CC BY
1
ПРОГНОЗИРОВАНИЕ ВЫРУЧКИ ИННОВАЦИОННОГО ПРОДУКТА ГК «РОСАТОМ» - СБАЛАНСИРОВАННЫЙ ЯДЕРНЫЙ ТОПЛИВНЫЙ ЦИКЛ
СКВОРЦОВА Дарья Александровна, к.т.н., [email protected], доцент кафедры «Промышленная логистика» МГТУ им. Н.Э. Баумана, Москва, Россия ОЯСГО: 0000-0003-2119-5540
ИЛЬИН Александр Дмитриевич, магистр кафедры «Промышленная логистика» МГТУ им. Н.Э. Баумана, Москва, Россия ОЯСГО: 0009-0008-0262-6572
СОЛОНИЧЕНКО Ксения Александровна, магистр кафедры «Промышленная логистика» МГТУ им. Н.Э. Баумана, Москва, Россия ОЯСГО: 0009-0008-6950-8343
В статье дано краткое описание продукта ГК «Росатом» «СбЯТЦ» и обоснована актуальность исследования. Сформированы основные факторы, оказывающие наибольшее влияние на выручку. Приведено описание ключевых рынков и динамика накопления отработанного ядерного топлива на данных рынках. Рассмотрены следующие методы прогнозирования: прогноз выручки на основе прогноза специалистов и экспертных оценок, метод множественной регрессии, метод линейной экстраполяции, метод Хольта, метод Хольта-Винтерса с аддитивной сезонностью. По результатам применения методов были построены и описаны итоговые графики. Определена прогнозная модель, обеспечивающая наибольшую точность прогнозных значений. Построен итоговый график, отражающий все полученные прогнозные значения, и сформирован вывод на его основании. Проведен сравнительный анализ всех математических прогнозных моделей с методом, построенным на основе прогноза специалистов и экспертных оценок. Предложена наиболее актуальная модель построения прогнозных значений выручки. Выручка продукта СбЯТЦ по прогнозным значениям составит 67,2 млрд. рублей в год к 2040 г.
Ключевые слова: прогнозирование, выручка продукта, множественная регрессия, метод Хольта, атомная отрасль, метод экстраполяции
БО1: 10.47711/2076-3182-2024-1-153-170
Введение. Сбалансированный ядерный топливный цикл или Сбалансированный ЯТЦ (далее СбЯТЦ) - новый продукт Роса-тома, который объединяет в себе практические решения из области замкнутого топливного цикла. Такое объединение позволяет организовать эффективное обращение с отработавшим ядерным топливом (далее ОЯТ) и обеспечить рациональное обращение с продуктами переработки, направив делящиеся материалы на изготовление нового топлива, а радиоактивные отходы разделить. Наиболее опасную фракцию ликвидировать путем сжигания в быстрых реакторах, а наименее опасную - упаковать и вернуть заказчику в виде, пригодном для окончательного захоронения.
В настоящее время атомная энергетика обеспечивает около 10% населения земного шара электроэнергией7. Данный способ выработки электроэнергии сочетает в себе как шедевры инженерной мысли, так и большие подводные камни.
Актуальность данного исследования подтверждает динамика развития мировой атомной энергетики: в обозримом будущем общее количество ядерных энергетических реакторов продолжит расти, а, следовательно, будет увеличиваться и количество ОЯТ.
Проблема ядерного наследия (проблема накопления ОЯТ) имеет большое значение в наши дни, требующее разрешения. Данный фактор является основной предпосылкой для появления продукта СбЯТЦ. Однако, в настоящее время не до конца понятно, какую выручку будет приносить данный продукт.
Так как эффективное управление выручкой от реализации продукции в первую очередь зависит от грамотного планирования, а, следовательно, и прогнозирования, постольку прогноз в дальнейшем может служить базовым допущением в планировании [1].
