CC BY
11
УДК 330.46 Канд. экон. наук О.В. КОЛЕСНИКОВА
(СПбГАУ, kolesnikova19@mail.ru) Канд. экон. наук Ю.Г. АМАГАЕВА (СПбГАУ, bazarshap@mail.ru)
ПРОГНОЗИРОВАНИЕ ОБЪЁМОВ КОНЕЧНОЙ (ТОВАРНОЙ) ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА РЕГИОНА В ДИНАМИКЕ
Одномерное прогнозирование, сквозное прогнозирование, тренды
Для построения числовых моделей сквозного прогноза развития сельскохозяйственного производства в аграрном секторе экономики региона была использована фактическая информация за 10-летний срок упреждения:
- по численности населения в регионе;
- по объемам конечной (товарной) продукции аграрного сектора экономики региона.
С использованием этих данных был проведен одномерный прогноз населения в регионе на пятилетний срок перспективы. В частности, были:
- построены динамические ряды;
- рассчитаны линейный, логарифмический, экспоненциальный, полиномиальный (II порядка) тренды по каждому динамическому ряду;
- выбраны тренды, лучше отображающие тенденцию изменения показателя (с использованием коэффициентов аппроксимации);
- построены одномерные прогнозы численности на пятилетний срок перспективы с уровнем надежности Р = 0,95.
В каждом конкретном случае исходную информационную базу и срок упреждения прогнозов следует взаимосогласовывать, учитывая имеющуюся информацию об особенностях и специфике изучаемого объекта. По времени упреждения можно классифицировать прогнозы на краткосрочные (на 1 год), среднесрочные (до 5 лет), долгосрочные (более 5 лет).
Прогнозы на разные временные периоды отличаются друг от друга по содержанию и характеру оценок прогнозируемых процессов.
Каждый прогноз на конкретный временной период имеет конкретную статистическую базу. В науке по прогнозированию учитывается правило: срок упреждения не должен превышать третьей части длины базы прогноза. Другими словами, например, краткосрочный одномерный прогноз на один год целесообразно строить на исходной информационной базе не менее чем за 3 года. Для среднесрочного одномерного прогноза на 5 лет информационная база должна включать не менее чем 15-летний период.
Весьма важно и необходимо учитывать взаимосвязь и преемственность временных отрезков, а также временных горизонтов прогнозирования. В одномерном прогнозировании основой долгосрочного прогноза является среднесрочный прогноз, основанный на краткосрочном прогнозировании.
Преемственность целесообразно обеспечивать в динамике путем корректировки (дополнения) динамических рядов. Это может быть реализовано в рамках скользящего прогнозирования. Оно заключается в следующем:
1) строится динамический ряд со всеми недетерминированными показателями;
2) на основе динамического ряда строятся одномерные прогнозы на 1 год перспективы по каждому недетерминированному показателю;
3) в исходную информационную базу включаются одномерные прогнозы;
4) далее на основе, таким образом, расширенного динамического ряда может быть проведено прогнозирование на следующий период перспективы.
Процесс продолжатся до тех пор, пока не закончится период перспективы.
В зависимости от разных временных сроков упреждения имеет место и разная степень надёжности осуществляемых одномерных прогнозов. Если рассматривать надёжность прогнозов с позиции величины ошибки прогнозов, то в найденных краткосрочных, среднесрочных и долгосрочных прогнозах на основе одного и того же динамического ряда будет иметь место разная по величине ошибка прогнозов. При этом краткосрочный прогноз будет иметь гораздо меньшую ошибку, чем среднесрочный и долгосрочный прогнозы.
Отсюда следует, что доверительный интервал краткосрочного одномерного прогноза будет уже доверительным интервалом среднесрочного и долгосрочного прогнозов при одинаково заданной вероятности.
Поэтому задачу одномерного прогнозирования с разными сроками упреждения можно ставить при одинаково задаваемой вероятности или при одинаковой величине (одинаковом размахе) доверительных интервалов.
Следующей немаловажной проблемой, возникающей вследствие рассмотрения прогнозов с точки зрения различных сроков упреждения, является детализация расчетов сквозного прогнозирования.
