CC BY
18
УДК 631.1
ЛОГИКА ФУНКЦИОНИРОВАНИЯ КОМПЛЕКСА МОДЕЛЕЙ ПОИСКОВО-НОРМАТИВНОГО ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА В РЕГИОНЕ
© Ванзатова Елена Очировна, кандидат экономических наук, доцент Бурятской государственной сельскохозяйственной академии им. В. Р. Филиппова Россия, 670034, г. Улан-Удэ, ул. Пушкина, 8 E-mail: [email protected]
© Садуев Нима Батодоржиевич, кандидат физико-математических наук, доцент Бурятской государственной сельскохозяйственной академии им. В. Р. Филиппова Россия, 670034, г. Улан-Удэ, ул. Пушкина, 8 E-mail: [email protected]
В статье рассматривается логика функционирования комплекса моделей поисково-нормативного прогнозирования развития сельскохозяйственного производства в регионе с применением адаптивных моделей. Ключевые слова: моделирование, прогнозирование, недетерминированные модели, поисковое прогнозирование, нормативное прогнозирование, адаптивные модели.
LOGIC OF FUNCTIONING OF A COMPLEX OF MODELS FOR SEARCH AND STANDARD FORECASTING OF THE DEVELOPMENT OF AGRICULTURAL PRODUCTION IN THE REGION
Elena O. Vanzatova, PhD in Economics, A/Professor Buryat State Agricultural Academy named after V. R. Filippov 8 Pushkina St., Ulan-Ude, 670034 Russia
Nima B. Saduyev, PhD in Physics and Mathematics, A/Professor Buryat State Agricultural Academy named after V. R. Filippov 8 Pushkina St., Ulan-Ude, 670034 Russia
In the article the logic of functioning of a complex of models for search and standard forecasting of the development of agricultural production in the region is considered with application of adaptive models. Keywords: modeling, forecasting, nondetermined models, search forecasting, standard forecasting, adaptive models.
Для успешного выявления проблем и обоснованного выбора путей регионального социально-экономического развития необходимо системное представление об экономике региона как многоуровневом и динамично развивающемся хозяйственном комплексе [3].
Сельскохозяйственное производство является материальной, открытой, сложной, активной динамической системой со стохастическим принципом действия. Поэтому наиболее объективный анализ аграрного сектора экономики возможен только в рамках вероятностных категорий. Модель же, описывающая процесс производства продукции, должна носить принципиально нелинейный характер
[4].
Все это диктует необходимость совершенствования прогнозирования сельскохозяйственного производства с использованием недетерминированных моделей. Научно обоснованное прогнозирование позволит также демпфировать риски, возникшие в аграрном секторе после вступления России во Всемирную торговую организацию. Россия приняла на себя обязательства по сокращению субсидирования сельского хозяйства, что приведет к значительной коррекции мероприятий и их финансового обеспечения Госпрограммы, утвержденной до 2020 г. и реализуемой Министерством сельского хозяйства России [1].
Развитие этого направления предполагает решение вопросов теории, методологии и методики системного математического моделирования экономических процессов, разработку комплекса недетерминированных моделей прогнозирования развития сельскохозяйственного производства в регионах, соответствующего информационного, математического и программного обеспечения расчетов на ЭВМ. К числу важных и сложных проблем совершенствования управления производством в аграр-
ном секторе экономики относится повышение качества прогнозирования развития сельскохозяйственного производства в регионах.
Обоснованные, надежные в реализации прогнозы развития сельскохозяйственного производства могут быть получены в результате синтеза поискового и нормативного прогнозирования, который может быть практически реализован с использованием системного математического моделирования
[5].
В качестве средства реализации поисково-нормативного прогнозирования развития сельскохозяйственного производства в регионе на достаточно длительный период перспективы может выступать взаимоувязанный комплекс моделей, организационная структура которого представлена на рис. 1.