Для решения данной проблемы предлагается воспользоваться моделями прогнозирования, посмотреть, как в будущем будет себя вести выручка данного продукта, и сравнить различные методы прогнозирования между собой для выявления наиболее подходящего способа прогнозирования.
Основной целью исследования является прогнозирование выручки СбЯТЦ на дальнем горизонте планирования. Исследование
1 IEA Electricity Market Report January 2022 // IEA URL: https://www.iea.org/reports/electricity-market-report-january-2022 (дата обращения: 01.10.2023)
именно выручки обусловлено тем, что данные о себестоимости и о значениях прибыли от реализации продукта являются коммерческой тайной.
По мнению И.А. Вахрушева, выручка является первостепенным параметром в финансовом прогнозировании. Данный показатель определяет динамику некоторых финансовых параметров. Чем меньше ошибка в прогнозе выручки, тем меньше ошибка в прогнозе по себестоимости и далее в прогнозе чистой прибыли, EBITDA и других финансово-значимых показателей, определяющих его методологию, возможности использования и степень точности получаемого прогноза [2].
О.В. Еременко определяет прогнозирование с научной точки зрения, как сложный многоступенчатый процесс, включающим в себя множество структурных элементов [3].
Далее представлен обзор литературы по теме исследования. Например, О.А. Милюшенко и А.Г. Пупкова в своей статье используют модель множественной регрессии для построения прогнозных значений выручки торгового предприятия, надежность построенной модели находится на уровне 92% [4]. Также А.И. Кириллова и О.В. Сонина используют корреляционно-регрессионный анализ для построения прогнозных значений прибыли от продаж машиностроительного предприятия с уровнем надежности 70% [5]. В своей работе А.С. Поздняков рассматривает метод Хольта-Винтерса как инструмент широкого применения в рамках планирования, а средняя ошибка данного метода составила 5% [6]. Аналогично в своей работе О.О. Комаревцева использовала модель Хольта-Винтерса для построения прогноза валового муниципального продукта с уровнем надежности 96% [7]. В статье А.Ю. Корниловой и Т.Ф. Палей метод экспертных оценок в процессе прогнозирования определяется как метод, позволяющий предвидеть труднопредсказуемые изменения объекта прогнозирования в условиях частичной или полной неопределенности [8]. Методы прогнозирования, которые чаще всего используются при прогнозировании финансовых показателей, подробно изложены в учебниках А.И. Орлова [9, 10].
По мнению Д.С. Пантелей, атомная энергетика России представляет собой высокотехнологичную, инновационную и значимую для национальной экономики отрасль хозяйства, однако
для обеспечения конкурентоспособности на мировом рынке необходимо постоянное расширение рынков сбыта [11]. В своей работе В.В. Ивантер и В.В. Семикашев отмечают необходимость разработки новых продуктов для успешной конкуренции с китайскими и южнокорейскими компаниями в долгосрочной перспективе [12]. СбЯТЦ в свою очередь нацелен на решение данных проблем: наиболее широкий охват целевых рынков, гибкое и комплексное решение в области обращения с ОЯТ, а также сочетание в себе всех передовых технологий в области замыкания ЯТЦ.
Основная часть. На данный момент времени в мире функционирует 443 ядерных энергетических реакторов. В процессе строительства находится еще 52 ядерных реакторов, в основном на территории Китая2.
Исходя из всех вышеперечисленных данных, можно сформировать первый фактор, оказывающий сильное воздействие на выручку продукта СбЯТЦ - количество ядерных энергетических реакторов. Проведя расчёт на основании имеющихся данных, можно составить следующую табл. 1, показывающую динамику ввода ядерных энергетических реакторов в эксплуатацию, на основании подтвержденных данных5.
