CC BY
172
Bulletin of Taras Shevchenko National University of Kyiv. Economics,, 2014; 10(162): 40-50 УДК 339.56.055 JEL F47
Н. Крилова, канд. екон. наук, доц., Ю. Редько, мапстр мiжнародноT економiки КиТвський нацюнальний унiверситет iMeHi Тараса Шевченка, Китв
ШЛЯХИ ТА НАПРЯМИ ОПТИМ1ЗАЦП ЕКСПОРТУ ЗЕРНОВИХ УКРА'1'НСЬКИХ ВИРОБНИК1В НА СВ1ТОВОМУ РИНКУ
Розкрито фактори, що сприяють зростанню попиту на 3epHoei культури: споживання зернових постйно зрос-тас, ринок розширюсться, чисельн/'сть населення збшьшусться. Розроблена економiко-математична модель, яка аналiзуe вплив факторiв на експорт укра/нсько/ пшениць Визначено основн напрями оптiмiзацi¡ експорту зернових.
Ключовi слова: агропромисловий комплекс, валовый внутрiшнiй продукт, економiко-математична модель, експорт, зерновий ринок, iмпорт, протекцюшстсью нструменти, Св/'това оргашза^я торгiвлi.
Постановка проблеми. Характерною рисою сучас-ноТ свтовоТ економки е якюш структуры трансформаций як вимагають використання нових концепцш та пiдходiв до вивчення можливостей економiчного розвитку краТн.
Визначальну роль у формуванн валового внутрш-нього продукту будь-якоТ краТни вiдiграе агропромисловий комплекс, його розвиток забезпечуе стмке, збалан-соване економiчне зростання в краМ АПК займае про-вiдне мюце в експортi УкраТни. Втрата провщних експо-ртних позицiй держави на мiжнародному зерновому ринку, непродуктивне використовування ресурав, низь-ка ефективнiсть виробництва зумовлюють необхiднiсть перегляду функцiонування зерновоТ галузi. Пшениця для УкраТни е стратепчно важливою культурою, оскiльки вона не ттьки гарантуе продовольчу безпеку держави, але й дае можливють отримати додато^ кошти вiд експорту та як наслщок покращити добробут краТни. Побу-дова новоТ економiко-математичноТ моделi, яка б пояс-нювала вплив факторiв, Тх взаемозалежнють для оптимь зацiТ експорту пшениц УкраТни е вкрай необхiдною.
Видшення невирiшених ранiше частин загаль-но'|' проблеми. Розробка та аналiз моделi надасть змогу покращити експортну пропозицю УкраТни та збiльшити поставки зерна на свiтовi ринки. Запропо-нован рекомендацiТ та шляхи вирiшення юнуючих
проблем будуть сприяти вiдтворенню експортного по-тенцiалу краТни, пiдвищенню конкурентоспроможност украТнськоТ пшеницi на мiжнародному ринку, форму-ванню рацiональноТ структури експорту та забезпе-чення економiчноТ безпеки краТни.
Постановка завдання. Метою дослщження е розробка економко-математичноТ моделi експорту пшеницi УкраТни та визначення напрямюв оптимiзацiТ ключових факторiв експорту зернових украТнських виробникiв на св^овому ринку. Для досягнення поставленоТ мети по-трiбно вирiшити наступнi завдання:
• визначити сучасн тенденцiТ розвитку мiжнарод-ного ринку пшеницi;
• побудувати дючу економiко-математичну модель експорту пшениц УкраТни, виявити фактори впливу на неТ;
• надати пропозицп для оптимiзацiТ експорту зернових УкраТни на мiжнароднi ринки.
Виклад основного матерiалу дослiдження. На 2012 рк торгiвля товарами склала 18,325 трлн.дол. США за експортом товарiв, та 18,565 трлн.дол. США за iмпортом товарiв [2].
У свтовм структурi торгiвлi товарами, торгiвля про-дукцiею сiльськогосподарськоТ галузi займае 10% та становить 1,753 трлн.дол.США (рисунок 1).
Рис. 1. Структура мiжнародноT торгiвлi товарами, 2012 р.
Джерело: розроблено автором за даними Свтово'Т оргаызацп торгiвлi [3]
Зерновi культури е основними продуктами стьсько-го господарства, з них виробляють важливi продукти харчування: борошно, крупу, хлiбнi i макароннi вироби. Зерно необхщне для успiшного розвитку тваринництва i птахiвництва, що пов'язане iз збтьшенням виробництва м'яса, молока, масла та Ыших продуктiв. Зерновi культури служать сировиною для отримання крохмалю, патоки, спирту i шших продук^в.
1снують наступнi види зернових культур: пшениця, жито, ячмЫь, овес, кукурудза, рис, сорго, гречка, просо, iншi зерновi культури [1].
Зерновi в структурi свiтового сiльського господарства складають 585 млрд. доларiв США, що е^валентно 36% всього стьського господарства. 1з них найбiльш популярною культурою серед е кукурудза, найважпивь ша кормова культура, а з недавнього часу ТТ також стали використовувати для виробництва етанолу. Харчове
© Крилова Н., Редько Ю., 2014
значення вона зберiгаe головним чином у краТнах, що Друге мюце за обсягом продажiв у 2013 роц займала
розвиваються, особливо в Латинськш Америцi i на Бли- пшениця, 30% вiд загальних. На рис припадае 20% вах зькому Сходi. продажiв зернових культур, ячмЫь - 7 %, iншi - 7 %.
Рис. 2. Структура продажу зернових у свт, %, 2013 р.
Джерело: розроблено автором за даними ПродовольчоТ та стьськогосподарськоТ орган1зац1Т ООН [9]
Виробництво зернових у свiтi становить 43% всього св^ового виробництва всiх с/г культур. (рисунок 3) УкраТна у 2012 роцi виробила 108,3 млрд. тонн стьсь-
когосподарських культур рослинництва, iз них 46,2 млрд. тонн становили зерновi культури.
Рис. 3. Структура виробництва стьськогосподарських культур в Укра'Гж, 2013 р.
