Главная Коллекция "Revolution" Программирование, компьютеры и кибернетика Разработка предложений по автоматизации процесса прогнозирования цен на нефть и мониторинга оценки их влияния на показатели дохода нефтегазового сектора и бюджета России

Разработка предложений по автоматизации процесса прогнозирования цен на нефть и мониторинга оценки их влияния на показатели дохода нефтегазового сектора и бюджета России

Характеристика методов оценки влияния цены на нефть на совокупные доходы бюджета, нефтегазовые доходы бюджета и прочие показатели бюджета. Разработка рекомендаций по автоматизации процесса прогнозирования цен на нефть. Исследование архитектуры системы.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 01.12.2019
Размер файла 2,6 M
рефераты на заказ со скидкой

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Рис.9. Построение прогноза по методу Хольта-Винтерса для цены на нефть. Цена на нефть указана в рублях

4) Далее были найдены точность модели и точность прогноза. Точность модели была найдена как 1 минус среднее значение отклонений ошибок от прогнозной модели за период 2015-2018. Точность прогноза считалась аналогично точности модели, только за 2018 год. Для визуализации отклонения прогноза от реальных данных также был построен график. Из графика на рисунке 10 видно, что модель уловила возрастающий тренд в цене на нефть, но не смогла предсказать резкое падение цены.

Рис.10. График для иллюстрации прогноза по методу Хольта-Винтерса для цены на нефть, долл.

5) Далее были посчитаны MAD, MAPE, MPE, MSE и RMSE по соответствующим формулам (рис.11) и подобраны такие коэффициенты k, B и q, чтобы точность модели и прогноза были максимальными, а величина MAPE - минимальной. Подбор коэффициентов проводился эмпирическим путем.

Аналогично были посчитаны точность модели, точность прогноза, MPE, MAPE, MSE, RMSE для всех остальных показателей бюджета и курса рубля и составлена сводная таблица точностей прогноза (рис. 12, 13). Из таблицы видно, что точность модели и точность прогноза для всех показателей оказались достаточно высокими. Кроме того, модель Хольта-Винтерса, судя по MAPE, точность большинства моделей является достаточно высокой. Среди них есть один выброс - НДПИ на нефть, для которого точность модели не является удовлетворительной.

Рис.11. Расчет MAD, MAPE, MPE, MSE, RMSE.

Рис.12. Скрин сводной таблицы точностей прогноза.

Рис.13.Скрин сводной таблицы точностей прогноза: R,MAPE, MPE в %, остальное в денежных единицах

3.3 Оценка взаимосвязи между ценой на нефть, нефтегазовыми доходами и совокупными доходами

Помимо того, чтобы автоматически создавать прогноз для цены нефти, курса рубля и прочих показателей бюджета, для правительства РФ и ее граждан также актуально иметь возможность отслеживать взаимосвязь между ценой на нефть, совокупными доходами бюджета и нефтегазовыми доходами бюджета. Для страны приоритетно сделать так, чтобы доходы бюджета как можно меньше коррелировали с ценой на нефть, ведь именно об этом в 2017 году вышло постановление правительства. В данной работе будет рассмотрен алгоритм по представлению взаимосвязи между совокупными доходами бюджета, нефтегазовыми доходами бюджета и налоговыми доходами бюджета в нефтегазовом секторе и ценой на нефть.

Для того, чтобы посчитать взаимосвязь между совокупными доходами и ценой на нефть, нужно посчитать корреляцию за предыдущий год для каждого месяца, а потом взять среднее значение по корреляциям. Сделать это можно в MS Excel с помощью функции КОРРЕЛ (рис.14).