Если рассматривать сквозной прогноз на достаточно длительный период перспективы, то очевидно, что с увеличением прогнозного периода количество факторов (условий), учитываемых в стандартных модулях оптимизационных моделей, вообще говоря, должно уменьшаться.
Достаточно обоснованным представляется подход, базирующийся на предварительном обосновании главных факторов, учитываемых в оптимизационных моделях комплекса при краткосрочном, среднесрочном и долгосрочном прогнозировании производственных показателей аграрного сектора.
Осуществлять расчет фактического производства конечной (товарной) продукции и его сквозное прогнозирование на перспективу можно с точки зрения разных целевых установок.
Если производится расчет фактического производства конечной (товарной) продукции аграрного сектора экономики или его сквозное прогнозирование на краткосрочную перспективу, то в качестве целевой установки можно использовать различные показатели экономической эффективности.
К их числу можно отнести максимум прибыли, максимум чистого дохода, минимум затрат денежно-материальных средств на производство продукции аграрного сектора и некоторые другие.
Предпочтительным при расчете показателей фактического производства конечной продукции аграрного сектора экономики, а также при сквозном прогнозировании на краткосрочную перспективу является критерий максимум прибыли. Стремление к максимизации прибыли связывается при оптимизационных расчетах с ростом товарной продукции, рациональным использованием производственных фондов, повышением производительности труда и ростом уровня интенсивности ведения сельскохозяйственного производства.
Однако при проведении прогнозных расчетов на среднесрочную и долгосрочную перспективы использование этих показателей в качестве критериев оптимальности представляется проблематичным.
При сквозном прогнозировании развития производства аграрного сектора экономики на среднесрочную и долгосрочную перспективы целесообразно, вообще говоря, не пользоваться целевыми установками, связанными непосредственно с показателями экономической эффективности, выраженными в стоимостной форме. Это связано с тем, что цены на сельскохозяйственную продукцию (как и на продукцию других отраслей материального производства) в условиях рыночных отношений относятся к категории наименее устойчивых и стабильных показателей.
Прогнозирование цен на среднесрочную и долгосрочную перспективы в рамках одномерного прогнозирования, как правило, весьма ненадежно. Здесь следует давать предпочтение целевым установкам, связанным с показателями экономической эффективности, выраженными в натурально-вещественной форме. К таким критериям можно отнести максимум конечной продукции в структуре, соответствующей спрогнозированному спросу на разные виды сельскохозяйственной продукции, минимум затрат труда на производство сельскохозяйственной продукции и другие.
Не исключается также возможность проведения расчетов по разработанной системе моделей и на критериальный комплекс.
Разработка способов и методов, реализующих подобную целевую установку, получила развитие в ряде работ.
Поиск компромиссного решения задачи на критериальный комплекс обычно осуществляется на многограннике предварительно найденных ее решений автономно по каждому критерию, включенному в критериальный комплекс. Однако практическая реализация данного подхода связана со значительным увеличением числа вычислительных операций. Расчет экстремальных значений целевых функций по каждому частному критерию, включенному в критериальный комплекс, равнозначен проведению многовариантных расчетов по подкомплексу оптимизационных моделей.
К числу наименее трудоемких подходов к проведению расчетов на критериальный комплекс с вычислительной точки зрения следует отнести процедуру, при осуществлении которой в моделях-подзадачах нижнего уровня задаются свои частные критерии. Путем проведения автономных расчетов по моделям-подзадачам нижнего уровня определяются экстремальные значения целевой функции частных критериев, которые затем фиксируются в этих моделях в форме ограничений. Оптимизационный расчет в целом по системе моделей осуществляется обычным путем в рамках алгоритмической процедуры итеративного двухуровневого процесса согласования решений моделей в системе. При реализации такого подхода по двухуровневой системе моделей можно получить согласованное решение, направленное на достижение экстремального значения критерия в координирующей модели высшего уровня с учетом требований частных критериев в моделях нижнего уровня.
Тренды, лучшим образом отражающие тенденцию изменения численности населения в исследуемом регионе по годам перспективного периода, как показали исследования, выражаются логарифмическими функциями.
Результаты одномерных прогнозов численности населения в регионе, рассчитанные по этим моделям, представлены в табл. 1.
