CC BY
52
УДК 330.33: 519.866.2: 519.862.6 ФАКТОР СЕЗОННОСТИ В ЦЕНООБРАЗОВАНИИ НА РЕГИОНАЛЬНОМ РЫНКЕ ЗЕРНА
© 2016
Генералов Иван Георгиевич, преподаватель кафедры «Экономика и автоматизация
бизнес-процессов», аспирант Суслов Сергей Александрович, кандидат экономических наук, доцент кафедры «Экономика и автоматизация бизнес-процессов» Нижегородский государственный инженерно-экономический университет, Княгинино (Россия)
Аннотация. Развитие электронно-вычислительных машин, появление персональных компьютеров во второй половине XX века позволили значительно упростить множество сложных и трудоемких математических операций, используемых при анализе экономической информации. Технический прогресс привел к развитию совершенно новых методов инновационных методов анализа данных. В это время в западных странах стали появляться первые работы, посвященные исследованию временных рядов. Особый вклад в развитии теории временных рядов принесли такие видные ученые 70-х-90-х гг., как Дж. Бокс, Г. Дженкинс, Д. Ватте, Т. Андерсон, Б. Болч, К. Гренджер, Д. Бриллинджер и многие другие. Среди отечественных ученых особо следует отметить научные труды Н. Д. Кондратьева, изучавшего большие циклы конъюнктуры. В эти годы получили особое развитие такие методы анализа временных рядов, как скользящее среднее, экспоненциальное сглаживание, сингулярный спектральный анализ, сезонные разностные операторы, периодограммы и автокорреляции процессов, гармонический анализ Фурье и др. Сельскохозяйственные рынки - в настоящее время имеют не совсем стабильную ценовую конъюнктуру, что вызвано спецификой производимой продукции и высокой зависимостью производства от погодных условий, а также природно-географических особенностей той или иной местности. В связи с этим прогнозирование изменений цены реализации продукции, а также цен на производственные ресурсы принимает весьма важное значение. При изучении ценообразования на рынке зерна авторами было использовано несколько современных методик, позволивших устранить влияние сезонных и циклических компонентов, устранить автокоррелированность и зашумленность во временном ряду.
Ключевые слова: автокорреляция процесса, временной ряд, гармонический анализ Фурье, зерно, сингулярный спектральный анализ, сезонные разностные операторы, сезонность, ценообразование, экономический цикл, экспоненциальное сглаживание.
SEASONALITY FACTOR IN PRICING IN THE REGIONAL MARKET OF GRAIN
© 2016
Generalov Ivan Georgievich, lecturer of the chair « Economics and automation of business processes», postgraduate student Suslov Sergey Alexandrovich, the candidate of economic sciences, the associate professor of the chair «Economics and automation of business processes» Nizhniy Novgorod state engineering-economic university, Knyaginino (Russia)
Abstract. Development of electronic computers, emergence of personal computers in the second half of the 20th century allowed to simplify considerably a set of the difficult and labor-consuming mathematical operations used in the analysis of economic information. Technical progress led to development of absolutely new methods of innovative methods of the analysis of data. At this time in the western countries the first works devoted to research of temporary ranks began to appear. The special contribution in development of the theory of temporary ranks was brought by such visible scientific 70-h-90-h as J. Box, G. Jenkins, D. Vatte, T. Anderson, B. Bolch, K. Grendzher, D. Brillindzher and many others. Among domestic scientists especially it should be noted scientific works of N. D. Kondratyev studying big cycles of an environment. These years such methods of the analysis of temporary ranks as the sliding average, exponential smoothing, the singular spectral analysis, seasonal differential operators, periodogramma and autocorrelations of processes, the harmonious analysis of Fourier, etc. gained special development. The agricultural markets - have now not absolutely stable price environment that is caused by specifics of the made production and high dependence of production on weather conditions, and also natural and geographical features of this or that district. In this regard forecasting of the changes in price of product sales, and also the prices of productive resources accepts very importance. When studying pricing in the market of grain by authors it was used several modern techniques which allowed to eliminate influence of seasonal and cyclic components, to eliminate autocorrelation and existence of noise in a temporary row.