Рис. 1. Общая организационная структура комплекса моделей поисково-нормативного прогнозирования развития сельскохозяйственного производства в регионе
Каждый прогноз на конкретный временной период имеет конкретную статистическую базу. В связи с этим при проведении конкретных прогнозных расчетов по разработанному комплексу моделей на 5, 10 и 15 лет перспективы следует считать достаточно обоснованным использование исходной информационной базы за 20 лет. Вместе с тем необходимы взаимосвязь и преемственность всех временных видов прогноза. Основа долгосрочного прогноза — среднесрочный прогноз, основанный на краткосрочном прогнозе.
Анализируя статистические подходы, приходим к выводу, что увеличение объема выборки для получения более точных оценок приходит в противоречие с требованием однородности данных, так как чем больше период упреждения, тем выше вероятность того, что объект претерпел коренные изменения. По мнению Т. Д. Дегтяревой и Е. А. Чулковой, одно из решений в такой ситуации — применение адаптивных методов прогнозирования, т. е. построение самокорректирующихся рекуррентных моделей, учитывающих изменения временного ряда и информационную ценность его ретроспективных членов и на этой основе дающих достаточно точные оценки будущих членов ряда.
Авторы предлагают использовать адаптивную полиномиальную модель Р. Брауна, основанную на экспоненциальном сглаживании. Реальный процесс аграрного производства осуществляется в условиях практически непрерывной трансформации внешней среды под воздействием многих факторов. В конкретные моменты времени одни факторы усиливают свое влияние, другие уменьшают, а затем ситуация может измениться даже на противоположную. Модель должна адаптироваться ко временному ряду показателя, отражающего этот процесс. Расчет параметров экономической системы (в нашем варианте — аграрного производства региона) осуществляется по рекуррентной формуле:
St = ax, + PSt
где St — значение экспоненциальной средней в момент t;
а- параметр сглаживания, а = const;
Р=1 — а.
Выбор параметра сглаживания осуществляется из условия 0 < а <1. Модель Брауна может отображать развитие процессов, представленных не только в виде линейной тенденции, но и в виде случайного процесса, не имеющего тенденции, а также в виде параболической тенденции [2].
В зависимости от разных сроков упреждения будет иметь место и разная степень надежности получаемых одномерных прогнозов.
Задачу определения прогнозов с различными сроками упреждения можно ставить по-разному: при одинаковой задаваемой вероятности; при одинаковой величине (одинаковом размахе) доверительных интервалов, причем вероятность получения, например, долгосрочного прогноза в заданном интервале будет более низкой, чем при нахождении среднесрочного прогноза.
Так как одномерные прогнозы определяют информационную базу для оптимизационных моделей 4 и 5 сквозного прогнозирования развития сельскохозяйственного производства на перспективу в регионе, то оправданным представляется решать задачи одномерного прогнозирования недетерминированных параметров на разные сроки упреждения при одинаковой задаваемой вероятности. В этом случае имеется возможность осуществлять многовариантные сквозные прогнозы развития сельскохозяйственного производства, которые, при прочих равных условиях, имеют разные уровни надежности информационной базы.
Следующей немаловажной проблемой, возникающей вследствие рассмотрения прогнозов с точки зрения различных сроков упреждения, является детализация расчетов сквозного прогнозирования. Если рассматривать сквозной прогноз на достаточно длительный период перспективы, то, очевидно, с увеличением прогнозного периода количество факторов (условий), учитываемых в стандартных модулях оптимизационных моделей 4 и 5, вообще говоря, должно уменьшаться.
Следует также иметь в виду, что выбор и обоснование целевой установки при прогнозировании развития сельскохозяйственного производства в регионе необходимо осуществлять дифференцированно, в зависимости от временного горизонта, для чего и предполагается сквозной прогноз.
В рамках краткосрочного прогнозирования развития сельскохозяйственного производства в регионе в качестве целевой установки можно использовать различные показатели экономической эффективности, которые широко рассмотрены в литературе. При поисковом сквозном прогнозировании на среднесрочную и долгосрочную перспективы не рекомендуется использовать стоимостные целевые установки, так как прогнозирование цен на среднесрочную и долгосрочную перспективы в рамках одномерного прогнозирования, как правило, весьма ненадежно. Здесь следует давать предпочтение целевым установкам, связанным с показателями экономической эффективности, выраженными в натурально-вещественной форме.