При первой итерации построения взаимосвязи между совокупными доходами и ценой на нефть коэффициент взаимосвязи между ними оказался равен 0,213. Точность коэффициента корреляции будет выше, если провести сглаживание по данным совокупных доходов бюджета и по цене на нефть, так как есть выраженная сезонность. После того, как было проведено сглаживание с шагом 3 для цены на нефть и с шагом 4 для совокупных доходов бюджета, была переоценена взаимосвязь между показателями. Коэффициент взаимосвязи в этом случае стал равен 0,6. Аналогично была проведена оценка взаимосвязи между нефтегазовыми доходами и ценой на нефть. До сглаживания коэффициент взаимосвязи был равен 0,29, после сглаживания он стал равен 0,5.

Рис.14.Пример вычисления взаимосвязи между ценой на нефть в рублях и совокупными доходами бюджета в млн.руб.

Стоит заметить, что коэффициенты взаимосвязи как для совокупных, так и для нефтегазовых доходов достаточно высоки. Целью Российской Федерации сейчас должно являться снижение взаимосвязи между показателями.

Аналогично была проведена оценка взаимосвязи остальных показателей бюджета с ценой на нефть и составлена сводная таблица (рис.15). Очевидно высокая взаимосвязь была замечена между ценой на нефть и налоговыми показателями доходов, самая высокая взаимосвязь - между ценой на нефть и налогами за пользование природными ресурсами. Самой незначительной можно считать взаимосвязь курса рубля и цены на нефть.

Рис.15.Взаимосвязь бюджетных параметров и цены на нефть в процентах.

4. Разработка рекомендаций по автоматизации процесса прогнозирования цен на нефть и показателей доходности нефтегазового сектора

4.1 Требования

Главная цель - создание системы, которая бы смогла автоматически делать прогноз по цене на нефть, курсу рубля и показателям бюджета на основании как оперативных данных, так и данных за прошлые периоды, а также анализировать взаимосвязь между совокупными доходами бюджета, нефтегазовыми доходами бюджета и ценой на нефть.

Отсюда требования к проекту:

· возможность создавать прогноз по цене на нефть, курсу рубля и показателям бюджета ежедневно;

· возможность вычислять взаимосвязь между совокупными доходами бюджета, нефтегазовыми доходами бюджета и ценами на нефть;

· возможность передавать эти данные по запросу пользователя в режиме реального времени;

· возможность работать с многомерными хранилищами данных (таких, как OLAP-кубы) в реальном времени;

· возможность проводить обновление данных раз в условленный период времени (например, раз в сутки);

· возможность предоставлять пользователям разного уровня доступа;

· возможность логировать взаимодействия пользователя с системой;

· возможность проводить настройку системы изнутри пользователям с уровнем доступа «администратор»;

4.2 Архитектура системы

Архитектура системы схематично представлена на рисунке 16. Блоками обозначены отдельные модули работы системы, стрелками - поток передачи данных от источников данных к пользователю. Зеленые блоками система делится на три больших уровня:

1) Уровень интерфейсов;

2) Уровень обработки данных, построения прогноза и просчета корреляции;

3) Уровень работы с данными.

Рис.16.Архитектура системы.

Уровень интерфейсов. Интерфейсом для системы может быть что угодно - сайт, страничка в мобильном приложении, бот в мессенджере. Возможность использования нескольких интерфейсов для системы обусловлена тем, что передача информации для него происходит по API. Вне зависимости от внешнего вида интерфейса, для него будет создано два пользовательских сценария:

1) Обычный пользователь.

Use-case диаграмма для пользователя представлена на рис.17.

Рис.17.Use-Case диаграмма для простого пользователя.

Пользователь без специальных прав может получить только базовую информацию про прогнозные данные и про взаимосвязь нефтегазовых и суммарных доходов с ценой на нефть.

2) Пользователь с правами администратора

Use-case диаграмма пользователя с правами администратора помимо возможности использовать базовый функционал дает возможность настраивать систему: получать логи системы, иметь возможность подстроить систему внутри через интерфейс. Use-case диаграмма для пользователя с правами администратора представлена на рисунке.

Рис.18.Use-Case диаграмма для пользователя с правами администратора.

Интерфейс будет выглядеть по-разному для разных платформ. На рисунках ниже представлены варианты прототипов интерфейса на сайте (рис.19, 20, 21) и в мессенджере (рис.22).

