CC BY
91I
ш
*
CI
Ш I Ш
Обзор экономических подходов и моделей для прогнозирования ВВП
Review of Economic Approaches and Models for GDP Forecasting
*
УДК 330.55
CK
s 0. o
Ш
Вертакова Юлия Владимировна
заведующий кафедрой Юго-Западного государственного университета (г Курск), доктор экономических наук, профессор 305040, г Курск, ул. 50 лет Октября, д. 94
Vertakova Yuliya Vladimirovna
Southwest State University (Kursk) 50 let Oktyabrya Str. 94, Kursk, Russian Federation, 305040
Исследование направлено на систематизацию известных методов прогнозирования, применимых для оценки будущей динамики ВВП как при долгосрочном, так и в краткосрочном периоде упреждения.
Цель. Провести компаративный анализ экономических подходов и моделей для прогнозирования макроэкономических показателей социально-экономического развития станы, в частности ВВП.
Задачи. Проанализировать динамику ВВП России, осуществить обзор экономических подходов и моделей для его прогнозирования; обобщить применяемую методологию прогнозирования показателей системы национальных счетов, выделить группы прогнозных методов, представить экспертные прогнозные оценки ВВП на 2015 г. и осуществить статистическое прогнозирование на основе многофакторной нелинейной регрессионной модели.
Методология. В работе с помощью общих методов научного познания, сравнительного и ретроспективного анализа систематизированы эконометрические, экспертные и комбинированные подходы, пригодные для прогнозирования ВВП в условиях динамичных социально-экономических и геополитических трансформаций.
Результаты. Рассмотрены известные в современном научном арсенале методы прогнозирования, которые можно использовать для упреждающей оценки ВВП и других макро- и мезоэкономических показателей социально-экономического развития. Обобщена статистическая информация, характеризующая динамику ВВП Российской Федерации, приведены авторские результаты прогнозирования ВВП по производственной функции Кобба — Дугласа.
Выводы. Обосновано, что для прогнозирования ВВП могут применяться три группы прогнозных методов: фактографические (статистические), экспертные (интуитивные) и комбинированные, которые отличаются по характеру привлекаемой для прогнозирования информации. Сделан вывод о том, что практическое применение того или иного метода прогнозирования ВВП определяется наличием необходимой информации и выбранной методики прогнозирования, квалификацией прогнозиста, целями получения прогноза и длиной периода упреждения.
Ключевые слова: экономическое прогнозирование, подходы и модели прогнозирования, валовой внутренний продукт, эконометрические модели
This study systematizes the known forecasting methods applicable to the assessment of future GDP dynamics in both long- and short-term prediction periods.
Aim. This study aims to compare economic approaches and models used to forecast the macroeconomic indicators of a country's socioeconomic development, including GDP.
Tasks. The study analyzes GDP dynamics in Russia, reviews economic approaches and models used in forecasting, summarizes the applied methods for forecasting indicators of the system of national accounts, determines groups of forecasting methods, and provides an expert assessment of GDP for 2015 and statistical forecasting based on a multivariate nonlinear regression model.
Methods. This study uses general methods of scientific cognition and comparative and retrospective analyses to systematize econometric, expert, and combined approaches applicable to GDP forecasting in the context of dynamic socioeconomic and geopolitical transformations.
Results. Known forecasting methods applicable to the pre-emptive assessment of GDP and other macro- and microeconomic indicators of socioeconomic development are examined. Statistical data describing GDP dynamics in the Russian Federation are summarized. The authors provide their results of GDP forecasting according to the Cobb-Douglas production function.
Conclusions. It is substantiated that three groups of methods can be applied in GDP forecasting — factographic (statistical), expert (intuitive), and combined — and these groups differ in the nature of the data required for forecasting. The authors conclude that the practical application of a particular GDP forecasting method is determined by the availability of required information, selected forecasting method, competence of the forecaster, purpose of the forecast, and length of the prediction period.
Keywords: economic forecasting, forecasting approaches and models, gross domestic product, econometric models
Под валовым внутренним продуктом (ВВП) понимается совокупная рыночная стоимость всех конечных товаров и услуг, произведенных в экономике (внутри страны) в течение одного года. Это один из важнейших показателей системы национальных счетов, характеризующий конечный результат производственной деятельности экономических единиц-резидентов и используемый для измерения стоимости произведенных ими для конечного использования товаров и услуг [1]. ВВП характеризует динамику рыночной стоимости всех конечных товаров и услуг, произведенных за год во всех отраслях экономики на территории государства для потребления,экспорта и накопления, вне зависимости от национальной принадлежности использованных факторов производства. В табл.1 приведены ретроспективная динамика ВВП России и структура валовой добавленной стоимости (ВДС) (ВВП плюс налоги на продукты минус субсидии на них).
Анализируя данные, представленные в табл. 1, следует учитывать два обстоятельства. Во-первых, ста-
* Статья подготовлена в рамках реализации комплексного проекта по созданию высокотехнологичного производства, договор № 02.G25.31.0039 (постановление Правительства РФ № 218 от 9 апреля 2010 г. «О мерах государственной поддержки развития кооперации российских высших учебных заведений и организаций, реализующих комплексные проекты по созданию высокотехнологичного производства») при поддержке Министерства образования и науки Российской Федерации.
Динамика ВВП Российской Федерации и структуры ВДС в 2009-2014 гг.