Джерело: розроблено автором за даними Державного ком1тету статистики [11]
У структурi виробництва зернових культур, найбть-ший вiдсоток в УкраТнi займае виробництво пшениц -46% та кукурудзи - 35%, (культури, яга займають найва-гомiше мiсце серед вах зернових культур св^ового ринку), а також ячмшь - 16% та iншi - 3% [11].
КраТнами - лiдерами за експортом пшениц у свiтi е США, СС, Канада. У 2013 роц УкраТна займае 6 мiсце св^ового експорту пшеницi, що представлено у табл. 1., зазначимо, що краТна втрачае свою долю експорту, осгальки у 2002 роц УкраТна посiдала трете мюце, а вже у 2010 - п'яте, вщповщно у 2013 - шосте.
Таблиця 1. Експорт пшениц за кра'Гнами-лщерами ринку, Свiт, 2013 р., млн. т.
Ранг КраГна Експорт (1000 МТ)
1 США 29,937.00
2 еС-27 24,000.00
3 Канада 21,500.00
4 Австрал1я 19,000.00
5 Росшська Федерац1я 16,000.00
6 УкраТна 10,000.00
7 Казахстан 8,000.00
8 1нд1я 6,500.00
9 Аргентина 4,500.00
10 Туреччина 3,500.00
Джерело: розроблено автором за даними Мшютерства стьського господарства США [7]
Споживання та попит на зерновi щорiчно збтьшу-еться. Попит на пшеницю у свiтi в перюд 1991-2013 рр. зрiс на 28%, так, на 2013 рк становив 703.5 млн.тон проти 551.8 млн.тон у 1991 роцк В свою чергу, зростан-ня споживання пов'язане iз збтьшенням популяцií на-селення планети. Починаючи з 1990 року по 2013 рк, населення зросло на 42%, з 5,3 млрд. чоловк до 7,2 млрд. чоловк, при цьому виробництво зернових на 13%, з 1,772 млрд.тон до 2,303 млрд.тон. [7,4] Зпдно з прогнозом Департаменту ООН у 2017 роц ктькють людей на планер буде становити 7,5, що призведе до зростання попиту на зерновому ринку [5].
Втрата провщних експортних позицш укра'нсько'' пшениц на мiжнародному зерновому ринку та зростання свппвого попиту призвело до необхщносл здмснен-ня детального аналiзу факторiв, що формують експорт-ну пропозицiю пшеницi держави, та розробки економко-математично' моделi, яка б пояснювала залежнiсть цих
Отже, нами нижче наведена табл. 2 вихщних даних:
факторiв. Це дозволить виявити проблемы моменти, виршення яких, оптимiзуe експорт пшеницi укра'нських виробнишв та надасть змогу в майбутньому кра'ы вщ-новити сво' позицп на мiжнародному зерновому ринку.
ВВП кражи е одним iз найважливших показникiв економiчного розвитку кражи. Осктьки Укра'на е ждус-трiальною державою, вщсоток сiльського господарства займае суттеву частку у ВВП (10,2%). Виробництво таких культур рослинництва як, зерновi та зернобобовi культури, цукровi буряки (фабричнi), соняшник, карто-пля, овочi вiдкритого Грунту мае свою специфку, оскь льки здiйснюеться лише у 3 та 4 кватралi року (серпень, вересень, жовтень, листопад). Тому ми можемо припу-стити, що залежнють ВВП Укра'ни вщ виробництва культур рослиництва мае сезонний характер. У цьому випадку необхщно коригувати його за допомогою оптимально'' моделi нетарифного регулювання та мехашзму цiнового регулювання.
Рю, номер кварталу Виробництво зернових ВВП
2003 Q1 0 52583
2003 Q2 0 60798
2003 Q3 16673,2873 75812
2003 Q4 58129,1228 78151
2004 Q1 0 66981
2004 Q2 0 78607
2004 Q3 36844,5872 99405
2004 Q4 64972,9158 100120
2005 Q1 0 88104
2005 Q2 0 101707
2005 Q3 16508,8031 122861
2005 Q4 72461,725 128780
2006 Q1 0 106348
2006 Q2 0 126319
2006 Q3 38007,0965 152406
2006 Q4 104756,281 159080
2007 Q1 0 139444
2007 Q2 0 166869
2007 Q3 58116,0988 199535
2007 Q4 114989,485 214883
2008 Q1 0 191459
2008 Q2 0 236033
2008 Q3 67548,1318 276451
2008 Q4 169752,229 244113
2009 Q1 0 189028
2009 Q2 0 214103
2009 Q3 77300,3303 250306
2009 Q4 158359,548 259908
2010 Q1 0 217286
2010 Q2 0 256754
2010 Q3 97284,1757 301251
2010 Q4 174857,083 307278
2011 Q1 0 261878
2011 Q2 0 314620
2011 Q3 109674,711 376019
2011 Q4 253360,35 364083
2012 Q1 0 296 970
2012 Q2 0 351 777
2012 Q3 128392,92 392 080
2012 Q4 611089,85 381 289
2013 Q1 0 302 864
2013 Q2 0 353 025
2013 Q3 122409,3 394 731
Таблиця 2. ВВП УкраТни та виробництво зернових УкраТни, млн. грн, 1-4 квартали, 2003-2013 рр.
Джерело: розроблено автором за даними Держкомстату та НБУ [11, 12]
Побудуемо модель в EViews (див. рис. 4), щоб перев1рити залежнють сезонност1 ВВП в1д виробництва зернових. В результат! нами була отримана наступна модель:
Y = 21556.03*@SEAS(2) - 47215.36*@SEAS(3) + 37063.55*@SEAS(4) +13505.87 + 8194.568@TREND. Dependent Variable: Y Method: Least Squares Date: 11/13/13 Time: 17:30 Sample (adjusted): 2003Q1 2013Q3 Included observations: 43 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
@SEAS(2) 21556.03 8569.450 2.515451 0.0468
@SEAS(3) 47215.36 8582.490 5.501359 0.0000
@SEAS(4) 37063.55 8804.038 4.209836 0.0002
C 13505.87 7799.736 1 .731 580 0.0924
@TREND 8194.568 273.0454 30.01174 0.0000
R-squared 0.965784 Mean dependent var 195389.5
Adjusted R-squared 0.961759 S.D.dependent var 97938.47
S.E. of regression 19152.14 Akaike info criterion 22.67743
Sum squared resid 1.25E+10 Schwarz criterion 22.89070
Log likelihood -437.2098 Hannan-Quinn criter. 22.75395
F-statistic 239.9251 Durbin-Watson stat 0.754096
Prob(F-statistic) 0.000000
Рис. 4. Коеф^фенти побудовано'Г моделi в середовищi EViews
Джерело: розроблено автором за даними Держкомстату та НБУ [11, 12]
Осктьки Prob(F-statistic)=0.000000, що менше нiж 0,05 то можна зробити висновок про значущiсть perpecii.