Т а б л и ц а 1. Одномерные прогнозы численности населения по годам перспективного
периода в регионе (тыс. чел.)
Годы Р=0,95
I 1031,0
II 1032,3
III 1033,6
IV 1034,7
V 1035,8
На основе полученных одномерных прогнозов численности населения по годам перспективы были рассчитаны входные данные для подкомплекса моделей сквозного прогнозирования:
- по объёмам конечной (товарной) продукции аграрного сектора региона, соответствующим фактически достигнутому уровню производства конечной (товарной)
продукции (в среднем за три года), в расчёте на прогнозируемое население региона на 5-летний перспективный срок (табл. 2, 3);
Т а б л и ц а 2. Объёмы конечной (товарной) продукции растениеводства региона, соответствующие фактически достигнутому уроню производства товарной продукции (в среднем за три года), в расчёте на прогнозируемое население региона по годам перспективы (тыс. тонн) Р=0,95
Виды продукции I год II год III год IV год V год
Пшеница 31,40 31,41 31,46 31,49 31,52
Рожь 0,39 0,39 0,39 0,40 0,40
Ячмень 2,64 2,64 2,64 2,65 2,65
Овёс 6,67 6,68 6,69 6,69 6,70
Картофель 1,03 1,03 1,03 1,03 1,03
Овощи 1,37 1,37 1,37 1,37 1,38
Плоды и ягоды 0,23 0,23 0,23 0,23 0,23
Т а б л и ц а 3. Объёмы конечной (товарной) продукции животноводства региона, соответствующие фактически достигнутому уроню производства товарной продукции (в среднем за три года), в расчёте на прогнозируемое население региона по годам перспективы (тыс. тонн) Р=0,95
Виды продукции I год II год III год IV год V год
Говядина и телятина 2,56 2,57 2,57 2,57 2,57
Свинина 0,40 0,41 0,41 0,41 0,41
Мясо птицы 0,23 0,23 0,23 0,23 0,23
Молоко 14,49 14,51 14,53 14,55 14,56
Яйца (тыс. шт.) 0,32 0,32 0,33 0,33 0,33
- по объёмам конечной (товарной) продукции аграрного сектора экономики региона, соответствующим научно обоснованным нормам потребления, в расчёте на прогнозируемое население региона на 5 лет перспективы (табл. 4,5).
Т а б л и ц а 4. Объёмы конечной (товарной) продукции растениеводства региона, соответствующие научно обоснованным нормам, в расчёте на прогнозируемое население региона по годам перспективы (тыс. тонн) Р=0,95
Виды продукции I год II год III год IV год V год
Пшеница 72,17 72,26 72,33 72,43 72,51
Рожь 0,18 0,18 0,18 0,18 0,18
Ячмень 0,69 0,69 0,69 0,69 0,69
Овёс 53,57 23,60 23,63 23,65 23,68
Картофель 1,21 1,21 1,21 1,21 1,21
Овощи 1,43 1,43 1,44 1,44 1,44
Плоды и ягоды 2,82 2,83 2,83 2,83 2,84
Необходимость учёта принципа надёжности при разработке научно обоснованных прогнозов обуславливает переход от разработки системы детерминированных моделей прогнозирования к созданию системы недетерминированных моделей прогнозирования, что
является актуальным направлением дальнейшего повышения качества прогнозов с использованием системного моделирования экономических процессов.
Т а б л и ц а 5. Объёмы конечной (товарной) продукции животноводства региона, соответствующие научно обоснованным нормам, в расчёте на прогнозируемое население региона по годам перспективы (тыс. тонн) Р=0,95
Виды продукции I год II год III год IV год V год
Говядина и телятина 3,08 3,08 3,08 3,09 3,09
Свинина 2,16 2,16 2,16 2,17 2,17
Мясо птицы 1,15 1,15 1,15 1,15 1,15
Молоко 40,42 40,47 40,52 40,56 40,60
Яйца (тыс. шт.) 3,01 3,02 3,02 3,02 3,02
Эти данные в дальнейшем могут быть использованы для количественного выражения целевой функции в координирующей дискретно-динамической модели сквозного прогнозирования развития сельскохозяйственного производства в регионе.
