Изменение условий разработки новых продуктов питания для импортозамещения в условиях экономических санкций Текст научной статьи по специальности «Экономика и бизнес»

УДК 330.341.1

Канд. техн. наук С.А. РОМАНЧИКОВ

(ВАМТО, romanchkovspb@mail.ru)

ИЗМЕНЕНИЕ УСЛОВИЙ РАЗРАБОТКИ НОВЫХ ПРОДУКТОВ ПИТАНИЯ ДЛЯ ИМПОРТОЗАМЕЩЕНИЯ В УСЛОВИЯХ ЭКОНОМИЧЕСКИХ САНКЦИЙ

Возможности разработки новых продуктов питания в немалой степени зависят от оценки министерства экономического развития Российской Федерации (РФ) состояния экономики России, которая менялась по мере ужесточения санкций. В начале 2014 г. бывший министр этого ведомства отмечал, что «темпы экономического роста уходят серьезно в отрицательную плоскость». В октябре 2014 г. он оценил ситуацию в экономике как «взрывоопасную» при инфляции 8,1% и приросте ВВП 0,8% [1].

Что же касается крупномасштабной государственной политики импортозамещения, то при всей обоснованности долгосрочных намерений быстро диверсифицировать отечественную экономику, по мнению специалистов, невозможно. Это приведет к росту трансакционных издержек, цен и к сокращению частного потребления на фоне снижения реальных доходов большинства россиян [2].

Эксперты Счетной палаты усомнились в том, что российским предприятиям в сельском хозяйстве и пищевой промышленности удастся в полном объеме заменить западные продукты. Потенциал импортозамещения «лимитируется ограниченными возможностями имеющихся производственных мощностей в пищевой промышленности». Доля импорта в общем объеме отдельных продовольственных товаров и используемого при их производстве сырья настолько высока, что ограничение поставок «может оказать негативное влияние на индекс потребительских цен на продовольственные товары» [3].

Цель исследования. Сложившаяся экономическая ситуация требует инновационных подходов к реализации поставленных задач и заставляет анализировать возможности оздоровления производства и экономики вообще, в том числе изменением приоритетов распределения финансовых потоков.

Материалы, методы и объекты исследования. Проведение научных разработок, как правило, осуществляют с применением нового, высокотехнологичного импортного оборудования. Изменились ли в последнее время характер и возможности внедрения инноваций для пищевых производств [4].

Рассмотрим модель рынка одного товара, имея в виду применение характерного вида оборудования для исследования выбранного вида продукции и считая время 1 непрерывным.

Мультиколлениарность факторов исключим путем поиска зависимости выпуска продукции только от основных производственных фондов (К) и привлекаемых к производству трудовых ресурсов (Ь).

Для моделирования искомой зависимости будем использовать мультипликативную производственную функцию Кобба-Дугласа (ПФКД). В общем случае такая производственная функция (ПФ) имеет вид:

X = А • Ка • }а,

где а>0, а2>0,

А - коэффициент нейтрального технического прогресса, ах,аг - коэффициенты эластичности по фондам и труду.

Частным случаем приведенной выше функции является функция Кобба-Дугласа вида:

X = А • Ка • 1}~а ,

где ах = а ; а2 = 1 - а .

Обе записанные функции отвечают условиям:

а) гладкости, т.е. эти функции непрерывно дифференцируемы, сами функции и их производные не имеют скачков 1-го и 2-го рода;

б) F(0,L) = F(K,0) = 0, т. е. при отсутствии одного ресурса производство невозможно;

л dF л dF л

в) —>0; —>0, т.е. с ростом ресурсов производство растет;

dK dL

л 52f д2f

г) ——-<0; 2 <0 с увеличением ресурсов скорость роста выпуска замедляется;

д) F( + да, L)=F(K, + да )= + да при неограниченном росте ресурсов выпуск растет. Нахождение параметров мультипликативной функции Кобба- Дугласа производится

по временному ряду выпусков продукции и затрат ресурсов(Xt,Kt,Lt), где t = 1,2,З...Т, Т - длина временного ряда.

При этом предполагается, что имеет место соотношение:

Xt=s. a ■ к а■

где St - корректировочный коэффициент, приводящий в соответствие фактический и расчетный выпуски и отражающий изменение результата под воздействием других факторов, причем математическое ожидание M s = 1.