Prob. @SEAS(2), Prob. @SEAS(3), Prob. @SEAS(4) e меншими за 0,05 (piBeHb значущоcтi), тодi можна зро-
бити висновок про значущють змiнноï @SEAS(4) при будь-якому рiвнi значущостi.
Рис. 5. График модeлi залeжностi ВВП вiд виробництва рослинних культур, сезонжсть, тренд
Джерело: розроблено автором за даними Держкомстату та НБУ [11, 12]
Проаналiзувавши рис. 5. можна побачити, що Actual та Fitted слщують близько одна до одно!', як наслщок -ВВП Украши залежить вщ сезонних коливань виробництва рослинництва, а також ВВП мае явний тренд до зро-стання, в тому числ^ за рахунок збтьшення виробництва зернових культур. Проте навггь iз щорiчним зростанням виробництва та експорту зернових, як зазначалось рань ше, УкраТна втрачае провщы позицп експортера. Оскть-ки майже половина зернових припадае на виробництво
та експорт пшениц, проведемо деталiзований аналiз фаюгрв впливу на експорт ЦеТ зерновоТ культури.
Проведемо юлькюний аналiз за допомогою програ-много забезпечення EViews.
Вихiднi дат: Використовуючи базу Державного комь тету статистики та Мшютерства сiльського господарст-ва США, в моделi представлен данi за перiод 19972013 року, тис.тон, що представлено у табл. 3.
Таблиця 3. Вихiднi дат для моделi експорт, 3i6paHi nлощi, внутрiшнe споживання, врожaйнiсть, залишки, валовий 36ip), 1997-2013 рр.
PiK Експорт Зiбрaнi площi Внутршне споживання Врожайжсть Залишки Валовий збiр
1997 1364 6508 15643 28 4000 18404
1998 4696 5641 12419 26,4 1900 14937
1999 1952 5931 12186 22,9 1800 13585
2000 78 5161 12155 19,8 450 10197
2001 5486 6882 13450 31 2955 21349
2002 6569 6750 14500 30,5 3252 20556
2003 66 2456 9025 14,7 1125 3599
2004 4403 5534 11700 31,7 2576 17520
2005 6461 6571 12500 28,5 2382 18699
2006 3366 5511 11700 25,3 1344 13947
2007 1236 5951 12300 23,4 2080 13938
2008 13037 7054 11900 36,7 3101 25885
2009 9337 6753 12300 30,9 2358 20866
2010 4302 6284 11600 26,8 3340 16844
2011 5436 6657 14950 33,2 5162 22324
2012 7190 5630 11800 34 2179 15761
2013 10000 6500 11500 34,83 2779 22000
Джерело: розроблено автором за даними даними Держкомстату та Мастерства стьського господарства США
Наступним кроком е переробка даних та ïx глдготовка до роботи в програмному забезпеченш. Результати представлен! у табл. 4.
Таблиця 4. Пдготовка даних до роботи в програмному забезпеченж
п/н Змшна Умовна одиниця 3MiHHa b EViews
1 Експорт тис. тон EX
2 Внутршне споживання тис. тон CON
3 Валовий збiр тис. тон YIELD
4 Зiбранi площi тис. га AREA
5 Врожайнють ц/га PROD
6 Залишки тис. тон STOCK
Пiсля введення даних, робимо nepeBipKy стацюнар-HOCTi ораних рядiв за допомогою тесту ДкьФуллера (Augmented Dickey-Fuller Test Equation). Отриман результати свщчать, що в данiй економко-математичнш моделi Bci ряди даних е стацiонарними, оскiльки зна-
neHHa t-Statistic e 6inbWMM 3a 3HaneHHH Test critical values, nicna noro MOXHa po3noHMHaTM no6ygoBy Mofleni.
nicna iMnopTy BMXiflHMX flaHMX flo nporpaMHoro npogy-KTy EViews7 Ta oqiHKM Mofleni 3a flonoMororo oTpMMaHo HacTynHi pe3ynbraTM (pMc. 6).
Dependent Variable: Y Method: Least Squares Date: 11/13/13 Time: 21:17 Sample: 1997 2013 Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
YIELD 1 .622761 0.588531 2.757306 0.0186
STOCK -0.536677 0.495138 -1.083895 0.3016
PROD -568.0590 393.5906 -1.443274 0.1768
CONS -0.714073 0.339591 -2.102745 0.0593
AREA -1.737593 1.244027 -1.396748 0.1900
C 13472.73 7027.002 1.917280 0.0815
R-squared 0.888817 Mean dependent var 4566.941
Adjusted R-squared 0.838280 S.D.dependent var 3515.176
S.E. of regression 1413.609 Akaike info criterion 17.61624
Sum squared resid 21981195 Schwarz criterion 17.91032
Log likelihood -143.7381 Hannan-Quinn criter. 17.64548
F-statistic 17.58725 Durbin-Watson stat 2.429347
Prob(F-statistic) 0.000064
Рис. 6. Коесфценти побудовано'Г моделi в середовищi EViews
Джерело: розроблено автором за даними Держкомстату та Мастерства стьського господарства США
Отримана модель мае вигляд:
Y = 1.622761* YIELD - 0.536677*ST0CK -568.0590*PR0D -0.714073* CONS -1.737593*AREA + 13472.73. П1сля проведених розрахунгав, зд1йснених за допо-могою Eviews, можна простежити, що дана модель е адекватною з ймов1рнютю 90%, 95%, осктьки Prob (F-statistic) е меншим за значення (1 - а) = 0.05, 0.1. В
дашй моделi коефiцieнт детермiнацií R2 = 0,89, що е достатньо високим показником.