К числу наиболее часто реализуемых целевых установок, используемых в решении задач сельскохозяйственной направленности в системе краткосрочного прогнозирования, можно отнести максимизацию уровня прибыли, максимизацию математического ожидания количеств валовой продукции и ряд других, подобных задач. В нашем исследовании целевая установка была реализована на максимизацию объёмов конечной (товарной) продукции по научно обоснованным нормам из расчёта на количество спрогнозированного населения в регионе, соответствующее каждому году перспективного пятилетнего периода.
В данной модели целевая функция для любого сквозного прогноза (при разном уровне надёжности недетерминированных параметров) предполагает максимально возможный переход в перспективе от фактически достигнутого уровня производства товарной продукции аграрного сектора экономики региона к уровню её производства, определяемого научно обоснованными нормами потребления в расчёте на прогнозируемое в перспективе население в регионе.
Объёмы конечной (товарной) продукции могут рассматриваться как отдельные критерии, с помощью которых можно рассчитать конкретные варианты прогноза по развитию производства аграрного сектора экономики региона.
Разработка сквозных прогнозов развития сельскохозяйственного производства может быть успешно осуществлена с применением системного математического моделирования -метода исследования сложных объектов с использованием системы логически, информационно и алгоритмически взаимосвязанных моделей. В рамках системы моделей имеется возможность совместить модели одномерного прогнозирования недетерминированных параметров при заданных уровнях надёжности с подсистемами моделей сквозного прогнозирования. При таком совмещении повышается качество сквозного прогнозирования различных состояний объекта в будущем. Варианты сквозных прогнозов, рассчитанные по системе моделей с недетерминированными параметрами при разном уровне их надёжности, могут быть использованы для учёта риска в процессе выработки управленческих решений по развитию аграрного сектора экономики [1, 2, 3].
С использованием системы недетерминированных моделей сквозного прогнозирования развития аграрного сектора региона можно осуществлять многовариантные расчёты по сквозному прогнозированию, каждый из которых, при прочих равных условиях, осуществляется с использованием конкретного критерия оптимальности, интересующего исследователя в данный момент.
Результаты выполненных прогнозных расчётов имеют ярко выраженную тенденцию к удовлетворению потребностей населения за счёт своего производства аграрного сектора экономики региона.
Результаты прогнозы по сквозному расчёту представлены в табл.6.
Т а б л и ц а 6. Производство основных видов конечной (товарной) продукции сельского хозяйства региона на одного человека в год по сквозным прогнозам на перспективу
Наименование сельскохозяйственной продукции Производство продукции по научно обоснованным нормам потребления (НОНП) Фактические данные в последний год упреждающего периода I год перспективы II год перспективы III год перспективы IV год перспективы V год перспективы
Зерно, кг 102 80 88 89 92 95 98
Картофель, кг 107 18 54 55 55 56 57
Молоко, кг 390 131 243 245 266 270 278
Мясо, кг 85 46 95 96 96 97 98
Яйцо, шт. 291 33 36 41 60 72 75
По расчётным вариантам сквозных прогнозов развития производства аграрного сектора экономики региона на перспективу обеспечивается рост основных показателей эффективности сельскохозяйственного производства. Результаты сквозного прогнозирования показывают, что в перспективе мы имеем увеличение производительности труда работников аграрного сектора экономики региона.
При таком подходе в каждом варианте сквозного прогнозирования будет обеспечиваться лучшее количественное значение показателя, который фигурировал в целевой функции в качестве критерия оптимальности.
Л и т е р а т у р а
1. Амагаева Ю.Г., Колесникова О.В. Алгоритмическая процедура согласования дискретно-динамических моделей сквозного прогнозирования развития производства агропромышленного комплекса Ленинградской области // Известия МААО. - 2013. - Вып. № 19. - С. 176-179.
2. Пирожкова Ю.Г. Система недетерминированных моделей сквозного прогнозирования развития производства в аграрном секторе экономики региона (на примере Республики Бурятия):Дис... канд. экон. наук /СПбГАУ. - СПб, 2007.
3. Пастернак П.П. Системное моделирование экономических процессов в АПК. - М.: Агропромиздат, 1985. - 176 с.
