CC BY
44
зинговым счетам, а также помогает внедрять в сельское хозяйство новые технологии. К тому же если прибыль от освоения инноваций возвращать исследователям в составе лизинговой платы, то вознаграждение будет попадать конкретным разработчикам. По сравнению с обычным кредитованием здесь в значительной степени снижается риск лизингодателя как инвестора, а применение особых условий договора (например, ускоренной амортизации) уменьшает сумму налоговых платежей. В рамках исследований рассмотрено приобретение техники на основе финансового лизинга. Планирование ежегодных платежей, калькуляция себестоимости работ и услуг, а также выручки позволяют сделать определенные рекомендации.
В условиях финансовой нестабильности потенциальные негосударственные инвесторы не решаются на долгосрочное вложение средств. Потенциальными инвесторами сельскохозяйственного производства могут быть и посредническо-торговые организации, и перерабатывающие предприятия, которые могут вкладывать средства в развитие своей сырьевой базы. Вложения могут осуществляться через интеграцию и развитие горизонтальной и вертикальной кооперации. Через интегрирование поставщиков и переработчиков сельскохозяйственных продуктов можно достичь скоординированности интересов всех участников производственно-коммерческого процесса и выравнивания их положения при распределении доходов. В сельском хозяйстве существуют большие возможности для приложения капитала, и, хотя в отрасли есть успешно работающие компании, в целом сельское хозяйство недооценено инвесторами.
Централизованное инвестирование - реальный источник расширенного воспроизводства и структурной перестройки в АПК. Однако значительная часть инвестиций направляется не на целевые программы развития АПК, ликвидацию узких мест и его структурную перестройку, а распыляется по множеству направлений и объектов, не носит комплексного характера, что предопределяет низкую капиталоотдачу. Дефицит средств на инвестиции предполагает также поиск их нетрадиционных источников, обеспеченных путем привлечения кредитных ресурсов в АПК с обеспеченностью государства гарантии вложений.
Главным направлением современной инвестиционной политики должно стать создание бла-
гоприятной среды для расширения внебюджетных источников финансирования капитальных вложений и привлечение частных (отечественных, иностранных) инвестиций в сельское хозяйство на основе дальнейшего совершенствования нормативно-законодательной базы и государственной поддержки эффективных инвестиционных проектов. Системный, затянувшийся бюджетный дефицит экономики края и страны приводит к необходимости поиска внебюджетных инвестиций и инвесторов, доступных инвестиций, где "цена капитала" минимальна [3]. На региональном уровне необходима разработка антикризисных инвестиционных программ саморазвития АПК. Финансирование их должно быть многокомпонентным, многоканальным, а основной задачей инвестирования - долгосрочные вложения, необходимые для капитального строительства создаваемых или обновляемых производственных мощностей с использованием инновационных технологий автоматизации агробизнеса, оборудования, сельскохозяйственной техники.
Литература:
1. Федеральный закон от 25.02.1999 N 39-ФЗ "Об инвестиционной деятельности в Российской Федерации, осуществляемой в форме капитальных вложений" // СПС КонсультантПлюс.
2. Валдайцев С.В. и др. Инвестиции / под ред. В.В. Ковалева и др. - М. : Велби ; Проспект, 2007. - С. 440.
3. Германова В.С. Особенности формирования инвестиционной политики государства в сфере АПК / В.С. Германова // Материалы третьей научной конференции Северо-Кавказского государственного технического университета: Вестник СевКавГТУ. Серия Экономика №1. - Ставрополь, 2003. - 1 86с.
4. Гитман Л.Дж., Джонк М.Д. Основы инвестирования / пер. с англ. - М. : Дело, 201 0. - 450 с.
5. Ендовицкий Д.А. и др. Комплексный анализ и контроль инвестиционной деятельности. Методология и практика. - М. : Финансы и статистика, 2000. - 238 с.
6. Кокорев Н.А., Мардян Я.Ю. Некоторые вопросы учета инвестиций в форме капитальных вложений в организациях АПК : материалы Региональной научно-практической конференции "Научное обеспечение использования современных технологий в сельскохозяйственном производстве региона", г. Калуга / под ред. М.Е. Мазурова. - РАСХН, Калужский НИПТИ АПК, 2009.
- С. 143-147.
7. Норткотт Д. Принятие инвестиционных решений / пер. с англ. - М. : Банки и биржи, ЮНИ-ТИ, 1997. - 164 с.
