее общий подход к изучению устойчивости рассмотрен в монографии [12]).
При этом рассматривают область значений управляющих параметров, в которых
значение оптимизируемого одномерного критерия (главного параметра или свертки)
отличается от оптимального не более чем на некоторую заданную малую величину.
Такая область может быть достаточно обширной. Например, если в линейном
программировании одна из граней многогранника, выделенного ограничениями, почти
параллельна плоскости равных значений оптимизируемого критерия, то вся эта
грань войдет в рассматриваемую область. В выделенной области можно провести
оптимизацию другого параметра, и т.д. При таком подходе эксперты выбирают
допустимое отклонение для основного критерия, выделяют второй критерий, задают
ограничения и т.д.
Отметим, что рассмотренные выше вероятностно-статистические подходы к
оцениванию рисков предполагают использование в качестве критериев таких
характеристик случайной величины, как математическое ожидание, медиана,
квантили, дисперсия и др. Эти характеристики определяются функцией распределения
случайного ущерба, соответствующего рассматриваемому риску. При практическом
использовании этого подхода перечисленные характеристики оцениваются по
статистическим данным. Они оцениваются по выборке, состоящей из наблюденных
величин ущерба. Согласно правилам главы 4 при этом необходимо вычислять
доверительные интервалы, содержащие оцениваемые теоретические характеристики с
заданной доверительной вероятностью. Таким образом, критерий, на использовании
которого основана оптимизация, всегда определен лишь с некоторой точностью, а
именно, лишь с точностью до полудлины доверительного интервала. Таким образом,
мы приходим к постановке, рассмотренной в предыдущем абзаце.
Необходимо обратить внимание на существенное изменение ситуации в области
вычислительной оптимизации за последние 40 лет. Если в 1960-е годы из-за
маломощности тогдашних компьютеров большое значение имела разработка быстрых
методов счета, то в настоящее время внимание переносится на постановки задач и
интерпретацию результатов. По нашим наблюдениям, это объясняется не только
наличием различных программных продуктов по оптимизации, но и тем, что почти
любую практическую задачу оптимизации можно решить простейшими методами типа
переборных (перебирая возможные значения управляющих параметров с маленьким
шагом), либо методом случайного поиска, поскольку быстродействие современных
компьютеров позволяет это сделать.
Используемая литература
1. Бестужев-Лада
И.В. Окно в будущее: Современные проблемы социального прогнозирования. - М.:
Мысль, 1970. - 269 с.
. Гаврилец
Ю.Н. Социально-экономическое планирование: Системы и модели. - М.: Экономика,
1974. - 174 с.
. Загоруйко
Н.Г. Эмпирическое предсказание. - Новосибирск: Наука, 1979. - 124 с.
. Нейлор
Т. Машинные имитационные эксперименты с моделями экономических систем. - М.:
Мир, 1975.
. Сидельников
Ю.В. Теория и организация экспертного прогнозирования. - М.: ИМЭМО АН СССР,
1990. - 196 с.
. Тейл
Г. Эконометрические прогнозы и принятие решений. - М.: Статистика, 1971. - 488
с.
. Френкель
А.А. Математические методы анализа динамики и прогнозирования
производительности труда. - М.: Экономика, 1972. - 190 с.
. Четыркин
Е.М. Статистические методы прогнозирования. - М.: Статистика, 1977.
. Янч
Э. Прогнозирование научно-технического прогресса. - М.: Прогресс, 1990. - 568
с.
. Орлов
А.И. Задачи оптимизации и нечеткие переменные. - М.: Знание, 1980. - 64 с.
. Жихарев
В.Н., Орлов А.И. Законы больших чисел и состоятельность статистических оценок в
пространствах произвольной природы. - В сб.: Статистические методы оценивания и
проверки гипотез. Межвузовский сборник научных трудов. - Пермь: 1998. С. 65-84.
. Орлов
А.И. Устойчивость в социально-экономических моделях. - М.: Наука, 1979. - 296
с.
. Орлов
А.И. Сценарии социально-экономического развития России до 2007 г. - Журнал
"Обозреватель-Observer". 1999. No.10 (117). С. 47-50.
. Пиндайк
Р., Рубинфельд Д. Микроэкономика. - М.: "Экономика" -
"Дело", 1992.
. Орлов
А.И. О перестройке статистической науки и ее применений - Вестник статистики,
1990, №1, с. 65-71.
. Макконнелл
К.Р., Брю С.Л. Экономикс: Принципы, проблемы и политика. В 2 т.: Пер. с англ.
11-го изд. - М.: Республика, 1992.
. Первозванский
А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. - М.: Инфра-М, 1994.
. Четыркин
Е.М. Методы экономических расчетов. - М.: Гамма, 1992.
. Подиновский
В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. - М.:
Наука, 1982.
. Жданов
С.А. Экономические модели и методы в управлении. - М.: Дело и сервис, 2009.
. Замков
О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике. -
М.: ДИС, 2007.
. Маленков,
Ю.А. Проблемы развития стратегического управления в России // Вестник
С-Петербургского университета, серия 5. Выпуск 1. - 2007.
. Экономико-математические
методы и прикладные модели: / Под ред. В.В. Федосеева. - М.: ЮНИТИ, 2009.
. Александров
И.А., Половян Н.С. Прогнозирование: учебное пособие. Александров И.А. - Донецк,
ДонНУ, 2007. - 176 с.
. Арефьева
Н.Т. Прогнозирование и его социокультурные цели [учебное пособие] [электронный]
Н.Т. Арефьева. - "Знание. Понимание. Умение". - 2010. - №4 -
Культурология.
. Сафронова
В.М. Прогнозирование и моделирование в социальной работе: [Учеб. пособие для
студ. высш. учеб. заведений.] / [Сафронова В.М.]. - М., Издательский центр
"Академия", 2002. - 192 с.
. Конспект
лекций