Таблица 1
Ввод ядерных реакторов в эксплуатацию
Год 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
Количество ядерных энергетических реакторов в мире, ед. 441 446 451 459 468 472 475 483 487 493
Далее перейдем к исследованию целевых рынков продукта, а именно к количеству накопленных ОЯТ [13]. Исходя из имеющихся данных по количеству функционирующих ядерных энергетических реакторов на ключевых рынках и средней годовой выработке ОЯТ на одном ядерном энергетическом реакторе,
2 IEA World Energy Outlook 2021 //IEA URL: https://www.iea.org/reports/world-energy-outlook-2021 (дата обращения: 01.10.2023)
3 IAEA Annual Report for 2020 // IAEA URL: https://www.iaea.org/opic/annual-report-2020
(дата обращения: 03.10.2023)
можно провести следующее структурирование целевых рынков в соответствии с полученными на предприятии данными.
1. Рынок ВВЭР (Водо-водяные энергетические реакторы) старого образца (ВВЭР-440,1000).
Ключевые страны рынка: Болгария, Венгрия, Словакия, Чехия, Германия.
т ТМ
Рис. 1. Накопление ОЯТ на рынке «ВВЭР старые», т ТМ
Текущее количество эксплуатируемых ядерных реакторов в данных странах к 2035 г. накопят 10145 т ТМ (твердых материалов) ОЯТ (рис. 1). Несмотря на то, что Германия полностью свернула свою ядерную программу, в её случае достаточно остро стоит вопрос утилизации ядерных отходов. Также в данном случае большой вес имеет экологическая политика страны, которая негативно сказывается на возможностях утилизации и захоронения ОЯТ на собственной территории.
2. Рынок ВВЭР нового образца и на этапах строительства.
Ключевые страны рынка: Египет, Турция, Белоруссия, Бангладеш, Узбекистан, Китай.
Данный рынок формируют страны, в которых ГК «Росатом» производит строительство АЭС с реакторами типа ВВЭР.
На рис. 2 представлены значения накопления отработавшего ядерного топлива в т ТМ по направлению ВВЭР нового образца и на этапе строительства. Так как данное направление является
достаточно молодым, то только к 203 5 г. ожидается значительное накопление ОЯТ и реализация существующих контрактов на постройку АЭС. В перспективе данное направление может стать наиболее весомым, так как на текущий момент наблюдается тенденция повышения спроса на реакторы российского образца. Стоит отметить, что Китай особенно заинтересован в переработке ОЯТ совместно с ГК «Росатом».
т ТМ
Рис. 2. Накопление ОЯТ на рынке «ВВЭР новые», т ТМ
3. Рынок «Зарубежный дизайн - развитие и сворачивание атомной энергетики».
Ключевые страны рынка: Япония, Республика Корея, Тайвань, ОАЭ.
Для выхода на данный рынок (рис. 3) необходимо продемонстрировать реальные успехи в обращении с ОЯТ, предоставить результаты продукта СбЯТЦ и предоставить прорывные технологии в области переработки ОЯТ, также необходимо ввести последнюю компоненту СбЯТЦ - дожигание минорных актиноидов (МА). Для привлечения клиентов на данном рынке, необходимо показать результаты технологии дожигания МА и методы безопасной утилизации или захоронения ОЯТ. Данная группа обладает большой долей накопления ОЯТ, однако существуют сложности с выходом на данный рынок.
т ТМ
Рис. 3. Накопление ОЯТ на рынке «Зарубежный дизайн», т ТМ
На данном направлении наблюдается большое накопление ОЯТ, однако существуют сложности в процессе выхода на данный рынок. Необходимо получить результаты текущих исследований и обкатать технология переработки ОЯТ.
Подводя итог, можно определить следующий важный фактор для прогнозирования итоговой выручки проекта - накопления ОЯТ на ключевых рынках. В табл. 2 представлены итоговые значения фактора.
Таблица 2
Динамика накопления ОЯТ на ключевых рынках
Год 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
Динамика накопления ОЯТ на ключевых рынках, т ТМ 22340 23797 25255 26922 28171 29631 32136 34328 36520 39026
На данный момент утверждена программа реализации проекта и заключены долгосрочные контракты, некоторые из них уже ре-ализовываются (например, первый вывоз ОЯТ и фракционирования с АЭС Козлодуй, Болгария). На основании предоставленных
данных можно построить фактические значения выручки исходя из мощности перерабатывающих заводов [14]:
Втах = М * 1000 * Р (1)
где В - выручка, млн. руб.; М - мощность т ТМ/год; Р - стоимость переработки 1 кг ТМ, руб.