Проте, за високим рiвнем надмност 0,95 чи 0,9 bcí змiннi крiм YIELD е незначущими, тому наступним кро-ком е пошук оптимальноí економiчно-математичноí мо-делi, де bcí змiннi будуть значущими.
Оптимiзацiя моделi: Нами була запропонована опти-мiзована модель, яка була виявлена шляхом про лога-рифмування Yield та додавання Stock + Cons. (рис.7).
Dependent Variable: Y Method: Least Squares Date: 11/13/13 Time: 21:46 Sample: 1997 2013 Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
LOG(YIELD) -1848б.73 4б14.479 -4.G94765 Q.QQ15
STOCK+CONS -G.628264 G.185368 -3.389289 Q.QQ54
PROD 1194.69б 177.8717 6.716612 G.GGGG
AREA 5.6QQ6Q5 1.286281 4.354Ю7 G.GGG9
C 12649б.9 32426.63 3.9GG988 G.GG21
R-squared G.916639 Mean dependent var 4б66.941
Adjusted R-squared G.888852 S.D. dependent var 3б1б.176
S.E. of regression 1171.921 Akaike info criterion 17.21G6G
Sum squared resid 1648G776 Schwarz criterion 17.4бб67
Log likelihood -141.29G1 Hannan-Quinn criter. 17.23496
F-statistic 32.988GG Durbin-Watson stat 2.52G797
Prob(F-statistic) G.GGGGG2
Рис. 7. Коесфценти оnтимiзованоï моделi в сеpедовищi EViews
Джерело: pозpоблено автоpом за даними Деpжкомcтатy та Miнicтеpcтва ciльcького гоcподаpcтва США
Таким чином, пофащена модель маe вигляд: Y = -18485.73276G6*LOG(YIELD) -G.628264493497*(STOCK+CONS) + 1194.69528588*PROD + 6.6GG6G62G266*AREA + 12649б.88421б.
Вона e адекватною, а ва коефiцieнти e значимими, оcкiльки Prob. LOG(YIELD), STOSC+CONS, PROD, AREA< G,G5, а коефiцieнт детеpмiнацiï вказye на виоэку тicнотy зв'язку i cкладаe G,91. На pиc.8. пpедcтавлений фафк pегpеciï:
Рис. S. Гpафiк регресм оnтимiзованоï моделi, 1997-2013 pp.
Джерело: pозpоблено автоpом за даними Деpжкомcтатy та Miнicтеpcтва ciльcького гоcподаpcтва США
Пеpевipка обpаноï моделi: Пicля пеpевipки обpаноï моделi за допомогою тест1в Вайта (Probability Obs*R-squared становить 16.6183G > G.G5, що даe можпивicть
пpипycтити вiдcyтнicть гетеpоcкедаcтичноcтi) та фите-piïв множникiв Лагpанжа Бpойша-Годфpi (в данiй моде-лi вдоутня автокоpеляцiя, оcкiльки значення Prob. Chi-
Square 2.339541 > 0.05) не було виявлено автокореля-ци (рис. 9). Це свщчить про вщсутнють випадкових по-
милок, яга призводять до неефективност оцiнок, отри-маних за допомогою методу найменших квадpатiв.
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
6.219676 Prob. F(14,2) 0.1470
16.61830 Prob. Chi-Square(14) 0.2771
6.054709 Prob. Chi-Square(14) 0.9651
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.797908 Prob. F(2,10) 0.4770
Obs*R-squared 2.339541 Prob. Chi-Square(2) 0.3104
Рис.9. nepeBipKa оnтимiзованоT моделi на гетероскедастичнiсть та автокореляцiю
Джерело: розраховано автором за даними Держкомстату та Мшютерства стьського господарства США
Також визначимо наявнють чи вщсутнють автокоре-ляцп за допомогою аналiзу автокоpeляцiйноí та частко-воТ автокореляцшноТ функцiй та Q - статистики. Ре-
зультата представлен на рис.10. Значення Probability бтьше 0,05. Це свщчить про вщсутнють автокореляцп.
Date: 01Л 3/13 Time: 22:21 Sample: 1SS7 2013 Included observations: 17
Autocorrelation
Partial Correlation
AC
РАС О-Stat Prob
1 □ 1
1 : >
1 Z) '
| а 1
1 ■ 1
■ □ 1
■ с 1
| а ' с 1 1
1 1 ) 1 ] I
■ □ 1
| □ I 1 1
■0,326 0.041 0.09Э 0.121 ■0.369 0,560 0.091 -0.235 ■0.12В 0.076 ■0.020 ■0.065 0.167 ■0.045 0,045 ■0.000
0.329 0.076 0.093 0.211 ■О.ЗОЙ 0.229 0.049 0.123 0.231 0.213 0.072 0.056 0.039 ■0.194 0.104 0.027
2.1834 2.2247 2.4227 2.7369 8.4521 6.5561 S 8231 3.8131 9.4797 9.7462 Э.7076 10.043 12.297 12.513 12 340 11.340
0.139 0329 0 489 0.594 0 265 0,364 0.443 0.358 0 394 0463 0,551 0 612 0.503 0.565 0.615 0684
Рис. 10. nepeBip^ оnтимiзованоT моделi наявнiсть чи вiдсутнiсть автокореляцп за допомогою аналiзу автокореляцiйноT та частковоТ автокореляцiйноT функцiй та Q - статистики
Джерело: розраховано автором за даними Держкомстату та Мшютерства стьського господарства США
Розрахунок стандартизованих регресмних коeфiцie-н^в та еластичностк Формула регресмних коeфiцieнтiв:
b* = bj Z^L, (j = ^)
де, b; - коeфiцieнт peгpecií при пояcнюючiй змшшй x
а
■ - стандартна похибка пояснюючоТ змiнноí Xj, öy стандартна похибка залежноТ змшноТ модeлi [14].
За даною формулою були знайден cтандаpтизованi peгpeciйнi коeфiцieнти до вiдношeнню до змiнноí "Експорт" в УкраТш. Результати представлеш у табл. 5.