Сквозное прогнозирование отдельного критерия определяет конкретный вариант прогноза по развитию сельскохозяйственного производства в регионе. С использованием разработанного нами комплекса моделей можно осуществлять многовариантные расчеты по сквозному прогнозированию, каждый из которых, при прочих равных условиях, производится с применением конкретного критерия эффективности. Подобное положение часто вызывает необходимость перехода к поисковому сквозному прогнозированию, обеспечивающему в качестве целевой установки лучшее значение целого комплекса показателей экономической эффективности.
Нами предложен наименее трудоемкий подход к проведению расчетов на критериальный комплекс с вычислительной точки зрения при сквозном прогнозировании развития сельскохозяйственного производства в регионе. Путем проведения автономных расчетов по моделям сквозного прогнозирования на конкретный период перспективы определяются экстремальные значения целевой функции частных критериев, которые затем фиксируются в этих моделях в форме ограничений. Оптимизаци-
онный расчет в целом по комплексу моделей осуществляется обычным путем в рамках алгоритмической процедуры итеративного двухуровневого процесса согласования решений моделей в системе. При реализации такого подхода к двухуровневому комплексу моделей можно получить согласованное решение, направленное на достижение экстремального значения критерия в координирующей модели высшего уровня с учетом требований частных критериев в моделях нижнего уровня.
По мнению Б. И. Смагина, единственным показателем, который полностью отражает все результаты реального процесса производства, то есть содержит оценку той продукции, которая фактически произведена на всех участках и этапах сельскохозяйственного производства, является валовая продукция. Она является основой формирования таких показателей, как товарная продукция, валовой доход и прибыль. Вместе с тем на изменение объема товарной продукции, валового дохода и прибыли в большей мере влияют организационно-хозяйственные факторы. Объем же валовой продукции определяется главным образом условиями производства и не зависит от условий обмена и реализации. Поэтому валовая продукция рассматривается нами как потенциальная производственная возможность предприятий, рассчитанная на основе количественной зависимости между этим результативным показателем и производственными ресурсами.
Будучи основным поставщиком продуктов питания и сырья для многих отраслей перерабатывающей промышленности и для производственного потребления внутри отрасли, сельское хозяйство, как никакая другая отрасль, интересует государство именно в плане производства всей потребительной стоимости, выраженной в показателе валовой продукции. Кроме того, данные статистической отчетности отражают показатели ресурсов и затрат для производства валовой, а не товарной, продукции, поэтому соотношение их с товарной продукцией порождает несоответствие между затратами и результатом.
В нормативном прогнозировании модели 8 расчета необходимых производственных ресурсов для достижения конечных результатов развития сельскохозяйственного производства на конкретный период перспективы реализуются при соблюдении ряда формальных требований в рамках соответствующих процедур.
В частности, применяя методы корреляционно-регрессионного анализа, строят уравнение регрессии прогнозируемого признака по разным группам факторных признаков из исходного набора. Критерием эффективности отобранных факторов служит либо коэффициент детерминации, либо величина остаточной дисперсии. Такой подход требует перебора всех возможных вариантов включения факторных признаков в модель из имеющейся совокупности этих факторов, сопровождается огромной вычислительной работой и поэтому не всегда рационален. Так, иногда в основу отбора существенных факторов кладут количественную характеристику силы влияния признака на результат, т. е. величину коэффициентов уравнений множественной регрессии в стандартизированном масштабе ф-коэффициенты). Но, применяя этот принцип на практике, приходится обращать внимание на знаки коэффициентов регрессии, так как может оказаться, что удельный вес влияния фактора высок, а знак коэффициента регрессии противоречит экономическому смыслу.
Другой прием отбора факторов сводится к тому, что постепенно увеличивают их число по сравнению с первоначальным, делая модель экономического процесса все более сложной. Такой способ отбора факторов вряд ли можно считать рациональным, так как привлечение новых факторов неизбежно влечет за собой близость ряда факторов, что зачастую приводит к мультиколлинеарности.
