ИССЛЕДОВАНИЕ ПОКАЗАТЕЛЕЙ АГРАРНОГО СЕКТОРА И РАЗРАБОТКА КЛАССИФИКАЦИИ
Сперцян А.С.1, Кетько Н.В.2
1Аспирант, 2 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:
- Усреднение по фазам тренда;
- Фильтр Ходрика-Прескота;
- 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:
должен быть достаточно гладким, , то есть сам ряд должен изменяться как можно менее резко.
Элементы сглаженного ряда выбираются таким образом, чтобы минимизировать следующее выражение:
Для разных исходных данных требуется задавать разные , значения которых определяются согласно анализируемому периоду:
— для дневного тренда, = 43200
— для недельного тренда, = 14400
— для месячного тренда, = 1600
— для годового тренда, = 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:
- индекс производства продукции сельского хозяйства;
- производство основных видов сельскохозяйственной продукции;
- обеспеченность сельскохозяйственных организаций тракторами и комбайнами;
- несение минеральных удобрений под посевы;
- внесение органических удобрений под посевы в сельскохозяйственных организациях;
- проведение работ по химической мелиорации земель в сельскохозяйственных организациях;
- энергетические мощности в сельскохозяйственных организациях;
- посевные площади сельскохозяйственных культур;
- валовой сбор зерна;
- урожайность сельскохозяйственных культур;
- поголовье скота;
- поголовье птицы;
- производство основных продуктов животноводства;
- производство скота и птицы на убой и молока;
- расход кормов в животноводстве;
- продуктивность скота и птицы;
- продовольственные ресурсы и их использование;
- число организаций;
- среднегодовая численность работников организаций;
- рентабельность проданных товаров;
- 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.
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.
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
Распределение показателей по группам позволит прогнозировать долгосрочные циклические явления в аграрном секторе, а также последствия этих явлений.
Литература
- 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
- Опережающие индикаторы. Методика расчета и компоненты сводных опережающих индексов [Электронный ресурс] – Режим доступа http://www.ereport.ru/articles/indexes/leading.htm
- Демидов, О. Различные индексы прогнозирования экономической активности в России [Электронный ресурс] – Режим доступа http://www.quantile.ru/05/05-OD.pdf
- Российский статистический ежегодник. 2013: Стат.сб. / Росстат / под ред. А.Е.Суринов. – М., 2013. – 717 с.
- Российский статистический ежегодник. 2012: Стат.сб./Росстат. / под ред. А.Е.Суринов. – М., 2012. – 786 с.
- Российский статистический ежегодник. 2003: Стат.сб. / Госкомстат / под ред.В. Л. Соколин. – М., 2003. – 705 с.
References
- 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
- 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
- Demidov, L. Various indexes of economic activity forecasting in Russia [An electronic resource] – Access mode http://www.quantile.ru/05/05-OD.pdf
- Russian statistical annual. 2013 / A.E. Surinov (Ed.). M., 2013.717 p.
- Russian statistical annual. 2012/ A.E. Surinov (Ed.).M., 2012. – 786 p.
- Russian statistical annual 2003 / V.L. Sokolin (Ed.). M., 2003. – 705 p.