Рис.20. Скрин примера сводной таблицы по прогнозам основных бюджетных показателей, цен на нефть и курса рубля.

Рис.20. Скрин примера сводной таблицы по прогнозам бюджетных показателей налоговых доходов нефтегазового сектора

Рис.21. Скрин примера сводной таблицы по взаимосвязи бюджетных показателей и цены на нефть.

Рис.22.Пользовательский интерфейс в чат-боте на платформе Telegram.

Уровень построения прогноза. Построение прогноза и оценка взаимосвязей будет происходить в три этапа. На первом этапе полученные из внешних источников данные должны быть предварительно обработаны. Предобработка включает в себя такие этапы, как, например, проверка на отсутствие некоторых данных, переведение данных из формата JSON в классы для более удобной работы с данными. Кроме того, данные, взятые с Единого Портала Бюджетной Системы, являются накопительными, поэтому нужно перевести их из этого формата в формат данных помесячно, чтобы иметь возможность строить прогноз и оценивать взаимосвязь. На втором этапе происходит, собственно, построение прогноза для всех параметров и оценка взаимосвязи. Готовые данные используются API системы на третьем этапе при передаче их на пользовательские интерфейсы.

Уровень работы с данными. На этом уровне идет общение системы с внешними источниками. Данные должны быть взяты с Единого Портала Бюджетной Системы путем отправления MDX-запросов по представленному выше URL и получения данных в формате JSON. Данные по цене на нефть и по курсу рубля должны быть взяты с Quandl - маркетплейса для финансовых данных для аналитики по API. Данные придут в формате JSON. Поскольку актуальность данных в вопросах прогнозирования и построения взаимосвязей важна, то раз в сутки следует посылать запросы к источникам с целью обновить данные. Кроме того, стоит получать дату актуальности данных, так как данные на Едином Портале Бюджетной Системы могут обновляться как ежедневно, так и раз в несколько дней, и для пользователя важно, на какую дату данные актуальны.

4.3 Объяснение и обоснование выбора компонент

В архитектуре системы заложено, что главное - это бэкенд, а пользовательские интерфейсы взаимодействуют с системой по API.

Python должен быть выбран в качестве основного языка разработки по нескольким причинам. Во-первых, для него созданы библиотеки и фреймворки, упрощающие работу как с созданием интерфейсов, так и с анализом данных. На замену построению моделей в Excel придет автоматизированное построение прогнозов с помощью таких мощных библиотек для анализа данных, как Numpy, Scipy и Pandas, которые ранее были использованы в работе. Если учитывать создание веб-сайта и ботов в мессенджерах, то в этом случае python как язык разработки тоже является лучшим выбором. Сайт можно легко создать при помощи Django Framework [39], мощного фреймворка, созданного для разработки сайтов на python, который хорош тем, что создает шаблонные компоненты для сайтов (например, панель администрирования сайта), помогает безопасно работать с базой данных (автоматическая защита от SQL-инъекций), дает возможность работать по методологии Don't repeat yourself и шаблонизировать повторяющиеся фрагменты кода, а также имеет предварительно созданный функционал по тестированию веб-сайта.

Кроме того, у системы должно быть API. Для python была разработана библиотека Flask, позволяющая создать и поддерживать REST API. Кроме того, система должна иметь возможность посылать запросы на внешние хранилища данных. Для этого для python была написана библиотека requests, позволяющая удобный функционал для работы с запросами. Для работы с базой данных была выбрана СУБД SQLite, легковесная СУБД, которая сможет легко хранить до 10000 записей. Небольшой объем базы обусловлен тем, что в базе будет храниться относительно мало информации, предположительно, только логгирование взаимодействий пользователя с системой. Для работы с СУБД в Python используется библиотека peewee, предоставляющая удобный функционал для взаимодействия с базами данных.

