УДК 330.43
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ ВЗАИМОСВЯЗИ ВВП РОССИИ С РЕЗУЛЬТАТАМИ ДЕЯТЕЛЬНОСТИ ПАО «РОСНЕФТЬ» И ЦЕНАМИ НА ЭНЕРГОНОСИТЕЛИ
С.В. Велицкая, Л.А. Выборнова, А.И. Розенцвайг
Аннотация. Нефтегазовый сектор является одной из основ российской экономики и составляет неотъемлемую долю в общей структуре ВВП. В связи с этим целью статьи является выявление зависимости ВВП, как одного из основных показателей экономического развития, от цен на нефть, среднего обмена курса доллара к рублю, а также выручки одной из крупнейших компаний данной отрасли - ПАО «Роснефть». В качестве математического аппарата применен корреляционно-регрессионный анализ. При построении модели использован априорный способ и выбран линейный вид функции. Проведена оценка с использованием критерия Фишера, Стьюдента, коэффициента детерминации и средней ошибки аппроксимации. В результате составлена модель зависимости и построен прогноз на ближайшие три года, показавший рост ВВП, но с замедленными темпами.
Ключевые слова: ВВП, нефть, нефтегазовый сектор, корреляционно-регрессионный анализ, модель, прогноз.
AN ECONOMETRIC ANALYSIS OF THE RELATIONSHIP BETWEEN RUSSIA'S GDP AND THE RESULTS OF ROSNEFT'S OPERATIONS AND ENERGY PRICES
S.V. Velitskaya, L.A. Vibornova, A.I. Rozentsvaig
Abstract. The oil and gas sector is one of the foundations of the Russian economy. It forms an integral part in the overall structure of GDP. In this regard, the purpose of the article is to identify the dependence of GDP, as one of the main indicators of economic development, on oil prices, the average exchange rate of the dollar against the ruble, as well as the revenue of one of the largest companies in this industry - PJSC Rosneft. The correlation and regression analysis was used as a mathematical apparatus. When constructing the model, the a priori method was used and the linear form of the function was chosen. An assessment was carried out using Student and Fisher criterion, the coefficient of determination and the average approximation error. As a result, a dependency model was compiled and a forecast was made for the next three years, which showed the GDP growth, but at a slower pace.
Keywords: GDP, oil, oil and gas sector, correlation and regression analysis, model, forecast.
Рынки нефти и газа, как часть мирового рынка топливно-энергетических ресурсов, имеют исключительно важное для мировой энергетики значение. Энергетика, в свою очередь, это ключевая отрасль для большинства стран мира в экономическом, социальном и политическом плане. Нефтегазовый сектор является одной из основ российской экономики, важнейшим источником экспортных и налоговых поступлений. Поэтому исследование взаимосвязи валового внутреннего продукта России, как одного из основных показателей экономического развития, от выручки крупнейшего предприятия в нефтегазовой отрасли и цен на энергоносители является актуальным.
Целью исследования является рассмотрение анализа зависимости ВВП от выручки ПАО «НК «Роснефть» и цен на энергоносители.
Факторы, оказывающие влияние на ВВП страны, рассмотрены в ряде работ российских ученых.
К.Г. Журавская в своей работе рассмотрела факторы, формирующие ВВП на примере стран - экспортеров нефти. В качестве независимых переменных автор рассмотрел денежный агрегат М2, международные резервы, инфляцию потребительских цен, внутреннее кредитование частного сектора банками, общая налоговая ставка, уровень населения, курс доллара к национальной валюте, рыночную капитализацию компаний. В итоге был сделан вывод, что денежный агрегат M2 сильнее всех влияет на уровень ВВП по всем странам, кроме Нигерии, Саудовской Аравии и ОАЭ [1].
Влияние безработицы, инвестиции и цены на нефть на уровень ВВП анализировал в своей работе А.В. Храмов. В результате выявлено, что уровень безработицы не оказывает влияние на объем валового внутреннего продукта. Поэтому была построена многофакторная модель с учетом цены на нефть марки Brent и прямых иностранных инвестиций в РФ [11, с. 452-454].
А.Т. Козинова анализирует влияние инвестиций в основной капитал, численность занятого в экономике населения, добычу нефти и газа на ВВП России. С помощью корреляционного и регрессионного методов анализа статистических данных было проведено исследование данных показателей за период с 2003 по 2014 гг. Выявлена сильная прямая связь тренда ВВП с трендами показателей инвестиций в основной капитал и численности занятого в экономике населения. Также присутствовала сильная прямая связь сезонных
колебаний ВВП с сезонными колебаниями показателей инвестиций в основной капитал и добычи нефти [3, с. 183-194].