Keywords: autocorrelation of process, time number, harmonious analysis of Fourier, grain, singular spectral analysis, seasonal differential operators, seasonality, pricing, economic cycle, exponential smoothing.
Введение.
Мировой финансовый и экономический кризис отодвинул на второй план продовольственный кризис, который охватил 32 государства Азии, Африки и Латинской Америки, обострил и без того сложную ситуацию с обеспечением населения продовольствием, в первую очередь в развивающихся и бедных странах, традиционно зависящих от внешних поставок и гуманитарной помощи. Продовольственный кризис вызван, главным образом, ростом цен, которые за последние 30 лет достигли высокого уровня, и дефицитом товаров [1, с. 212].
В. В. Путин на одном из заседаний Государственной Думы РФ обозначил, что обеспечение устойчивой работы отечественного продовольственного рынка, застраховав его резких ценовых колебаний в мире - приоритетная задача для государства [2, с. 3-4]. В то же время, цены на зерно растут. Ничего здесь необычного тоже нет: как урожай меньше, так цены подрастают; урожай
большой - цены падают. Во втором случае сразу начинаются проблемы с сельхозпроизводителями, которые стремятся удержать эти цены. Здесь всегда нужно находить золотую середину, баланс нужно находить. И для этого выработаны определенные механизмы. В последние годы мы с вами достаточно эффективно эти механизмы использовали [3, с. 5].
В современном агропромышленном комплексе нет четкого и ограничивающего процесса ценообразования. Соответственно организации стремятся закупить сырье по минимальной стоимости. Регионы пытаются ввести ценовое регулирование и ограничить рост цен на продовольствие, что наносит серьезный урон сельскохозяйственному производству [4, с. 5].
Одной из важных отличительных отраслевых особенностей сельского хозяйства является то, что технологический цикл производства имеет длительный характер, в результате чего получить конкретные данные о хозяй-
ственной деятельности можно только уже после окончания календарного года. Это, несомненно, оказывает влияние на качество выводов по результатам хозяйственной деятельности. Так, например, вкладывая денежные средства в одном году, организация получит прибыль уже в другом. В итоге появляется значительный временной лаг. Наиболее заметно это явление в зерновом хозяйстве (в частности озимые культуры): сельскохозяйственные организации изыскивают значительные денежные средства на посадку, беря кредит, продают собранное зерно по низким ценам и закупают ресурсы по высоким.
Материалы и методы.
В отечественной теории статистики, как правило, используют такие понятия как «динамический ряд», «ряд динамики», однако в зарубежной классической статистики в большей степени распространено понятие «временной ряд».
Сезонность производства присуща многим отраслям народного хозяйства, но в сельском хозяйстве свойства сезонности производства проявляются в полную силу и, тем самым, она является следствием сезонности в некоторых перерабатывающих отраслях промышленности
[5].
Современный этап социально-экономического развития страны выдвигает на первый план задачу оценки состояния и перспектив развития субъектов рыночных отношений на различных иерархических уровнях управления с целью выбора оптимальных управленческих, организационно-правовых и производственно-хозяйственных решений, направленных на повышение эффективности и деловой активности их функционирования и взаимодействия как в границах внутренней, так и внешней среды [6, с. 4].
Основной задачей, решаемой при проведении любого статистического исследования, является определение объективных закономерностей развития социально-экономических явлений и процессов на основе анализа динамической информации. Статистические модели, построенные на основе временных рядов социально-экономических показателей, позволяют применять ма-тематико-статистические методы для описания закономерностей развития объектов экономики как в прошлом, так и в будущем [6, с. 6].
Результаты.
С развитием теории и вычислительной техники при моделировании экономических рядов изменился смысл оценки тренда: ранее ставилась задача с помощью модели тренда описать максимальную долю изменений процесса (максимизировать долю объясненной дисперсии). Полиномы степени п не строились, так как это означало бы полное воспроизведение динамики случайного процесса, но все же зачастую степень полинома выбиралась достаточно высокая, и уже после третьей степени не поддавалась никакой практической интерпретации, что лишало полученное решение смысла. Развитие теории временных рядов для стационарных в широком смысле процессов изменило задачу оценки тренда: стало возможным строить модель тренда, которая минимально фильтрует процесс и обеспечивает выполнение условия стационарности остатков в широком смысле. Удаление такого тренда позволяет оценить динамику компоненты, дополняющей тренд и получить не только обоснованные решения, но и возможность выстроить гипотезы о причинном характере изменений в динамике изучаемого процесса [7, с. 11-12].
