CC BY
1
¥¥¥¥¥¥¥¥¥¥¥¥ ffFi/nivyi/ дыг> яргтпил i ггпыпм1гя WWWWWW
Научная статья УДК 338
Б01: 10.24412/2227-9407-2024-9-92-102
ББ№ я^икт
Оценка и прогнозирование траектории воспроизводства экономических ресурсов сельскохозяйственных организаций
Шилов Сергей Юрьевич1, Черемухин Артем Дмитриевич23
1 Санкт-Петербургский государственный университет, Санкт-Петербург, Россия 2Нижегородский государственный инженерно-экономический университет, Княгинино, Россия
1 serguei.shilov@gmail.com
2 ngieu.^егетиЫп@уа^ех.гиhttps://orcid.org/0000-0003-4076-5916
Аннотация
Введение. Активное применение математических методов и методов на основе ИИ при прогнозировании экономических процессов, однако, не всегда приводит к повышению точности прогнозов; особенно это касается отрасли АПК, которая постоянно испытывает большое влияние разных случайных факторов. Материалы и методы. Соответственно, это актуализирует вопросы разработки прогностических теорий -например, на основе технического анализа. В статье описаны основы разработанной С. Ю. Шиловым теории эволюционных фигур, приводятся часто встречающиеся паттерны динамики и их комбинации, ставятся цель и задачи исследования, описываются адаптации исходной теории к отрасли сельского хозяйства и исследуемому временному интервалу.
Результаты. Были описаны паттерны динамики общей величины основных сельскохозяйственных ресурсов по всему комплексу сельхозтоваропроизводителей Нижегородской области за 2008-2020 гг., а также динамика соотношения величин экономических ресурсов. На следующем шаге оценивались простые паттерны динамики величины ресурсов по каждой организации, а потом найдены самые часто встречающие их комбинации, выявлено, что трехлетние периоды непрерывного снижения величины труда, капитала или КРС присутствовали у половины сельскохозяйственных организаций. Также была оценена и встречаемость составных, более сложных фигур, сделаны выводы.
Обсуждение. На основании сделанных выводов были выдвинуты предположения о наиболее вероятных тенденциях воспроизводства экономических ресурсов, например, о скором начале нового цикла снижения количества работников, активизации темпов снижения количества посевных площадей, ускорении роста величины основного капитала, сделаны общие выводы о встречаемости рассматриваемых паттернов. Заключение. Обозначен целый комплекс возможных дальнейших исследований в рассматриваемой области.
Ключевые слова: воспроизводство, динамика, земля, капитал, КРС, паттерны динамики, сельскохозяйственная организация, теория эволюционных фигур, труд, экономические ресурсы
Для цитирования: Шилов С. Ю., Черемухин А. Д. Оценка и прогнозирование траектории воспроизводства экономических ресурсов сельскохозяйственных организаций // Вестник НГИЭИ. 2024. № 9 (160). С. 92-102. БОТ: 10.24412/2227-9407-2024-9-92-102. ББ№ ЯдОИКТ
© Шилов С. Ю., Черемухин А. Д., 2024
Контент доступен под лицензией Creative Commons Attribution 4.0 License. The content is available under Creative Commons Attribution 4.0 License.
Assessment and forecasting of the trajectory of reproduction of economic resources of agricultural organizations
Sergey Yu. Shilov1, Artem D. Cheremuhin23
1 Saint Petersburg State University, Saint Petersburg, Russia
2 Nizhny Novgorod State Engineering and Economics University, Knyaginino, Russia
1 serguei.shilov@gmail.com
2 ngieu.cheremuhin@yandex.ruhttps://orcid.org/0000-0003-4076-5916
Abstract
Introduction. Active use of mathematical methods and AI-based methods for forecasting economic processes, however, does not always lead to increased accuracy of forecasts; This is especially true for the agro-industrial complex, which is constantly under great influence of various random factors
Materials and methods. Accordingly, this actualizes the issues of developing predictive theories - for example, based on technical analysis. The article describes the foundations of the theory of evolutionary figures developed by S. Yu. Shi-lov, provides frequently encountered patterns of dynamics and their combinations, sets the goal and objectives of the study, and describes the adaptation of the original theory to the agricultural sector and the time interval under study. Results. Patterns of the dynamics of the total value of basic agricultural resources were described for the entire complex of agricultural producers in the Nizhny Novgorod region for 2008-2020, as well as the dynamics of the ratio of the values of economic resources. At the next step, simple patterns of dynamics of the value of resources for each organization were assessed, and then the most common combinations of them were found; it was revealed that three-year periods of continuous decline in the value of labor, capital or cattle were present in half of the agricultural organizations. The occurrence of composite, more complex figures was also assessed, and conclusions were drawn. Discussion. Based on the conclusions made, assumptions were made about the most likely trends in the reproduction of economic resources, for example, about the imminent start of a new cycle of reduction in the number of workers, the intensification of the rate of decline in the number of cultivated areas, the acceleration of the growth of fixed capital, general conclusions were made about the occurrence of the patterns under consideration Conclusion. A whole range of possible further research in the area under consideration has been outlined.