Исходя из данной формулы (1), максимально возможное значение выручки, исходя из мощности перерабатывающих заводов на уровне 1370 т ТМ/год и стоимости переработки 1 кг ТМ в 53 250 руб. составит 72 952,5 млн. руб. в год.
Данное значение выручки будем использовать как итоговое максимально возможное значение (индикатор Втах), далее все полученные прогнозные значения выручки будут сравниваться с данным значением.
В дополнение к основным данным, был сформирован прогноз на основе мнения специалистов и метода экспертных оценок. В формировании данного прогноза участвовали лица ответственные за реализацию продукта СбЯТЦ, руководители отделов разных уровней, рядовые сотрудники и независимые эксперты. Проведя качественный анализ мирового ядерного рынка, поведения других продуктов ГК «Росатом» на рынке, самого продукта СбЯТЦ и возможных рисков, был сформирован следующий прогноз, представленный на рис. 4. В ходе прохождения практики и консультации с руководителем практики от предприятия, была получена рекомендация об использовании данного прогноза в качестве эталонного.
Из расчетов, представленных на рис. 4 следует, что к 2050 г. потенциальная выручка продукта составит более 1327 млн. $ в год, данное значение достигается за счет введения всех компонентов продукта на рынок. На текущий момент времени реализованы только две компоненты продукта, а именно фракционирование ОЯТ и поставка ТУК ПВ. К 2030 г. ожидается выход на рынок следующей компоненты СбЯТЦ - трансмутации МА. Именно она должна обеспечить выход на сегмент рынка «Реакторы зарубежного дизайна» и в случае успеха с 2030 г. начнется развитие данного перспективного направления. Данное направление уже к 203 5 г. по прогнозным данным будет обеспечивать более 30% всей выручки. Подробнее на рис. 5.
Млн. рублей
Рис. 4. Прогноз выручки на основе прогноза специалистов и экспертных оценок, млн. рублей 0 выручка; ^ инвестиции
Млн. рублей
Рис. 5. Выручка по рыночным сегментам, млн. рублей: □ ВВЭР старые; 0 ВВЭР новые; ЕЗ зарубежный дизайн
В данном случае рассматривается сценарий, развитие которого невозможно без доработки компонент СбЯТЦ, а именно дожигании МА и фабрикации УПТ (Уран-плутониевого топлива).
Модель экспертных оценок в дальнейшем будет сравниваться с остальными моделями, рассмотренными в рамках данного исследования.
Далее переходим к модели множественной регрессии. Данная модель учитывает взаимосвязь прогнозируемого фактора и воздействующих величин [15].
Используя изначальные данные, построим корреляционную матрицу с помощью программы EViews12 [16]. Введем следующие обозначения: В - выручка, Q - себестоимость, N - количество ядерных энергетических реакторов, I - инвестиции, К -накопление ОЯТ.
Таблица 3
Корреляционная матрица
в к I N 0
в 1,000000 0,909942 0,951215 0,843957 0,979636
к 1,000000 0,872467 0,984431 0,922656
1 1,000000 0,788958 0,934958
N 1,000000 0,874719
0 1,000000
Анализ парных коэффициентов корреляции показателей выявил сильную линейную связь выручки с исследуемыми параметрами, к сожалению, в данной модели присутствует сильная взаимосвязь исследуемых параметров друг с другом.
По методу наименьших квадратов были определены параметры регрессионного уравнения:
Q = 205152,3 + 2,353^ - 0,004/ - 592Ы + 1368^ (2)
Анализ статистических данных:
- коэффициент детерминации высокий (Я2 = 0,9774);
- критерий Фишера высокий (Р = 346);
- значимость параметра I слишком мала (а < 0,6);
- критерий Дарбина-Уоттсона меньше установленного значения (й = 1,47), что попадает в зону неопределенности.