Основные компоненты могут воздействовать на величину уровней временного ряда по-разному:
Таблица 1 -Компоненты, воздействующие на величину характеристики
Характеристика компонента Вид формулы
если факторы, образующие эти компоненты, мультипликативные, то значения уровней временных рядов являются произведением этих компонентов У, = Т.С.С
факторы аддитивные, то значения уровнен временных рядов являются суммой компонентов у. = г + С +
если факторы временного ряда выражены комбинированно, то значения уровней являются или произведением, или суммой компонентов Уг = 1-с + Е
Планирование продаж сезонных товаров представляет особенно важную и сложную задачу, так как предполагает выборку номенклатурных позиций, продажи которых носят сезонный характер, оценку периодичности продаж и графика распределения продаж по периодам [8, с. 192].
Важнейшим условием правильного формирования временных рядов является сопоставимость уровней, образующих ряд. Уровни ряда, подлежащие изучению, должны быть однородны по экономическому содержанию и учитывать существо изучаемого явления и цель исследования [9, с. 8].
Таблица 1 - Определение центральной тенденции в ценах зерновых и зернобобовых, руб/т
Показатель Абсолютное значение
Среднее 4159,822965
Стандартная ошибка 150,6110396
Медиана 3516,72
Стандартное отклонение 2124,630171
Дисперсия выборки 4514053,364
Эксцесс 0,191925569
Асимметричность 0,833309537
Интервал 10510,21
Минимум 714,34
Максимум 11224,55
Сумма 827804,77
Счет 199
Центральная тенденция в ценах зерновых и зернобобовых Нижегородской области характеризуется левосторонним характером асимметричности и положительным эксцессом, что подтверждает присутствие нормального распределения. Высокие значения дисперсии выборки и стандартного отклонения подтверждают высокий уровень отклонения от среднего значения цен реализации зерновых и зернобобовых культур.
Среди методов экономико-математического моделирования широкое применение получил метод экспоненциального сглаживания для прогнозирования показателей. Сущность метода экспоненциального сглаживания заключается в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в которой веса подчиняются экспоненциальному закону. Взвешенная скользящая средняя с экспоненциально распределенными весами характеризует значение процесса на конце интервала сглаживания, то есть является средней характеристикой последних уровней ряда. Именно это свойство и используется для прогнозирования. Основные достоинства метода состоят в возможности учета весов исходной информации, в простоте вычислительных операций, в гибкости описания динамики различных процессов. Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Наибольшее применение метод нашел для реализации среднесрочных прогнозов [10, с. 364-369].
Таблица 2 - Автокорреляция процесса
Показатель Абсолютное значение
Среднее 4159,82296
Дисперсия 4514053,36
Дисперсия корреляции -0,00251256
Обозначения в таблице и на графике
Ряд 1 Коррелограмма
Ряд 2 Нижний интервал доверительной трубки
Ряд 3 Верхний интервал доверительной трубки
Прогноз по методу экспоненциального сглаживания подтверждает близящийся рост цен на зерновые и зернобобовые культуры в регионе. Тем не менее, данный прогноз полезно применять на краткосрочный период АНИ: экономика и управление. 2016. Т. 5. № 2(15)
времени, а на долгосрочную перспективу он практически не применим, т. к. высока вероятность значительных ошибок прогноза.
данных ряда и высокой точности прогноза по данному методу.
Амплитуда
"Фактический
Рисунок 1 - Экспоненциальное сглаживание
Для определения периодической составляющая для лагов во временном ряду цен на зерновые и зернобобовые культуры региона необходимо убрать взятием разности соответствующих порядков, т. е. в ряду от каждого /-го элемента отнять (/'-&)-й элемент. Это мероприятие позволить установить скрытые периодические составляющие ряда. Так как автокорреляции на последовательных лагах зависимы, удаление некоторых из них приведет к изменению и других автокорреляций, подавлявших их, а также позволит увидеть сезонные составляющие. Нужно заметить, что при удалении сезонных компонентов временной ряд примет вид стационарного, что необходимо для применения метода спектрального анализа.