Keywords: reproduction, economic resources, agricultural organization, dynamics, dynamics patterns, theory of evolutionary figures, labor, land, capital, cattle
For citation: Shilov S. Yu., Cheremuhin A. D. Assessment and forecasting of the trajectory of reproduction of economic resources of agricultural organizations // Bulletin NGIEI. 2024. № 9 (160). P. 92-102. DOI: 10.24412/22279407-2024-9-92-102. EDN: RQQHKT
Введение
Возвращение программно-целевого подхода как базы методологии стратегического планирования на уровне отраслей и регионов повышает требования к эффективности выделения существующих тенденций и построения прогнозов динамики объектов планирования. Применительно к отрасли сельскохозяйственного производства на региональном уровне стратегии развития отдельных его отраслей [1], сельских территорий в целом [2; 3] должны опираться на как можно более качественный анализ существующих тенденций и их прогноз.
При этом сложность методов современного хозяйствования и управления экономическими
субъектами диктует ужесточение требований к соответствующим отделам организаций и государственных органов. В значительной степени эффективность процесса управления зависит от способности к идентификации наиболее возможных сценариев развития внешней и внутренней среды, что актуализирует в современных условиях задачу повышения точности прогнозирования. Кроме того, задача предсказания чего-либо в данной области осложняется еще и необходимостью учета влияния хаотичных на современном уровне развития науки факторов типов климата и т. п. Соответственно, в условиях неэффективности «мейнстримных» подходов необходимо обратиться к неклассическим
¥¥¥¥¥¥¥¥¥¥¥¥ ffFi/nivyi/ дыг> яргтпид i ггпыпм1гя WWWWWW
вариантам и оценить возможность их применения для решения поставленной задачи.
В настоящем исследовании проверяется гипотеза о возможности использования для анализа и прогнозирования количества и соотношения экономических ресурсов теории эволюционных фигур и возможности использования полученных результатов как базы построения разноплановых стратегий.
Материалы и методы
Объектом данного исследования выступает воспроизводство экономических ресурсов системы сельскохозяйственных организаций Нижегородской области. Более подробно базовые теоретические аспекты применяемого подхода описаны в [4]. Предметом работы является применимость подхода, разработанного С. Шиловым и получившего неформальное название «прогностической клинописи», для решения задачи качественного описания трендов, а также определения максимально конкретного прогноза тренда показателей воспроизводства экономических ресурсов сельскохозяйственных организаций.
Подход, аналогичный разработанному С. Шиловым, активно применяется в области трейдинга и носит название технического анализа. Его история тесно связана с высказанной в начале 1970-х годов гипотезой эффективного рынка, которая утверждает, что рыночные цены на акции и финансовые инструменты лучше всего описываются моделями со случайным блужданием, а информация о прошлых ценах и объемах бесполезна для прогнозирования поведения рыночных цен в будущем [5; 6; 7]. Фактически гипотеза эффективного рынка представляет экономическую динамику как марковский процесс.
В ходе дальнейших дискуссий данная гипотеза была подвергнута объективной критике - и в практику фондового рынка прочно вошел метод технического анализа, заключающийся в поиске на графике динамики исследуемого показателя некоторых визуальных паттернов (или их частей) и предсказания дальнейшего его тренда. С формально-математической стороны это означает следующее: (1) непрерывный процесс экономической динамики аппроксимируется последовательностью дискретных состояний; (2) состояние экономических показателей в определённый момент времени является функцией этих показателей в предыдущие моменты времени, взятые на ограниченном временном интервале.
Модель эффективного рынка представляет собой марковскую цепь глубины 1, технический
анализ также оперирует моделью марковской цепи глубиной больше 1:
а( ¿п) = /(а( ¿п - 1 )) - модель эффективного рынка;
а(tп) = f(a(¿п - 1 ).а(¿п - 2 ),---а(¿п-к)) - модель технического анализа.
Строгие теоретические объяснения возможности использования технического анализа в настоящее время основаны на основе зашумленных моделей рационального ожидания [8], моделей обратной связи [9], неравновесия [10], агент-ориентированных моделей [11] и теории хаоса [12]. Было продемонстрировано [8], что при зашумлен-ной модели рациональных ожиданий, в которой текущие цены не полностью раскрывают частную информацию из-за шума (ненаблюдаемого текущего предложения рискового актива) в текущей равновесной цене, исторические цены (что является объектом изучения технического анализа) вместе с текущими ценами помогает трейдерам выдвигать более точные гипотезы о движении экономических показателей, нежели используя только текущие цены. В настоящее время считается, что рынки подчиняются принципам детерминированного хаоса, и в нем наблюдаются условно периодические паттерны [13].