Показатели Год
2009 2010 2011 2012 2013 2014
Валовой внутренний продукт, млрд руб. 38 807,2 46308,5 55 967,2 62 176,5 66190,1 71406,4
Валовой внутренний продукт, скорректированный 31 декабря 2015 г. в связи с внедрением международной методологии оценки и актуализацией данных 38 807,2 46308,5 59698,1 66926,9 71055,4 77893,1
ВВП на душу населения, руб. 271 787,1 324 177,2 391486,2 434188,2 461232,7 488781,6
Темпы роста ВВП (в постоянных ценах), % к предыдущему году 92,2 104,5 104,3 103,4 101,3 100,6
Индекс-дефлятор ВВП, % к предыдущему году 102,0 114,2 115,9 107,4 105,0 107,2
Динамика валового внутреннего продукта (в постоянных ценах; 2008 г. — 100%) 92,2 96,3 100,4 103,9 105,3 105,9
Структура ВДС по основным видам экономической деятельности, %
Сельское хозяйство, охота и лесное хозяйство 4,4 3,6 4,2 3,7 3,8 4,0
Рыболовство, рыбоводство 0,2 0,2 0,2 0,2 0,2 0,2
Добыча полезных ископаемых 8,5 9,6 10,7 11,0 10,4 10,3
Обрабатывающие производства 14,8 14,8 15,6 14,9 15,1 15,6
Производство и распределение электроэнергии, газа и воды 4,1 3,8 3,8 3,4 3,5 3,4
Строительство 6,2 6,5 7,4 7,7 7,0 6,5
Оптовая и розничная торговля; ремонт автотранспортных средств и др. 17,9 20,0 19,1 18,3 17,4 17,3
Гостиницы и рестораны 1,0 1,0 1,0 1,0 1,0 1,0
Транспорт и связь 9,6 9,1 8,6 8,9 9,0 8,7
Финансовая деятельность 5,0 4,4 4,1 4,5 5,0 5,3
Операции с недвижимым имуществом, аренда и услуги 12,5 12,2 11,5 11,8 12,1 12,2
Государственное управление и обеспечение военной безопасности; социальное страхование 6,5 6,1 5,6 6,4 6,7 6,5
Образование 3,4 3,1 2,9 2,9 3,1 3,0
Здравоохранение и социальные услуги 4,0 3,7 3,7 3,7 4,0 4,1
Предоставление прочих услуг 1,7 1,7 1,7 1,7 1,7 1,8
Деятельность домашних хозяйств 0,0 0,0 0,0 0,0 0,0 0,0
Источник: данные Федеральной службы государственной статистики (Приложение к ежегоднику «Социально-экономические показатели Российской Федерации в 1991-2014 гг.»: [Электронный ресурс]. Режим доступа www.gks.ru/bgd/regl/b15_13_p/ Main.htm). Структура ВДС рассчитана автором.
тистические данные о ВВП и его структуре готовятся и публикуются в открытом доступе со значительным опозданием (до 1 года). Поэтому органы публичного управления, менеджмент компаний и другие заинтересованные субъекты вынуждены принимать экономические решения в определенном информационном вакууме, в условиях отсутствия достаточно полной информации о динамике и результатах текущего социально-экономического развития.
Во-вторых, следует обратить внимание на первые две строки таблицы: даже те данные, которые уже были опубликованы, периодически подвергаются довольно существенным уточнениям и корректировкам. Например, в самом конце 2015 г. в данные о ВВП были внесены довольно значительные коррективы, начиная с 2011 г. Соответствующая практика отрицательно сказывается на степени уверенности в корректности численных данных.
В связи с указанными обстоятельствами возникает необходимость построения адекватных прогнозных (расчетных) оценок ВВП, которые позволили бы частично снять такого рода проблемы. При этом следует отметить, что прогнозирование в зависимости от его целей и горизонта может и должно осуществляться различными методами. Например, при разработке государственных программ и стратегий социально-экономического развития необходим долгосрочный прогноз с упреждением на 5 и более лет, а при принятии тактических решений о графике фактического выделения денежных средств по статьям федерального бюджета достаточно упреждения на один-два квартала вперед.
В этой связи проанализируем инструментарий прогнозирования ВВП. Так как динамика ВВП представляет собой динамический ряд, то для его прогнозирования подходит вся совокупность методов, известных
Основные макроэкономические показатели социально-экономического развития Российской Федерации
в 2013-2015 гг.
Показатель 2013 г. 2014 г. 2015 г. (прогноз)
Цены на нефть Urals (мировые), долл. США/барр. 108 98 50
Индекс потребительских цен, в среднем за год 6,8 7,8 15,8
Курс доллара среднегодовой (рублей за доллар США) 31,8 38,0 61,5
Валовой внутренний продукт, млрд руб. темп роста ВВП, % 66 194 1,3 70 976 0,6 73 119 -3,0
Промышленность, % 0,4 1,7 -1,6
Инвестиции в основной капитал, % -0,2 -2,5 -13,7
Оборот розничной торговли, % 3,9 2,5 -8,2
Реальная заработная плата, % 4,8 1,3 -9,6
Реальные располагаемые доходы населения, % 3,2 -1,0 -6,3
Объем платных услуг населению, % 2,0 1,3 -5,0
Экспорт — всего, млрд долл. США темп роста, % 523 3,4 494 -0,6 334 -0,1
Импорт — всего, млрд долл. США темп роста, % 341 -0,8 308 -8,6 197 -33,9
Источник: Прогноз социально-экономического развития Российской Федерации на 2015 год и на плановый период 2016-2017 годов / Разраб. Минэкономразвития России: [Электронный ресурс]. Режим доступа: http://economy.gov.ru.
в арсенале прогнозирования социально-экономических процессов и явлений. По нашему мнению, для прогнозирования ВВП можно использовать три группы прогнозных методов: фактографические (статистические), экспертные (интуитивные) и комбинированные, которые отличаются по характеру привлекаемой для прогнозирования информации [2, с. 213]. Методология прогнозирования ВВП должна предусматривать сочетание формального, неформального и экспериментального подходов, а также использование имитационных моделей с применением ЭВМ.