■
149
ACCEPTING OF MANAGEMENT DECISIONS AND FORECASTING OF THE ECONOMIC CONJUNCTURE IN THE COMPETITIVE MARKETS OF AGRICULTURAL GOODS
Gurnovich Tatyana Genrihovna, DSc of Economics, Professor,
Stavropol State Agrarian University, Stavropol
Tchernyshov Pavel Gennadevich, post-graduate student,
North Caucasian Gumanitarno-Technical Institute, Stavropol
УДК 338.432
4Г
150
© Гурнович Т.Г., 2011 © Чернышов П.Г., 2011
ГУРНОВИЧ Татьяна Генриховна,
доктор экономических наук, профессор, Ставропольский государственный аграрный университет, Ставрополь
ЧЕРНЫШОВ Павел Геннадьевич,
аспирант,
Северо-Кавказский
гуманитарно-
технический
институт,
Ставрополь
ПРИНЯТИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИИ И ПРОГНОЗИРОВАНИЕ ЭКОНОМИЧЕСКОЙ КОНЪЮНКТУРЫ НА КОНКУРЕНТНЫХ РЫНКАХ СЕЛЬСКОХОЗЯЙСТВЕННОЙ ПРОДУКЦИИ
Вопросам принятия оптимальных решений при построении прогнозов на конкурентных рынках в экономической литературе уделяется достаточно много внимания. При этом следует отметить многоцелевой характер и вариабельность критериев оптимальности в реальных экономических ситуациях [1; 2], в качестве которых можно выделить максимизацию прибыли в перспективе; повышение ликвидности; повышение устойчивости за счет увеличения доли собственного капитала; увеличение доли рынка; повышение эффективности использования производственных мощностей; рыночная власть и общественное влияние; обеспечение рабочих мест и пенсий; гарантия независимости; повышение рыночной стоимости предприятия; рост рентабельности собственного капитала и др.
Далеко не все указанные характеристики подлежат формализации и количественному представлению. Кроме того, необходимо решать задачу свертки разнообразных критериев в единый. Тогда оптимизационная задача может быть представлена в виде следующей экономико-математической модели. Положим, что Ъ], ] = \,2,...,т - параметры решения (ограничения), а х,.,г = \,2,...,п - переменные, в терминах которых строится целевая функция. Каждая переменная х связана с ограничениями некоторой функциональной зависимостью /(х,). Тогда задача математического программирования имеет следующий вид.
Найти оптимум целевой функции (максимум или минимум):
при ограничениях
/(Х) < (>)Ь]
(1)
(2)
и положительности численных значений переменных (коммерческих альтернатив).
Вектор усилий, направленных на повышение устойчивости управленческих решений, принадлежит пространству формализации целей для их представления в виде единого критерия, либо в виде группы критериев. Решение надо искать в условиях сложного взаимодействия и получения информации при решении задачи сравнения возможных затрат и переплетения конъюнктурообразующих факторов и их непрерывного изменения во времени. Количество пригодных для экономико-математического моделирования данных мало, они быстро наметившиеся тенденции в динамике.
Конъюнктуре рынка сельскохозяйственной продукции присуща цикличность, временные рамки которой определяются сезонностью товарного производства, особенностями жизненного цикла продукции и инерционностями протекающих процессов. Знание того, насколько тот или иной конъюнктурообразующий фактор связан с экономическим циклом воспроизводства, очень важно для правильного выбора экономического решения.
Устойчивость рыночной системы проявляется в ее инерционности. Так, если влияние факторов велико, то под их воздействием устойчивая система постепенно меняет тенденцию своего развития. В противном случае тенденция остается без ощутимых изменений.
К инерционным системам, подверженным эволюционным изменениям может быть применено моделирование, описывающее их развитие. Большая инерционность приведет к большей адекватности модели и на более длительный период времени, за которым модель будет уже плохо отражать экономическую реальность. Ясно, что управленческое решение, принятое на основе модельного расчета, окажется устойчивым в период адекватности модели. Далее его придется корректировать.
Таким образом, для получения устойчивых управленческих решений необходимо определить инерционность экономических процессов, на этой основе вычислить период оправдывае-мости прогнозов, получить устойчивые оценки экономических показателей, построить модель принятия экономического решения.
