ИССЛЕДОВАНИЕ ПОКАЗАТЕЛЕЙ АГРАРНОГО СЕКТОРА И РАЗРАБОТКА КЛАССИФИКАЦИИ

Научная статья
DOI:
https://doi.org/10.18454/IRJ.2015.42.080
Выпуск: № 11 (42), 2015
Опубликована:
2015/15/12
PDF

Сперцян А.С.1, Кетько Н.В.2

1Аспирант, доктор экономических наук, доцент, Волгоградский государственный технический университет

ИССЛЕДОВАНИЕ ПОКАЗАТЕЛЕЙ АГРАРНОГО СЕКТОРА И РАЗРАБОТКА КЛАССИФИКАЦИИ

Аннотация

В настоящее время изучение аграрных кризисов является актуальным направлением. Разработка модели прогнозирования волны и поворотных точек является первоочередной задачей в сельскохозяйственной сфере. В статье приведены результаты исследования основных показателей аграрного сектора в долгосрочном периоде и их классификация по группам: запаздывающие, совпадающие и опережающие.

Ключевые слова: эталонный ряд, опережающий показатель, запаздывающий показатель, совпадающий показатель, фильтр, долгосрочный аграрный цикл, прогнозирование.

 

Spertsyan A.S.1, Ketko N.V.2

1 Postgraduate student, 2 PhD in Economics, Associate professor, Volgograd State Technical University, Volgograd

RESEARCH OF AGRARIAN SECTOR INDICATORS AND DEVELOPMENT OF CLASSIFICATION

Abstract

At present time, the research of agrarian crises is a relevant direction. Development of a model for predicting of the waves and the turning points is a priority in the agricultural sector. The article presents the research results of the main indicators of the agricultural sector in the long term period and their classification by groups: lagging, coincident and leading.

Keywords: reference range, leading indicator, lagging indicator, coincident indicator, filter, long term agrarian cycle, forecasting.

Прогнозирование — это разновидность исследовательской, аналитической, познавательной деятельности, на него распространяются ведущие принципы исследовательской деятельности.

В настоящее время для прогнозирования циклических явлений используются следующие методы:

теоретические;

специфические;

эмпирико-теоретические.

Основой выше перечисленных методов являются показатели, которые используются для определений поворотных точек, направления волны и построения циклы и подразделяются на три основные группы:

опережающие;

совпадающие;

запаздывающие.

Наиболее популярными подходами в прогнозировании циклических явлений являются:

  1. Усреднение по фазам тренда;
  2. Фильтр Ходрика-Прескота;
  3. Фильтр Кристианно-Фиджеральда;

Усреднение по фазам тренда используется для определения долгосрочного тренда путем расчета скользящего среднего из 75 периодов.  Следующим этапом осуществляется определение фаз экономического цикла и поворотных точек на тренде. Для определения поворотных точек используется алгоритм Брай-Бошана.

Фильтр Ходрика-Прескота используется для выделения длительных тенденций временного ряда. С помощью данного фильтра можно сгладить  временные ряды.

Сглаженный ряд должен быть близок к исходному ряду, то есть необходимо минимизировать сумму квадратов отклонений: image002

должен быть достаточно гладким, image004, то есть сам ряд должен изменяться как можно менее резко.

Элементы сглаженного ряда выбираются таким образом, чтобы минимизировать следующее выражение:

image006

Для разных исходных данных требуется задавать разные image008, значения которых определяются согласно анализируемому периоду:

— для дневного тренда, image008 = 43200

— для недельного тренда, image008 = 14400

— для месячного тренда, image008 = 1600

— для годового тренда, image008 = 100. [1]

Фильтр Кристиано-Фиджеральда представляет собой линейный фильтр, с помощью которого берется двустороннее взвешенное скользящее среднее данных, где циклы в «полосе», задаваемой установленной нижней и верхней границей, «пропускаются» фильтром, или экстрагируются, а остающиеся циклы отфильтровываются.

Изучение методов, моделей и подходов в прогнозировании циклических явлений позволяет сделать вывод, что все существующие модели, методы и подходы для определения поворотных точек используют опережающие, совпадающие и запаздывающие  показатели, но не одна из этих моделей не применятся в аграрной сфере. [2]

Таким образом, вопросы разработки методики прогнозирования циклических явлений в сельском хозяйстве являются актуальными в настоящее время.