Для прогнозирования ВВП часто используется не ретроспективная статистическая информация, а экспертные (интуитивные) методы. Последние как научный инструмент решения сложных неформализуемых проблем позволяют получить прогнозную оценку ВВП независимо от информационной обеспеченности, поскольку они предполагают применение сведений, получаемых от специалистов-экспертов, предварительно обобщающих фактографическую или иную информацию. Отсюда основное преимущество экспертных методов состоит в возможности анализа и прогноза развития объекта, не имеющего «предыстории», или при высокой волатильности показателей в будущем.
Еще одним достоинством этих методов является возможность прогнозировать качественные (скачкообразные) изменения ВВП, в то время как подавляющее большинство фактографических методов «распространяют» ретроспективную тенденцию на весь период упреждения прогноза. Примером экспертного оценивания является оценка будущей динамики ВВП, подготовленная Минэкономразвития в 2015 г. [3]. На основе анализа макроэкономической ситуации в стране эксперты приводят доводы по изменению основных показателей социально-экономического развития Российской Федерации в 2015 г. (табл. 2) и фиксируют их в прогнозе.
Представленный вариант прогноза социально-экономического развития Российской Федерации на 2015 г. базируется на гипотезе изменения внешних и внутренних факторов, в том числе динамики цен на нефть и другие товары российского экспорта, ухудшения внешнеэкономических условий, сохраняюще-
гося геополитического напряжения и экономических санкций.
Разработанный вариант прогноза характеризует развитие экономики в условиях реализации принятых дополнительных мер стимулирующего характера и предполагает более активную политику государства, направленную на обеспечение устойчивого развития экономики и социальной стабильности. Прогноз разработан исходя из среднегодового уровня цен на нефть сорта Urals на 2015 г. в размере 50 долл. США за баррель. Среднегодовой уровень среднеконтракт-ной цены на газ в 2015 г. прогнозируется в размере 222 долл. за 1000 кубометров. В условиях сохранения сильных геополитических рисков и гипотезы о том, что цена на нефть в среднегодовом выражении в 2015 г. составит 50 долл. за баррель, прогнозируется, что ВВП снизится на 3%.
По прогнозным оценкам, российская экономика в 2015 г. вступит в полосу затяжного спада, который сохранится и в 2016 г. [4-8]. По мнению экспертов, динамика производства в 2015 г. будет определяться сокращением экспортной выручки от продажи энергоресурсов на мировых рынках и закрытием мировых рынков капитала, что в совокупности приведет к сокращению реальных располагаемых доходов населения с последующим падением потребительского спроса и инвестиционной активности. В то же время поддержку производству будет оказывать существенное наращивание прибыли в экономике в основном за счет ослабления национальной валюты, а также резкого падения импорта товаров и услуг.
Фактографические методы базируются на первичной статистической информации о динамике ВВП. Основной группой фактографических методов являются эконометрические методы. Широкому распространению последних способствовало развитие информационных технологий. Компьютерные эконометрические пакеты (Statistika, SPSS, Advanced Grapher, Forecast Expert и др.) сделали эти методы более доступными. Наиболее трудоемкая работа по вычислению параметров, построению таблиц и графиков в основном выполняется компьютером, а исследователю остается работа по постановке задачи, выбору соответствую-
щей модели и метода ее решения, а также интерпретации результатов и формированию прогнозов.
Самая распространенная группа фактографических (формализованных) статистических методов, используемая для прогнозирования экономической динамики, — методы прогнозной экстраполяции. Методы экстраполяции динамических рядов делятся на два основных блока: аналитические (нередко исследователи называют их методами прогнозирования с помощью тренда) и адаптивные методы [9, с. 57-61].
На наш взгляд, для прогнозирования ВВП с помощью фактографических методов более адекватные результаты могут давать адаптивные методы прогнозирования, которые представляют собой подбор и адаптацию на основании вновь поступившей информации моделей прогнозирования. Основное свойство этих методов состоит в том, что при поступлении новых данных значение прогноза изменяется в зависимости от вновь поступающей информации и становится, таким образом, более чувствительным к ней [10, с. 24]. Важнейшим достоинством адаптивных методов является построение самокорректирующихся моделей, способных учитывать результат прогноза, сделанного на предыдущем шаге.
К адаптивным методам относятся методы скользящего среднего, экспоненциального сглаживания, метод гармонических весов, авторегрессия, метод Бокса — Дженкинса и адаптивный дискриминантный анализ [2; 9; 10; 11].
В практической деятельности для прогнозирования ВВП многие исследователи предлагают использовать методы, построенные на самокорректирующихся моделях, способных учитывать результат прогноза, сделанного на предыдущем шаге. Например, в эко-нометрических расчетах широко используется метод гармонических весов, предложенный польским статистиком З.Хельвигом [9-11]. Основная его идея заключается в наблюдении временного ряда, после чего все имеющиеся наблюдения взвешиваются таким образом, что более поздним наблюдениям придается большее значение в принятии прогнозных решений, чем ранее полученным результатам.
Большинство прогнозов ВВП построено с использованием комплексных методов прогнозирования с применением различных эконометрических моделей. Эконометрическая модель может состоять из одного уравнения регрессии или из нескольких взаимосвязанных уравнений. Используются также модели, состоящие из системы независимых уравнений. Каждое уравнение решается самостоятельно, вне зависимости от других уравнений, но все они рассматриваются в рамках единой модели [2].
Для комплексного анализа и прогнозирования перспектив развития экономики используются экономико-математические модели, которые различаются целями и принципами построения, способами функционирования и степенью агрегирования показателей. Эконометрические модели разрабатываются для прогнозирования экономических показателей национальных счетов (например, ВВП, ВНП, личный доход, расходы на личное потребление, капиталовложения, правительственные закупки товаров и услуг, чистый экспорт и т. д.). Для этого чаще всего используется множественный регрессионный анализ [9; 11-13], который позволяет исследовать зависимость одной переменной У от нескольких объясняющих переменных X:
Y(t) = f(Xi, Х2, ..., Хп).
