CC BY
30
связано с наибольшими издержками ее воспроизводства при насущной необходимости их снижения, особенно с учетом неблагоприятной демографической ситуации. Вторичный ресурс труда формируют: первичный ресурс труда в последующих повторяющихся фазах его воспроизводства, в том числе с учетом процесса непрерывной профессиональной подготовки; немолодежная часть населения, вступающая впервые в фазы профессиональной подготовки, распределения и обмена; немолодежная часть населения, проходящая повторяющиеся фазы профессиональной переподготовки (повышения квалификации), перераспределения (обмена), использования.
Учитывая значимость эффективного воспроизводства первичного ресурса труда, целесообразно не разделять фазы этого процесса на отдельные рыночные системы, а рассматривать их как единое пространство и процесс, вводя соответствующий термин для обозначения — рынок профессиональной подготовки, распределения (обмена) и использования первичного ресурса труда (РППРОИ ПРТ). Данный термин обозначает соответствующий сегмент взаимодействия РОП и РТ и отражает общую сферу воспроизводства первичного ресурса труда (ПРТ). Последовательно проходя стадии этого рынка, первичный ресурс
труда приобретает различные уровни: абитуриент, студент, выпускник УПО, молодой специалист. Каждая стадия, соответствующая этим уровням имеет свою специфику прохождения, как по технологии ее реализации, так и по роли и поведению первичного ресурса труда.
Обосновывая введение термина РППРОИ ПРТ, можно дать следующие его характеристики и определения:
а) это сфера воспроизводства первичного ресурса труда, включающая в себя фазы этого процесса;
б) это система социально-экономических отношений по поводу купли-продажи профессиональной образовательной программы;
в) это механизм, обеспечивающий куплю-продажу профессиональной образовательной программы для ПРТ.
При таком подходе появляется возможность планировать процесс использования первичного ресурса труда, его контроля, корректировки, поскольку изначально ставится цель обеспечения эффективной занятости молодого специалиста (т.е. первичного ресурса труда в конечной стадии его функционирования).
Литература
1. Алиев Ш.М. Рынок образовательных услуг и вопросы его регулирования [Электронный ресурс]: дис....канд.экон.наук:08.00.05. — М., 2005. — 215 с.
2. Алтухов В., Серебряков А. Вузы и работодатели 2009 [Электронный ресурс]. — режим доступа: http://www.profcareer.ru/lib/ art_research_young_specialists2009.php?PHPSESSID=ohrd7s5hstuvbmhenvhgqp8d34
3. Вахрушева Д. Каждый десятый — безработный [Электронный ресурс]. — режим доступа: http:www.trud-ost.ru/?p=1659
4. Джапарова Р. Маркетинг услуг профессионального образования // Маркетинг. — 2005. — № 4. — С.55-63.
5. Корнейчук, Б.В. Рынок труда: учеб. пособие. — М.: Гардарики, 2007. — 287 с.
6. Красноженова Г.Ф., Симонин П.В. Управление трудовыми ресурсами: учебное пособие. — М.: ИНФРА-М, 2008. — 159 с.
7. Павленков В.А. Рынок труда. Занятость. Безработица: учебник. — М.: Изд-во МГУ, 2004. — 368 с.
8. Панкрухин А.П. Маркетинг образовательных услуг в высшем и дополнительном образовании: учеб. пособие. — М.: Интер-пракс, 1995 — 240 с.
9. Романов А.А., Тихомиров Н.В. Потребители и рынок образовательных услуг // Высшее образование сегодня. — 2006. — №9. — С. 14-18.
10. Савенкова Т. Конкурентоспособность специалистов как вектор движения образования на пути к прогрессу // Проблемы теории и практики. — 2006. — №9. — С.114-126.
11. Сагинова О.В. Стратегия маркетинга международных образовательных программ вуза [Электронный ресурс]: дис. ... канд. экон. наук: 08.00.05. — М., 1999. — 191с.
12. Экономика и социология труда: учебник / Под ред. А.Я. Кибанова. — М.: ИНФРА-М, 2003. — 584 с.
13. Экономика труда. 2-е изд. / Под ред. Н.А. Горелова — СПб.: Питер, 2007. — 704 с.