Рисунок 3 - Сингулярный спектральный анализ
В целях сглаживания сезонных изменений и их негативных влияний на финансовую устойчивость сельхозтоваропроизводителей особую актуальность и практическую значимость приобретает возможность заблаговременного определения вероятных отклонений в рядах внутригодовой динамики на основе статистического анализа межгодовой цикличности и характера колеблемости совокупных объемов производства сельскохозяйственной продукции, товарооборота и поступлений денежных средств организаций отдельного региона [13, с. 58].
Поэтому развитие методологии экономического анализа и разработка на его основе механизма последующего управления хозяйственными процессами имеет серьезные перспективы, что вызвано высокой нестабильностью сельскохозяйственного производства - резкими спадами и подъемами, как выпуска продукции, так и поступления денежных средств.
Таблица 3 - Исходные данные для устранения сезонной компоненты
Показатель Абсолютные значения
Период сезонности 4
Обозначения в таблице и на графике
Ряд 1 [Редуцированный] исходный временной ряд
Ряд 2 Ряд с устраненной сезонной компонентой
Ряд 1 Ряд 2
Рисунок 2 - Коррелограмма процесса
Автокорреляционная функция характеризуется знакопеременной корреляцией с тенденцией к затуханию.
Наиболее часто для краткосрочного прогнозирования используются стандартные эконометрические методы. В этом случае временной ряд представляется в виде функции от небольшого числа существенных факторов и случайной гауссовой добавки, суммирующей в себе влияние всех случайных факторов [11, с. 92].
Для устранения зашумленности временного ряда удобным является метод сингулярного спектрального анализа (SSA), предложенный относительно недавно - в 1986 г.
Особенностью SSA является обработка матрицы X по алгоритму, сходному с методом главных компонент, который сводится к снижению размерности исходного пространства факторов с помощью ортогонального линейного преобразования [12, с. 52].
В исследуемом периоде времени наблюдается ускорение фаз роста и снижения цен на зерно. Следует отметить, что полученная линия тренда по методу сингулярного спектрального анализа очень точно повторяет динамику изменения цены реализации зерновых и зернобобовых культур в Нижегородской области, что свидетельствует о низком отклонении от фактических
В последнее время приобретает популярность в экономических исследованиях теория жизненного цикла организации.
В противовес теории экономического равновесия в 1819 г. Жан Шарль Леонар де Сисмонди выдвинул предположении о нестабильности экономики - о спадах и подъемах в экономическом развитии [14; 15]. В аграрной экономике представленную проблематику изучал в 1939 г. американский исследователь экономических кризисов неоинституционалист Р. Лестер [16].
Амплитуда 10776,34
4776,34 2776,34 776,34 -1223,66 -3223,66 -5223,66
к,Л Л Л /
50 100 г 1 150 200 250 Интервал
Рисунок 4 - Сезонный разностный оператор В динамике жизненных циклов организаций многих
отраслей народного хозяйства и в особенности АПК часто проявляется проблема сезонности.
Описанные проблемы имеют отражение в жизненном цикле хозяйствующего субъекта [17, с 102-105; 18, с. 777; 19, с. 28].
Анализ сезонных колебаний позволяет проводить работу по созданию эффективного механизма сглаживания сезонных колебаний цен на сельскохозяйственную продукцию, сырьё и продовольствие [1, с. 215].
Амплитуда
Ряд5 Ряд1 Ряд2 Ряд3 Ряд4
Рисунок 5 - Результаты гармонического анализа Фурье
Разностные операторы подавляют постоянную составляющую сигнала и позволяют выявить высокочастотные статистические шумы. При анализе временного ряда шумы также несут важную информацию.
В случае с динамикой цен на зерновые и зернобобовые культуры в Нижегородской областью можно отметить неинтенсивный характер зашумленности начиная с января 1999 года и заканчивая сентябрем 2007 года, а уже в последующие годы отмечается высокая изменчивость цен, сопровождающаяся интенсивными шумами.