(1)
Наряду с регрессионными уравнениями в эконометрические модели обычно включаются так называемые дифференциальные уравнения, или тождества. Например, объем производства моделируется по отраслям, а тождественное уравнение выводит общий объем производства (ВНП или ВВП) как сумму объемов производства и услуг по видам экономической деятельности.
Корреляционно-регрессионный анализ является одним из основных способов определения взаимосвязей между социально-экономическими явлениями и процессами и построения моделей этих связей. Поэтому регрессионные модели используются для прогнозирования ВВП чаще других. При этом для прогнозирования ВВП широко применяется аппарат производственных функций, представляющих собой функциональную модель сферы производства, независимые переменные которой принимают значения объемов затрачиваемых или используемых ресурсов (факторов производства), а зависимая переменная — значения объемов выпускаемой продукции [13-15].
По количеству изучаемых факторов производства производственные функции делятся на однофактор-ные (одноресурсные) (табл. 3) и многофакторные (многоресурсные) [2].
Многофакторные производственные функции позволяют измерять характер и силу совместного, комбинированного влияния несколько показателей (факторов) на величину изучаемого результативного показателя производственной деятельности. Многофакторная производственная функция — это функция многих переменных, аргументы x1, x2, ..., xn которой принимают значения объемов затрачиваемых или используемых ресурсов (количество переменных п равно количеству видов ресурсов), а значение функции имеет смысл величин объемов выпуска:
Y = f(xl, xl, ..., xn) (Y > 0; x1 > 0, x2 > 0, ..., xn > 0).
Многофакторная производственная функция (ПФ) не обязательно выступает в форме одного уравнения. В ряде случаев возникает необходимость представить ее в виде системы взаимосвязанных уравнений. Частными случаями двухфакторных ПФ являются функции, перечисленные ниже в порядке возрастающей сложности записи и, соответственно, увеличения количества их параметров:
1 ) функция Леонтьева, или функция с фиксированными коэффициентами:
Y = min((, L \ a b
где a >0, b >0 — параметры [15, с. 49]; 2) функция Кобба — Дугласа:
Q = aLaKb,
(2)
(3)
(4)
где Q — объем выпускаемой продукции за определенный период, например годовой выпуск; а — масштабный коэффициент (постоянный коэффициент); L — фактор труда, объемный показатель величины трудовых ресурсов; К — фактор капитала (стоимость основных средств или объем вложений капитала в производство); а, р — коэффициенты эластичности при факторах; 3) функция Аллена [14]:
Y = a0 KL - a1K 2 - a2 L2, где ai >0 (i = 0, 2) — параметры;
(5)
Характеристики важнейших однофакторных производственных функций и рассчитываемых на их основе показателей эффективности
Название производственной функции Уравнение y = f(x) Средняя производительность труда у/х Предельная производительность труда dy/dx Коэффициент эластичности E = dy/dx • x/y
Линейная y = a0 + a1x а0 — + а, х 1 ai a1x a0 + a1x
Квадратная y = a0 + a1x - a2x 2 а0 Х + а, - а2х a1 - 2a2x (a1 - 2a2x)x a0 + a1x - a2x 2
Кубическая y = a0 + a1x + a2x2 - a3x3 а0 2 Х + а, + а2х - а3х 2 a1 + 2a2x - 3a3x2 (a1 + 2a2x - 3a3x2)x a0 + a1x + a2x2 - a3x3
Гиперболическая a1 у = ao+x ао+ х х2 ai x2 a1 a0x + a1
Степенная У = a0xai а0ха1 -1 a0a1xai-1 a1
Показательная y = a0 - kalx а0 - ка£ х -kaix lna1 ka^x lna1 a0 - kaf
Экспоненциальная У = a0eaix а0еа1х х a0a1ea1x a1x
Составлено: автором с использованием [12].
Таблица 4
Технологическая таблица для расчета параметров производственной функции и прогнозирования ВВП
Российской Федерации
Год ВВП, млрд руб. в текущих ценах ВВП в сопоставимом виде к 2014 г., млрд руб. Наличие основных фондов в РФ на конец года по полной учетной стоимости, млн руб. Сопоставимая стоимость основных фондов к ценам 2014 г., млрд руб. Численность занятых в РФ, в среднем за год, тыс. чел.
2006 26 917,2 54 207,0 47 489 498 95 636,3 69 168,7
2007 33 247,5 59 834,9 60 391 454 108 685,2 70 770,3
2008 41 276,8 65 564,9 74 441 095 106 143,3 71 003,1
2009 38 807,2 56 656,4 82 302 969 120 157,7 69 410,5
2010 46 308,5 62 139,6 93 185 612 125 042,1 69 933,7
2011 55 967,2 70 782,5 108 001 247 136 590,6 70 856,6
2012 62 176,5 73 766,8 121 268 908 143 874,6 71 545,4
2013 66 190,1 73 735,8 133 521 531 148 743,2 71 391,5
2014 71 406,4 71 406,4 Нет данных 152 341,7 71 539,0
Составлено: автором на основе данных Федеральной службы государственной статистики (http://www.gks.ru).
4) функция постоянной эластичности замещения факторов, или функция СЕБ:
У = (аК-Р+ bL-в)-и/в, (6)
где р > -1, п >0 — степень однородности, а > 0, Ь >0 [9].
Существуют и другие разновидности производственных функций, описанные в исследованиях различных отечественных авторов [2; 13-16]. На их основе рассчитывают основные экономико-математические характеристики, такие как предельная эффективность факторов производства, предельная норма замещения ресурсов и т. д.