об одной методике прогнозирования развития локальных экономических зон
Т.Р. Гареев,
проректор по инновационному развитию, заведующий кафедрой экономики фирмы и рынков Российского государственного университета им. Иммануила Канта,
кандидат экономических наук [email protected]; [email protected]
В статье рассматривается методика прогнозирования сценариев спроса на площади локальной экономической зоны на основе интерполяции. Суть методики заключается в разложении кумулятивного объема спроса на типовые сценарии для любого заданного периода времени. Предлагаемая методика прогнозирования легко автоматизируется и может быть адаптирована для более широкого круга задач, например, для анализа чувствительности при реализации инвестиционных проектов.
Ключевые слова: прогнозирование, интерполяция, локальная экономическая зона, спрос на недвижимость
УДК 332.1; 338.27
Экономические зоны в мировой практике весьма многооб- [4]. В последние годы в России происходит как реновация уста-разны [1], однако всех их объединяет ограниченность пространс- ревших промышленных зон, так и создание новых локальных твенных ресурсов для освоения предприятиями-резидентами экономических зон производственного, технико-внедренческого
и иного назначения. Как показывает мировой опыт, одной из важнейших задач развития локальных экономических зон является прогнозирование потребности в недвижимости производственного назначения [3; 4]. Необходимость учета и прогнозирования спроса на индустриальную и деловую недвижимость является одной из важнейших задач институциональных инвесторов, региональных органов власти и муниципалитетов и, как правило, закреплена на нормативном уровне [4].
Несмотря на обилие работ, посвященных рынку жилой недвижимости в отечественной практике (удачный обзор приведен в работах Г.М. Стерника, например, в [2]), научно-практические исследования, посвященные прогнозированию спроса на индустриальные объекты, достаточно редки. Хотя спрос на объекты производственной недвижимости наблюдался в течение 2000-2008 гг., а законодательство, стимулирующее создание локальных (в том числе особых) экономических зон появилось в 2005 г., долгосрочное прогнозирование на уровне российских регионов пока не получило должного распространения.
Можно выделить два фундаментальных подхода к прогнозированию объемов спроса. Условно, основной подход основан на движении от краткосрочного прогноза к долгосрочному, а вспомогательный — от долгосрочного к краткосрочному. В первом случае обычно используют эконометрические модели для нахождения искомой величины по имеющимся статистическим показателям воздействующих факторов [3]. В основе таких моделей чаще всего лежат системы одновременных регрессионных уравнений, как, например, в работе Р. Томпсона и Т. Сото-риса [6]. Подробный обзор различных моделей моделирования спроса на рынке деловой недвижимости, разработанных с середины 1960-х гг., можно найти, например, в любопытной работе Дж. Рабиански и К. Гиблер [5]. Роль эконометрических моделей в формировании экономических прогнозов в нашей стране постоянно возрастает, но пока статистика по индустриальной и деловой недвижимости, необходимая для моделирования локальных экономических зон, остается весьма ограниченной (особенно в региональном разрезе).
Поэтому может быть востребован второй подход, который основан на дезагрегировании долгосрочных объемов спроса и концептуально совместим с идеями индикативного планирования и сценарного прогнозирования. Смысл подхода заключается в установлении долгосрочных целевых показателей с их последующим распределением на краткосрочные периоды. В условиях смешанной экономики предполагается, что в краткосрочном периоде существует неопределенность, обусловленная преимущественно конъюнктурными факторами. Возникает необходимость моделирования параметров в условиях неопределенности. Предлагаемый в настоящей статье подход основан на моделировании краткосрочного объема спроса посредством сценариев, построенных с помощью процедуры интерполяции.
Критики сценарных методов, в целом признавая их теоретическую и методологическую полезность, традиционно ссылаются на сложность их практического применения. На наш взгляд, использование общедоступных информационных технологий эту сложность значительно снижает.
Задачей данной статьи является разработка сценарного подхода к прогнозированию текущих объемов спроса на объекты экономической зоны на основе только двух параметров: планового периода времени и необходимого объема ввода площадей локальной экономической зоны. Для этого представляется целесообразным адаптировать метод интерполяции для разложения долгосрочного объема спроса, а также построить экономико-математическую модель, пригодную для любого периода.