Для определения и устранения циклических компонентов также можно использовать анализ Фурье, который с помощью метода быстрого преобразования (БПФ) позволять получить статистическую оценку изучаемых периодических данных.
Предложенный Фурье метод позволяет получить также и обратные преобразования. В свою очередь, инвертирование ранее преобразованных исследователем данных возвращает исходные данные, что является удобным при большой генеральной совокупности наблюдаемых значений изучаемого признака.
При анализе временного ряда цен на зерновые и зернобобовые культуры в Нижегородской области четко прослеживаются четыре возможных. Особенно примечателен ряд 2, в котором фаза составляет 77,43 мес. с амплитудой в 1930,06 руб., что говорит о наличии серьезных структурных изменений в ценовой политике. Обращает внимание на себя и тот факт, что наиболее существенные переломы в ряду Фурье приходятся на осень 2007 года, когда начинают появляться первые результаты программы поддержки АПК.
Обсуждение
Периодизация развития, т.е. расчленение периода развития во времени на однородные этапы, в пределах которых показатель подчиняется одному закону развития, это, по существу, типологическая группировка во времени. Периодизация может осуществляться несколькими методами [9, с. 14].
Периодограмма позволяет обнаружить и оценить амплитуды синусоидальной компоненты неизвестной частоты £ скрытой в шуме. Процесс авторегрессии первого порядка для дискретного ряда характеризуется начальным значением параметра А, который на практике оценивается по наблюдениям и, в частности, г1=П. Для описания процесса воспользуемся аналогом периодограммы - спектром мощности, являющегося эквивален-66
том автоковариационной функции [21, с. 103-108; 22, с. 63; 23, с. 65; 24, с. 112-120; 25, с. 8-13; 26, с. 23-32]. На рисунке 6 представлена периодограмма изменения цен на зерновые и зернобобовые культуры.
Рисунок 6 - Периодограмма процесса
Заключение
Нельзя не согласиться с Президентом РФ, что Россия обладает уникальным аграрным потенциалом, позволяющим не только полностью обеспечить собственные нужды, но и заявить о себе, как о крупном игроке на мировом рынке [27, с. 5]. Тем не менее, для аккумулирования этого потенциала в реальное конкурентное преимущество следует принимать комплексные действия.
Стабилизация ценового фактора на зерновом рынке является, пожалуй, одной из приоритетных задач, стоящих перед государством. Стабильный уровень цен на зерно в регионах позволит значительно снизить риски потерь прибыли аграриев. Так, стабильная ценовая конъюнктура на рынке приведет к тому, что зернопро-изводители смогут реализовывать свою продукцию в течение года, а не терять часть денежных средств из-за реализации осенью.
Нужно подчеркнуть, что вторым важным моментом стабилизации ценового фактора на представленном рынке является стабилизация цен на используемые ресурсы для производства зерна, что проявляется в удорожании ГСМ, удобрений и др. перед основными работами, связанные с выращиванием зерновых культур.
СПИСОК ЛИТЕРАТУРЫ:
1. Маркова А. И., Левина Т. Н. Анализ уровня цен сельскохозяйственной продукции в регионе // Известия Оренбургского государственного аграрного университета. 2011. Т. 4. № 32-1. С. 212-215.
2. Путин В. В. Обеспечить устойчивость продовольственного рынка // Экономика сельского хозяйства России. 2008. № 6. С. 3-4.
3. Путин В. В. Российское сельское хозяйство сохраняет свою конкурентоспособность // Экономика сельского хозяйства России. 2012. № 11. С. 4-7.
4. Воронина С. А. Цена простого продукта: механизм регулирования цен в АПК // Российское предпринимательство. 2008. № 9-2. С. 156-160.
5. Асеева А. А., Башкатова В. Я. Сезонность сельскохозяйственного производства и ее влияние на рынок труда // Вестник Курской государственной сельскохозяйственной академии. 2014. № 8. С. 28-30.
6. Садовникова Н. А., Шмойлова Р. А. Анализ временных рядов и прогнозирование. Учебное пособие./ Московский государственный университет экономики, статистики и информатики - М., 2001 г., 67 с.
