Исследование показателей аграрного сектора и разработка классификации

Размещено на http://www.allbest.ru/

Исследование показателей аграрного сектора и разработка классификации

Сперцян А.С.

Аспирант

Кетько Н.В.

доктор экономических наук, доцент, Волгоградский государственный технический университет

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.

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. аграрный сельскохозяйственный волна опережающий

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:

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.

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.

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

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

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

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.

Размещено на Allbest.ru