По нашему опыту прогнозных расчетов, чаще других используется производственная функция Коб-ба — Дугласа. Нами был сделан прогноз ВВП России на 2015 г. с помощью производственной функции с автономным темпом технического прогресса. После расчета коэффициентов по статистическим данным,
представленным в табл. 4, производственная функция приняла вид:
= о,872е0'016^-0'002С1'002. (7)
Проверка по совокупности коэффициентов показала, что регрессионная модель является адекватной реальным условиям и прогнозное значение ВВП на 2015 г. составило 73 062,28 млрд руб.
При использовании отдельных уравнений регрессии для прогнозирования ВВП в большинстве случаев предполагается, что аргументы (факторы) могут изменяться независимо друг от друга. Однако это предположение является очень грубым: в большинстве случаев изменение одной переменной, как правило, влечет за собой перемены во всей системе взаимосвязанных признаков. Следовательно, отдельно взятое уравнение множественной регрессии не может характеризовать истинные влияния отдельных признаков на вариацию результирующей переменной.
Результаты прогноза эндогенных макропоказателей России на 2015 г.
Эндогенные переменные Прогноз ЦЭМИ Прогнозирование по заданным нами значениям предопределенных переменных по модели ЦЭМИ
2014 г. (IV кв.) 2015 г. (I кв.) 2015 г. (I кв.) 2015 г. (II кв.) 2015 г. (III кв.) 2015 г. (IV кв.) 2015 г.
Y — ВВП, млрд руб. 20153,8 18656,8 19 569,2 20 127,4 19 207,2 19984,4 78888,2
X — экспорт, млрд долл. США 113,5 92,6 108,4 80,1 104,9 69,4 362,8
Р — инфляция, % к предыдущему периоду 101,5 104,8 101,5 108,3 101,6 110,3 105,4
N — доходы населения, млрд руб. 33108,4 28944,4 29821,4 29895,5 29623,4 29990,9 119331,2
М — импорт, млрд долл. США 69,7 48,6 58,6 54,6 52,5 42,6 208,3
СО — конечное потребление, млрд руб. 10403,5 10 1 94,7 10415,1 9689,0 10674,0 10152,8 40930,9
> <с
Составлено: автором с использованием модели ЦЭМИ, реализованной в программе на сайте http://data.cemi.rssi.ru/ ОЯАР/Ьюте.Мт.
Поэтому в последние десятилетия в экономических, биометрических и социологических исследованиях большое внимание уделяется описанию структуры связей между переменными системой так называемых одновременных или структурных уравнений.
Система уравнений в эконометрических исследованиях может быть построена по-разному. Возможна система независимых уравнений, когда каждая зависимая переменная (у) рассматривается как функция одного и того же набора факторов или когда в каждом уравнении варьируется набор факторов хг.
В частности, модель, состоящая из системы однородных уравнений, используется в настоящее время для прогнозирования ВВП и других макроэкономических показателей России Центральным экономико-математическим институтом (ЦЭМИ) РАН. Модель предназначена для построения краткосрочных (на один-два квартала вперед) макроэкономических прогнозов и для многовариантных (сценарных) расчетов. Она представлена в виде системы одновременных уравнений и идентифицирована на квартальных макроэкономических данных, взятых из официальных статистических источников [16]. С помощью этой методики мы сделали прогноз ВВП на два квартала вперед (табл. 5).
В СССР для прогнозирования макроэкономических показателей использовались несколько систем эконометрического прогнозирования, которые могут применяться и для упреждающей оценки ВВП России и других стран СНГ.
• Модели СОНАР (Согласование отраслевых и народнохозяйственных решений) [14] и СИРЕНА (Синтез региональных и народнохозяйственных моделей) [17], созданные под руководством А. Г. Гранберга.
• Система одновременных уравнений — экономе-трическая модель типа УКР, среди которых наиболее известными являются УКР-1 и УКР-2, а также межрегиональная модель УКР-3, построенные для Украины. Модель УКР-1 может использоваться для расчета и прогнозирования сводных показателей развития экономики региона [16]. При этом важно понимать, что модель была построена для другой системы сбора и представления статистической информации, до перехода на СНС.
• Система взаимосвязанных воспроизводственных моделей ИСПР (Интегрированная система макроэкономического анализа и прогнозирования отраслевого и регионального развития), разработанная в Совете по размещению производительных сил и экономическому сотрудничеству Минэкономики РФ [18-19]. Эта модель применима для статистических
данных, представленных как по методологии БНХ, так и по методологии СНС; пример ее применения приведен в [20]. • Модели прогнозирования макро- и мезоэкономиче-ских показателей САПСЭР (Система анализа и прогнозирования развития региональной экономики), разработанные Э. Н. Кузьбожевым и Г. П. Лузиным и позволяющие прогнозировать значения валового регионального продукта [21].
Таким образом, для прогнозирования ВВП применяются различные фактографические методы. Использование количественного подхода к прогнозному процессу, который реализуется посредством фактографических методов на основе реальной статистической информации, повышает объективность прогнозов. Однако они не всегда адекватно отражают причинно-следственные связи явлений, которые к тому же могут сильно изменяться в прогнозном периоде. Кроме того, сложность и неоднозначность интерпретации результатов, соблюдение необходимой точности прогнозов усложняют их применение для прогнозирования ВВП.
Мы считаем, что для прогнозирования ВВП необходимо привлечение комбинированных методов, использующих смешанные информационные массивы (и фактографическую, и экспертную информацию одновременно), таких как нейронные сети [22], нечеткая логика [23], прогнозирование на основе опережающих индикаторов [24-29] и др. Практическое применение того или иного метода прогнозирования ВВП определяется наличием необходимой информации и выбранной методики прогнозирования, квалификацией прогнозиста, целями получения прогноза и длительностью периода упреждения.