При создании системы необходимость создания интерфейса отсутствует, так как благодаря наличию API передача данных возможна на любой интерфейс. Однако стоит рассмотреть здесь создание интерфейсов сайта и интерфейса бота в мессенджере.

Интерфейс веб-сайта создается стандартно с помощью html, css и Javascript. Разработка уникального дизайна сайта дорогостоящая и затратная по времени, поэтому ради экономии сил, времени и денег первое, что нужно сделать - сверстать прототип интерфейса подручными средствами, с помощью компонент из открытых библиотек или библиотек компании. Для того, чтобы провести UX-тестирование, можно сделать прототип сайта в Figma, специальном сайте, созданном для прототипирования и анимирования прототипов. Позднее интерфейс можно сверстать при помощи Bootstrap. Bootstrap хорош тем, что все его компоненты адаптивны, поэтому верстать, думая о том, что нужно будет обеспечивать адаптивность сайта, не нужно будет. Если потребуется сделать анимацию, можно использовать множество готовых компонент, написанных на Javascript.

Интерфейс для бота в мессенджере создается программно. В python для создания диалогового помощника в самом популярном мессенджере в России, Telegram [40], создана библиотека telebot, позволяющая сразу же программировать функционал бота. Сам бот в Telegram создается при помощи бота, делающего ботов - BotFather.

Хостинг сайта может быть проведен бесплатно на платформе pythonanywhere.com. Эта платформа бесплатна на 3 месяца, специализированно поддерживает проекты на Python. Кроме того, из нее удобно работать с github, поэтому обновление проекта до новой версии будет происходить автоматически.

Для написания кода была выбрана интегрированная среда разработки PyCharm от компании JetBrains. В этом редакторе кода автоматически подключена проверка кода на соответствие стилю (для Python - PEP-8).

Для развертывания проекта на сервере была выбрана платформа pythonanywhere.com. При обновлении кода раз в три месяца использование платформы бесплатное на неограниченное количество времени.

Заключение

Поставленная в работе цель - разработать предложения по автоматизации процесса прогнозирования цен на нефть и оценки их влияния на показатели дохода нефтегазового сектора и бюджета РФ для своевременного принятия решений по улучшению процесса управления макроэкономическими показателями - была решена.

В соответствии с поставленной целью в работе были решены следующие задачи:

1. Проведен анализ современных методов прогнозирования цен на нефть, показателей доходности нефтегазового сектора и бюджета РФ, а также используемых направлений автоматизации данных процессов. После анализа стало очевидно, что даже несмотря на то, что в Российской Федерации есть автоматизированная система по работе с прогнозами, не существует единого доступного для всех интерфейса, который бы отображал текущую зависимость бюджета Российской Федерации от цены на нефть. Однако после анализа публикаций стало очевидно, что наличие такого интерфейса сделала бы принятие управленческих решений простым, а деятельность Минфина России - прозрачной, что помогло бы Минфину России в достижении целей.

2. Был выбран наиболее точный метод прогнозирования цен на нефть,

показателей доходности нефтегазового сектора и бюджета РФ - метод Хольта-Винтерса. Были рассмотрены математические методы прогнозирования временных рядов, и лучшие результаты показал именно метод сглаживания Хольта-Винтерса, так как он учитывает и тренд, и сезонность. После этого был сделан прогноз, подобраны параметры, при котором прогнозирование по модели Хольта-Винтерса для каждого показателя бюджета выдавала лучший прогноз.

3. Был выбран метод оценки взаимосвязи показателей доходности нефтегазового сектора и бюджета РФ и цены на нефть. Оценивалась взаимосвязь между показателями бюджета и ценой на нефть при помощи сглаживания показателей бюджета с шагом 4 и с помощью вычисления корреляции. Оказалось, что взаимосвязь между ценой на нефть и доходами бюджета достаточно сильная, около 0,57.

4. Разработаны рекомендации по автоматизации и мониторингу прогнозирования цен на нефть и показателей доходности нефтегазового сектора, а также оценки взаимосвязи показателей доходности нефтегазового сектора и бюджета РФ, что способствует своевременному принятию решений по улучшению процесса управления макроэкономическими показателями.