Инструментом анализа инерционности и устойчивости экономической конъюнктуры для принятия предпринимательских решений является математический аппарат и статистические ряды динамики. При анализе последних их можно представить суммой некоторой систематической составляющей (средней) и случайных отклонений от нее:
(3)
где / - некоторая неслучайная функция времени, характеризующая детерминированную часть временного ряда, называемая трендом;
,- случайная величина с нулевой средней и дисперсией.
Е,
Структура модели вида (3) является статичной. Именно такого типа временные ряды подходят наилучшим образом для описания рынка сельскохозяйственной продукции, на котором длительных периодов времени не претерпевает качественных изменений. Классифицируя эти ряды и отмечая их нестационарность можно выделить следующие четыре типа.
1. Ряды с тенденцией роста без периодической составляющей, характеризующие долговременную основную закономерность развития исследуемого явления.
2. Периодические ряды, связанные с сезонностью воспроизводственных циклов.
3. Ряды без периодической составляющей и тенденций роста.
4. Случайная компонента, генерируемая множеством случайных факторов.
Прогнозирование экономической конъюнктуры сталкивается с рядом сложностей, заключающихся в невозможности формализованного учета всех разнородных влияющих факторов, слабой математической основе экономической прогностики. Характерными являются предположения о вероятностном характере экономических явлений и о подчинении его нормальному закону распределения. Эти простые предположения часто ведут к низкой оправдываемости прогнозов. Такая методологическая простота далеко не всегда соответствует конъюнктурной практике. Совершенно необходимо строить "веер" адаптивных прогнозов для службы маркетинга и сопровождать их подробным экономическим анализом конъюнктуры. Такой компьютеризированный подход к прогнозированию рынка еще не дотягивает до искусственного интеллекта в полном смысле, но на экспертную систему уже претендует [3]. Представляется, что на краткосрочном временном горизонте,
наиболее важном для рынка сельскохозяйственной продукции, задачи прогнозирования должны решаться именно подобным образом.
Рынок сельскохозяйственной продукции можно охарактеризовать моментальными и интервальными динамическими рядами. К первым относят ряды, компоненты которых характеризуют состояния рынка по временным срезам. Это, например, цены на товары, их перечень и объемы на конкретном рынке. Вторые ряды характеризуют величины на определенный промежуток времени. К ним относятся объемы продаж, спрос, предложение и т.п. Интервальные показатели кумулятивны и наиболее информативны.
При анализе перечисленных и иных величин можно выделить: регулярную составляющую 2/ , обусловленную влиянием конкретных известных факторов хи; случайную составляющую е,, формируемую воздействием случайных факторов; неопределенную составляющую
и,, определяемую факторами, действие которых неизвестно (инновационные процессы). Тогда наблюдаемый показатель представим тремя слагаемыми:
2, = 2П
(4)
Первое слагаемое доминирует в сумме (4). Второе - имеет нулевое математическое ожидание и приближающееся к нормальному распределение. Вместе с тем, в каждый конкретный момент времени его значение может отличаться от нуля. Третье слагаемое содержит ту часть суммы, происхождение которой исследователь пока не может объяснить вследствие нехватки знаний о происходящих процессах. Влияние неопределенной составляющей на динамику экономической конъюнктуры или рядов ее отдельных показателей проявляется лишь в долговременных тенденциях, поэтому оно должно быть учтено при средне- и долгосрочном прогнозировании.
При краткосрочном прогнозировании, играющем определяющую роль для оптимального планирования и управления процессом сбыта сельскохозяйственной продукции, динамика 1 -го и 3-го слагаемых формулы (4) остается практически неизменной. Поэтому основные усилия в области исследования поведения результирующего признака связаны со случайной составляющей е,, для чего могут успешно применяться методы теории вероятностей и математической статистики. Напротив, при составлении средне- и долгосрочных прогнозов упор делается на исследование и выявление тенденций изменения регулярной и неопределенной составляющих, имеющих здесь значительные вариации.
Если анализировать ошибки, возникающие при построении эконометрических моделей прогнозирования, то можно прийти к выводу, что практически каждая из них содержит ошибку инструментария. Почти никогда применяемый ин-
■
151
струментарий не соответствует строго характеру и свойствам исследуемых экономических систем. Наличие такой ошибки во многом определяет размахдисперсии прогнозов, получаемых методами классической эконометрики.