Литература
1. Кузнец С. Современный экономический рост: результаты исследований и размышлений. Нобелевская лекция // Нобелевские лауреаты по экономике: взгляд из России / Под ред. Ю. В. Яковца. СПб.: Гуманистика, 2003. 968 с.
2. Бабич Т. Н., Козьева И. А., Вертакова Ю. В., Кузьбо-жев Э. Н. Прогнозирование и планирование в условиях рынка: Учеб. пособие. М.: Инфра-М, 2012. 336 с.
3. Прогноз социально-экономического развития Российской Федерации на 2015 год и на плановый период 2016-2017 годов / Разраб. Минэкономразвития России: [Электронный ресурс]. Режим доступа: http://economy.gov. ru/minec/activity/sections/macro/prognoz/201409261.
4. Федеральная служба государственной статистики: Официальный сайт: [Электронный ресурс]. Режим доступа: http://www.gks.ru.
5. Вертакова Ю. В., Положенцева Ю. С., Клевцова М. Г. Реализация инновационного подхода к мониторингу
< траекторий социально-экономического развития реги-^ она // Известия Юго-Западного государственного уни-5 верситета. Серия: Экономика. Социология. Менеджмент. >< 2014. № 2. С. 26-36.
ш 6. Плотников В. А., Федотова Г. В. Индикаторы страте-S гического регионального планирования // Финансовая аналитика: проблемы и решения. 2014. № 17 (203). х С. 21-33.
х 7. Вертакова Ю. В., Греченюк О. Н., Греченюк А. В. Иссле-U дование возможностей перехода экономики России на инновационно-ориентированную модель развития //
< Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Эко-
^ номические науки. 2015. № 1 (211). С. 84-92. ^ 8. Вертакова Ю. В., Плотников В. А. Перспективы импор-тозамещения в высокотехнологичных отраслях промыш-
< ленности // Аналитический вестник Совета Федерации ^ Федерального собрания РФ. 2014. № 27 (545). С. 7-19. х 9. Вертакова Ю. В., Козьева И. А., Положенцева Ю. С. ^ Социально-экономическое прогнозирование: Учеб. по-Ei собие. Курск: ЮЗГУ, 2013. 195 с.
2 10. Давнис В. В., Тинякова В. И. Адаптивные модели: анализ и прогноз в экономических системах. Воронеж: Воронежский гос. ун-т, 2006. 380 с.
11. Статистическое моделирование и прогнозирование: Учеб. пособие / Под ред. А. Г. Гранберга. М.: Финансы и статистика, 1990. 383 с.
12. Эконометрика: Учебник / Под ред. И. И. Елисеевой. М.: Финансы и статистика, 2003. 344 с.
13. Замков О. О. Эконометрические методы в макроэкономическом анализе: Курс лекций. М.: ГУ ВШЭ, 2001. 122 с.
14. ГранбергА. Г. Математические модели социалистической экономики: Учеб. пособие. М.: Экономика, 1978. 351 с.
15. Клейнер Г. Б. Производственные функции: Теория, методы, применение. М.: Финансы и статистика, 1986. 239 с.
16. Макаров В. Л., Айвазян С. А., Борисова С. В., Лака-лин Э. А. Эконометрическая модель экономики России. М.: ЦЭМИ РАН, 2001: [Электронный ресурс]. Режим доступа: http://data.cemi.rssi.ru/GRAF/home.htm.
17. Экономико-математические методы в планировании многоотраслевых комплексов и отраслей / Б. Б. Розин, В. Д. Маршак, Б. П. Суворов и др. Новосибирск: Наука. Сибирское отд-ние, 1988. 415 с.
18. Самофалова Е. В., Кузьбожев Э. Н., Вертакова Ю. В. Государственное регулирование национальной экономики: Учеб. пособие / Под ред. Э. Н. Кузьбожева. 2-е изд. М.: КноРус, 2006. 272 с.
19. Настенко А. Д., Васина Т. В. Прогнозирование отраслевого и регионального развития. М.: Гелиос АРВ, 2002. 144 с.
20. Вертакова Ю. В. Индикативное управление устойчивым развитием региона. LAMBERT, Academic Publishing, 2011. 351 с.
21. Лузин Г. П., Кузьбожев Э. Н. Управление региональным развитием в период перехода к регулируемому рынку (прогнозы, анализы, варианты). Апатиты: Изд-во Кольского науч. центра АН СССР, 1991. 87 с.
22. Baba C., Kisinbay T. Predicting Recessions: A New Approach For Identifying Leading Indicators and Forecast Combinations // IMF Working Papers 11/235. International Monetary Fund, 2011: [Электронный ресурс]. Режим доступа: http:// www.nowandfutures.com/large/PredictingRecessions-ANew ApproachForIdentifyingLeadingIndicatorsAndForecastComb inations-wp11235%28imf%29.pdf.
23. Серегин С. С., Емельянов С. Г., Кореневский Н. А., Вертакова Ю. В. Оценка рисков и эффективности маркетинга предприятия на основе нечеткой логики принятия решений: Учеб. пособие. Курск: ЮЗГУ, 2010. 56 с.
24. КрукД., Коршун А. Экономический цикл и опережающие индикаторы: методологические подходы и возможности использования в Беларуси: Рабочий материал. 2010 / Исследоват. центр ИПМ: [Электронный ресурс]. Режим доступа: http://www.research.by/webroot/delivery/files/ wp2010r05.pdf.
25. Методологические подходы к построению опережающих индикаторов социально-экономического развития государств — членов ТС и ЕЭП: [Электронный ресурс]. Режим доступа: http://www.eurasiancommission.org/ru/
act/integr_i_makroec/dep_makroec_pol/investigations/Do-cuments/LEI_meths.pdf.