Данный метод был разработан автором в рамках решения более общей задачи по планированию создания локальной экономической зоны регионального значения (на примере Калининградской области). Тем не менее, полученный результат, на наш взгляд, обладает потенциалом для использования более общего круга задач. По крайней мере, он может использоваться в качестве вспомогательного инструмента при отсутствии или недостатках ресурсов для проведения моделирования эконометрическими методами [5; 6].
В общем виде интерполяцией называют замену функции ф(х) на функцию ф(х) таким образом, что их значения совпадают в заданных точках ф(х) = ф(х) / = 1, п. В рассматриваемом случае имеется двухмерная система координат, в которой не-
обходимо построить сценарные зависимости текущих объемов спроса Dt от времени I где t = 1, Т соответствует периоду на выбранном исследователем нормированном горизонте планирования Т. Объем спроса теоретически соответствует объему предложения площадей 5, доступных в рамках локальной экономической зоны. Это является ключевым допущением, позволяющим гибко подходить к моделированию сценариев (хотя данное допущение является общим для класса задач прогнозирования на различных рынках недвижимости).
Однако, как показывает зарубежный опыт прогнозирования спроса на индустриальную недвижимость на макроуровне, в долгосрочной перспективе на рынке, как правило, наблюдается цикличность с глубокими перепадами (причем как по натуральным, так и по ценовым показателям) [5].
Рис. 1. Реальная и смоделированная ситуация доступности индустриальных площадей в Великобритании, тыс. м кв.
Источник: [5, р. 177].
Необходимо подчеркнуть, что в модели долгосрочный спрос является кумулятивным. В краткосрочном периоде распределение долгосрочного спроса может варьироваться в широких пределах. В распоряжении инвесторов в краткосрочном периоде остаются инструменты тактического маркетинга: от возможности оперативного влияния на ценовые параметры до реализации полномасштабной информационной кампании.
В результате задача сводится к распределению объема долгосрочного спроса т
о = ХА
г=1
по периодам в рамках горизонта планирования Т Теоретически эту задачу можно решить следующим образом.
Введем вспомогательное понятие кумулятивного спроса Dk<c), который в каждый период к равен сумме периодических объемов спроса (в принятых обозначениях D) за все предыдущие периоды, включая данный:
А {с) =ХД, где к = 77Т
г=1
Очевидно, что D-¡c) = D, поэтому изначально нам известны две точки с координатами (0; 0) и (Т D), тогда Dt можно найти по формуле :
Dt = О? - О® (1)
Нетрудно заметить, что текущий объем спроса в первом периоде равен объему кумулятивного спроса О? = О1 (Табл. 1).
Таблица 1
Распределение кумулятивного и периодического объема спроса по периодам
Пере- мен- ная Значение
1 к 0 1 2 t Т-1 Т
0 О? О? О? ОТ? О
О 0 О? о? - О? о? - о? ОТ? - ОТ? О - О->
Источник: расчеты автора
В общем случае было рассмотрено семь зависимостей уМ, которые проходят через начало координат и произвольную точку с координатами (Т у0), где нормированное значение у0 = Т, для Ї> 0 (табл.2).
Удобство данной методики заключается в том, что в представленном виде модель можно быстро реализовать в програм-
мной среде (например, на базе широко применяемых электронных таблиц), что определяется подбором функциональных зависимостей.
Это позволяет оперативно строить и модифицировать сценарии распределения долгосрочного объема спроса для любого положительного Т. Для наглядности выбрано значение Т = 10,
Общий вид для семи вариантов зависимостей у(0 для Т > 0
Таблица 2
№
Вид функции
Вид графика
У = і
1 2
у = -• і2, 0< і < Т
1 2
У = “^Т і + 2' і, 0< і < Т
IV
У =
2
Т
2 Т
- • (і - -Т 2'
Т
0< і <—; 2
----і + 2 • і,
— • (і--) +—, —< і < Т;
У =
2 2 — і , Т
Т
0< і <—■; 2
2 Т Т Т Т
---(і----)2 + 2 • (і-) +—, - < і < Т;
Т 2 2 2 2
VI
У =
-—• і2 + 2 • і,
Т
З , Т ч 2 Т
— (і----) +—,
Т 3 3
з , 2• Т. 2 „ , 2•Г 2• Т
----(і-)2 + 2 • (і-------------) +-.
