CC BY
11СРО, перспективы которых на рынке лизинга пока оцениваются крайне не однозначно), возможности БА во многом зависят от успешности и эффективности их взаимодействия с государством. Формы взаимодействия, структуры управления отличаются гибкостью и разнообразием, что во многом связано с особенностями лизингового бизнеса. С другой стороны, подобную картину можно в определенной степени считать типичной и для ряда других рынков, деятельность участников которых не является излишне «зарегулированной». Ассоциации, безусловно, полезны, они играют важную роль в формировании рыночной инфраструктуры. Особенно ярко это проявилось в условиях кризисной экономики, когда региональные ассоциации взяли на себя определенные регулирующие функции. В целом характер, многообразие форм и методов работы и эффективность объединений тесно связаны с уровнем развития лизинга.
БА представляют собой важный элемент структуры многих российских рынков, оказывающий определенное влияние на поведение их участников. В первую очередь в деятельность ассоциаций вовлечены наиболее сильные игроки, обладающие определенной властью, высоким уровнем конкурентоспособности. Участие в ассоциациях позволяет им и использовать, и усиливать свою рыночную власть.
Список литературы
1. Российская корпорация: внутренняя организация, внешние взаимодействия, перспективы развития под ред. Т.Г. Долгопятовой, И. Ивасаки, А.А. Яковлева, 2-е изд. Гос. ун-т - Высшая школа экономики. - М.: ЗАО «Юридический Дом «Юстицинформ», 2009. - 542 с.
2. Зудин А.Ю. Ассоциации - Бизнес - Государство. «Классические» и современные формы отношений в странах Запада. / Препринт WP1/ 2009/ 05. - М.: ГУ ВШЭ, 2009.
3. Предприятия и рынки в 2005-2009 гг.: итоги двух раундов обследования российской обрабатывающей промышленности: докл. к XI междунар. Науч. Конф. ГУ ВШЭ - М.: Изд. Дом Гос. ун-та - Высшей школы экономики, 2010. - 150 с.
4. www.sro.su
5. www.sa-lc.ru
6. www.assocleasing.ru
7. www.rosleasing.ru
8. www.leaseurope.org
9. Юсупова А.Т. Возможности координирования деятельности российских фирм: анализ бизнес-ассоциаций на рынке лизинговых услуг // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. - 2010. - Т. 10, вып. 3. - С. 87-95.
Яковенко Н.А.
д.э.н., доцент, ученый секретарь ИАгП РАН
Кирсанов В.В.
к.э.н., в.н.с. ИАгП РАН
Яковенко А.А.
старший лаборант ИАгП РАН
ОЦЕНКА ИНТЕГРИРОВАННОСТИ ПРОДОВОЛЬСТВЕННОГО РЫНКА РОССИИ1
Объективной тенденцией мезоинтеграции, направленной на повышение конкурентоспособности регионов, является кластеризация региональных агропродовольственных комплексов. Развитие кластеров обеспечивает синерге-тический эффект формирования межотраслевых связей, стимулирование конкурентоспособных отраслей и предприятий, объединение усилий субъектов продуктовой цепи на достижение высоких конечных результатов, учет отраслевых и региональных особенностей функционирования товарных рынков. Одним из принципиальных условий формирования региональных кластерных структур является возможность взаимодействия между кластером (или его отдельными элементами) и средой, внешней по отношению к кластеру. С другой стороны, у кластера существуют определенные ограничения в развитии внутренних взаимодействий, обусловливающие его географическую и экономическую обособленность. Эти два условия близки к условиям образования структур любой природы в открытых системах.
Начиная с работ Д. Киибла2 (1982) и П. Найкампфа3 (1993) в экономике получило распространение понятие доступности, трактуемой как интегрированная геоэкономическая характеристика. В данной трактовке доступность определяет возможность (и выгодность) взаимодействия с определенным бизнесом, расположенным на определенной территории, с учетом характеристик этого бизнеса, характеристик данной территории и характеристик способа организации экономического взаимодействия, включающего административные барьеры, налоги и т.п. В результате доступность представляет собой интегрированную характеристику, зависящую от множества параметров. С точки зрения формирования кластеров анализ доступности показывает точки возможного формирования кластеров, соответствующие областям с высокой доступностью и точки возможного выделения кластеров там, где уровень доступности в одних областях сильно отличается от уровня доступности соседей.
1 Исследование выполнено при финансовой поддержке РГНФ (проект № 09-02-27204а/В).
2 Keeble D., Owens P., Chris T. Regional Accessibility and Economic Potential in the European Community // Regional Studies. 1982. - Vol. 26. - P. 31-47 и др.
3 Nijkamp P., Vleugel J. Assessment of Capacity in Infrastructure Networks: A Multidimensional View // Transportation Planning and Technology. - 1993. - Vol. 17. - P. 301-310.