По состоянию на начало 2010-х гг. более чем 30-летняя история применения технического анализа как инструмента прогнозирования сопровождалась практически полным игнорированием со стороны научного сообщества.
Такая ситуация, вероятно, связана с отсутствием глубокого теоретического обоснования технического анализа (неизвестно, какие процессы стоят в основе соответствующих паттернов?), так и с отсутствием в научной литературе однозначных подтверждений его сравнительной эффективности. Метаисследование испанско-немецкого коллектива ученых [14] заключило, что «исследования, опубликованные в основных и престижных научных журналах, могут как поддерживать, так и не поддерживать тезис об эффективности использования технического анализа в качестве основы инвестирования <...> из 95 исследований 56 дали положительные результаты, а остальные - отрицательные и смешанные результаты для использования технического анализа». Тем не менее технический анализ оказался достаточно эффективным для того, чтобы этот инструмент использовался профессиональными рыночными трейдерами.
РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА'
Современный этап развития технического анализа основан на смешанном применении методов технического анализа и машинного обучения:
- в работе [15] представлена модель использования разных видов машинного обучения с использованием индикатора относительной силы для прогнозирования обменных курсов валют;
- в работе [16] технический анализ используется совместно с классической авторегрессионной моделью временного ряда;
- в работе [17] описано применение метода опорных векторов для графического анализа исторических последовательностей и поиска фигуры типа «Голова и плечи»;
- в статье [18] представлена система прогнозирования на основе идентификации 90 графиче-
ских моделей на основе применения методов нечетких множеств;
- в работе [19] разработана модель распознавания графических паттернов на основе определения точек смены тренда временного ряда, опирающаяся на методы снижения размерностей.
При этом значительная часть работ не рассматривает фундаментальные основы выделяемых графических паттернов. В статье [20] предпринята попытка классификации всех фигур на 4 разных типа по знакам изменения и ускорения - однако разработанная С. Шиловым теория эволюционных фигур значительно опережает все имеющиеся теоретические наработки по данному вопросу.
Список основных выделенных паттернов представлен в таблице 1.
Таблица 1. Характеристика часто встречающихся паттернов динамики Table 1. Characterization of commonly encountered dynamic patterns
Обозначение / Designation Описание динамики / Features of dynamics Формула / Formula
Первичные типы / Primary types
J Ускоряющийся рост / Accelerating growth gt-t0
-J Ускоряющийся спад / Accelerating decline —ei_i°
J-1 Замедляющийся спад / Slowing decline e-(t-t0)
-J-1 Замедляющийся рост / Slowing growth _e-(t-t0)
L-1 Г-1 L Г
Л
V
U
W
M
Ускоряющийся рост к вертикальной асимптоте / Accelerating growth to a vertical asymptote
Ускоряющийся спад к вертикальной асимптоте / Accelerating decline to a vertical asymptote
Замедляющийся рост от вертикальной асимптоты / Slowing growth from a vertical asymptote
Замедляющийся спад от вертикальной асимптоты / Slowing decline from a vertical asymptote
Резкий пик с возвратом к предыдущему уровню / Sharp peak with a return to the previous level
Резкий спад с возвратом к предыдущему уровню / Sharp decline with a return to the previous level
Рывок - переход от замедляющегося снижения к ускоряющемуся росту / Jump - transition from a slowing decline to accelerating growth Двойной резкий спад с возвратом к предыдущему уровню / Double sharp decline with a return to the previous level
Двойной резкий пик с возвратом к предыдущему уровню / Double sharp peak with a return to the previous level Источник: составлено авторами на основании разработок С. Ю. Шилова
-1
t-t0 1
t~ t0 1
t~t0 -1
t~ tn
,t < t0 ,t < t0 ,t> to ,t> to
Вторичные типы и паттерны / Secondary types and pattern
S Восходящая логистическая кривая / Ascending logistic curve J(-J-1)
S-1 Убывающая логистическая кривая / Descending logistic curve (-J)(J-1)
L-1L
Г-1Г
J-1J VV ЛЛ
¥¥¥¥¥¥¥¥¥¥¥¥ ffFß/nivyi/ дыг> яргтпид i ггпыпм1гя WWWWWW
На базе ранее проведенных исследований были выделены следующие часто встречающиеся паттерны:
- SSV и SSS-1: «рост с коррекцией», паттерн, характерный для европейского развития;
- SS-1SS-1 (ЛЛ, VV): «пила», «ухабы», паттерн накопления «цивилизационной усталости», часто свидетельствует о дальнейшем откате или катастрофе;
- VЛ: «цивилизационная вспышка», паттерн обновления, чрезвычайно ресурсоёмок и затратен;
- TL (SL): «акулий плавник», паттерн катастрофического срыва динамики, катастрофы.