Таблиця 5. Стандартизован регресшш коефiцieнти по вщношенню до змшноТ "Експорт" в УкраТш
Log(YIELD) STOCK+CONS PROD AREA
Log(YIELD) 0 13051,68583 0,445049 859,6969496
STOCK+CONS 7,66185E-05 0 3,41 E-05 0,065868652
PROD 2,246943751 29326,40392 0 1931,690688
AREA 0,001163201 15,18172868 0,000518 0
Джерело: розраховано автором за даними Держкомстату та Мшютерства стьського господарства США
На зм1ну обсягу експорту бтьший вплив н1ж 1нш1, демонструе урожайн1сть, оск1льки значення bj для по-
казника "Урожайн1сть" вище по вщношенню до 1нших показник1в.
Розрахунок коефщ1ента еластичност1 в1дносно У "Експорт" демонструе наступне:
• Log(YIELD) - 1,30661E-06;
• STOCK+CONS - 0,017053468;
• PROD - 5,81506E-07;
• AREA - 0,001123289.
Зм1нн1 "Залишки" та "З1бран1 площ1" мають нульову еластичнють, що говорить про вщсутнють чутливост1 змЫноТ "Експорт" до них.
При цьому, отриман1 дан1 в нашш модел1, дають п1дстави стверджувати про високу залежнють експорту вщ урожайност1, що св1дчать розрахунки стандарти-зованих коеф1ц1ент1в та значення 5,81 еластичност1 при 1нших незмшних умовах. Так як, зб1льшення уро-жайност1 призведе до суттевого збтьшення експорту пшениц1, необх1дно розрахувати прогноз збтьшення експорту вщ цього фактору.
Нами було розраховано збтьшення прогнозного значення експорту при збтьшены урожайност на 5%, 10%, та 20% та без змш (при Ыших рiвних умовах). Отриманi наступнi результати:
• якщо врожайнють залишиться на тому ж рiвнi -експорт пшениц становитиме 110254 тис. тон;
• якщо врожайнють зросте на 5% - експорт скла-датиме 112229 тис. тон пшениц;
• при збтьшенш врожайност на 10% - рiвень експорту становитиме 123858 тис.тон пшениЦ;
• зростання врожайност на 20% - призведе до збтьшення експорту до 127836 тис.тон пшениЦ.
Введення ф^ивноТ змшноТ в модель: На експорт зернових впливае прийняття державою ршення про введення нетарифних обмежень, таких як квота, ембар-го та обмеження експорту.
Вводимо нову Х-змшну в модель, виходячи з введення обмежень на ескпорт пшениЦ, вщповщно змЫна приймае значення 1 - якщо обмеження були введет, а 0 - вщсутш
Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 13:00 Sample: 1997 2013 Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
LOG(YIELD)
STOCK+CONS
PROD
AREA+QUOTA C
-18488.53 -0.628086 1194.600 5.602045 126510.0
4510.739 0.185235 177.7116 1.285293 32398.55
-4.098780 -3.390748 6.722126 4.358573 3.904804
0.0015 0.0054 0.0000 0.0009 0.0021
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
F-statistic
Prob(F-statistic)
0.916744
0.888991
1171.185
16460087
-141.2795
33.03323
0.000002
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
4566.941 3515.176 17.20935 17.45441 17.23371 2.522307
Рис. 11. Коефiцiенти оnтимiзовaноï моделi з ((Активною змшною в середовищi EViews
В результатi проведеного аналiзу отримуемо piB-няння регреси:
Y = -18488.5278774*LOG(YIELD) -0.628085790948*(STOCK+CONS) + 1194.5998139*PROD + 5.60204522496*(AREA+QUOTA) + 126509.956545.
Модель е адекватною, а Bei коефiцiенти е значими-ми, осктьки Prob. LOG(YIELD),STOSC+CONS, PROD, AREA< 0,05, а коефiцiент детеpмiнацií вказуе на високу тюноту зв'язку i складае 0,91, тому перейдемо до пода-
льшого аналiзу отриманих моделей з фктивною змiн-ною та без неТ.
Побудова прогнозу: Методи короткострокового прогно-зування призначен для поточного прогнозування, тобто прогноз будуеться послщовно на кожний наступний момент часу. Результати прогнозування представлен на графiку, який мае три сценарп (позитивний, негативний та нейтральний) на 2014 для експорту пшениЦ УкраТни.
Рiвняння першоТ моделi методом ковзкого середньо-го мае наступний вигляд, що представлено у табл. 6.
Таблиця 6. Прогноз на 2014 piK побудований метод ковзкого середнього без фiктивноT змшноТ
Сценарш Piвняння
негативний 109611 = -18485,7327505*4,287122 - 0,628264493497*15303,24 + +1194,69528588*31,19901 + 5,60060520266*6194,073 + 126495,884215
нейтральний 109933 = -18485,7327505*4,287122 - 0,628264493497*15303,24 + +1194,69528588*31,19901 + 5,60060520266*6194,073 + 126495,884215
позитивний 110254 = -18485,7327505*4,31701- 0,628264493497*15380,02 + +1194,69528588*33,31141 + 5,60060520266*5965,758+ 126495,884215
Джерело: розраховано автором за даними Держкомстату та Мшютерства торгiвлi США [10]
Рiвняння другоТ моделi представлено у табл. 7, з фктивною змiнною мае наступний вигляд:
Таблиця 7. Прогноз на 2014 р1к побудований метод ковзкого середнього з фиктивною зм1нною
Сценарш Р1вняння
негативний 109594,7 = -18485,7327505*4,287122 - 0,628264493497*15303,24 + +1194,69528588*31,19901 + 5,60060520266*6193,073 + 126495,884215
нейтральний 109917 = -18485,7327505*4,287122 - 0,628264493497*15303,24 + +1194,69528588*31,19901 + 5,60060520266*6193,073 + 126495,884215
позитивний 110238,9 = -18485,7327505*4,31701- 0,628264493497*15380,02 + +1194,69528588*33,31141 + 5,60060520266*5964,758+ 126495,884215
Джерело: складено автором за даними Держкомстату та Мастерства торг1вл1 США [10]
Бiльш детальний аналiз можна здiйснити при порiвняннi прогнозiв з урахування введення ф^ивноТ змiнноТ (рис.12).