Уровень доступности характеризуется, прежде всего, включением регионального продовольственного рынка в единое экономическое пространство. Трансформационные процессы в российской экономике послужили толчком к активному исследованию интеграции российских рынков продовольственных и непродовольственных товаров вначале за рубежом1, а затем и в России2. Данные работы показали, что в переходный период исследованные рынки были слабо интегрированы. Целью данного исследования является оценка интегрированности российского зернового рынка в период с 2005 по 2009 гг. Данный анализ базируется на законе единой цены, гласящем, что цена на идентичные товары на региональных рынках при отсутствии препятствий движению этих товаров между регионами будет одной и той же. Скорость, с которой цены на идентичные товара стремятся к равенству, имеет огромное значение для макромоделей рыночной экономики, основанных на паритете покупательной способности.
Оценка интегрированности рынков проводилась на основании ежемесячных средних цен производителей сельскохозяйственной продукции в 17 регионах Российской Федерации в период с 2005 по 2009 гг. по 3 зерновым рынкам: мягкой пшеницы, овса и ячменя. Анализ был проведен по следующим регионам: Ставропольский край, Алтайский край, Волгоградская область, Краснодарский край, Нижегородская область, Пермский край, Пензенская область, Республика Башкортостан, Республика Марий Эл, Республика Мордовия, Республика Татарстан, Ростовская область, Самарская область, Саратовская область, Тамбовская область, Ульяновская область, Чувашская республика. Для составления панельных данных было решено включить в исследование только те регионы, в которых имеются данные по всем анализируемым культурам.
Один из первых способов тестирования, является ли рынок интегрированным, был основан на оценке модели:
.......
р
где " - цена товара в регионе 1 в момент I.
РЛ
' - цена в другом регионе в тот же момент времени,
' - индикатор транспортных и трансакционых затрат.
Данная модель оценивалась методом наименьших квадратов после ее лианиризации, и если коэффициент
то рынок можно считать интегрированным. Однако в большинстве случаев временные ряды и *' не стационарны, что влечет несостоятельность полученных оценок. По этой причине в последующем оценка интегрирован-ности рынков производилась на основании следующей модели:
А^л. = + _
ъгСС
где , т.е. логарифм отношения цены к-го товара в регионе 1 в момент времени I к цене это-
го же товара в другом регионе,
Д
- оператор первых разностей,
Р
- оцениваемый параметр.
В большинстве случаев в модель (2) включаются лаговые переменные, характеризующие количество периодов, необходимое для доставки товара из одного региона в другой. Но этот подход предполагает, что цены на рынке начнут сближаться только после того, как будут доставлены аналогичные товара с другого регионального рынка и проданы по цене отличной в данном регионе. Так как продажа продукции сельскохозяйственных производителей происходит чаще всего на внутрирегиональном рынке, нет смысла усложнять модель.
В работе в качестве базы сравнения был выбран Ставропольский край. Анализируемый ряд стационарен, если -2 < В < О
. Для проверки стационарности в данной работе использован тест Дики - Фуллера, так как для моделей такого вида критические значения теста рассчитываются так же, как и критические значения 1-теста. Однако распределение этой статистики отлично от распределения Стьюдента. Табличные значения были получены эмпирическим путем и для нашей выборки составят -2,23 на 5% уровне значимости. Таким образом, если расчетное значение стати-
6-0
стики Дики - Фуллера меньше табличного, то с вероятностью 95% гипотеза отклоняется и ряд признается ста-
ционарным.
На основании данной модели можно рассчитать коэффициент полураспада ценового разрыва, характеризующий время возврата к равновесию после единичного возмущения.
Уп (0.5)
КоэфгП&лурасиадА" :—г—"г:
Факторами, которые могут повлиять на оценку параметра 3 , являются расстояние между городами и время продажи. Для того чтобы выявить влияние данных факторов проведем оценку параметров моделей (3) и (4):
1 Gardner B., Brooks K. Food prices and market integration in Russia: 1992-1993 // American Journal of Agricultural Economics. 1994. - Vol. 76, N. 3. - P. 641-646.
2 Глушенко К.П., Конева А.Ю. Интеграция российского продовольственного рынка // Регион: экономика и социология. 2004. - № 2. - С. 47-63.
В модель (3) включены фиктивные переменные, характеризующие частные фиксированные эффекты для каждого региона и месяцы, в которые реализуется основная часть урожая (с августа по ноябрь).
= + InCrfisiflTife) + product dummies -r
Данная модель позволит выявить влияние транспортных затрат на интегрированность зерновых рынков. Для этого в качестве переменной, отображающей транспортные затраты, было выбрано расстояние между региональными центрами.