В данной модели присутствует автокорреляция, следовательно, принимаем решение о переработке модели; так как в долгосрочной перспективе сложно спрогнозировать себестоимость, исключаем её из модели.
Следующая корреляционная матрица представлена в табл. 4.
Таблица 4
Корреляционная матрица без параметра Q
в к N I
в 1,000000 0,909942 0,843957 0,951215
к 1,000000 0,984431 0,872467
N 1,000000 0,788958
0 1,000000
После проведения теста на автокорреляцию с лагом 2, коэффициент Дарбина-Уотсона (й = 1,84), следовательно, автокорреляции нет.
По методу наименьших квадратов определяем значения коэффициентов и составляем регрессионное уравнение:
Q = 115034 + 2,21^- 0,431- 378,84^ (3)
Анализ статистических данных:
- коэффициент детерминации высокий (Я2 = 0,9348);
- критерий Фишера высокий (Е = 157);
- критерий Дарбина-Уоттсона больше табличного интервала и стремится к 2 (й = 1,84), что говорит об отсутствии автокорреляции;
- стандартная ошибка (БЕ = 2872).
Установим зону доверительного интервала равную 2 * БЕ и в итоге получаем следующий график (рис. 6)
Все значения находятся в зоне доверительного интервала. Модель обладает высоким значением коэффициента детерминации, что говорит о её высокой надежности, также на это указывает высокий коэффициент Фишера и отсутствие автокорреляции. Следовательно, данная модель будет использована для построения прогнозных значений выручки в дальнейшем.
Далее рассмотрим методы экстраполяционного сглаживания:
1. Метод линейной экстраполяции.
Сущность метода заключается в том, что прогнозные величины определяются на основе среднего прироста или снижения исследуемого показателя за определенный период времени [17].
Значение среднего темпа прироста выручки 3349 млн. руб.
Млн. рублей
Рис. 6. Прогнозные значения выручки, млн. руб.: -выручка;---выручка формула; - • - +2 * БЕ; - • •--2 * БЕ
Прогнозные значения выручки, полученные с помощью данного метода, представлены на рис. 9. Однако, данная модель слишком проста и не даст достоверных значений.
2. Метод Хольта.
Метод Хольта используется для прогнозирования временных рядов, когда есть тенденция к росту или падению значений временного ряда на исследуемом промежутке. А также для рядов, когда данные есть не за полный цикл, и сезонность еще не выделить [18]. В нашем случае, явного присутствия сезонности на исследуемом промежутке нет, следовательно, можем применить данный метод к исходным данным.
В данной модели при расчёте точности прогноза были проведены определённые манипуляции. А именно, в третьем периоде возникает аномальное значение, из-за которого расчёт точности прогноза сильно искажается. Было принято решение исключения данного значения в расчетах точности.
Итоговая точность прогноза по периодам составила 75,21%. А оценка точности прогноза на 5-й период показала 88,98%.
Для параметров модели были установлены следующие значения: к = 0,4; Ъ = 0,8.
Таблица 5
Метод Хольта
Т В, млн. руб. Экспоненциально сглаженный ряд Значение тренда Прогноз по методу Хольта Yt+v = Lt+V * Tt Yt+p ряд с моделью прогноза
2021 г. 3245,0 3 245,0 0 3245,0
2022 г. 1879,6 2 698,8 -436,9 3245,0
2023 г. 567,9 2 108,6 -559,6 2261,9
2024 г. 2698,6 2 680,4 345,5 1549,1
2025 г. 3693,8 2 878,5 227,6 4407,7
2026 г. 3481,1 2 983,0 129,1 4016,3
2027 г. 6724,6 4 402,1 1 161,2 3628,6
2028 г. 21442,3 10 521,5 5 127,7 10208,0
2029 г. 27038,4 14 051,6 3 849,6 36160,1
2030 г. 33389,5 19 476,9 5 110,2 33299,9
2031 г. 24 587,2
2032 г. 29 697,4
2033 г. 34 807,6
2034 г. 39 917,9
2035 г. 45 028,1
Метод Хольта в нашем случае показал хорошее значение надежности прогноза, следовательно, в дальнейшем он будет использован для итогового прогнозирования выручки.