Прологарифмируем последнюю функцию и получим:

ln Xt = ln St + ln A + a1 ■ ln Kt +a2 ■ ln Lt,

где ln St = st; M£ = 0;

Это уравнение можно привести к уравнению линейной множественной регрессии

вида:

y(t) = ao +а ■ xi(t) + а2 ■ x2(t) + st Изучая особенности изменения регрессионной модели от времени, параметры a0,a,a2 определим методом наименьших квадратов (МНК) при заданных значениях y(t),

x1 (t), X2(t) (для разных моментов времени) с помощью стандартных математических пакетов прикладных программ, например Excel или Mathcad.

В процессе нахождении указанных параметров модели особое внимание уделим:

а) корректному отбору исходной информации;

б) оценке качества полученных значений.

Качество линейных моделей в виде уравнения регрессии оценивается по адекватности и точности. Адекватность построенных моделей устанавливается на основе анализа остаточной последовательности st, то есть разности фактических значений результативного

показателя и его расчетных значений. При этом расчетные значения получают подстановкой в модель фактических значений всех включенных в модель факторов.

Как видно из анализа формулы Кобба-Дугласа, с ростом затрат ресурсов увеличивается и выпуск. Это подтверждается следующими выражениями:

— = а ■ A ■ Kа-1 ■ La2 =а ■X >0, т.к. а>0 дК K 1

dF X

— = а ■ A ■ L"2-1 ■ Kа = а — >0, т.к. а2 >0 dL L 2

Частные производные выпуска по факторам или предельные продукты представляют

собой прирост выпуска на малую величину прироста фактора. При этом следует помнить,

что:

dF

- предельная фондоотдача (ПФ),

dF

--предельная производительность труда.

dL

В простейшем случае предельная фондоотдача пропорциональна предельной средней

—

фондоотдаче (—) (но меньше ее) с коэффициентом а1 (а1 < 1), а предельная К

производительность труда - средней производительности (— )(но меньше ее) с

L

коэффициентом а2<1.

С ростом затрат ресурса при неизменном 2-м ресурсе отдача падает. Это видно из формул:

д 2 — — — = a а • а -1) • ка-2 • la2 = а • а -1) • -2 <0, т.к. а<1; дк2 k

д 2 — — -— = A • а2 • а -1) • Ка • La 2 = а2 • (аг -1) •— <0, т.к. а2<1 dL L

Рассмотрим экономическую интерпретацию параметров A,а1,а2. Параметр А, в

частности, интерпретируется как параметр нейтрального (то есть не относящийся ни к К, ни

к L) технического прогресса, так как при одних и тех же а1 и а2 выпуск тем больше, чем

больше А [5].

Для интерпретации ах и а2 введем понятия эластичности как логарифмических производных факторов. Учитывая, что ln — = ln A + а1 ln К + а2 ln L, получим

д ln — /—

ак =-= lim-— = а,;

к д ln К АК^0 АК/ 1 / К

д ln — А—— а j =-= lim —-—J- = а2

L д ln L al^o AL/ 2 /L

или по общему определению эластичности фактора:

Э = SF К = — К = .

К дК F 1 К — 1

Э =SF L = — L =

L SL F 2 L — 2 где а1- эластичность выпуска по основным фондам; а2- эластичность выпуска по

труду.

Эластичность показывает, на сколько процентов возрастет выпуск при росте фактора

на 1%.

Поскольку при (а1 +а2) >1 выпуск растет быстрее, чем в среднем растут факторы, а при (а1 + а2) <l выпуск растет медленнее, чем растут факторы, то (а1 +а2) >1 исследуемая модель описывает эффективно растущую экономику [6].

Множество точек на плоскости К, L, при которых F(K, L) =Хо = const, назовем линией одного уровня, или изоквантой.

Для мультипликативной модели выразим изокванту в виде: А^Ка L = —0 = const или

ln — 0-ln A-а-,^ ln L

к а1 = х±. }-а2 , к = е а а

То есть она является степенной гиперболой, асимптотами которой служат оси координат.