Эконометрическая модель темпов роста ВВП США за период с 1965 по 2015 гг. была построена в работе А.В. Кравец. В качестве исходных данных для построения множественной регрессионной модели выбраны: темпы роста ВВП США, темпы роста потребления товаров, темпы роста потребления услуг, темпы роста инвестиций в основной капитал, темпы роста экспорта и импорта, а также темпы роста государственных расходов. В результате получена модель, которая на 94,39 % объясняется выбранными переменными [4, т. 9].
А.Т. Тарасова в своей статье рассматривает регрессионный анализ зависимости роста ВВП от факторов инновационной экономики. В качестве объясняющих переменных выбраны внутренние текущие затраты НИОКР в фактически действовавших ценах, среднегодовая численность занятых в РФ по видам экономической деятельности, а именно в научных исследованиях и разработках. На основе модели сделан вывод, что экономический рост за рассмотренный период с 2006 г. по 2015 г. обеспечивался за счет факторов воспроизводства, то есть носил экстенсивный характер, а доля участия инновационных факторов не оказывает существенного влияния на рост ВВП [8, с. 143-149].
Моделирование зависимости роста ВВП от изменения структуры занятости в экономике было рассмотрено И.В. Филимоненко. На основе эконометрического анализа выявлена зависимость ВВП от таких факторов, как: численность занятых в экономике РФ в разрезе уровней образования, инвестиций в основной капитал, государственные расходы на прикладные научные исследования, внутренние расходы на научные исследования и разработки, затраты на технологические инновации. Проведенный анализ показал, что экономический рост России за 2000-2010 гг. был обеспечен в основном экстенсивными факторами: численностью занятых в экономике РФ, в первую очередь с профессиональным образованием и инвестициями в основной капитал [10, с. 16-25].
Прогноз ВВП на основе макроэкономических и социально-демографических показателей сделан в работе В.А. Эренценовой. Для исследования выбраны следующие переменные: уровень безработицы, среднедушевые денежные доходы населения, индекс по-
требительских цен, сальдо торгового баланса, расходы федерального бюджета, цена нефти марки Brent. Для анализ взят период с 1997 по 2016 гг. с разбивкой по кварталам. Согласно полученной модели, объем ВВП России почти на 60 % определяется таким фактором, как цена нефти на мировом рынке энергоносителей [12].
Практически в каждой из рассмотренных работ одной из переменных, оказывающих влияние на ВВП, были цены на энергоносители, в частности, цена на нефть. Поэтому в данной работе проанализирована зависимость валового внутреннего продукта от цен на нефть разных марок и от среднегодового обменного курса рубля к доллару. Также добавлена переменная-выручка крупнейшей компании данной отрасли.
Валовый внутренний продукт представляет собой стоимостное выражение всех произведенных за отчетный период товаров и услуг во всех отраслях экономики для потребления, накопления, экспорта. В 2016 г. экспорт углеводородов составлял 12 % ВВП, а в 2017 г. - уже 12,5 %. На сектор добычи полезных ископаемых и нефтепереработки приходится более 60 % всех поступлений от экспорта, более трети сальдированного финансового результата в экономике [2].
Изменение ВВП по годам от 2008 по 2018 гг. представлено на рисунке 1.
120000,00 100000,00
060000.00
40000.00 20000.00 0.00
шт 1111111
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
^■ВВП. млрд. руб. -темп изменения Период
Рисунок 1. Изменение ВВП с 2008 по 2018 гг. [9]
По графику можно заметить стабильный рост ВВП с 2009 г. Наибольший темп роста отмечен в 2011 г. Причиной этому было увеличение цены на нефть и подъем сельского хозяйства. В 2017 и 2018 гг. наибольший вклад в прирост ВВП (53,8 %) обеспечили следующие три вида деятельности (ВД): торговля оптовая и розничная, ремонт автотранспортных средств и мотоциклов (около 28 %); транспортировка и хранение (около 16 %); деятельность по операциям с недвижимым имуществом (около 14 % %). Вклад ВД «Добыча полезных ископаемых» в прирост ВВП составил 10,3 %. Помимо «Добычи полезных ископаемых» нефтегазовая отрасль также учитывается в показателе «Торговля оптовая и розничная». В связи с вышесказанным можно сделать вывод о правильности выбора отрасли нефти и газа, как одной из основных, влияющих на величину ВВП. В качестве одной из переменных для дальнейшего анализа была выбрана выручка ПАО «НК «Роснефть», как крупнейшего предприятия данной отрасли.
Для построения эконометрической модели были взяты финансовые результаты компании ПАО «НК «Роснефть», которая с 2013 г. является крупнейшим в мире производителем нефти [6]. График динамики выручки по годам представлен на рисунке 2.
Выручка Роснефть, млрд.
Рисунок 2. Динамика выручки ПАО «НК «Роснефть» с 2008 по 2018 гг.