без кмьмснш об межень експорту
з кшыпсним обмеженням експорту
2013
2014
2015
2016
2017
р|К
Рис. 12. Прогноз можливих сценармв експорту пшениц! УкраТни, метод ковзкого середнього з введенням кшьмсних обмежень експорту та без них, 2014, тис.тон.
Негативний сценарш: у цьому випадку, у 2014 роц експорт пшениц УкраТни складе з вiрогiднiстю 92% -109611 тис.тон у першш модели та 109595 тис.тон при введены державою обмежень.
Нейтральний сценарй в 2014 роц держава буде експортувати - 109933 тис.тон у першм модели та 109917 тис.тон при введены державою обмежень.
Позитивний сценарй УкраТна при Ыших рiвних умовах буде експортувати 110254 тис. тон пшениц без введення обмежень та 110239 тис.тон у протилежному випадку.
Це означае, що при Ыших рiвних умовах будь-який iз трьох сценармв (негативного, нейтрального та позитивного), бтьший виграш для держави вщ експорту пшениЦ буде без введення нетарифних обмежень.
Розроблен двi економко-математичы моделi вка-зують на сильну залежнють експорту пшеницi вiд двох змЫних "Урожайнiсть" та "Введення нетарифних обмежень", вщносно них нами надан наступнi рекомендаций
1. Пдвищення експорту через оптим1зацю викори-стання державою протекцонстських ¡нструмент/'в.
УкраТна, як учасниця СвтовоТ оргашзаЦТ торгiвлi прийняла на себе зобов'язання стосовно використання Ыструмен^в обмеження експорту та iмпорту. Але на-лежним чином постанова не виконуеться. Полiтика ль дерiв-експортерiв зернових таких як США, Канада базу-еться на чесних правилах гри без використання протек-
Цонютських заходiв, а такi краТни як Аргентина та УкраТна (яга втрачають позицТ головних експортерiв) широко користуються нетарифними обмеженнями. Таку нета-рифну полiтику обмежено використовують в СС. Аналь зованi двi моделi свiдчать, що при iнших рiвних умовах, ймовiрне збiльшення експорту вщбудеться як i при вве-денш нетарифних обмежень, так i при Тх вiдсутностi, проте експорт без ф^ивноТ змiнноТ ("Обмеження") у трьох сценарiях був кращим, а виграш для краТни ви-щим. В УкраТы квоти вводяться тому, що вони е механь змом, покликаним знизити цiни на продовольче i фура-жне зерно. Цiни, таким чином, повинш залишитися на ниншньому низькому рiвнi для того, щоб зернотрейде-ри, держрезерв, пiдприемства хлiбопекарськоТ промис-ловостi, а також виробники м'яса птиЦ i свинини могли за бтьш прийнятними цiнами його придбати. Окрiм того, держава таким чином може отримати привтеТ вищоТ цiни на зовнiшнiх ринках, гальмуючу поставки пшениЦ. Аграр^ при умовах вщсутнього устаткування для зберiгання зерна вимушеш продавати його зерно-трейдерам за низькоТ цiни. Крiм квотування у 2012 роЦ краТна використовувала Ыший iнструмент - ембарго, який в рамках СОТ суворо заборонений, це може при-звести до втрати потенцшного споживача украТнськоТ пшениЦ - Свропейського Союзу [13].
В рамках органiзацiï допускаеться використання такого мехашзму, як квоти на зернов^ проте перед тим, як краша-учасниця приймае рiшення про Ух введення не-обxiдно попередньо попереджати члешв органiзацiï, оскiльки кра'шам-учасницям необхщно пiдготуватися до такоТ дм. В цьому контекстi, Украша веде себе досить хаотично та вводить квоти кожш 3 мюяЦ.
Рiшення для Украши:
1) Украша може використовувати квотування зерна як шструмент протекЦонютськоТ полiтики, проте необ-xiдно встановлювати чiткi кiлькiснi та часовi меж^ щоб краши GC заздалегiдь могли пщготуватися до цiеï дiï.
2) Не використовувати протекцюнютський шстру-ментарй яких е заборонений в рамках СОТ, осктьки це не лише псуе репутаЦю чесного гравця на свлювому ринку, але й мае висок ризики втрати потенцiйниx ше-нтiв для Украши, особливо вбачаючи той факт, що кратна втрачае своТ лiдируючi експортнi позицп на мiжна-родному ринку.
3) Формувати залишки та вчасно Ух експортувати, а не чекати сприятливих умов для експорту. V^i аграрп вщ цього втрачають, оскiльки продають свое зерно майже по собiвартостi. В зернотрейдерiв великий вщ-соток зерна псуеться та стае невщповщним теxнiчним стандартам i стандартам якостi товару.
4) Для малих аграрних пщприемств необхщно ста-вити вищi цiни при закутвл^ оскiльки це буде стимулю-вати Ух пiдвищувати врожайнiсть пшениц, збтьшувати запаси, що гарантуе не лише стимулювання внутрь шньоТ конкуренцп, але й продовольчу безпеку держави.
5) Використовувати внутршне субсидiювання як ш-струмент захисту, в рамках зелено!', жовто'1' та буршти-ново'1' корзини сОт.
6) Ввести мехашзм цiнорегулювання держави, як меxанiзм заставних Цн Аграрним Фондом, меxанiзм заставних закутвель, через кредитування з низькими вщсотковими ставками, що гарантуватиме фермерам прибуток, та стимулюватиме до виробництва [15].
2. Збiльшення експорту через пдвищення уро-жайностi пшениц.
Розрахунок стандартизованих коефiцiентiв та значення 5,81 еластичност при шших незмшних умовах дали пщстави стверджувати про високу залежнють експорту вщ урожайность Пюля розрахунку прогнозу експорту при збтьшенш урожайности було виявлено, що при шших рiвниx умовах експорт пшеницi у 2014 роц може зрости на 1,79% при збтьшенш врожайностi на 5%, на 12% при збтьшенш урожайности на 10%, та на 16% - якщо урожайнють збiльшиться на 20%. Проте, нав^ь при такому прогнозу Украша не зможе зайняти п'яте мюце серед лiдерiв експорту пшениц.