3. Метод Хольта-Винтерса.
Для построения данной модели будет использоваться пакет программ Eviews [19]. Так как в данном ряде не наблюдается явная сезонность будет использована модель Хольта-Винтерса с аддитивной сезонностью (Holt-Winters - Additive)
Параметры сглаживания программа вычисляла автоматически, и они приняли следующие значения:
- Alpha (параметр сглаживания среднего) а = 1,00;
- Beta (параметр сглаживания тренда) ß = 0,79;
- Gamma (параметр сезонного сглаживания) у = 0,00.
Значение тренда составило 1594,73 млн. руб.
Значение сезонности оказалось слишком маленьким в диапазоне от -5,06 до 5,07.
Автокорреляции отклонений нет, все значения находятся в зоне доверительного интервала, а проверка нулевой гипотезы подтверждает вывод об отсутствии автокорреляции.
Коэффициент асимметрии S = -0,04, что можно округлить до 0 и принять за идеальное значение.
Коэффициент эксцесса К = 8.
Данные коэффициенты указывают на отсутствие нормального распределения остатков в модели. Что подтверждает рис. 7.
Quantiles of SER01
Рис. 7. График квантиль-квантиль остатков модели
Тест Харке-Бера аналогично не был пройден. Итоговая модель имеет следующий вид, представленный на рис. 8.
Выручка, млн руб
Рис. 8. Прогноз выручки по методу Хольта-Винтерса ^БМ - прогнозные значения)
Данную модель нельзя назвать хорошей, но для наглядности и получения большего количества прогнозных значений, возможно с осторожностью применять полученные значения в итоговом прогнозе выручки.
Подводя итог, в данном исследовании были построены следующие модели:
- модель экспертных оценок;
- модель множественной регрессии;
- модель линейной экстраполяции;
- модель Хольта;
- модель Хольта-Винтерса с аддитивной сезонностью.
Для большей наглядности все полученные значения необходимо сгруппировать и представить на едином графике. За эталон принимаем модель на основе прогнозов специалистов и мнения экспертов, так как она обладает наибольшей надежностью и достоверностью. Далее подбираем значения прогнозов, наиболее близко находящихся к значениям прогноза экспертных оценок.
Интерпретируем значения прогнозных моделей на рис. 9, отражающем итоговые значения по всем рассмотренным ранее методам прогнозирования. Наиболее близким к эталонному графику оказался метод множественной регрессии, и, что удивительно, обычная линейная экстраполяция предоставляет следующий по надежности прогноз. Метод Хольта находится ниже всех остальных значений на промежутке с 2030 по 2035 гг., а метод Хольта-Винтерса наоборот, предполагает наиболее высокие значения на промежутке с 2031 по 2035 гг.
Заключение. СбЯТЦ - инновационный продукт ГК «Роса-том», направленный на решение проблемы обращения с отработанным ядерным топливом как на внешнем, так и внутреннем рынках. Данный продукт мало того, что сможет решить проблему ядерного наследия, так и обеспечить стабильную прибыль компании. Также за счет данного продукта возможно значительно увеличить долю компании на рынке ядерных материалов и услуг.
Для прогнозирования выручки продукта были использованы несколько методов, так как необходимо обеспечить наибольшую точность прогнозных значений. Основными стали метод на основе прогнозов специалистов с дополнением в виде метода экспертных оценок, метод множественной регрессии и методы
экстраполяционного сглаживания (метод линейной экстраполяции, метод Хольта и метод Хольта-Винтерса).