Для построения прогнозной модели авторами был проведен анализ основных показателей аграрного сектора:

  1. индекс производства продукции сельского хозяйства;
  2. производство основных видов сельскохозяйственной продукции;
  3. обеспеченность сельскохозяйственных организаций тракторами и комбайнами;
  4. несение минеральных удобрений под посевы;
  5. внесение органических удобрений под посевы в сельскохозяйственных организациях;
  6. проведение работ по химической мелиорации земель в сельскохозяйственных организациях;
  7. энергетические мощности в сельскохозяйственных организациях;
  8. посевные площади сельскохозяйственных культур;
  9. валовой сбор зерна;
  10. урожайность сельскохозяйственных культур;
  11. поголовье скота;
  12. поголовье птицы;
  13. производство основных продуктов животноводства;
  14. производство скота и птицы на убой и молока;
  15. расход кормов в животноводстве;
  16. продуктивность скота и птицы;
  17. продовольственные ресурсы и их использование;
  18. число организаций;
  19. среднегодовая численность работников организаций;
  20. рентабельность проданных товаров;
  21. число убыточных предприятий.

В результате проведенного анализа все показатели были классифицированы на три группы: опережающие, совпадающие и запаздывающие.

Для отнесения того или иного показателя к определенной группе, авторы использовали методику построения сводного опережающего индикатора [1], которая заключается в построении эталонного и дальнейшем сравнении всех показателей с этим рядом. Для построения долгосрочного эталонного ряда были использованы усредненные статистические данные об общих объемах производства сельского хозяйства в натуральном выражении за период более 50 лет. Полученный эталонный ряд представлен на рис. 1.

image011

Рис. 1. – Долгосрочный эталонный ряд

Сравнение показателей производится путем наложения двух графиков, фактической динамики показателя и эталонного ряда. На рис. 2 представлен сравнительный анализ показателя – запасы зерна начало года (млн. тонн), как видно из рис. 2 данный показатель относится к опережающим показателям. Рост по запасам наблюдается с 2000 года, у эталонного ряда с 2010 г, то есть опережение на 10 лет.

image013

Рис. 2. – Сравнительный анализ эталонного ряда и показателя «запасы зерна на начало года».

По результатам проведенного сравнительного анализа авторами классифицированы  показатели в следующем виде (таб. 1).

Таблица 1 – Классификация показателей в долгосрочном периоде

02-12-2015 10-57-54

Распределение показателей по группам позволит прогнозировать долгосрочные циклические явления в аграрном секторе, а также последствия этих явлений.

Литература

  1. Методика построения сводного опережающего индикатора [Электронный ресурс] – Режим доступа https://www.google.ru/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwily4DV0LjJAhXDdg8KHcfbAGUQFggcMAA&url=http%3A%2F%2Fstat.gov.kz%2FgetImg%3Fid%3DWC16200014631&usg=AFQjCNE1PNfC6wBzAeS-40fD_GuVXGWpQw&bvm=bv.108194040,d.ZWU
  2. Опережающие индикаторы. Методика расчета и компоненты сводных опережающих индексов [Электронный ресурс] – Режим доступа http://www.ereport.ru/articles/indexes/leading.htm
  3. Демидов, О. Различные индексы прогнозирования экономической активности в России [Электронный ресурс] – Режим доступа http://www.quantile.ru/05/05-OD.pdf
  4. Российский статистический ежегодник. 2013: Стат.сб. / Росстат / под ред. А.Е.Суринов. – М., 2013. – 717 с.
  5. Российский статистический ежегодник. 2012: Стат.сб./Росстат. / под ред. А.Е.Суринов. – М., 2012. – 786 с.
  6. Российский статистический ежегодник. 2003: Стат.сб. / Госкомстат / под ред.В. Л. Соколин. – М., 2003. – 705 с.

References

  1. Methodology of the summary leading indicator construction [An electronic resource] – Access mode https://www.google.ru/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwily4DV0LjJAhXDdg8KHcfbAGUQFggcMAA&url=http%3A%2F%2Fstat.gov.kz%2FgetImg%3Fid%3DWC16200014631&usg=AFQjCNE1PNfC6wBzAeS-40fD_GuVXGWpQw&bvm=bv.108194040,d.ZWU
  2. The leading indicators. Calculation methodology and the components of the summary leading indexes. [An electronic resource] – Access mode http://www.ereport.ru/articles/indexes/leading.htm
  3. Demidov, L. Various indexes of economic activity forecasting in Russia [An electronic resource] – Access mode http://www.quantile.ru/05/05-OD.pdf
  4. Russian statistical annual. 2013 / A.E. Surinov (Ed.). M., 2013.717 p.
  5. Russian statistical annual. 2012/ A.E. Surinov (Ed.).M., 2012. – 786 p.
  6. Russian statistical annual 2003 / V.L. Sokolin (Ed.). M., 2003. – 705 p.