Интерес представляет упрощенная модель следующего вида:
ДРик = ftri£ - distance -product dmnrniss + a
где абсолютная разница цен между регионом i и Ставропольским краем.
Оценку данной модели проведем по панельным данным. Из табл. 4 видно, что из трех рассматриваемых продуктов у мягкой пшеницы самое маленькое среднее значение отклонений от цен базового региона и наименьшее среди рассматриваемых продуктов стандартное отклонение.
Таблица 4
Статистика модели
Виды с/х продукции Среднее значение Стандартное отклонение Вариация
Пшеница мягкая -0,0164 0,1796 0,0323
Ячмень 0,0434 0,2257 0,0509
Овес 0,0214 0,2622 0,0688
Данные показатели рассчитаны для = йт р. где в качестве базы сравнения выбраны цены на сельскохозяйственную продукцию в Ставропольском крае.
На рис. 2 представлены изменения динамики средних цен сельскохозяйственных продуктов по России в течение исследуемого периода. В течение 2007-2008 гг. резко выросли цены на основные виды сельскохозяйственного сырья, в том числе на зерновые культуры. Это было связано с ростом цен на продовольствие на мировом продовольственном рынке. Так, пшеница подорожала на 130%, соя - почти на 90%, рис - на 80%, кукуруза - на 35%. Основными условиями роста цен на зерно являются рост издержек сельскохозяйственных товаропроизводителей, глобальные сдвиги в объемах и структуре спроса на продовольствие, развитие рынка биотоплива.
Рисунок 2.
Средние цены производителей сельскохозяйственной продукции, Российская Федерация
На рис. 3 представлены цены сельскохозяйственных производителей Саратовской области на зерновые культуры за период с 1999 по 2010 гг. Сравнительный анализ цен показал зависимость конъюнктуры регионального рынка от мировых тенденций.
рубль
3000 ^
Рисунок 3.
Средние цены производителей сельскохозяйственной продукции на зерновые культуры
в Саратовской области, рубль
Результаты статистического анализа поведения разрывов между ценами в исследуемых регионах при помощи модели (2) приведены в таблице 5.
Таблица 5
Панельные тесты на единичный корень
Виды с/х продукции Beta t-ratio p-value коэффициент полураспада
Пшеница мягкая -0,2634 -11,9579 0,0000 2,2676
Ячмень -0,3186 -13,3157 0,0000 1,8066
Овес -0,3578 -14,3943 0,0000 1,5652
Полученные результаты свидетельствует о том, что рынок каждого из изучаемых сельскохозяйственных продуктов в отдельности интегрирован. Оцененное значение параметра для мягкой пшеницы наименьшее среди всех видов сельскохозяйственной продукции. Следовательно, ценам на мягкую пшеницу требуется больше времени для достижения равновесия после единовременного возмущения. Рассчитанный коэффициент полураспада показывает, что рынку мягкой пшеницы потребуется больше 2 месяцев, чтобы вернуться в состояние равновесия. Для остальных рынков данный коэффициент находится в районе 1,5 месяцев.
Оценим влияние индивидуальных особенностей каждого региона и периода продажи исследуемых продуктов на степень интегрированности рынков при помощи модели (3). В данной модели гипотеза о существовании единичного корня отвергается на 1% уровне и опять можно сделать вывод, что региональные рынки изучаемой продукции интегрированы. Необходимо отметить, что в среднем включение фиксированных индивидуальных особенностей регионов и сезонных фиктивных переменных не имеет статистической значимости на степени интеграции рынка мягкой пшеницы и ячменя. Совершенно иная ситуация складывается на рынке овса. Индивидуальные особенности регионов оказались значимыми для более удаленных друг от друга регионов. Также признана значимой сезонная фиктивная переменная, что означает зависимость разницы цен от сезона продажи. Однако для рынка овса сезонная фиктивная переменная признана значимой на 1% уровне, при этом оцененный параметр входим в модель с положительным знаком. Это значит, что в период сбора урожая разрыв между ценами на овес в регионах увеличивается. Результаты расчетов представлены в таблице 6.
Таблица 6
Панельные тесты на единичный корень в модели с включенными сезонными фиктивными переменами и индивидуальными фиксированными особенностями регионов
Виды с/х продукции Beta t-ratio p-value Season dummius Individual Fixed Effects F stat. коэффициент распада
Пшеница мягкая -0,302 -12,4233 0,0000 нет нет 10,0769 1,9279
Ячмень -0,3870 -14,7122 0,0000 нет нет 13,31808 1,4164
Овес -0,4741 -17,4902 0,0000 да да 18,9530 1,0785
Проверим оценку влияния расстояния между регионами на степень интегрированности региональных рынков сельскохозяйственной продукции (табл. 7).