ПотенЦал виробництва культури використаний лише на 42%. Врожайнють пшениЦ в УкраТш бiльш шж в два рази нижче, шж, наприклад, в крашах GC. В крашах Свропи спостерiгаеться тенденцiя до зниження поав-них площ пшениЦ, це явище викликане вiдведенням частини земель пщ культури для отримання бюпалива, для екологiчниx програм, розвитку промисловост тощо.
Великобританiя мае урожайнють на рiвнi 51 ц/га, проти Украши 32 ц/га, маючи гiршi шматичш умови та меншi поавш площi, така урожайнiсть досягнута за рахунок нових технологш, оптимально!' густоти поаву (60-70%) та посилення мшерального живлення (в першу чергу азотного) - 30-40%.
Одна з головних проблем низькоТ врожайност - це нестача вологи в швденних областях, але з цим можна боротися за допомогою впровадження нових технолопй.
Для залучення нового устаткування, технолопй поаву та добрив виробникам необхщно використовувати тага фiнансовi шструменти як кредитування (держава в свою чергу повинна надати птьп^ умови або надати гаранти виплат перед шшими швесторами), субсидю-вання, також через державы програми, отримання гра-ндiв вiд мiжнаpодних оргашзаЦй, залучення iнвестицiй. Якщо держава зможе залучити 20-25 млрд. дол. США за 5-7 рогав, то виробництво пшениЦ зросло б у два рази: з 56 млн.т. до 100-120 млн. т. [16].
Ягасш добрива е провщним фактором, що мае вплив на ягасть врожаю та урожайнють. Проте, при пщвищенш врожаю необхщно слщкувати за станом якосл пшеницi, ii вiдповiдностi техшчним та санiтаpним нормам.
Висновки та перспективи подальших досли джень. Таким чином, дослщжеш сучаснi тенденцií розвитку мiжнаpодного ринку пшеницi та мюце Украши у ньому, визначеш перспективи ринку. Побудована еко-номко-математична модель експорту пшеницi, ключо-вими факторами були обраш: внутpiшне споживання, валовий збip, уpожайнiсть, зiбpанi площi та залишки за пеpiод з 1997-2013 року. Розраховано прогноз збтьшення експорту вщ збтьшення врожайносп, надаш pекомендацií для ii пщвищення, а саме: проблему не-стачi вологи в пiвденних областях можна виршити за допомогою впровадження нових технолопй; для залучення нового устаткування, технологш поаву та добрив виробникам необхщно використовувати тага фiнансовi шструменти як кредитування (держава в свою чергу повинна надати птьп^ умови або надати гаранти виплат перед шшими швесторами), субсидювання, також через державы програми, отримання гpандiв вщ мiжна-родних оргашзаЦй, залучення швестицш.
Оптимiзацiйна протекЦошстська полл"ика у сфеpi ре-гулювання експорту зерна: Украша може використовувати квотування зерна як шструмент протекцюнютсько!' полiтики, проте заздалегiдь iнфоpмувати учаснигав СОТ; не використовувати заборонений шструментарш (ембар-го); формувати залишки та вчасно 'х експортувати, а не чекати сприятливих умов для експорту; для малих аграрних пщприемств необхщно ставити вищi Цни при заку-твл^ використовувати внутpiшне субсидювання в рамках зелено', жовто' та бурштиново' корзини СОТ.
Розглянута економiко-математична модель описуе лише гальгасш фактори, що впливають на експорт пшениЦ. Для повного детального дослщження необхщно пpоаналiзувати i ягасш складов^ такi як виробничий лан-цюжок (вiд виробника до покупця), лопстику, якiсть зер-нових та шше. Перспективу подальших дослiджень зу-мовлюе аналiз кiлькiсних обмежень в рамках зовшшньо' полiтики держави, в рамках свгтових торгових вiдносин.
Список використаних джерел
1. Definition and classification of commodities [Електронний ресурс] // Food and Agriculture Organization of the United Nations - 1994.- Режим доступу до сайту: http://www.fao.org/waicent/faoinfo/economic/ faodef/fdef01e.htm - Назва з екрана.
2. Factors shaping the future of world trade [Електронний ресурс] // World Trade Report. - 2013, p. 35.
3. Factors shaping the future of world trade [Електронний ресурс] // World Trade Report. - 2013, p. 110.
4. The World Factbook [Електронний ресурс] // CIA - Режим доступу до сайту: https://www.cia.gov/library/publications/the-world-factbook/geos/xx.html - Назва з екрана.
5. World Population Prospects: The 2012 Revision //United Nations -2013. - Режим доступу до сайту: United Nations, Department of Economic and Social Affairs, Population Division (2013) - Назва з екрана.
6. World Wheat, Flour, and Products Trade [Електронний ресурс] // United States Department of Agriculture - Режим доступу до сайту: http://www.fas.usda.gov/psdonline/psdReport.aspx7hidReportRetrievalNam e=World+Wheat%2c+Flour%2c+and+Products+Trade&hidReportRetrievalI D=386&hidReportRetrievalTemplateID=7. - Назва з екрана.
7. Year of Estimate: 2013 [Електронний ресурс] // United States Department of Agriculture. - 2013 - Режим доступу до сайту: United States Department of Agriculture. - Назва з екрана.
8. Анал1тична дов1дка про захист внутршнього ринку та забезпе-чення конкурентоспроможност1 в1тчизняного товаровиробника [Елект-ронний ресурс] // Нац1ональна тристороння соц1ально-економ1чна рада. 2012. - Режим доступу : http://www.ntser.gov.ua/ua/activity/128.html. -Назва з екрана.
9. База даних Food and Agriculture Organization of the United Nations [Електронний ресурс] - Режим доступу до сайту: http://faostat.fao.org/site/616/DesktopDefault.aspx?PageID=616#ancor. -Назва з екрана.
10. База даних U.S. Department of Commerce [Електронний ресурс] - Режим доступу до сайту: http://www.census.gov/.
11. База даних Державного ком1тету статистики УкраТни [Електронний ресурс] - Режим доступу до сайту: http://www.ukrstat.gov.ua._-Назва з екрана.
12. База даних НБУ[Електронний ресурс]_- Режим доступу до сайту: http://www.bank.gov.ua/.