В данном исследовании производится поиск паттернов по данным динамики о количестве основных ресурсов сельскохозяйственных организаций (что и составляет собой основу воспроизводства) как в целом по всему их комплексу, так и по отдельным предприятиям.
При этом из-за специфики ресурсных показателей (0 как горизонтальная асимптота) невозможно существование гиперболических типов динамики; исследуется только наличие и выраженность паттернов, основанных на экспоненциальной динами-
ке, из-за отмеченного свойства неизбежного перехода в S-образную динамику.
Временные рамки исследования составляют 2008-2020 гг. для данных по полной совокупности и 2013-2020 гг. для данных по отдельным организациям. Столь малые (для применяемого метода) временные границы обусловили необходимость уточнения правил идентификации паттернов. В итоге, принимая за а, Ь, с три последовательных значения некого параметра, были определены следующие правила:
1) I - динамика: а < Ь < с; (Ь-а) < (с-Ь);
2) -I - динамика: а > Ь > с; (Ь-а) < (с-Ь);
3) I-1 - динамика: а > Ь > с; (Ь-а) > (с-Ь);
4) -Г1 - динамика: а < Ь < с; (Ь-а) > (с-Ь).
В случае, когда в некоторый трехлетний период изменение показателя не подчинялось ни одному из правил, считалось, что он находится в зоне неустойчивости (обозначается символом -).
Результаты
Результаты оценки паттернов в динамике количества ресурсов по всему комплексу сельскохозяйственных организаций Нижегородской области представлены в таблице 1.
Таблица 2. Динамика количества ресурсов в сельскохозяйственных организациях Нижегородской области
Table 2. Dynamics of the number of resources in agricultural organizations of the Nizhny Novgorod region
Показатель / Indicator Описание динамики / Description of the dynamics Запись в виде паттернов / Recording in the form of patterns
1 2 3
Общее количество работников в сельскохозяйственных организациях, чел. / Total number of employees in agricultural organizations, people Постоянное непрерывное снижение с изменением его ускорения / Constant continuous decline with a change in its acceleration (-S)(-J)
Общая величина пашни в сельскохозяйственных организациях, га / Total size of arable land in agricultural organizations, ha Достижение максимального значения в 2008 году, далее период непрерывного снижения, стабилизация на уровне в 2014-2017 гг. и продолжение снижения с 2018 г. / Achieving a maximum value in 2008, then a period of continuous decline, stabilization at the level in 2014-2017 and continued decline from 2018 -(-J)(-S)(-J)-(-J)
Общее количество голов КРС в сельскохозяйственных организациях, га / Total number of cattle in agricultural organizations, ha Постоянное непрерывное снижение с изменением его ускорения / Constant continuous decline with a change in its acceleration (-S)(-S)(-S)
РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА'
Окончание таблицы 2 / End of table 2
1
2
3
Общая мощность техники в сельскохозяйственных организациях, л.с. / Total capacity of machinery in agricultural organizations, hp Общее количество тракторов в сельскохозяйственных организациях, шт. / Total number of tractors in agricultural organizations, pcs
Непрерывное снижение в 2008-2015 гг., относительная стабилизация и снижение темпов уменьшения показателя в дальнейшем / Continuous decline in 2008-2015, relative stabilization and a decrease in the rate of decline in the indicator in the future Непрерывное снижение в 2008-2017 гг., относительная стабилизация и снижение темпов уменьшения показателя в дальнейшем / Continuous decline in 2008-2017, relative stabilization and a decrease in the rate of decline in the indicator in the future
(-S)(-S)(-S)-(-J)
(-S)(-S)(-S)-
Общая стоимость основного капитала в ценах 2007 года, млн руб. / Total value of fixed capital in 2007 prices, million rubles
Рост в 2007-2011 гг., далее зона неустойчивости, резкий рост в период 2016-2019 гг. и откат в 2020 г. / Growth in 2007-2011, then a zone of instability, a sharp increase in the period 2016-2019 and a rollback in 2020
(-J-1)(J)-(-J)-(J)-)
Источник: составлено авторами на основании расчетов
Для более подробной характеристики динамики изменения всего комплекса ресурсов приведем краткую паттерновую запись динамики изменения показателей соотношения ресурсов и их форм:
- соотношение пашни и количества КРС, га/гол.: 8-(Г1)-.Т-;
- соотношение стоимости и мощности техники, руб./л.с.: (-1)-И-1-;
- соотношение стоимости и количества техники, руб./шт.: (-1)-(1-1)-1-(-1);
- соотношение мощности и количества техники, л.с./шт.: -(1_1)-и-;
- соотношение индекса изменения фонда оплаты труда и индекса изменения средней заработной платы: -(1"1)-(-1)-(1"1)-(1-1);
- соотношение индекса изменения количества персонала и индекса изменения средней заработной платы: (Г1)-.!-."1)-.!-;
- соотношение индекса изменения фонда оплаты труда и индекса изменения количества персонала: (^М-Г1)- 1-1)-1(1-1);
- соотношение индекса изменения естественных ресурсов к индексу изменения антропогенных ресурсов: SJ-J-J-.