Думается, что, отбирая существенные факторы для включения их в модель, нужно обращать внимание не только на абсолютное значение парных коэффициентов корреляции между результативными и факторными признаками, но и учитывать частные коэффициенты детерминации, которые характеризуют влияние учтенного фактора в отдельности на уровень моделируемого показателя при фиксированных значениях остальных факторов.
При использовании многофакторных моделей для прогнозирования делается предположение о сохранении в период прогнозирования существовавших ранее взаимосвязей факторов.
Для нормативного прогнозирования на конкретный период перспективы необходимо включить прогнозные значения результативных признаков в многофакторные модели и рассчитать прогнозные оценки факторов. Далее построить доверительные интервалы прогноза с тем, чтобы с выбранной вероятностью, в частности р=0,95, можно было утверждать, что при сохранении сложившихся закономерностей развития производства прогнозируемая величина результативного признака попадет в доверительный интервал.
В целом логика функционирования комплекса недетерминированных моделей поисково-нормативного прогнозирования направлена на разработку поисковых и нормативных прогнозов,
ориентированных на достижение наиболее предпочтительных конечных результатов развития сельскохозяйственного производства с высоким уровнем надежности.
Литература
1. Ганиева И. А. Прогнозирование сельскохозяйственного производства в условиях циклических колебаний и инновационного развития: теория, методология, практика: дис. ... д-ра экон. наук. Княгинино, 2013. 333 с.
2. Дегтярева Т. Д., Чулкова Е. А. Прогнозирование аграрного производства региона с применением адаптивных моделей // Известия ОГАУ. 2012. № 1(1). С. 207-211.
3. Дырхеев К. П. Возможности применения линейных и нелинейных моделей для анализа региональной экономической системы // Вестник Бурятского гос. ун-та, 2011. Вып. 1. С. 97-102.
4. Смагин Б. И. Экономический анализ и статистическое моделирование аграрного производства: монография. Мичуринск: Изд-во МичГАУ, 2007. 153 с.
5. Шагдурова Е. О. Разработка комплекса недетерминированных моделей прогнозирования развития сельскохозяйственного производства в регионе (на примере Республики Бурятия): дис. ... канд. экон. наук. СПб., 2004. 150 с.
References
1. Ganieva I. A. Prognozirovanie sel'skokhozyaistvennogo proizvodstva v usloviyakh tsiklicheskikh kolebanii i innovatsionnogo razvitiya: teoriya, metodologiya, praktika. Dis. ... d-ra ekon. nauk [Forecasting of agricultural production in the conditions of cyclic oscillations and innovative development: theory, methodology, practice: Dr. econ. sci. diss.]. Knyaginino, 2013. 333 p.
2. Degtyareva T. D., Chulkova E. A. Prognozirovanie agrarnogo proizvodstva regiona s primeneniem adap-tivnykh modelei [Forecasting of regional agricultural production using adaptive models]. Izvestiya Orenburgskogo gosudar-stvennogo agrarnogo universiteta — Proc. of Orenburg State Agrarian University. 2012. No. 1-1. Pp. 207-211.
3. Dyrkheev K. P. Vozmozhnosti primeneniya lineinykh i nelineinykh modelei dlya analiza regional'noi ekonomicheskoi sistemy [Possible applications of linear and non-linear models for the analysis of regional economic system]. VestnikBuryatskogo gosudarstvennogo universiteta — Bulletin of Buryat State University. 2011. V .1. Pp. 97102.
4. Smagin B. I. Ekonomicheskii analiz i statisticheskoe modelirovanie agrarnogo proizvodstva [Economic analysis and statistical modeling of agricultural production]. Michurinsk: Michurinsk State Agrarian University Publ., 2007. 153 p.
5. Shagdurova E. O. Razrabotka kompleksa nedeterminirovannykh modelei prognozirovaniya razvitiya sel'skokhozyaistvennogo proizvodstva v regione (na primere Respubliki Buryatiya). Dis. ... kand. ekon. nauk [Development of complex non-deterministic models for forecasting of agricultural production development in regions (on the example of the Buryat Republic). Cand. econ. sci. diss.]. St Petersburg, 2004. 150 p.