26. Таболов А. Г. Краткосрочное прогнозирование динамики промышленного производства в Республике Беларусь на основе опережающих индикаторов: Автореф. дисс. ... канд. экон. наук. Минск, 2014. 23 с.
27. Вертакова Ю. В., Крыжановская О. А. Управление изменениями в развитии социально-экономических систем: маркетинговый подход. Воронеж: Науч. книга,
2010. 179 с.
28. Вертакова Ю. В., Золотарев С. В., Козьева И. А. Совершенствование технологии измерения и прогнозирования устойчивого развития региона. Воронеж: Науч. книга,
2011. 125 с.
29. Шеховцова Ю. А. Моделирование зависимости ВВП от инвестиций в условиях современной российской экономики // Экономические науки. 2012. № 1 (86). С. 172-177.
References
1. Kuznets S. Sovremennyy ekonomicheskiy rost: rezul'taty issledovaniy i razmyshleniy. Nobelevskaya lektsiya [Modern economic growth: the results of research and reflection. Nobel lecture]. Nobelevskie laureaty po ekonomike: vzglyad iz Rossii [Nobel laureates in economics: A view from Russia]. St. Petersburg, Gumanistika Publ., 2003. 968 p.
2. Babich T. N., Koz'eva I. A., Vertakova Yu. V., Kuz'bozhev E. N. Prognozirovanie iplanirovanie vusloviyakh rynka [Forecasting and planning in market conditions]. Moscow, Infra-M Publ.,
2012. 336 p.
3. The forecast of socio-economic development of the Russian Federation for 2015 and the planning period of 20162017. Developed by the Russian Ministry of Economic Development. Available at: http://economy.gov.ru/minec/ activity/sections/macro/prognoz/201409261. (in Russ.).
4. The official website of the Federal State Statistics Service. Available at: http://www.gks.ru. (in Russ.).
5. Vertakova Yu. V., Polozhentseva Yu. S., Klevtsova M. G. Realizatsiya innovatsionnogo podkhoda k monitoringu traektoriy sotsial'no-ekonomicheskogo razvitiya regiona [Implementation of an innovative approach to monitoring the trajectories of socio-economic development of the region]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Ser.: Ekonomika. Sotsiologiya. Menedzhment [Bulletin of the Southwestern State University. Ser.: Economics. Sociology. Management], 2014, no. 2, pp. 26-36.
6. Plotnikov V. A., Fedotova G. V. Indikatory strategicheskogo regional'nogo planirovaniya [Indicators of the strategic regional planning]. Finansovaya analitika: problemy iresheniya, 2014, no. 17 (203), pp. 21-33.
7. Vertakova Yu. V., Grechenyuk O. N., Grechenyuk A. V. Issledovanie vozmozhnostey perekhoda ekonomiki Rossii na innovatsionno-orientirovannuyu model' razvitiya [Investigation of possibilities of transition of the Russian economy to an innovation-oriented development model]. Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosudarst-vennogo politekhnicheskogo universiteta. Ekonomicheskie nauki [Scientific and Technical Gazette of St. Petersburg State Polytechnical University], 2015, no. 1 (211), pp. 84-92.
8. Vertakova Yu. V., Plotnikov V. A. Perspektivy importozamesh-cheniya v vysokotekhnologichnykh otraslyakh promyshlen-nosti [Prospects for import substitution in high-tech industries]. Analiticheskiy vestnik Soveta Federatsii Federal'nogo Sobraniya RF, 2014, no. 27 (545), pp. 7-9.
9. Vertakova Yu. V., Koz'eva I. A., Polozhentseva Yu. S. Sot-sial'no-ekonomicheskoe prognozirovanie [Socio-economic forecasting]. Kursk, Southwestern State Univ. Publ., 2013. 195 p.
10. Davnis V. V., Tinyakova V. I. Adaptivnye modeli: analiz i prognoz v ekonomicheskikh sistemakh [Adaptive models: Analysis and forecast of economic systems]. Voronezh, VSU Publ., 2006. 380 p.
11. Granberg A. G., ed. Statisticheskoe modelirovanie i prognozirovanie [Statistical modeling and forecasting]. Moscow, Finansy i statistika Publ., 1990. 383 p.
12. Eliseeva I. I., ed. Ekonometrika [Econometrics]. Moscow, Finansy i statistika Publ., 2003. 344 p.
13. Zamkov O. O. Ekonometricheskie metody v makroekonom-icheskom analize: Kurs lektsiy [Econometric methods in
macroeconomic analysis: Lectures]. Moscow, HSE Publ., 2001. 122 p.
14. Granberg A. G. Matematicheskie modeli sotsialisticheskoy ekonomiki [Mathematical models of socialist economy]. Moscow, Ekonomika Publ., 1978. 351 p.
15. Kleyner G. B. Proizvodstvennye funktsii: Teoriya, metody, primenenie [Production functions: Theory, methods, applications]. Moscow, Finansy i statistika, 1986. 239 p.
16. Makarov V. L., Ayvazyan S. A., Borisova S. V., Lakalin E. A. Econometric model of the Russian economy. Moscow, RAS Cent. Econ. and Math. Inst. Publ., 2001. Available at: http:// data.cemi.rssi.ru/GRAF/home.htm. (in Russ.).
17. Rozin B. B., Marshak V. D., Suvorov B. P. et al. Ekonomiko-matematicheskie metody v planirovanii mnogootraslevykh kompleksov i otrasley [Economic-mathematical methods in planning multi-complexes and industries]. Novosibirsk, Nauka Publ., 1988. 415 p.
18. Samofalova E. V., Kuz'bozhev E. N., Vertakova Yu. V. Gosu-darstvennoe regulirovanie natsional'noy ekonomiki [State regulation of national economy]. Moscow, KnoRus Publ., 2006. 272 p.