Обращает на себя внимание разнообразие краткосрочных паттернов в динамике соотношения экономических ресурсов.
Далее перейдем к оценке встречаемости разных паттернов в динамике количества ресурсов по отдельным сельскохозяйственным организациям Нижегородской области. Для каждого действовавшего непрерывно в 2013-2020 гг. предприятия были построены временные ряды величины пашни, количества условного поголовья КРС, стоимости основных средств с учетом инфляции и количества работников, после чего определялось наличие ранее описанных паттернов и их общая встречаемость в полученном массиве данных. Эта информация представлена в таблицах 3-4 (при этом не отображалась информация о паттернах, встречающихся менее чем у 10 % организаций).
Обращает на себя внимание частое распространение трехлетних паттернов роста площади пашни и отсутствие часто повторяющихся других типов динамики. Это связано, во-первых, с общей низкой интенсивностью процессов воспроизводства земли (ее приобретение влечет за собой большие транзакционные издержки), а во-вторых, с нежеланием организаций избавляться даже от неиспользованной земли. Для всех остальных ресурсов характерно преобладание негативной динамики (трехлетние периоды непрерывного снижения величины труда, капитала или КРС присутствовали у 60, 62,4 и 51.6 % организаций соответственно).
Таблица 3. Частота встречаемости паттернов разной длительности в динамике количества основных экономических ресурсов по сельскохозяйственным организациям, %
Table 3. Frequency of occurrence of patterns of different duration in the dynamics of the number of basic economic resources for agricultural organizations, %
Тип динамики / Dynamics-type Труд Капитал Земля КРС
Ускоряющееся Трехлетнее/
снижение (-J) / Three-Year 52,0 53,5 51,0
Accelerating Четырехлетнее
Decline (-J) / Four-Year 12,8 14,6
Замедляющееся Трехлетнее /
снижение (J-1) / Three-Year 60,0 62,4 51,6
Slowing Decline Четырехлетнее
(J-1) / Four-Year 14,3 25,7 12,6
Ускоряющееся Трехлетнее /
увеличение (J) / Three-Year 17,8 45,5 13,4 38,4
Accelerating Четырехлетнее
Increase (J) / Four-Year
Замедляющееся Трехлетнее /
увеличение (-J-1) Three-Year 17,3 36,1 17,8 36,4
/ Slowing Четырехлетнее
Increase (-J-1) / Four-Year 17,3 11,9
Источник: составлено авторами на основании расчетов
Таблица 4. Частота встречаемости сложных паттернов в динамике количества основных экономических ресурсов по сельскохозяйственным организациям, %
Table 4. The frequency of occurrence of complex patterns in the dynamics of the number of basic economic resources for agricultural organizations, %
Труд / Капитал / Земля / КРС /
Labour Capital Land Cattle
26,7 32,2 21,2
20,3 26,2 20,5
10,9
22,3 13,2
14,9 15,2
Тип динамики / Dynamics-type
Переход из ускоряющегося в замедляющееся снижение (S-1) / Transition from accelerating to decelerating decline (S-1) Переход из замедляющегося в ускоряющееся снижение (-S-1) / Transition from decelerating to accelerating decline (-S-1) Рывок - переход от замедляющегося снижения к ускоряющемуся росту (U) / Jump - transition from decelerating decline to accelerating growth (U)
Переход от ускоряющегося к замедляющемуся росту (S) / Transition from accelerating to decelerating growth (S) Переход от замедляющегося к ускоряющемуся росту (-S) / Transition from decelerating to accelerating growth (-S) Источник: составлено авторами на основании расчетов
Данные таблицы подтверждают ранее сделанные выводы о низкой интенсивности воспроизводства земельных ресурсов; при этом с наибольшей интенсивностью и разнообразием идут процессы воспроизводства основного капитала. Обращает на себя внимание распространенность паттерна снижения количества работников в организации по обратной 8-образной динамике.