Т 3 3 3
Т
0< і <—; 3
Т 2 • Т
— < і <-;
33
2 • Т 3
< і < Т.
VII
У =
3 • і 2,
Т
Т
0< і <—; 3
Т2
----(і---)2 + 2 • (і-) +—, —< і <
з_
Т
3
ТТ
3+3
З , 2 • Т. 2 2 • Т
-• (і--------)2 +------,
Т 3 3
т_
3 3
2 • Т
3
Результат объединения графиков
V
которое позволяет строить модели на 2,5 года в поквартальном разрезе, на 5 лет в полугодовом разрезе и на 10 лет в годовом разрезе и т. д.
Соответственно данные зависимости определяют значение функции для неотрицательных значений аргумента, которые сгруппированы в табл.3.
В приложении приведены таблицы для случаев Т = 8 и Т = 12.
Графическая интерпретация типовых зависимостей представлена на рис.2. Важно отметить, что рассматриваемые функции являются возрастающими на всем промежутке [0, Т], так как отражают кумулятивный характер спроса.
Таблица 3
Значения функций y = f(t) в диапазоне от (0; 0) до (10; 10)
Переменная Значение
T 0 1 2 3 4 5 6 7 8 9 10
y = t 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
y = 0,1t2 0,0 0,1 0,4 0,9 1,6 2,5 3,6 4,9 6,4 8,1 10,0
y = -0,1 • t2 + 2 • t 0,0 1,9 3,6 5,1 6,4 7,5 8,4 9,1 9,6 9,9 10,0
J_0,2 • t2 + 2 • t, 0< t < 5; У [0,2 • (t _ 5)2 + 5, 5 < t < 10; 0,0 1,8 3,2 4,2 4,8 5,0 5,2 5,8 6,8 8,2 10,0
І0,2 • t2, 0< t < 5; У [-0,2 • (t _ 5)2 + 2 • (t _ 5) + 5, 5 < t < 10; 0,0 0,2 0,8 1,8 3,2 5,0 6,8 8,3 9,2 9,8 10,0
С экономической точки зрения можно рассматривать два типа рынка:
— «рынок покупателя», в условиях которого объем спроса в ?-ый год реализуется целиком;
— «рынок аренды», в условиях которого предполагается, что все периодические объемы спроса сохраняются на будущие периоды (т.е. не происходит отказов от ранее арендованных площадей, либо имеющие место отказы сразу компенсируются новыми агентами).
Применительно к объектам локальной экономической зоны ситуация может быть интерпретирована следующим образом: происходит реализация площадей по договорам купли-продажи;
происходит реализация площадей путем сдачи в аренду (возможно, с правом выкупа) или купля-продажа на условиях рассрочки платежа (например, долевое строительство).
Следующим шагом применения сценарного подхода является разложение кумулятивного спроса на элементы, соот-
Рис. 2. Типовые зависимости для моделирования кумулятивного спроса
Источник: расчеты автора.
ветствующие периодическим объемам спроса. Самый простой вариант представлен линейной зависимостью (сценарий I), что является частным случаем модели.
Расчет конкретных промежуточных показателей спроса для линейной зависимости может быть произведен с помощью формулы:
Dt = Dt = D/T (2)
Экономический смысл линейной зависимости заключается в том, что значение объема спроса принимается за постоянную величину на весь горизонт планирования.
В общем случае необходимо найти коэффициенты С, задающие отношение соответствующего периодического объема спроса Dt к кумулятивному объему спроса за весь горизонт планирования й(Т).
Для этого может быть использована следующая формула:
D(c) _ D(c)
dt =-------------------------i-^ • 100%,
‘ D
(3)
В приведенной ниже таблице были рассчитаны значения коэффициента С1 для рассматриваемого горизонта планирования Т= 10 (табл.4).