Рис. 9. Представление всех прогнозных моделей, млн. руб.:
-выручки экспертные оценки; • • • выручка линейная экстраполяция;
---выручка Хольта-Винтерса; - • - выручка множественная регрессия;
- • • - выручка Хольта
По результатам применения методов были построены и описаны итоговые графики. Наиболее точный прогноз выручки продукта обеспечил метод экспертных оценок, однако метод множественной регрессии также обеспечивает высокую надежность прогнозных значений.
Выручка продукта СбЯТЦ по прогнозным значениям составит 67,2 млрд. рублей в год к 2040 г. При условии, что прибыль известна и находится на достаточном уровне, можно сделать вывод о том, что целесообразно продолжать инвестирование в данный продукт и развивать технологии, связанные с обращением с ОЯТ.
Список литературы
1. Махмутова Э.М. Применение методов скользящей средней, экспоненциального сглаживания и тренда при прогнозировании финансового результата от продаж на примере ОАО «Булочно-кондитерский комбинат » /Э.М. Махмутова //Вопросы экономики и управления. 2016. № 4. С. 56-58.
2. Вахрушев И.А. Прогнозирование годовой выручки российских компаний крупного и среднего бизнеса отрасли торговли /Вахрушев И.А. //Научный журнал НИУИТМО. Серия «Экономика и экологический менеджмент». 2020. №3. С. 45-51.
3. Еременко О.В. Актуальные вопросы прогнозирования в сельском хозяйстве на региональном уровне / О.В. Еременко // Вестник Курской государственной сельскохозяйственной академии. 2023. № 6. С. 179-184.4.
4. Милюшенко О.А., Пупкова А.Г., Ковалев А.И. Прогнозирование выручки от продаж торгового предприятия//Вестник Сибирского института бизнеса и информационных технологий. 2020 №4(36). С. 58-64.
5. Кириллова А. И. Прогнозирование прибыли от продаж на примере «Кыштымского машиностроительного объединения». // Современные тренды развития регионов: управление, право, экономика, социум:МатериалыXXI Всероссийской студенческой научно-практической конференции. Челябинск, 26-27 апреля 2023 г. Челябинск: Российская академия народного хозяйства и государственной службы при Президенте РФ. 2023. С. 351-354.
6. Поздняков А. С. Применение метода Хольта-Винтерса при анализе и прогнозировании динамики временных рядов // Проблемы организации и управления на транспорте : Сборник научных трудов студентов, магистрантов, аспирантов, молодых ученых и их научных руководителей (материалы межвузовской научно-практической конференции), Екатеринбург, 03 ноября 2016 г. Том Выпуск 11 (230). Екатеринбург: Уральский государственный университет путей сообщения. 2017. С. 57-64.
7. Комаревцева О. О. Краткосрочное статистическое прогнозирование валового муниципального продукта в условиях постоянных изменений. //Экономический анализ: теория и практика. 2016. № 8(455). С. 191-202.
8. Корнилова А.Ю., Палей Т. Ф. Проблемы применения методов экспертных оценок в процессе экономического прогнозирования развития предприятия //Проблемы современной экономики. 2010. № 3(35). С. 124-128.
9. Орлов А.И. Организационно-экономическое моделирование: учебник: в 3 частях. Часть 2. Экспертные оценки /М: МГТУ им. Баумана. 2011. 488 с.
10. Орлов А.И. Организационно-экономическое моделирование: учебник: в 3 частях. Часть 3. Статистические методы анализа данных /Москва: МГТУ им. Баумана. 2012. 624 с.
11. Пантелей Д. С. Особенности международного сотрудничества в области атомной энергетики на современном этапе //МИР (Модернизация. Инновации. Развитие). 2017. Т. 8. № 3(31). С. 368-375.
12. Ивантер В.В., Семикашев В.В. Роль атомной промышленности в экономике страны и стоящие перед ней вызовы //Энергетическая политика. 2017. № 3. С. 3-11.