Анализ 8-летних динамик количества ресурсов позволил выделить следующие наиболее распространенные паттерны:
- наличие только 3-х, 4-летнего периода замедляющегося снижения количества работников (23 организации);
- наличие только 3-х, 4-летнего периода ускоряющегося снижения количества работников (12 организаций);
VWWWWW РРГИПНа HUH А Я И ПТРЛ Г /IFRA Я Ч КП НП М И к"Л VVWWWWV
РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА
- переход от ускоряющегося к замедляющемуся снижению количества работников в начале исследуемого периода при отсутствии идентифицируемой динамики далее (4 организации);
- переход от ускоряющегося к замедляющемуся снижению количества работников в начале исследуемого периода при возобновлении тренда на снижение далее (4 организации);
- долгосрочное снижение величины капитала с точками перегиба и изменением темпов (итого 20 организаций с разными формулами);
- 8-образное увеличение величины капитала на протяжении последних 6 лет (5 организаций);
- переход от замедляющегося снижения к ускоряющемуся росту величины капитала (4 организации);
- период трех/четырехлетнего замедляющегося снижения величины капитала в начале исследуемого периода с дальнейшей стабилизацией (4 организации);
- 8-образный рост площади пашни в конце / начале рассматриваемого периода (9 организаций);
- трехлетний замедляющийся рост площади пашни в начале / конце рассматриваемого периода (9 организаций всего);
- ускоряющийся рост площади пашни в начале рассматриваемого периода при отсутствии идентифицируемой динамики далее (4 организации).
Обсуждение
Представленные данные показывают возможность описания процессов воспроизводства в сельскохозяйственных организациях с помощью представленного «прогностического алфавита» - и на уровне отдельных элементов совокупности, и на уровне всей совокупности в целом. Специфика поставленной задачи и малый рассматриваемый временной горизонт привели к обнаружению только простых паттернов. На основании этого можно сделать следующие оценки динамики количества экономических ресурсов сельскохозяйственных ресурсов Нижегородской области в краткосрочном периоде:
- ожидается конец второго 8-образного периода снижения количества работников и начало третьего;
- ожидается дальнейшее сокращение количества КРС в распоряжении сельскохозяйственных организация по 8-образному типу;
- ожидается активизация темпов снижения количества посевных площадей сельскохозяйственных организаций также по 8-образному типу;
- при этом общая стоимость основного капитала, скорее всего, будет снижаться по (-1)-закону, после чего снова наступит период ускоряющегося роста величины капитала даже с поправкой на инфляцию.
Таким образом, можно констатировать, что применение теории эволюционных фигур позволило выявить основные тенденции воспроизводства экономических ресурсов как по всему комплексу сельскохозяйственных организаций региона, так и по отдельным группам сельхозтоваропроизводителей.
Заключение
Представленная работа доказывает применимость теории эволюционных фигур к задаче выявления тенденций и прогнозирования динамики воспроизводства экономических ресурсов и показывает возможность описания и прогнозирования динамики (в данном случае это ресурсные показатели сельскохозяйственных организаций Нижегородской области) с помощью определенного набора паттернов. Однако, по мнению авторов, необходимо расширение исследований в данном направлении по следующим направлениям:
- проведение исследований о встречаемости выделенных паттернов на разных группах данных на разных временных промежутках разной длительности;
- уточнение вопросов о правилах чёткой интерпретации паттернов и масштабировании соответствующих показателей (например, можно использовать логарифмы показателей количества экономических ресурсов, что сделало бы возможным использование гиперболических паттернов);
- возникает вопрос о сценарности динамики -если наблюдается некоторый паттерн или их совокупность, когда может возникнуть точка изменения паттерна и на какую иную траекторию может наблюдаться переход? Кроме того, интересен вопрос о поведении системы, оцениваемой по нескольким разным показателям, - как предсказать траекторию ее дальнейшего развития?
Поставленные вопросы требуют целого комплекса дальнейших исследований, нацеленных на поиск как общих ответов, так и для конкретной обозначенной предметной отрасли; отдельным направлением исследований является как разработка методологии, так и практическая реализация разработки на основе полученных тенденций и прогнозов стратегий развития отдельных отраслей сельскохозяйственного производства, сельских территорий и региона в целом.
СПИСОК ИСТОЧНИКОВ
1. Генералов И. Г. Формирование методологии исследования стратегического развития производства зерна (на примере Нижегородской области) // Вестник евразийской науки. 2023. Т. 15. № 5. EDN BAGAAV.
2. Солдатов А. А., Генералов И. Г., Завиваев С. Н. Модель управления устойчивым развитием сельского хозяйства и сельской территории региона // Инновационное развитие экономики. 2022. № 5 (71). С. 163-168. EDN EEYEZT.
3. Большакова Ю. А., Сысоева Ю. Ю., Удалов Ф. Е. Формирование алгоритма разработки стратегии развития сельских территорий // Управленческий учет. 2022. № 5-1. С. 108-114. EDN XXSHMF.
4. Черемухин А. Д. Совершенствование процесса воспроизводства экономических ресурсов : дис. канд. экон. наук. Княгинино, 2020. 222 с. EDN XHGMMW.
5. Alexander S. S. Price movements in speculative markets: Trends or random walks // Industrial Management Review. 1961. Т. 2. № 2. С. 7.