Таблица 7
Влияние расстояния между регионами на сходимость
Виды с/х продукции Beta t-ratio p-value ln(distance) t-ratio p-value F stat
Пшеница мягкая -0,26454 -11,97 0,0000 -0,0004 -0,6694 0,5034 143,2775
Ячмень -0,3318 -13,6467 0,0000 0,0022 2,7715 0,0057 186,2339
Овес -0,3614 -14,5132 0,0000 0,0017 1,8507 0,0645 210,6025
В результате данного анализа выявлено, что сходимость цен замедляется с увеличением расстояния между регионами. Включение в модель переменной, характеризующей затраты на доставку, значительно увеличивает качество построенной модели, о чем свидетельствует увеличение значений Б статистики.
Основываясь на полученных результатах, можно сделать вывод, что сходимость цен замедляется при увеличении расстояния между регионами. В период сбора урожая разрыв цен в регионах увеличивается, что может быть объяснено рядом причин. Во-первых, дифференциацией урожайности зерновых в различных регионах. Во-вторых, необходимостью быстрой реализации собранного урожая в связи с неразвитостью производственной инфраструктуры, в частности отсутствием помещений, предназначенных для хранения урожая.
Для анализа зернового рынка в целом воспользуемся моделью (2), включив в нее фиктивные переменные для каждого региона и вида сельскохозяйственной продукции (табл. 8).
Таблица 8
Интеграция зернового рынка
Beta t-ratio p-value Region dummies Product dummies F stat. К. полураспада
-0,34587 -25,0805 0,0000 нет нет 33,12121 1,633023
На основании полученных результатов можно сделать вывод о том, что зерновой рынок России интегрирован. В среднем рынку требуется около 1,5 месяцев для того, чтобы вернуться в состояние равновесия.
Интерес представляет эффект, который может оказывать расстояние между городами на сходимость цен (табл. 9).
Таблица 9
Влияние расстояния на интеграцию зернового рынка России
Variable Coefficient Std. Error t-ratio Prob
Ln(distance) 0,014134440 0,0049161908 2,8750796 0,0040694530
Пшеница мягкая 0,20990902 0,036188420 5,8004473 7,3472420e-009
Ячмень 0,23144774 0,036424578 6,3541641 2,4343359e-010
Овес 0,23103581 0,036372375 6,3519583 2,4690097e-010
AR(1) -0,30961165 0,013167877 -23,512647 0,0000
В данной модели все фиктивные переменные признаны значимыми. Оцененный параметр при логарифме расстояния также признан статистически значимым. Таким образом, данная модель свидетельствует о том, что расстояние между регионами влияет на интегрированность зернового рынка России. Чем дальше регионы находятся друг от друга, тем медленнее происходит сходимость цен. Но в целом, по результатам данной модели можно сделать вывод о единстве зернового рынка России.
Чтобы подтвердить наши выводы, протестируем влияние расстояния между городами на абсолютную разницу между ценами в регионах. Для этого оценим параметры модели (5). В данную модель не включены все факторы, влияющие на абсолютное различие цен между регионами. Однако на основании полученных оценок параметров модели можно сделать вывод, что наибольшее среднее различие региональных цен наблюдается на рынке овса (в среднем - 584 рубля), а наименьшее - на рынке пшеницы.
Элементарный анализ зернового рынка России за период с 2005 по 2009 гг. показал, что расстояние между регионами оказывает существенное влияние на дифференциацию цен и их сходимость (табл. 10). При исследовании зернового рынка в целом было выявлено, что цены на продукции сельскохозяйственных производителей сходятся, не зависимо от времени совершения сделки и индивидуальных особенностей регионов. При анализе рынков по отдельным зерновым культурам выявлено, что на отдельные рынки оказывают влияние сроки совершения сделок и индивидуальные особенности регионов. Но, несмотря на это, в данной работе было показано, что существующий на данный момент зерновой рынок России можно считать единым.
Таблица 10
Влияние расстояния на абсолютное различие цен
Variable Coefficient Std. Error t-ratio Prob
Расстояние 0,058197418 0,010434796 5,5772456 2,6705222e-008
Пшеница мягкая 492,68822 22,253680 22,139629 2,0326841e-100
Ячмень 519,83724 22,253680 23,359608 1,1861184e-110
Овес 583,47011 22,253680 26,219039 4,7828634e-136
С точки зрения возможной стратегии государства, направленной на формирование кластеров, это означает, что исследуемые регионы интегрированы в единое экономическое пространство, дополнительные усилия по обеспечению взаимодействия между отдельными территориями должны быть осуществлены только лишь тогда, когда созданы исходные условия для формирования кластеров. Эти действия должны носить адресный характер в интересах тех территорий, где уже существуют «точки роста», поскольку эффективность этих действий в других регионах не приведет к желаемому результату.