Обозначим через ё=ё(1;)=Ф[р(1;)], 8=в(1;)=у[р(1;)] совокупные величины спроса и предложения в момент 1, а через р=р(1) - цену товара в этот момент. При этом примем, что спрос и предложение являются линейными функциями цены:

Ф(р)=а-Ьф (1)

а>0, Ь>0 (спрос с ростом цены убывает);

у(р)=а+Рф (2)

а>0, р>0 (предложение с ростом цены растет).

Кроме того, естественно считать, что а>а (при нулевой цене спрос превышает предложение).

Традиционное предположение модели состоит в том, что изменение цены пропорционально превышению спроса над предложением:

Др=у(ё-8>Д^ у>0 (3)

Согласно этому предположению взаимодействие потребителей и производителей происходит таким образом, что отражающая это взаимодействие цена непрерывно приспосабливается к ситуации на рынке: в случае превышения спроса над предложением возрастает, а в противном случае падает. При этом существенное значение в характере этой зависимости принадлежит параметру у.

Используя сделанные предположения, приходим к следующему дифференциальному уравнению относительно цены:

или в стандартной форме:

■ = у. [-(b + в). p + a-а] (4)

dt

Tdp + p = aa-а (5) dt b + в

где T =-1-. (6)

y(b + в) W

Это уравнение имеет равновесную точку р(0) = р°

р°= а—а> о (7)

Ь + в

Из (5) следует, что при р(0)<р°, — > 0, а при р(0)>р°, — < 0.

& &

Поэтому, проводя вычисления, получим

11ш р(г) = р0 (8)

0

= р

г ^вд

В первом случае цена достигает равновесного значения, возрастая, а во втором случае

0 ,

- убывая, при этом равновесная цена р0 совершенно не зависит от начальной точки р(0).

Такой же вывод можно сделать и из аналитического решения уравнения (5)

p(t) = p(0)e ■(b+в) ■t +—[1 - e-y (b+e) ■t' b + в

Результаты исследования. Исследование рынка продаж исследовательского оборудования, систем капиллярного электрофореза «КАПЕЛЬ-105» для исследования безопасности пищевых продуктов, в условиях наложения санкций, свидетельствует о том, что приведенные модельные представления должны быть изменены, поскольку санкции фактически приводят к различию зависимости коэффициента у в (3) от времени t и описываются регрессионными соотношениями полиномиального характера. Пусть предполагается, что санкции со временем будут более мягкими [7].

Рис. 1. Кривые спроса предложения и цены: а - при «жестких» санкциях; б - при «мягких» санкциях

На рисунке изображены расчетные кривые спроса, предложения и цены (нижняя кривая) для «жестких» санкций (у=0,3-а) и «мягких» (у=0,1-б) санкций. Анализ этих кривых свидетельствует о том, что «жесткость» наложенных санкций практически не меняет количественных значений спроса, предложения и цены, но затягивает время их выравнивания, то есть времени доступности нового оборудования и внедрения инноваций во времени. Таким образом, наложение санкций стратегически должно стимулировать как можно более быстрый переход к инновационным технологиям.

Литература

1. Сидорова Е.А. Проблемы повышения конкурентоспособности экономики России // Российский внешнеэкономический вестник. - 2007. - № 6. - С. 36-45.

2. Клинова М.В., Сидорова Е.А. Экономические санкции и их влияние на хозяйственные связи России с Европейским союзом // Вопросы экономики. - 2014. - № 12. - С. 3-6.

3. Пучков В.Ф., Грацинская Г.В. Разработка и применение математических моделей для решения задач управления экономическими системами: Монография. - М., 2015.

4. Алексеев Г.В., Егошина Е.В., Башева Е.П. и др. Оценка конкурентоспособности инновационного технического решения // Научный журнал НИУ ИТМО. Серия: Экономика и экологический менеджмент. - 2014. - № 4. - С. 137-146.

5. Красильников В.Н., Алексеев Г.В., Хрушкова Е.Н. Возможности применения мембранных процессов для производства продуктов функционального назначения // Вестник Международной академии холода. - 2010. - № 3. - С. 32-37.

6. Красильников В.Н., Киреева М.С., Алексеев Г.В. Реология бездрожжевого бисквитного теста на основе полножирной муки из семян льна различных сортов // Хлебопродукты. -2014. - № 1. - С. 52-55.

7. Алексеев Г.В., Кондратов А.В. Перспективы применения кавитационного воздействия для измельчения пищевых продуктов: Монография. - Саратов, 2013.