Таблица 4
Значения dt для сценариев с I по VII* для периода 7=10, в процентах
Номер Период, t Итого
1 2 3 4 5 6 7 8 9 10
I 10 10 10 10 10 10 10 10 10 10 100
II 1 3 5 7 9 11 13 15 17 19 100
III 19 17 15 13 11 9 7 5 3 1 100
IV 18 14 10 6 2 2 6 10 14 18 100
V 2 6 10 14 18 18 14 10 6 2 100
VI 17 11 5 2 7 13 18 15 9 3 100
VII 3 9 15 18 13 7 2 5 11 17 100
* Номер функции соответствует порядковому номеру (табл.2).
В приложении также приведены расчеты для случаев Т = 8 и Т = 12.
Построим распределение искомой величины (в нашем случае периодического объема спроса) в зависимости от выбранного сценария от I до VII в графическом виде (рис.3, рис.4 и рис. 5).
Как видно на рис.3, данные зависимости довольно просты: наиболее желательным является III вариант, который традиционно характеризует «сильный» рынок.
Сценарий I является «базовым» и часто используется на практике, а также в учебных целях, так как очень удобен для целей бюджетирования. Этот сценарий моделирует устойчивое состояние спроса на весь горизонт планирования.
Сценарий II характеризует ситуацию так называемого «слабого» рынка и представляется наименее привлекательным.
В случае, представленном на рис.4, можно говорить о двух противоположных ситуациях, в которых не так просто выделить более предпочтительный сценарий.
Вариант IV отражает ситуацию, довольно часто встречающуюся на практике: сначала наблюдается высокий спрос, позволя-
12 3 4
5
□ I
10
□ I
Рис. 3. Распределение измеряемой величины (I, II, III сценарии)
20%
18%
16%
14%
12%
10%
8%
6%
4%
2%
0%
1
2
3
8 9
10
4 5 6 7
□ IV □V
Рис. 4. Распределение измеряемой величины по периодам в соответствии с IV и V сценариями
6
7
8
9
20%
18%
16%
14%
12%
10%
8%
6%
4%
2%
0%
1 23456789 10
□ VI □VII
Рис. 5. Распределение объема измеряемой величины по периодам в соответствии с VI и VII сценариями
Рис. 6. Схема применения сценарного подхода к моделированию спроса на основе интерполяции
ющий в первую треть горизонта планирования реализовать до 40% плановых объемов (например, наиболее удобные участки), затем происходит спад и, наконец, рынок вновь оживает, возможно, в ответ на снижение цены.
Сценарий V может быть более желателен в случае, когда инвестор имеет определенный резерв финансовых ресурсов и не рассчитывает на возможность реинвестирования в начале проекта. При этом к середине планового срока реализуется до 50% плановых объемов предложения.
На рис. 5 рассматриваются более сложные сценарии, отражающие, помимо прочего, циклический характер спроса. Как и в предыдущем случае, достаточно трудно судить, какой из вариантов является более предпочтительным. Сценарий VI, вероятно, более предпочтителен для целей инвестиционного проектирования. Сценарий VII может быть более желателен
с точки зрения операционного и финансового планирования, т.к. не сталкивается с повышенным спросом в самом начале проекта, зато обеспечивает реализацию более 50% объема в первой половине срока.
В случае необходимости можно рассматривать сценарии, более детально описывающие волновой характер развития рынка (с меньшими перепадами). Можно заметить, что сценарии VI и VII, рассчитанные для Т = 10 близки сценариям IV и V для Т = 7. В предельном случае, когда количество «волн» увеличится, сценарные значения будут мало отличаться от «базового»
II сценария, описываемого линейной зависимостью. Поэтому каждый из сценариев характеризуется собственной внутренней структурой, но в долгосрочном плане дает одинаковый результат. Это позволяет адаптировать рассматриваемую методику для разных ситуаций.
При необходимости избегания резких перепадов значений по периодам можно использовать несложные алгебраические преобразования функций. При этом преимущества по сравнению с тригонометрическими функциями обеспечиваются более удобными численными значениями.
В обобщенном виде алгоритм применения предложенного сценарного подхода к моделированию объема спроса на основе процедуры интерполяции может быть представлен в виде схемы (рис.6):
В долгосрочной перспективе имеется заданная стратегическая цель, под которую предполагается освоение ограниченных ресурсов. Как правило, долгосрочная количественная цель значительно превосходит имеющиеся ресурсы, поэтому при условии эффективного использования можно планировать полную реализацию предоставленных ресурсов (при невозможности их превысить без дополнительных затрат). В краткосрочной перспективе сохраняется неопределенность, которая характеризуется спектром возможных сценариев развития, полученных на основе интерполяции. Введение в рассмотрение
более неблагоприятных сценариев можно рассматривать как увеличение горизонта долгосрочного планирования, поэтому корректность подхода сохраняется практически при любом ухудшении индикаторов.