В начале работы были выдвинута следующая гипотеза, состоящая в том, что автоматизация процесса прогнозирования цен на нефть и показателей доходности нефтегазового сектора, а также оценка взаимосвязи показателей доходности нефтегазового сектора и бюджета РФ способствуют своевременному принятию решений различными бизнес-структурами с целью улучшения процесса управления. Автоматизации процесса способствует своевременному принятию решений по улучшению процесса управления. В результате выполнения работы данная гипотеза получила подтверждение.

После показа прототипа интерфейса как сотрудникам международной компании Transparency International, занимающейся исследованием открытости деятельности правительств, сотрудники подтвердили, что такой инструмент может быть полезен как для их деятельности, так и для деятельности сотрудников Минфина России. Поскольку вопрос того, насколько Россия зависит от нефти и газа, актуален и для различных бизнес-структур и простых граждан, то наличие общего интерфейса с аналитическими показателями поможет ответить на их вопросы и сделает работу Минфина более прозрачной.

Влияние доходов нефтегазового сектора на доход бюджета РФ действительно снижается, так как коэффициент взаимосвязи суммарных доходов РФ с ценой на нефть постепенно уменьшается.

Работа будет полезна как государственным чиновникам, так и бизнес-структурам и простым гражданам, потому что в ней представлен унифицированный метод прогнозирования цены на нефть, курса рубля и бюджетных показателей, а также метод оценки взаимосвязи бюджетных показателей и цены на нефть.

Список литературы

1. Eeles P. Describing Software Architectures with UML 2.0 // 2005. С. 65.

2. Cheng F. и др. The VEC-NAR model for short-term forecasting of oil prices // Energy Economics. 2019. Т. 78. С. 656-667.

3. Chen Y., He K., Tso G.K. Forecasting crude oil prices: a deep learning based model // Procedia computer science. 2017. Т. 122. С. 300-307.

4. Zhang J.-L., Zhang Y.-J., Zhang L. A novel hybrid method for crude oil price forecasting // Energy Economics. 2015. Т. 49. С. 649-659.

5. Ю П.С. Принципы и методы планирования и прогнозирования доходов бюджета // Бизнес в законе. Экономико-юридический журнал. 2011. № 6.

6. 1. Е.в А., Р.а С. Возможные методы прогнозирования налоговых поступлений // Экономика и управление. 2007. № 2.

7. Балаев А. И. и др. Влияние цен на нефть и обменного курса на доходы бюджетной системы //Научно-исследовательский финансовый институт. Финансовый журнал. - 2014. - №. 1. - С. 19.

8. Анализ специфики нефтяного рынка России и оценка влияния мировых цен на нефть на состояние экономики Российской Федерации // Издательство Креативная экономика.

9. Афанасьев В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование //М.: Финансы и статистика. - 2001. - Т. 228. - С. 2.

Приложение

Пример исходных данных для диплома, собранных с Единого Портала Бюджетной Системы, руб.

Пример данных по цене на нефть и курсу рубля, получаемых с Quandl по API.

Таблица точностей прогнозов

K, ед.

B, ед.

Q, ед.

точность модели, %

точность прогноза, %

R2, %

MAD, млрд. руб.

MAPE, %

MPE, %

MSE, млрд. руб.

RMSE, млрд. руб.