По графику видно, что выручка компании имела отрицательный темп роста в 2009 и в 2015 гг., связанный с экономическим кризисом. Снижение выручки в 2015 г. было обусловлено снижением мировых цен на нефть на 16,3 % в рублевом и на 47,3 % в долларовом выражении в 2015 г., а также снижением объемов реализации нефтепродуктов.
Выручка за 2018 г. увеличилась в 1,37 раза год к году, составив 8 238 млрд руб. (133,7 млрд долл.), что, в первую очередь, обусловлено ростом мировых цен на нефть (+41,2 % в руб. и +31,4 % в долл. выражении), а также увеличением доходов от совместных российских и международных проектов (+44 % год к году).
В модели в качестве независимых переменных также использованы цены на марки нефти Brent и Urals. На рисунке 3 построен график только цены марки Brent, потому что динамика изменения одинакова у Brent и Urals одинакова.
Снижение цены на нефть в 2015 г. связано с рядом причин. 11.09.2014 г. был опубликован ежемесячный доклад Международного энергетического агентства (МЭА), в котором был понижен прогноз мирового спроса на нефть. После этого началось снижение ее цен. Иран и крупнейший на тот момент мировой поставщик - Саудовская
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 ^■Цена на нефть марки Brent, тыс.руб./барр. -темп изменения Период
Рисунок 3. Динамика цены марки Brent с 2008 по 2018 гг.
Аравия - снизили цены на нефть по экспортным контрактам. Это ухудшило спрос на нефть. Также важным фактором падения стоимости стала неготовность Организации стран-экспортеров нефти (ОПЕК; Organization of the Petroleum Exporting Countries) договориться о сокращении добычи.
В 2015 г. кризис на фондовом рынке в Китае, планы Ирана по увеличению экспорта нефти после снятия санкций и введение США новых добывающих мощностей привело к увеличению предложения. 04.12.2015 г. страны ОПЕК вновь отказались снижать квоты на добычу нефти. Уже 08.12.2015 г. цены на торгах впервые опустились ниже уровня 40 долл. за баррель. ОПЕК не хотели уступать свое место на рынке, так как если они уменьшат поставки на их место придут другие. Весной 2016 г. начался постепенный рост. Он объяснялся небольшим уменьшением объемов добычи нефти и начавшимися переговорами между ОПЕК и другими нефтедобывающими странами о стабилизации цен [5].
Еще одним из факторов, который был рассмотрен в модели, был средний обменный курс рубля к доллару. Темпы роста изменения показаны на рисунке 4.
70 60 50 40 30 20 10 о
-4,26% +6,03% ~3'45 -2,44%
П I I I I I Н Н 1 I
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Период
-темп изменения
шт Средний обменный курс,руб./долл.
Рисунок 4. Изменение среднего обменного курса рубля к доллару
с 2008 по 2018 гг.
Резкое ослабление российского рубля по отношению к иностранной валюте в 2015 г. связано со стремительным снижением мировых цен на нефть, от снижения экспорта, от которой во многом зависит доходная часть бюджета России, а также введением экономических санкций в отношении России.
Для проведения исследования и построения эконометрической модели выбран регрессионный анализ. Статистические данные были собраны за 11 лет с 2008 по 2018 гг. [7]. В качестве экзогенной переменной выбраны:
x1 - выручка ПАО «НК «Роснефть», млрд руб.; x2 - цена на нефть марки Brent, тыс.руб./барр.; x3 - цена на нефть марки Urals, тыс.руб./барр.; х4 - средний обменный курс, руб./долл.
Эндогенная (результирующая) переменная - ВВП России, млрд руб.
С помощью встроенной функции «регрессия» анализа данных Microsoft Excel построена регрессионная зависимость. Анализируя результаты построенной регрессии можно сказать, что по критерию Стьюдента переменная х4 - не значима, так как t-статистика по модулю меньше табличного 2,23. Следовательно, была построена модель без учета х4.
Для анализа полученной модели использовались коэффициенты детерминации, критерии Фишера и Стьюдента и средняя ошибка аппроксимации.
Фактическое значение критерия Фишера 99,58, табличное -4,35, следовательно, по данному критерию уравнение статистически значимо. По модулю полученные значения t-статистики больше табличного 2,2. Делаем вывод, что по критерию Стьюдента уравнение также значимо. Коэффициент детерминации, равный 0,977, следовательно, на 97,7 % дисперсия результативного признака объясняется уравнением дисперсии.
Средняя ошибка аппроксимации рассчитывается по формуле (1):
л = 1 I I ----- I • 100 % (1)
У x
Она оценивает среднее отклонение расчётных значений от фактических. Допустимый предел значений А - не более 8-10 %.
По результатам расчета средняя ошибка аппроксимации 4,26 %. Следовательно, модель обладает высоким качеством.