13. The Full Costs of Electricity Provision. Nuclear Energy Agency Organisation for Economic Co-Operation and Development. OECD. 2018. NEA No. 7298. Полные затраты на производство электроэнергии. АЯЭ No. 7298. ОЭСР. 2018. 215 с.
14. Е.О. Адамов, А.А. Каширский, Е.В. Муравьев, Д.А. Толстоухов Структура и параметры двухкомпонентной ядерной энергетики при переходе к замыканию ядерного топливного цикла //Известия Российской академии наук. Энергетика. 2016. № 5. С. 14-32.
15. КрассМ.С., Чупрынов Б.П. Математические методы и модели для магистрантов экономики: Учебное пособие. 2-е изд. М.: Издательский дом «Питер». 2010. 496 с.
16. Козинова А.Т. Прогнозирование выручки предприятия // Вестник нижегородского университета им. Н.И. Лобачевского. Серия: экономика и финансы. 2004. №1. С. 15-21.
17. Gardner Jr., S.E. Exponential Smoothing: The state of the Art / S.E. Gardner // Journal of Forecasting. 1985. Vol.4. P.1-28. https://doi.org/10.1002/for.3980040103
18. Armstrong J.S. Principles of Forecasting: A Handbook for Researchers and Practitioners. Norwell, MA: Kluwer Academic Publishers. 2001. 849p.
19. Туктамышева Л.М. Моделирование и прогнозирование на основе методов экспоненциального сглаживания: методические указания. Оренбург: ГОУ ОГУ. 2008. 53с.
Для цитирования: Скворцова Д.А., Ильин А.Д., Солониченко К.А. Прогнозирование выручки инновационного продукта ГК «Роса-том» - сбалансированный ядерный топливный цикл // Научные труды. Институт народнохозяйственного прогнозирования РАН. 2024. № 1. С. 153-170. DOI: 10.47711/2076-3182-2024-1-153-170.
Summary
REVENUE FORECASTING OF ROSATOM'S INNOVATIVE PRODUCT - BALANCED NUCLEAR FUEL CYCLE
SKVORTSOVA Darya A., Cand. Sci. (Tech.), [email protected], Associate Professor of the Department of Industrial Logistics, Bauman Moscow State Technical University, Moscow, Russia, ORCID: 00000003-2119-5540
ILYIN Alexander D., Master of the Department of Industrial Logistics, Bauman Moscow State Technical University, Moscow, Russia, ORCID: 0009-0008-0262-6572
SOLONICHENKO Ksenia A., Master of the Department of Industrial Logistics, Bauman Moscow State Technical University, Moscow, Russia, ORCID: 0009-0008-6950-8343
Abstract. The article gives a brief description of the product of Rosatom State Corporation "BNFC" and substantiates the relevance of the study. The main factors that have the greatest impact on revenue are formed. The description of key markets and dynamics of spent nuclear fuel accumulation in these markets are given. The following forecasting methods have been considered: revenue forecast based on the forecast of specialists and expert estimates, multiple regression method, linear extrapolation method, Holt method, Holt-Winters method with additive seasonality. Based on the results of the methods, the resulting graphs were constructed and described. The forecast model providing the highest accuracy of forecast values was determined. A final graph showing all the obtained forecast values was constructed and a conclusion was formed based on it. A comparative analysis of all mathematical forecasting models with the method built on the basis of specialists' forecast and expert assessments is carried out. The most relevant model of building forecast values of revenue is proposed. The revenue of the BNFC product according to the forecast values will amount to 67.2 billion rubles per year by 2040.
Keywords: forecasting, product revenue, multiple regression, Holt's method, nuclear industry, extrapolation method
For citation: Skvortsova D.A., Ilyin A.D., Solonichenko K.A. Revenue Forecasting of Rosatom's Innovative Product - Balanced Nuclear Fuel Cycle // Scientific works: Institute of Economic Forecasting of the Russian Academy of Sciences. 2024. No. 1. Pp. 153-170. DOI: 10.47711/2076-3182-2024-1-153-170