Literatura

1. Sidorova E.A. Problemyi povyisheniya konkurentosposobnosti ekonomiki Rossii // Rossiyskiy vneshneekonomicheskiy vestnik. - 2007. - № 6. - P. 36-45.

2. Klinova M.V., Sidorova E.A. Ekonomicheskie sanktsii i ih vliyanie na hozyaystvennyie svya-zi Rossii s Evropeyskim soyuzom // Voprosyi ekonomiki. - 2014. - № 12. - P. 3-6.

3. Puchkov V.F., Gracinskaya G.V. Razrabotka i primenenie matematicheskih modelej dlya resheniya zadach upravleniya ehkonomicheskimi sistemami: Monograph. - M., 2015.

4. Alekseev G.V., Egoshina E.V., Basheva E.P. i dr. Otsenka konkurentocpocobnocti innovatsionnogo tehnicheskogo resheniya // Nauchnyiy zhurnal NIU ITMO. Seriya: Ekonomika i ekologicheskiy menedzhment. - 2014. - № 4. - P. 137-146.

5. Krasilnikov V.N., Alekseev G.V., Hrushkova E.N. Vozmozhnosti primeneniya membrannyih protsessov dlya proizvodstva produktov funktsionalnogo naznacheniya // Vestnik Mezhdunarodnoy akademii holoda. - 2010. - № 3. - P. 32-37.

6. Krasilnikov V.N., Kireeva M.S., Alekseev G.V. Reologiya bezdrozhzhevogo biskvitnogo testa na osnove polnozhirnoy muki iz semyan lna razlichnyih sortov // Hleboproduktyi. - 2014. - № 1. - P. 52-55.

7. Alekseev G. V., Kondratov A.V. Perspektivy primeneniya kavitacionnogo vozdejstviya dlya izmel'cheniya pishchevyh produktov: Monograph. - Saratov, 2013.

УДК 338.984

Канд. экон. наук Т.С. КОВАЛЁВА (СПбГАУ, tamseko@mai1.ru) Канд. экон. наук И.Н. ПОПОВА (Университет ИТМО, instats@ya.ru)

ПРОГНОЗИРОВАНИЕ ПОКАЗАТЕЛЕЙ ПРОИЗВОДСТВА ЗЕРНА С ПОМОЩЬЮ ТРЕНДОВЫХ МОДЕЛЕЙ

Прогнозирование было и остается одним из востребованных направлений научных исследований. Использование статистических методов изучения временных изменений, построение на их основе трендовых моделей для расчёта прогнозных значений конкретных показателей широко распространено. Исследователи активно развивают это статистическое направление [1], одновременно распространяют апробированные методики [2]. Применение их в разных сферах, несомненно, влечёт за собой возникновение особенностей, сложностей, а иногда и препятствий. Необходимость прогнозов в сельском хозяйстве также очевидна. Существенной спецификой сельскохозяйственного производства (растениеводства) является влияние погодных факторов. Даже при стабильной агротехнике роль случайных факторов достаточно велика. При построении трендовых моделей важно оценивать стабильность уровней динамического ряда, степень их колеблемости. Выбор в качестве объекта исследования производства зерна в Российской Федерации обусловлен тем, что данная область для развития любого государства является стратегической. Кроме того, в нынешних внешнеэкономических условиях при проведении политики «импортозамещения» пристальное внимание к производству зерновых культур и прогнозированию его индикаторов представляется весьма актуальным. При оценке и прогнозировании производства зерна используются показатели: объём валового сбора зерна, размер посевных площадей под зерновыми культурами, урожайность зерновых и зернобобовых культур с одного гектара убранной площади. Последний является характеристикой эффективности данного процесса, поэтому чаще используется для оценки деятельности отрасли и прогнозирования её дальнейшего развития.

Целью исследования стало выявление наиболее адекватных подходов к оценке и прогнозированию показателей производства зерновых культур в Российской Федерации на основе трендовых статистических моделей, опираясь на официальные статистические данные.

Материалы, методы и объекты исследования. Базой статистических данных послужили официальные цифровые данные, предоставляемые Федеральной службой государственной статистики (Росстат) [3] (табл.1). Основным методом изучения является метод изучения динамических рядов, построения трендов, в том числе гипертренда.