Полученное уравнение (2) показывает зависимость величины ВВП от выручки ПАО «НК «Роснефть», млрд руб., цены на нефть марки Brent, тыс. руб./баррель, цена на нефть марки Urals, тыс. руб./ баррель:
Y = 38385+7,9 • x+ 105594,20 • x2 - 106908,53 • x3 (2)
График фактических и расчетных по модели данных ВВП показан на рисунке 5.
По графику видно, что расчетные значения близки к фактическим, следовательно, полученную модель можно использовать для дальнейшего прогнозирования.
Спрогнозируем объем ВВП по данной модели. Для построения были взяты данные x x x3 за 2019-2021 гг., полученные с помощью линий тренда (рисунок 5).
По рисунку 5 можно сделать вывод, что объемы ВВП в ближайшие годы будут возрастать, однако с более низкими темпами по сравнению в предыдущими периодами.
Рисунок 5. Прогноз ВВП на 2019-2021 гг.
Таким образом, в данной статье было проанализировано влияние показателей отрасли нефти и газа на объемы ВВП. В качестве экзогенных переменных выбраны: выручка крупнейшей компании отрасли ПАО «НК «Роснефть», цены на марки нефти Brent и Urals, средний обменный курс рубля к доллару. В результате составлена модель, которая по коэффициенту регрессии, критериям Фишера и Стьюдента, а также средней ошибке аппроксимации является значимой и обладает высоким качеством. В связи с этим был составлен прогноз на три ближайших периода, которые показали, что объемы ВВП будут возрастать, однако с низкими темпами. Прирост в 2019 г составит 1,7 %, в 2020 г. - +2,43 %, однако в 2021 г. ожидает спад на 0,71 %.
Библиографический список
1. Журавская К.Г. Статистический анализ факторов, формирующих ВВП // Международный научно-практический журнал «Агропродоволь-ственная экономика». 2016. URL: http://apej.ru/article/04-04-16 (дата обращения: 25.05.2019).
2. Зависимость экономики РФ и бюджета от нефти снова начала возрастать // ТАСС, информационное агентство. URL: https://tass.ru/eko-nomika/4941082 (дата обращения: 14.10.2018).
3. Козинова А.Т. Эконометрический анализ валового внутреннего продукта России и его взаимосвязей с инвестициями в основной капитал, численностью занятого в экономике населения, добычей нефти и газа // Эконометрический анализ: теория и практика. 2016. № 2.
4. Кравец А.В. Эконометрическая модель темпов роста ВВП США за период с 1965 по 2015 год // Интернет-журнал «Науковедение. 2017. № 2. URL: http://naukovedenie.ru/PDF/21EVN217.pdf (дата обращения: 14.10.2018).
5. Макаренко Г., Галактионова А., Подобедова Л., Макаров О. Отмена санкций против Ирана может снизить цену нефти на $20. URL: https:// www.rbc.ru/economics/03/04/2015/551eaa749a79472913337f7d (дата обращения: 14.05.2019).
6. Нефтяные компании России: список по рейтингу. URL: https:// businessman.ru/neftyanyie-kompanii-rossii-spisok-po-reytingu.html (дата обращения: 26.05.2019).
7. Отчетность, презентации и годовые отчеты ПАО «НК «Роснефть». URL: https://www.rosneft.ru/Investors/statements_and_presentations/Statements/ (дата обращения: 14.05.2019).
8. Тарасова Т.А. Регрессионный анализ зависимости роста ВВП от факторов инновационной экономики // Научно-методический электронный журнал «Концепт». 2017. № 12.
9. Федеральная служба государственной статистики. URL: https://gks.ru (дата обращения: 26.05.2019).
10. Филимоненко И.В. Моделирование зависимости роста ВВП от изменения структуры занятости // Мир экономики и управления. 2011. № 1.
11. Храмов А.В., Миннуллин А.А., Нуруллин Н.Н, Кадочникова Е.И. Эконо-метрический анализ валового внутреннего продукта России // Молодой ученый. 2014. № 21.
12. ЭренценоваВ.А. Эконометрическое моделирование и прогнозирование объема ВВП России // Материалы IX Международной студенческой научной конференции «Студенческий научный форум». URL: https:// scienceforum.ru/2017/article/2017029898 (дата обращения: 01.06.2019).
С.В. Велицкая
магистрант
Самарский национальный исследовательский университет им. академика С.П. Королёва Е-mail: lana.velitskaya@mail.ru
Л.А. Выборнова
кандидат экономических наук, доцент
yачальник управления занятости и карьеры
Самарский национальный исследовательский университет
им. академика С.П. Королёва
Е-mail: vibornova_lyubov@mail.ru
А.И. Розенцвайг
кандидат юридических наук
доцент кафедры теории и истории государства и права и международного права
Самарский национальный исследовательский университет им. академика С.П. Королёва Е-mail: lawyeranna@mail.ru