Разработанный сценарный подход может быть использован, например, для прогнозирования спроса на рынке, а также для оценки долгосрочных проектов развития локальных экономических зон.
Преимуществом предлагаемого метода являются: удобство автоматизации (возможность встраивания в пакеты анализа чувствительности); наглядность и универсальность (какой бы объем предложения не рассматривался, он ограничен и в конечном итоге достижим). Другими словами, доля рынка, превышающая объем предложения данной локальной экономической зоны, достанется конкурентам (если не осуществляется дополнительных вложений). Недостаточный спрос представляет проблему, так как отодвигает сроки выхода на проектную мощность (прогнозируемый долгосрочный объем освоения ресурсов) на более отдаленную перспективу.
Литература
1. Гареев Т.Р. Экономическое зонирование: классические и институциональные аспекты развития (на примере ОЭЗ в Калининградской области) // Экон. вестн. Ростовского гос.ун-та. — 2009. — Т. 7. — № 3. — С. 70—90.
2. Стерник Г.М. Технология анализа рынка недвижимости. — М.: Аксвелл, 2005.
3. Giussani B., Tsolacos S. Investment in industrial buildings: modelling the determinants of new orders // Journal of Property Research. — 1994. — Vol.11. — № 1. — P.1-16.
4. Planning and design of industrial estates for regional development in Asia /Ed. by J. Ramos. — Nagoya: UNCRD, 1993.
5. Rabianski J., Gibler K. Office market demand analysis and estimation techniques: A literature review, synthesis and commentary //Journal of Real Estate Literature. — 2007. — Vol.15. -November 1. — P. 37—56.
6. Thompson R., Sotoris T. Projections in the industrial property market using a simultaneous equation system //Journal of Real Estate Research. — 2000. — Vol.19. — №1/2. -P.165—188.
Приложение
Округленные значения функций y = f(t) в диапазоне от (0; 0) до (8; 8)
Переменная Значение
t 0 1 2 3 4 5 6 7 8
У = t 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0
y = 0,125t2 0,0 0,1 0,5 1,1 2,0 3,1 4,5 6,1 8,0
y = 0,125t2 + 2t 0,0 1,9 3,5 4,9 6,0 6,9 7,5 7,9 8,0
Г-0,25 • t2 + 2 • t, 0< t < 4; y [0,25 • (t-4)2 + 4, 4 < t < 8; 0,0 1,8 3,0 3,8 4,0 4,3 5,0 6,3 8,0
J 0,25 • t2, 0< t < 4; y [-0,25 • (t - 4)2 + 2 • (t - 4) + 4, 4 < t < 8; 0,0 0,3 1,0 2,3 4,0 5,8 7,0 7,8 8,0
Округленные значения функций y = f(t) в диапазоне от (0; 0) до (12; 12)
Переменная Значение
t 0 1 2 3 4 5 6 7 8 9 10 11 12
У = t 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0 11,0 12,0
1 2 y = —• t 12 0,0 0,1 0,3 0,8 1,3 2,1 3,0 4,1 5,3 6,8 8,3 10,1 12,0
1 2 . y = 1 + 2 • t 12 0,0 1,9 3,7 5,3 6,7 7,9 9,0 9,9 10,7 11,3 11,7 11,9 12,0
y = - 1 2 12 + 2 • t, 0 < t < 6; 6 1 2 -• (t - 6)2 + 6, 6< t < 12; 6 0,0 1,8 3,3 4,5 5,3 5,8 6,0 6,2 6,7 7,5 8,7 10,2 12,0
y = < Г 1 2 -• t2, 0<t <6; 6 1 2 — • (t - 6)2 + 2 • (t - 6) + 6, 6< t < 12; 6 0,0 0,2 0,7 1,5 2,7 4,2 6,0 7,8 9,3 10,5 11,3 11,8 12,0