Нефтегазовые доходы

0,9

0,1

0,3

99,10

98,92

96,41

4326,58

8,64

-3,23

24073426,39

4906,47

Ненефтегазовые доходы

0,7

0,001

0,3

98,26

97,25

95,32

107981,33

13,14

-2,62

16956780224,32

130218,20

Совокупные доходы бюджета

0,60

0,00

0,30

99,11

98,50

90,27

483845,38

23,25

-17,08

441012760290,01

664087,92

Курс рубля

0,900

0,100

0,300

99,99

99,09

75,74

0,00

10,10

-8,82

0,00

0,00

Курс нефти

0,9

0,1

0,3

99,97

99,60

88,63

5,74

8,34

0,66

54,63

7,39

НДПИ на нефть

0,3

0,000001

0,01

97,90

92,58

91,56

145286,03

146,67

-109,34

27560463242,24

166013,44

НДПИ на газ

0,3

0,000001

0,99

96,42

92,00

92,41

9175,86

17,94

-7,88

161868687,00

12722,76

НДПИ по нефтегазовому сектору

0,9

0,1

0,3

99,96

98,95

96,28

40098,43

8,33

-1,04

2747705504,45

52418,56

Вывозные таможенные пошлины на нефть

0,9

0,1

0,3

99,72

92,47

67,46

43392,54

31,00

31,00

2554405086,09

50541,12

Вывозные таможенные пошлины на газ

0,42

0,1

0,3

97,71

97,52

95,60

7763,03

12,10

1,62

81206487,53

9011,46

Вывознае таможенные пошлины на продукты нефтепереработки

0,9

0,1

0,3

99,10

98,92

96,16

5637,13

10,16

0,21

48493450,46

6963,72

Налоги и сборы за пользование природными ресурсами

0,9

0,1

0,3

99,96

98,98

96,46

27265,36

6,07

-3,56

1383119547,79

37190,32

НДПИ на добычу полезных ископаемых

0,999

0,00001

0,99

100,00

85,12

90,69

85,21

32,23

-0,49

9310,41

96,49

Пример расчета взаимосвязи между показателями на примере цены на нефть и совокупных доходов.