Н. Крылова, канд. экон. наук, доц.,
Ю. Редько, магистр международной экономики
Киевский национальный университет имени Тараса Шевченко, Киев
13. База даних СОТ [Електронний ресурс]_- Режим доступу до сайту: http://wto.org/english/tratop_e/agric_e/agric_e.htm
14. Завгородня Т.П. Економетр1я - К., 2006. - 762 с.
15. Заможне сусшльство, конкурентоспроможна економка, ефек-тивна держава [Електронний ресурс]_// Програма економлчних реформ УкраТни на 2010 -2014рр. // Комггет з економiчних реформ при Президенте^ - 2010. - Режим доступу до сайту: http://www.president.gov.ua/ docs/Programa_reform_FINAL_1.pdf. - Назва з екрана.
16. Клас зерна на 60-70% визначае продуктивнють пшениЦ [Електронний ресурс]/ Володимир Моргун // Казах-Зерно. - Режим доступу до сайту :http://www.kazakh-zerno.kz/index.php?option=com_content&view= article&id=22425%3A-60-70-&catid=16%3Anewssngworld&Itemid=62 -Назва з екрана.
Надшшла до редколегп 04.06.14
ПУТИ ОПТИМИЗАЦИИ ЭКСПОРТА ЗЕРНОВЫХ УКРАИНСКИХ ПРОИЗВОДИТЕЛЕЙ
НА МЕЖДУНАРОДНОМ РЫНКЕ
Потребление зерновых постоянно увеличивается, рынок расширяется при постоянно увеличивающемся количестве населения в мире, що благоприятствует росту спроса на зерновые культуры. Данный тренд определил необходимость определения основных факторов, влияющих на экспорт украинской пшеницы и построения экономико-математической модели, что, в свою очередь, позволит оптимизировать процессы экспортной ориентации украинского экспорта зерновых.
Ключевые слова: агропромышленный комплекс, ВВП, экономико-математическая модель, экспорт, рынок зерновых, импорт, инструменты протекционизма, ВТО.
N. Krylova, PhD in Economics, Associate Professor, J. Red'ko, master of International Economics Taras Shevchenko National University of Kyiv, Kyiv
OPTIMIZATION MODEL OF UKRAINIAN GRAIN EXPORT IN INTERNATIONAL MARKET
Grain consumption is growing constantly along with the population growth and this factors favor to the demand of grain growth. Such trend define the necessity to found out th emain factors, which shape the Ukraininan crops' export. Defnition of such factors will allow to optimize the process of export orientation of srops production in Ukraine.
Key words: agriculture, GDP, econometrix model, export, crops' market, import, protetionizm instruments, WTO.
Bulletin of Taras Shevchenko National University of Kyiv. Economics,, 2014; 10(162): 50-54 УДК 339.138 JEL M31
В. Савельев, канд. екон. наук, асист. КиТвський нацюнальний ужверситет iмeнi Тараса Шевченка, Китв
МОДЕЛЬ ЗМ1НИ ПОВЕД1НКИ СПОЖИВАЧ1В ЯК ОСНОВА МАРКЕТИНГОВО1 СТРАТЕГИ
У статт/' розглянут/' базовi сегменти сnоживачiв, проаналiзованi /х мотиви споживання. Розроблена модель змни nоведiнки сnоживачiв в умовах зниження купвельно/ спроможност/' та запропонован рекомендаци щодо ефективних стратегiчних дй з метою тдвищення конкурентосnроможностi ринково/ пропозицп.
Ключовi слова: стратегiя, купвельна спроможнсть, мотиви споживання, платоспроможний попит, лояльнсть.
Вступ. Задача ефективного управлЫня лояльнютю споживачiв, що покладена в основу маркетингових стратепй, значно актуалiзуеться в умовах зниження кутвельноТ спроможност та обмеження експортних можливостей пщприемств. Несприятлива кон'юнктура внутршнього ринку стимулюе пщприемства до радикального перегляду ринковоТ стратеги. Першочерговими заходами е консолщаця активiв i оптимiзацiя витрат пщприемства. Однак, це лише частина заходiв, яга до-поможуть ефективно працювати в змЫених ринкових умовах. Не менш важливими заходами е забезпечення конкурентоспроможност продукци та пщвищення лояльности споживачiв [1, 52]. При аналiзi проблеми з такого аспекту вщправною точкою маркетинговой' стратеги буде розумЫня векторiв змЫи поведЫки споживачiв для прийняття ефективних управлшських ршень.
Питання ефективного управлЫня лояльнютю спо-живачiв знаходиться в площин ягасного аналiзу змЫи споживчих мотивацм в умовах зниження кутвельноТ спроможносл, що актуалiзуе обрану тему статтк
Аналiзу питань маркетингового управлшня, причинам та наслщкам виникнення кризових явищ та форму-люванню вщповщних стратепй присвячено роботи ба-
гатьох вп"чизняних та зарубiжних фахiвцiв, серед яких Д. Аакер, Ж.Ламбен, А. Старостина, А. Дигач, О. Кань щенко, тощо. У дослщженнях цих авторiв розглядають-ся рiзнi аспекти маркетингового управлiння пщприемст-вами в нестабiльних соцiально-економiчних умовах. Однак, варто зазначити, що в сучаснш спецальнш ль тературi практично не розглядаються антикризовi стратеги з точки зору адаптаци специфки пропозицп пiд змiненнi моделi споживання.
Метою роботи було визначити напрями змши по-ведiнки споживачiв в умовах зниження кутвельноТ спроможностi та розробити рекомендацм щодо ефективних стратепчних дiй для пiдвищення конкурентосп-роможностi ринковоТ пропозицiТ.
Результати та Тх обговорення. Визначення ауди-тори споживачiв та аналiз ТТ поведЫки в умовах зниження кутвельноТ спроможностi е одним з ключових аспек-тiв адаптаци пропозицiТ пщприемства пщ умови ринко-вого середовища. Тому в умовах скорочення обсяпв реалiзацiТ, що спричинена зниженням кутвельноТ спроможностi одним з основних стратепчних ршень, е вибiр стратегiТ охоплення ринку, визначення свого ць льового сегменту, або сегмен^в споживачiв (рис.1).
© Савельев В., 2014