19. Nastenko A. D., Vasina T. V. Prognozirovanie otraslevogo i regional'nogo razvitiya [Forecasting of sectoral and regional development]. Moscow, Gelios ARV Publ., 2002. 144 p.
20. Vertakova Yu. V. Indikativnoe upravlenie ustoychivym raz-vitiem regiona [Indicative management of sustainable development in the region]. LAMBERT, Academic Publishing, 2011. 351 p.
21. Luzin G. P., Kuz'bozhev E. Upravlenie regional'nym razvi-tiem v period perekhoda k reguliruemomu rynku (prognozy, analizy, varianty) [Management of regional development in the period of transition to the regulated market (forecasts, analyzes, options)]. Apatity, Kola Scientific Centre of the USSR Acad. Sci., 1991. 87 p.
22. Baba C., Kisinbay T. Predicting recessions: A new approach for identifying leading indicators and forecast combinations. IMF Working Papers, 2011, no. 11/235. International Monetary Fund, 2011. Available at: http://www.nowandfu-tures.com/large/PredictingRecessions-ANewApproachFo
rldentifyingLeadinglndicatorsAndForecastCombinations- < wp11235%28imf%29.pdf. ^
23. Seregin S. S., Emel'yanov S. G., Korenevskiy N. A., Ver- 5 takova Yu. V. Otsenka riskov i effektivnosti marketinga pred- * priyatiya na osnove nechetkoy logiki prinyatiya resheniy [Risk lu assessment and the company's marketing efficiency on the S basis of fuzzy logic of decision-making]. Kursk, Southwestern 2 State Univ. Publ., 2010. 56 p. x
24. Kruk D., Korshun A. The economic cycle and leading indica- x tors: methodological approaches and the possibility of using ^ in Belarus: Working paper. Research Center of the Institute for ^ Privatization and Management. 2010. Available at: http://www. < research.by/webroot/delivery/files/wp2010r05.pdf. (in Russ.). d
25. Methodological approaches to the construction of leading ^ indicators of socio-economic development of the CU and ^ CES member states. Available at: http://www.eurasiancom- h-mission.org/ru/act/integr_i_makroec/dep_makroec_pol/in- < vestigations/Documents/LEI_meths.pdf. (in Russ.). ^
26. Tabolov A. G. Kratkosrochnoe prognozirovanie dinamiki pro- x myshlennogo proizvodstva v respublike Belarus' na osnove ^ operezhayushchikh indikatorov. Kand. ekon. nauk diss. Avtoref. [Short-term forecasting of the dynamics of industrial production ° in the Republic of Belarus on the basis of leading indicators. h Cand. econ. sci. diss. Synopsis]. Minsk, 2014. 23 p.
27. Vertakova Yu. V., Kryzhanovskaya O. A. Upravlenie izmeneniy-ami v razvitii sotsial'no-ekonomicheskikh sistem: marketin-govyy podkhod [Change management in the development of socio-economic systems: Marketing approach]. Voronezh. Nauchnaya kniga Publ., 2010. 179 p.
28. Vertakova Yu. V., Zolotarev S. V., Koz'eva I. A. Sovershen-stvovanie tekhnologii izmereniya i prognozirovaniya ustoychi-vogo razvitiya regiona [Improving the technology for measurement and forecasting of sustainable development of the region]. Voronezh. Nauchnaya kniga Publ., 2011. 125 p.
29. Shekhovtsova Yu. A. Modelirovanie zavisimosti VVP ot in-vestitsiy v usloviyakh sovremennoy rossiyskoy ekonomiki [Simulation of GDP, depending on the investment in the conditions of modern Russian economy]. Ekonomicheskie nauki, 2012, no. 1 (86), pp. 172-177.
Издательство СПбУУиЭ
Издательство Санкт-Петербургского университета управления и экономики выпускает книги отечественных и зарубежных авторов по актуальным вопросам экономики как для специалистов в области финансово-кредитных отношений, туризма, бухгалтерского учета и аудита, статистики, информационных технологий, экологии, физического воспитания, так и для преподавателей и студентов высших учебных заведений, колледжей и лицеев.
Издательство оказывает квалифицированные редакционно-издательские услуги:
• Редактирование
• Корректура
• Верстка
• Художественное и графическое оформление
• Подготовка оригинал-макета
• Полиграфические работы
Редакция предлагает авторам публиковать свои статьи в российском научном журнале «Экономика и управление», в журналах «Ученые записки Санкт-Петербургского университета управления и экономики» и «Социология и право», которые выпускаются издательством СПбУУиЭ. Все научные жуоналы включены в Перечнь ВАК.
Издательство Санкт-Петербургского университета управления и экономики предлагает развитие партнерских отношений с регионами ближнего и дальнего зарубежья в целях взаимовыгодного сотрудничества.
В рамках данного сотрудничества предлагаем вам рассмотреть вариант подготовки специального выпуска РНЖ «Экономика и управление», посвященного опыту администрации и бизнеса вашего региона.
Для получения полной информации обращайтесь в издательство по адресу: 190103, Санкт-Петербург, Лермонтовский пр., д. 44 Тел.: (812) 448-82-50; e-mail: [email protected]; [email protected]
иЖиле и Я?Ч эконому эконом экономш эконо иуправле у"р< и управ/ и управ иупрашп иупрг
й управл' и управление
■ Стратегия "Миыш'мтидй.
I социально- £т ХмлЛиюриий»
ИНТЕГ^ экономического & 1 * „ гояр«виг
Е И ОБРАЗ» п „а доломим Росе**
■ п развития России „ ""
Проблемы p«wtM П!ЛтшпЫ1Ю6 0Мяпив экономики ро*-1- р ассийсной виде ра ци и
«»« »««osauJSs MM—«* «""• »»««».„.¡¿y"; -»»"