6. Fama E. F., Blume M. E. Filter rules and stock-market trading // The Journal of Business. 1966. Т. 39. № 1. С. 226-241. DOI: 10.1086/294849
7. Jensen M. C., Benington G. A. Random walks and technical theories: Some additional evidence // The Journal of finance. 1970. Т. 25. № 2. С. 469-482. DOI: 10.2139/ssrn.244160
8. Brown D. P., Jennings R. H. On technical analysis // The Review of Financial Studies. 1989. Т. 2. № 4. С. 527-551. DOI: 10.1093/rfs/2.4.527
9. De Long J. B. et al. Noise trader risk in financial markets // Journal of political Economy. 1990. Т. 98. № 4. С. 703-738. DOI: 10.1086/261703
10. Beja A., Goldman M. B. On the dynamic behavior of prices in disequilibrium // The Journal of Finance. 1980. Т. 35. № 2. С. 235-248. DOI: 10.2307/2327380
11. Schmidt A. B. Why technical trading may be successful? A lesson from the agent-based modeling // Physica A: Statistical Mechanics and its Applications. 2002. Т. 303. № 1-2. С. 185-188. DOI: 10.1016/S0378-4371(01)00432-0
12. Clyde W. C., Osler C. L. Charting: Chaos theory in disguise? //The Journal of Futures Markets. 1997. Т. 17. № 5. С. 489. DOI: 10.1002/(Sia)1096-9934(199708)17:53.0.TO;2-B
13. Chan K. C. C., Teong F. K. Enhancing technical analysis in the Forex market using neural networks // Proceedings of ICNN'95-International Conference on Neural Networks. IEEE, 1995. Т. 2. С. 1023-1027. DOI: 10.21058/gjet.2023.92002
14. Nazário R. T. F. et al. A literature review of technical analysis on stock markets // The Quarterly Review of Economics and Finance. 2017. Т. 66. С. 115-126. DOI: 10.1016/j.qref.2017.01.014
15. Jamali H. et al. Hybrid Forex prediction model using multiple regression, simulated annealing, reinforcement learning and technical analysis // Int J Artif Intell. 2023. С. 8938. DOI: 10.11591/ijai.v12.i2.pp892-911
16. Pulungan D. P. et al. Technical analysis testing in forecasting socially responsible investment index in Indonesia stock exchange // Investment Management and Financial Innovations. 2018. Т. 15. № 4. С. 135-143. DOI: 10.21511/imfi.15(4).2018.11
17. Arévalo R. et al. A dynamic trading rule based on filtered flag pattern recognition for stock market price forecasting // Expert Systems with Applications. 2017. Т. 81. С. 177-192. DOI: 10.1016/j.eswa.2017.03.028
18. Cervelló-Royo R., Guijarro F., Michniuk K. Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data //Expert systems with Applications. 2015. Т. 42. № 14. С. 5963-5975. DOI: 10.1016/j.eswa.2015.03.017
19. Chen T., Chen F. An intelligent pattern recognition model for supporting investment decisions in stock market // Information Sciences. 2016. Т. 346. С. 261-274. DOI: 10.1016/j.ins.2016.01.079
20. Andersen J. V., Gluzman S., Sornette D. Fundamental framework for «technical analysis» of market prices // The European Physical Journal B-Condensed Matter and Complex Systems. 2000. Т. 14. С. 579-601. DOI: 10.1007/s100510051067
Дата поступления статьи в редакцию 11.06.2024; одобрена после рецензирования 16.07.2024;
принята к публикации 17.07.2024.
Информация об авторах:
С. Ю. Шилов - старший преподаватель кафедры «Системное программирование», Spin-код: 5841-3135; А. Д. Черемухин - к. э. н., доцент кафедры «Математика и вычислительная техника», Spin-код: 3067-9927.
Заявленный вклад авторов: Шилов С. Ю. - научное руководство, формулирование основной концепции исследования. Черемухин А. Д. - проведение анализа и подготовка первоначальных выводов, анализ полученных результатов.
Авторы заявляют об отсутствии конфликта интересов
REFERENCES
1. Generalov I. G. Formirovanie metodologii issledovaniya strategicheskogo razvitiya proizvodstva zerna (na primere Nizhegorodskoj oblasti) [Formation of a methodology for studying the strategic development of grain production (on the example of the Nizhny Novgorod region)], Vestnik evrazijskoj nauki [Bulletin of Eurasian Science], 2023, V. 15, No. 5, EDN BAGAAV.
2. Soldatov A. A., Generalov I. G., Zavivaev S. N. Model' upravleniya ustojchivy'm razvitiem sel'skogo xozyaj stva i sel' skoj territorii regiona [Model for managing sustainable development of agriculture and rural territory of the region], Innovacionnoe razvitie e'konomiki [Innovative development of the economy], 2022, No. 5 (71), pp. 163-168, EDN EEYEZT.