В настоящее время практика краткосрочного прогнозирования экономической динамики базируется на вычислении различного вида скользящих средних. Они учитывают конечное число наблюдений, не меняющееся стечением времени и ростом общего числа наблюдений. Известными недостатками методов скользящих средних являются неопределенность периода усреднения и отсутствие способов выбора весов наблюдений, связанных со свойствами исследуемых процессов. К настоящему времени мировой науке их преодолеть не удалось.
Для прогнозирования спроса на сельскохозяйственную продукцию и построения прогнозов объемов ее реализации предпочтительными являются алгоритмы, в большей степени учитывающие текущие наблюдения, а не прошлые, а также меняющие свою структуру под воздействием новой информации, получаемой д при регистрации очередных наблюдений. Такие о— алгоритмы называются адаптивными. Свежие <£ данные для сельскохозяйственного рынка име-
152 ют большее значение для исследований, чем
ранние наблюдения. Очевидно, что их веса должны удовлетворять условию:
V > Ч-\ > 4—2 > ... > У\. (5)
При этом необходимо, чтобы их сумма равнялась единице. К рассматриваемым задачам применим способ, основанный на экспоненциальном характере задания весов слагаемых следующим сходящимся рядом:
а + а(\ — а) + а (\ — а) +... + а (\ — а) +... (6)
Тогда прогнозное значение спроса (реализации) сельскохозяйственной продукции для момента времени , + \ через все предыдущие наблюдения определится как:
<2,+\ = а2, +а(\—а)0.!—\ +а(\—а)2<2,—2 +... (7) После преобразования получим:
<2,+\ = а2, + (\—а)[а(2,—\ +а(\—а)б,—2 +..] (8) Сумма в квадратных скобках представляет собой предыдущую экспоненциально взвешенную среднюю 2. Тогда окончательно получим рабочую формулу для краткосрочного прогнозирования в виде:
2,=\ = а2, + (\ — а)2,.
(9)
Модель (9) впервые она была предложена и опробована Р. Брауном в 1958 году. Поэтому методы, основанные на экспоненциальном взвешивании наблюдений, получили название методов Брауна. Границы множества определения
параметра сглаживания а определяет применение признака Даламбера в пределах:
0 <а<\. (10)
Численное значение постоянной можно определить по ближайшим ретроспективным данным исходя из минимума ошибки прогноза.
Ряд весов метода Брауна (6) представляет собой геометрическую прогрессию, условием сходимости которой является следующее свойство знаменателя \ —а|(\. Из последнего неравенства следует: 0 < а < 2.
Метод краткосрочного прогнозирования Брауна в силу своей простоты и наглядности, нашёл широкое применение в практике экономического прогнозирования. В модели Брауна прогнозное значение показателя на следующий шаг наблюдения определяется с помощью текущего значения показателя, прогнозного значения показателя на данный шаг наблюдения и параметра сглаживания. Поскольку метод Брауна рассчитан на прогнозирование однородных стационарных процессов, для процессов другого типа возникли его многочисленные модификации. Ключевым параметром метода Брауна является параметр сглаживания, который интерпретируется как параметр, характеризующий степень адаптивности (а = \) или неадап-тивности (а = 0) модели и изменяющийся в пределах от нуля до единицы. Также доказано, что вместо общепринятых пределов от нуля до единицы, параметр должен изменяться в более расширенных пределах - от нуля до двух в соответствии с последним неравенством [4]. На примерах прогнозирования конкретных экономических рядов российской экономики переходного периода было выяснено, что примерно в 30% случаев наилучшие прогнозы получаются, когда постоянная сглаживания находится в запредельном множестве от 1 до 2. Высказана гипотеза о том, что запредельное множество параметров сглаживания является областью эффективного прогнозирования для нестационарных процессов, которая подтверждается рядом примеров. Для окончательного обоснования эта гипотеза требует более тщательного теоретического и эмпирического исследования.
Примечания:
1. Шмален Г. Основы и проблемы экономики предприятия. - М. : Финансы и статистика, 1 996.
- С. 95.
2. Гурнович Т.Г., Торопцев Е.Л., Сергиенко В.С., Агаркова Л.В., Агарков А.В. Развитие предпринимательства на региональном рынке плодоовощной продукции : монография - Ставрополь : Ставролит, 2009. - 172 с.
3. Вайс Г. От хаоса к теории хаоса // Бизнес Уик. - 1993. - № 5. - С. 32-35.
4. Светуньков С. Г. Модели спроса и предложения в пространстве цена-объем-доход. - Ульяновск : УлГУ, 1999. - 181 с.