7. Ковалева Г. Д. Применение теории временных рядов в экономических исследованиях : Курс лекций / Новосибирск: Издательство НГУ. 2008. с. 56.
8. Гриняк В. М., Когай Е. И., Семенов С. М. Информационная технология планирования сезонных продаж // Территория новых возможностей. Вестник Владивостокского государственного университета эко-
номики и сервиса. 2010. № 2. С. 191-198.
9. Афанасьев В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование: Учебник. - М.: Финансы и статистика, 2001. - 228 с.
10. Накипова Г. Н., Каменова М. Ж., Ахметова К. А. Прогнозирование рынка молочной продукции Казахстана: теория и практика // Проблемы современной экономики. 2013. № 3 (47). С. 364-369.
11. Старченко Н. В. Индекс фрактальности и локальный анализ хаотических временных рядов [Текст] / дис. ... кандидата экономических наук : 05.13.18 / Московский инженерно-физический институт (государственный университет). Москва, 2005.
12. Лоскутов А. Ю. Анализ временных рядов : курс лекций. [Электронный ресурс] // URL: http://chaos.phys. msu.ru/loskutov/PDF/Lectures_time_series_ analysis.pdf/ (дата обращения: 9.01.2016).
13. Попова А. И. Обеспечение финансовой устойчивости сельскохозяйственных организаций с учетом сезонности производства: моделирование потенциала экономического развития // Региональная экономика: теория и практика. 2012. № 37. С. 58-70.
14. Sismondi J. C. L. S. Nouveaux principes d'economie politique, ou de la Richesse dans ses rapports avec la population [Text]. Paris, 1819. 449 p.
15. Семухина Е. А. Общедискурсивные и специфические виды тональности французского религиозного дискурса // Наука и общество. 2015. № 4 (23). С. 52-56.
16. Lester R. A. Monetary Experiments. N. Y.; L, 1939. P. 66-69.
17. Dikynova M., Dupina L., Polyakov E. СштеШ: status and importance of problems of development of information technologies // Development scenarios and alternatives in the modern economy 2nd edition: research articles. Science editor: A. Burkov. San Francisco, California, USA, 2015. С. 102-105.
18. Ломова Ю. В., ^ндакова И. А. Изучение территориальных и временных границ эпизоотического проявления эшерихиоза телят по Рязанской области // Современные проблемы науки и образования. 2015. № 2. С. 777.
19. Ломова Ю. В., Кондакова И. А., Ленченко Е. М. Этиологическая структура болезней органов пищеварения молодняка // Аграрная наука. 2015. № 9. С. 28-29.
20. Закирова О. В. Финансирование через механизм лизинга: за и против // Экономический анализ: теория и практика. - 2015. - № 12 (411). С. 30-37.
21. Поляков С. И. Автокорреляция и авторегрессия дискретного ряда дозирования сыпучих материалов // Актуальные проблемы лесного комплекса. 2014. № 40. С. 103-108.
22. Сабирзянов А. Н., Явкин В. Б., Александров Ю. Б., Маркушин А. Н., Бакланов А. В. Моделирование эмиссионных характеристик камер сгорания ГТД // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2014. № 2. С. 62-70.
23. Зайнтдинов А. М., Александров Ю. Б. Перспективы использования 3D-печати в авиастроении // Международный научно-исследовательский журнал. 2015. № 5-2 (36). С. 64-65.
24. Мартышенко С.Н., Мартышенко Н.С., Кустов Д.А. Инструментальные средства обработки анкетных данных в EXCEL // Информационные технологии моделирования и управления. 2007. №1. С. 112-120.
25. Мартышенко Н.С., Мартышенко С.Н. Технологии повышения качества данных в анкетном опросе // Практический маркетинг. 2008. №1. С. 8-13.
26. Мартышенко С.Н., Мартышенко Н.С. Оптимизация структуры инвестиций в региональные туристические проекты // Регион: Экономика и Социология. 2008. № 3. С. 23-32.
27. Путин В. В. В первоочередном порядке будем заниматься проблемами АПК // Экономика сельского хозяйства России. 2008. № 6. с. 5-8._