3. Bolshakova Yu. A., Sysoeva Yu. Yu., Udalov F. E. Formirovanie algoritma razrabotki strategii razvitiya sel'skix territorij [Formation of an algorithm for developing a strategy for the development of rural territories], Upravlencheskij uchet [Management accounting], 2022, No. 5-1, pp. 108-114, EDN XXSHMF.
4. Cheremukhin A. D. Sovershenstvovanie processa vosproizvodstva e'konomicheskix resursov [Improving the process of reproduction of economic resources. Ph. D. (Economy) diss.], Knyaginino, 2020, 222 p. EDN XHGMMW.
5. Alexander S. S. Price movements in speculative markets: Trends or random walks, Industrial Management Review, 1961, Vol. 2, No. 2, pp. 7.
6. Fama E. F., Blume M. E. Filter rules and stock-market trading, The Journal of Business, 1966, Vol. 39, No. 1, pp. 226-241, DOI: 10.1086/294849.
7. Jensen, M. C., Benington G. A. Random walks and technical theories: Some additional evidence, The Journal of finance, 1970, Vol. 25, No. 2, pp. 469-482, DOI: 10.2139/ssrn.244160.
8. Brown D. P., Jennings R. H. On technical analysis, The Review of Financial Studies, 1989, Vol. 2, No. 4, pp. 527-551, DOI: 10.1093/rfs/2.4.527.
9. De Long J. B. et al. Noise trader risk in financial markets, Journal of political Economy, 1990, Vol. 98, No. 4, pp. 703-738, DOI: 10.1086/261703.
10. Beja A., Goldman M. B. On the dynamic behavior of prices in disequilibrium, The Journal of Finance, 1980, Vol. 35, No. 2, pp. 235-248, DOI: 10.2307/2327380.
11. Schmidt A. B. Why technical trading may be successful? A lesson from the agent-based modeling, Physica A: Statistical Mechanics and its Applications, 2002, Vol. 303, No. 1-2, pp. 185-188, DOI: 10.1016/S0378-4371(01)00432-0.
12. Clyde W. C., Osler C. L. Charting: Chaos theory in disguise? The Journal of Futures Markets, 1997, Vol. 17, No. 5, pp. 489, DOI: 10.1002/(SICI)1096-9934(199708)17:53.0.œ;2-B.
13. Chan K. C. C., Teong F. K. Enhancing technical analysis in the Forex market using neural networks, Proceedings of ICNN'95-International Conference on Neural Networks, IEEE, 1995, Vol. 2, pp. 1023-1027, DOI: 10.21058/gjet.2023.92002.
14. Nazário R. T. F. et al. A literature review of technical analysis on stock markets, The Quarterly Review of Economics and Finance, 2017, Vol. 66, pp. 115-126, DOI: 10.1016/j.qref.2017.01.014.
15. Jamali H. et al. Hybrid Forex prediction model using multiple regression, simulated annealing, reinforcement learning and technical analysis, Int JArtif Intell, 2023, pp. 8938, DOI: 10.11591/ijai.v12.i2.pp892-911.
16. Pulungan D. P. et al. Technical analysis testing in forecasting socially responsible investment index in Indonesia stock exchange, Investment Management and Financial Innovations, 2018, Vol. 15, No. 4, pp. 135-143, DOI: 10.21511/imfi.15(4).2018.11.
17. Arévalo R. et al. A dynamic trading rule based on filtered flag pattern recognition for stock market price forecasting, Expert Systems with Applications, 2017, Vol. 81, pp. 177-192, DOI: 10.1016/j.eswa.2017.03.028.
18. Cervelló-Royo R., Guijarro F., Michniuk K. Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data, Expert systems with Applications, 2015, Vol. 42, No. 14, pp. 5963-5975, DOI: 10.1016/j.eswa.2015.03.017.
19. Chen, T., Chen, F. An intelligent pattern recognition model for supporting investment decisions in stock market, Information Sciences, 2016, Vol. 346, pp. 261-274, DOI: 10.1016/j.ins.2016.01.079.
20. Andersen J. V., Gluzman S., Sornette D. Fundamental framework for «technical analysis» of market prices, The European Physical Journal B-Condensed Matter and Complex Systems, 2000, Vol. 14, pp. 579-601, DOI: 10.1007/s100510051067.
The article was submitted 11.06.2024; approved after reviewing 16.07.2024; accepted for publication 17.07.2024.
Information about the authors: S. Yu. Shilov - senior lecture of the chair «System programming», Spin-code: 5841-3135;
A. D. Cheremuhin - Ph. D. (Economy), associate professor of the chair «Mathematics and Computer Science», Spin-code: 3067-9927.
Contribution of the authors: Shilov S. Yu. - research supervision, developed the theoretical framework. Cheremuhin A. D. - analysis and preparation of the initial ideas, analyzed data.
The authors declare no conflicts of interests.