Год

Месяц

Доход бюджета суммарный

Доход бюджета млрд руб

Цена на нефть

Взаимосвязь

0,21371523

Сглажено с шагом 4 - доходы

Сглажено с шагом 3 - нефть

0,57409608

2015

1,0000

1 661 525,6663

1661,525666

49,2400

2015

2,0000

1 741 476,1305

1741,476131

59,3400

2 176,2267

54,9200

2015

3,0000

2 641 554,3485

2641,554349

56,1800

2 213,3040

59,2933

2015

4,0000

2 660 350,6051

2660,350605

62,3600

2 336,4087

61,5200

2015

5,0000

1 809 835,0272

1809,835027

66,0200

2 299,6788

64,0833

2015

6,0000

2 233 894,7169

2233,894717

63,8700

2 152,9741

62,3367

2015

7,0000

2 494 634,7265

2494,634726

57,1200

2 245,3614

56,6867

2015

8,0000

2 073 531,8753

2073,531875

49,0700

2 290,6056

51,5567

2015

9,0000

2 179 384,3136

2179,384314

48,4800

2 108,9921

48,8500

2015

10,0000

2 414 871,4904

2414,87149

49,0000

2 294,3215

47,7233

2015

11,0000

1 768 180,5994

1768,180599

45,6900

2 162,7561

44,1967

2015

12,0000

2 814 849,5095

2814,849509

37,9000

1 961,9257

38,4900

2016

1,0000

1 653 122,6558

1653,122656

31,8800

0,12035573

2 172,7459

34,5033

2016

2,0000

1 611 550,1912

1611,550191

33,7300

0,25865392

2 082,5079

35,3033

2016

3,0000

2 611 461,3806

2611,461381

40,3000

0,26184239

2 139,9651

39,1933

2016

4,0000

2 453 897,2188

2453,897219

43,5500

0,19295533

2 314,2119

43,9667

2016

5,0000

1 882 951,7221

1882,951722

48,0500

0,07224476

2 264,1889

47,1867

2016

6,0000

2 308 537,4313

2308,537431

49,9600

0,27448723

2 216,9455

48,2900

2016

7,0000

2 411 369,4221

2411,369422

46,8600

0,32872347

2 290,3888

48,1967

2016

8,0000

2 264 923,5155

2264,923516

47,7700

0,25930215

2 337,3738

47,2400

2016

9,0000

2 176 724,9571

2176,724957

47,0900

0,28613879

2 290,7174

48,8367

2016

10,0000

2 496 477,5020

2496,477502

51,6500

0,34924869

2 637,2256

48,5300

2016

11,0000

2 224 743,7549

2224,743755

46,8500

0,32494974

2 587,7567

51,0700

2016

12,0000

3 650 956,3224

3650,956322

54,7100

0,55637508

2 456,6942

52,4200

2017

1,0000

1 978 849,1614

1978,849161

55,7000

0,54641093

2 671,8775

55,5267

2017

2,0000

1 972 227,5045

1972,227505

56,1700

0,31047402

2 376,4936

54,5767

2017

3,0000

3 085 476,9664

3085,476966

51,8600

0,09513988

2 507,4599

53,9167

2017

4,0000

2 469 420,7539

2469,420754

53,7200

0,20086907

2 639,1176

52,4233

2017

5,0000

2 502 714,3678

2502,714368

51,6900

0,25108097

2 543,9275

51,0567

2017

6,0000

2 498 858,4168

2498,858417

47,7600

0,16998679

2 533,7778

49,4200

2017

7,0000

2 704 716,2705

2704,716271

48,8100

0,13513071

2 515,0828

49,5067

2017

8,0000

2 428 822,1384

2428,822138

51,9500

0,12052795

2 599,5868

52,0500

2017

9,0000

2 427 934,2524

2427,934252

55,3900

0,05550858

2 514,1009

54,8533

2017

10,0000

2 836 874,4797

2836,87448

57,2200

0,03914151

2 749,7336

58,5000

2017

11,0000

2 362 772,5611

2362,772561

62,8900

-0,0543894

2 676,7709

61,1900

2017

12,0000

3 371 353,3022

3371,353302

63,4600

0,12107109

2 547,2703

65,1400

2018

1,0000

2 136 083,1306

2136,083131

69,0700

-0,072829

2 793,6865

66,0167

53,5262778

2018

2,0000

2 318 872,0495

2318,87205

65,5200

-0,1471359

2 707,9806

66,7467

65,2360812

2018

3,0000

3 348 437,4700

3348,43747

65,6500

0,04643225

2 907,2412

67,7333

72,5045315

2018

4,0000

3 028 529,7429

3028,529743

72,0300

0,25476744

3 078,9072

71,6467

80,1765512

2018

5,0000

2 933 125,5602

2933,12556

77,2600

0,29638857

3 151,8906

75,1200

84,5165698

2018

6,0000

3 005 535,9142

3005,535914

76,0700

0,32858281

3 157,5074

76,0667

87,112926

2018

7,0000

3 640 371,1801

3640,37118

74,8700

0,40647523

3 150,7144

74,6900

87,8276857

2018

8,0000

3 050 997,0064

3050,997006

73,1300

0,44997637

2 853,3807

75,5633

83,5266129

2018

9,0000

2 905 953,6373

2905,953637

78,6900

0,35602626

2 356,4292

77,4433

34,8327884

2018

10,0000

1 816 201,09

1816,201087

80,51

-0,0610448

2 093,6668

75,3700

8,99539057

2018

11,0000

1 652 565,11

1652,565108

66,91

0,05498191

1 822,9045

68,4733

16,9491858

2018

12,0000

1 999 947,28

1999,94728

58

0,17231481

1 217,8660

62,4550

48,0644197

Таблица взаимосвязей между показателями, %.

Суммарные доходы бюджета

Нефтегазовые доходы млрд руб

Курс рубля

НДПИ на нефть

НДПИ на нефтегаз суммарный

Вывозные таможенные пошлины на нефть

Вывозные тамож пошлины на продукты нефтепереработки

Налоги за пользование природными ресурсами

НДПИ на добычу полезных ископаемых

Коэффициент взаимосвязи с ценой на нефть

59,16

50,07

1,62

89,78

94,51

57,83

53,75

95,09

-33,88

Размещено на Allbest.ru

...

Страница:


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены