CC BY
0
^^WWW^^WW пгппыл i л мп сггтппл т сглилмггг
Jjfyify^^^^ nZUlUWAL SEL1 ипяь CLUlVUMILb_
Научная статья УДК 631
Б01: 10.24412/2227-9407-2024-6-90-100 ББ№ РУЕББ1
Прогнозные параметры стратегического развития зерновой отрасли
Андрей Александрович КутаевМарина Леонидовна Нечаева2
12Нижегородский государственный инженерно-экономический университет, Княгинино, Россия 1 kutaevandrej@yandex. https://orcid.org/0000-0002-3608-1610 2khalyavina.mar@yandex.ru, https://orcid.org/0000-0002-5422-3563
Аннотация
Введение. В современных условиях планирование развития зерновой отрасли на перспективу является важной задачей агробизнеса. От ее решения зависит эффективность развития производства зерна. Значение развития зерновой отрасли для страны определено на уровне государства, но сегодня не принята единая методика прогнозирования показателей производства сельскохозяйственных культур, что свидетельствует об отсутствии целостной системы прогнозирования развития сельского хозяйства. Все это предопределило цель проведения исследования, которая включает разработку сценарных прогнозов ключевых параметров зернопроизводства. Материалы и методы. Методологической составляющей проведенного исследования является комплексное использование методов математического аппарата экономических показателей производства зерновых культур, основанных на одновременном применении тренд-циклических моделей и методов адаптивного прогнозирования. В исследовании рассмотрены труды отечественных ученых, материалы органов исполнительной власти, информация Федеральной службы государственной статистики Российской Федерации и Территориального органа Федеральной службы статистики по Нижегородской области.
Результаты. Разработан алгоритм прогнозирования основных параметров зерновой отрасли, который включает восемь этапов. Благодаря комплексному применению тренд-циклических моделей и методов адаптивного прогнозирования, получены сценарные прогнозы развития исследуемой отрасли как в России, так и в Нижегородском регионе на среднесрочную перспективу. Проведена оценка трендов, описывающих данные временные ряды показателей развития зерновой отрасли, построены прогнозные модели.
Обсуждения. Считаем, что комплексный подход к прогнозированию приводит к получению более точных прогнозов, а применение как сложных, так и простых методов делает предложенный алгоритм доступным для применения в любой сельскохозяйственной организации.
Заключение. Выбор авторами эффективных методов прогнозирования позволяет получить достоверный прогноз развития производства зерна и снизить степень неопределенности в отношении показателей развития зерновой отрасли, влияющих на эффективность ее функционирования: урожайность, валовый сбор, посевные площади, индекс производства зерновых культур.
Ключевые слова: адаптивное прогнозирование, валовый сбор, зерно, зерновая отрасль, индексы производства, посевная площадь, прогноз, сельское хозяйство, сельскохозяйственное производство, трендовый анализ, урожайность
Для цитирования: Кутаев А. А., Нечаева М. Л. Прогнозные параметры стратегического развития зерновой отрасли // Вестник НГИЭИ. 2024. № 6 (157). С. 90-100. БОТ: 10.24412/2227-9407-2024-6-90-100. ББ№ РУБЕБТ
(© Кутаев А. А., Нечаева М. Л., 2024
Контент доступен под лицензией Creative Commons Attribution 4.0 License. The content is available under Creative Commons Attribution 4.0 License.
Вестник НГИЭИ. 2024. № 6 (157). C. 90-100. ISSN 2227-9407 (Print) Bulletin NGIEI. 2024. № 6 (157). P. 90-100. ISSN 2227-9407 (Print)
VWWWWW рргипнл пкнля и птрлгtifra я жпнпмнк'л VWWWWW
¿^¿m^i^^i^^^i^^i^, РЕ! И ОПАЛ ID ПАЯ И ОМГЛСЛЕВАЯ ЭКОНОМИКА
Forecast parameters of strategic development of the grain industry
Andrey A. KutaevMarina L. Nechaeva2
12 Nizhny Novgorod State Engineering and Economic University, Knyaginino, Russia 1 kutaevandrej@yandex.ruB, https://orcid.org/0000-0002-3608-1610 2khalyavina.mar@yandex.ru, https://orcid.org/0000-0002-5422-3563
Abstract
Introduction. In modern conditions, the rationale for the development of the grain industry in the future is an important task of agribusiness. The efficiency of grain production development depends on its decision. The importance of the development of the grain industry for the country is determined at the state level, but today a unified methodology for forecasting crop production has not been adopted, which indicates the absence of a holistic system for predicting the development of agriculture. All this predetermined the purpose of the study, which includes the development of scenario forecasts of key parameters of grain production.
Materials and methods. The methodological basis of the study is the integrated use of the methods of mathematical apparatus of the main economic indicators of grain production, based on the simultaneous use of trend-cyclic models and methods of adaptive forecasting. The study examined the works of domestic scientists, materials from executive authorities, information from the Federal State Statistics Service of the Russian Federation and the Territorial Body of the Federal Statistics Service for the Nizhny Novgorod Region.
Results. Algorithm for forecasting basic parameters of the grain industry is developed, which includes eight stages. Due to the joint application of trend-cyclic models and adaptive forecasting methods, scenario forecasts of the development of the industry under study were obtained, both in Russia and in the Nizhny Novgorod region for the medium term. Trends describing these time series of indicators of the development of the grain industry were assessed, forecast models were built.
Discussions. We believe that an integrated approach to forecasting leads to more accurate forecasts, and the use of both complex and simple methods makes the proposed algorithm available for use in any agricultural organization. Conclusion. The selection of effective forecasting methods by the authors makes it possible to obtain a reliable forecast of the development of grain production and reduce the degree of uncertainty regarding the indicators of the development of the grain industry that affect the efficiency of its functioning: yield, gross harvest, acreage, grain production index.
Keywords: agriculture, agricultural production, grain, grain industry, forecast, trend analysis, adaptive forecasting, sown area, yield, gross harvest, production indices
For citation: Kutaev A. A., Nechaeva M. L. Forecast parameters of strategic development of the grain industry // Bulletin NGIEI. 2024. № 6 (157). P. 90-100. DOI: 10.24412/2227-9407-2024-6-90-100. EDN: FVEEDI
Введение
Производство зерна является стратегической отраслью экономики большинства стран мира. В нашей стране производство зерновых культур в достаточном количестве и соответствующего качества напрямую обеспечивает продовольственную безопасность и независимость государства в целом. От успешного функционирования зерновой отрасли зависит работа смежных отраслей сельского хозяйства, прежде всего животноводства, перерабатывающей промышленности, а также формирование внутреннего и внешнего рынка ресурсов продовольствия, развитие сельских территорий.
В принятой Правительством Российской Федерации Доктрине продовольственной безопасности страны развиты положения по уровню самообеспечения отечественным производством зерна в пределах 95 % в общем объеме зерновых ресурсов1.
Эффективность развития зерновой отрасли напрямую зависит от биоклиматического потенциала территории, технологического потенциала организации, рационального использования трудовых и материально-технических ресурсов. Но все больше на производство сельскохозяйственной продукции оказывают влияние трудно прогнозируемые изменения экзогенной внешней среды: конфликты, кри-
^^WWW^^WW nrrinwл i л мп сггтппл т сглилмггг
Jjfyify^^^^ nZUlUWAL SEL1 ипяь CLUWUMILb_
зисы, санкции и геополитическая напряженность. Аграриям приходится учитывать изменения, связанные с глобализацией продовольственных систем, усилением конкуренции на продуктовых и сырьевых рынках, внедрение нового технологического уклада и прочие объективные факторы. В связи с этим важно больше внимания уделять вопросам планирования развития сельского хозяйства в стране в разрезе его отраслей производства на всех уровнях управления: государственном, региональном, конкретного экономического субъекта.
Гипотеза исследования заключается в следующем: реализация прогнозирования основных параметров стратегического развития зерновой отрасли возможна на основе применения математического аппарата. Цель исследования: формирование показателей сценарных прогнозов стратегического развития зерновой отрасли.
Для проведенного исследования авторы использовали следующие источники: труды отечественных ученых, информацию сайтов Правительства России, Федеральной службы государственной статистики Российской Федерации и Территориального органа Федеральной службы статистики по Нижегородской области, Министерства сельского хозяйства Российской Федерации.
Теоретические основы исследования и планирования развития производства зерна и зерновых культур в России рассмотрены в трудах А. И. Алтухова [1], И. Г. Генералова[2], С. О. Сиптиц [3], В. П. Заикина [4], Э. Н. Крылатых [5], С. В. Куксина [6], Е. Г. Никитенко [7], А. Г. Прудникова [8], А. В. Сидоренко [9], С. А. Жидкова [10], С. А. Суслова [11], Е. А. Семина [12].
Основная задача агробизнеса в современных условиях состоит в определении степени использования ресурсного потенциала отрасли и проведения его комплексной оценки. Если провести расчет конечного результата производства зерна и соотнести с размером используемого потенциала, то возможно оптимизировать структуру потенциала и принимать управленческие решения по его дальнейшему наращиванию [13].
Следует отметить, что рассмотренные нами авторы, занимающиеся вопросами прогнозирования производства зерна, рассматривали решение проблемы повышения эффективности зерновой отрасли и конкурентоспособности всего аграрного производства. Безусловно, это непосредственно связано с повышением урожайности произведенных зерновых культур и увеличением объемов их производства.
Большинство ученых применяли методы прогнозирования показателя урожайности как основополагающего для обеспечения устойчивости агропромышленного комплекса [14; 15; 16].
По-нашему мнению, в современных условиях качественное проектирование площади посевов сельскохозяйственной продукции, урожайности, валового сбора по видам полученной продукции с учетом индексов развития отрасли растениеводства в текущем периоде позволит повысить эффективность отрасли.
Материалы и методы
Анализ экономической литературы позволяет утверждать, что сегодня не принята единая методика прогнозирования производства сельскохозяйственных культур, не определены сроки разработки и представления прогнозов на различных уровнях управления. При исследовании использовались общенаучные и специальные методы: анализ, сравнение, статистический, анализ тренд-циклических моделей, метод адаптивного прогнозирования.
На наш взгляд, исследование взаимосвязи между показателями урожайности зерновых культур и ее определяющими факторами или показателями: площадь посевов, валовый объем производства зерновых культур, индекс производства имеет ключевое значение при стратегическом планировании зернового хозяйства в современных условиях и обеспечении эффективности как отрасли, так и функционирования всей аграрной сферы. Отметим особенности выбранных нами показателей для прогнозирования развития зерновой отрасли:
- показатели обладают большой инерцией (возрастание и убывание);
- временные ряды отличаются сильными колебаниями;
- их нельзя прогнозировать на основе аналитического выравнивания;
- в рядах динамики урожайности, валового сбора зерновых культур имеют место наличие циклов различной продолжительности, что находит подтверждение в трудах ученых С. А. Суслова, И. Г. Генералова [17];
- невозможность четкой идентификации характера взаимодействия циклов и определения, в какой фазе цикла и в какой момент наблюдения находится процесс производства исследуемых культур [18; 19; 20].
В связи с вышеизложенным, авторами была принята гипотеза о целесообразности разработки прогнозных сценариев развития производства зерна
WW^WW^V рргмпнд пкн&я iiптрдг птдя яwnнпмикд
РЕ! И ОПАЛ ID ПАЯ И 01 РАСЛЕРАЯ ЭКОНОМИКА
с одновременным использованием комплекса методов прогнозирования: трендового и адаптивного. Эти методы представляют собой систему экономико-математических моделей, связанных между собой исходя из логики исследования эффективности развития зерновой отрасли.
Совместное применение данных методов позволяет увеличить уровень достоверности и объективности анализа имеющейся информации и вероятность наступления сценарных прогнозов как по России, так и отдельно по Нижегородскому региону. Преимущество выбора методов экономико-статистического моделирования объясняется тем, что их применение актуально для прогнозирования сельскохозяйственного производства на средне-
срочный период развития (1-10 лет), что особенно важно учитывать в условиях меняющейся рыночной конъюнктуры зернового сектора экономики страны.
Применение трендовых моделей прогнозирования базируется на предположении, что растениеводство сохранит тенденции развития сельского хозяйства на прогнозируемый период 2024-2031 гг. Адаптивные методы позволяют учитывать информационную ценность временного ряда и обеспечивать моделирование тенденций в каждый момент времени для производства сельскохозяйственной продукцией с ярко выраженной цикличностью. В таблице 1 представлен алгоритм прогнозирования основных параметров зерновой отрасли.
Таблица 1. Алгоритм прогнозирования основных параметров зерновой отрасли Table 1. Algorithm for forecasting the main parameters of the grain industry
Перечень и название этапов / List and name of the stages Характеристика / Characteristic Модель, инструменты / Model, tools
1 2 3
Первый - подготовительный / The first one is preparatory
Второй - формирование целей и задач прогнозирования, периода прогнозирования / The second is the formation of goals and objectives of forecasting, the forecasting period
Проведение системного анализа развития отрасли растениеводства с определением наиболее значимых факторов (свойств) и установлении их взаимодействия / Conducting a systematic analysis of the development of the crop industry with the identification of the most significant factors (properties) and the establishment of their interaction Цель прогнозирования - обоснование и разработка практических рекомендаций по совершенствованию способов прогнозирования зерновых культур. Задачи прогнозирования - провести прогнозные расчеты основных параметров зернового хозяйства России, Нижегородского региона: посевных площадей, валового сбора, урожайности зерна и зернобобовых культур / The purpose of forecasting is to substantiate and develop practical recommendations for improving methods of forecasting grain crops The tasks of forecasting are to carry out forecast calculations of the main parameters of the grain industry in Russia, the Nizhny Novgorod region: acreage, gross harvest, grain yield and leguminous crops
Основные методы экономико-статистического анализа: наблюдение, табличный метод, сводка и группировка, абсолютные и относительные величины / The main methods of economic and statistical analysis: observation, tabular method, summary and grouping, absolute and relative values
На основе исходных данных и информационных источников экономического субъекта определяется период прогнозирования. Период прогнозирования - среднесрочный (2024-2031 гг.).
! REGIONAL AND SECTORAL ECONOMICS
Окончание таблицы 1 / End of table 1
1
2
3
Третий - определение основных переменных, оказывающих влияние на эффективность зерновой отрасли / The third is to identify the main variables that affect the efficiency of the grain industry Четвертый - обработка статистических данных / The fourth is the processing of statistical data
Пятый - аналитический листинг результатов / The fifth is an analytical listing of the results
Шестой - изучение тенденций производства зерна путем построения линии тренда для определения точности прогноза и аппроксимации / The sixth is the study of grain production trends by building a trend line to determine the accuracy of the forecast and approximation Седьмой - выбор адаптивных методов
прогнозирования / The seventh is the choice of adaptive forecasting methods
Общие показатели развития зерновой отрасли / General indicators of the grain industry development
Проведение анализа / Conducting an analysis
Изучение взаимосвязи между переменными и оценка их влияния на конечный результат / Studying the relationship between variables and assessing their impact on the final result Построение трендов, аппроксимация циклических компонентов / Trend building, approximation of cyclic components
Восьмой - анализ сезонных колебаний производства зерна / The eighth is the analysis of seasonal fluctuations in grain production Источник: составлено авторами
Результаты
Исследование динамики показателей развития отрасли растениеводства и прогнозирование производится с использованием математического аппарата. Временной ряд представлен ключевыми показателями, характеризующими отрасль растениеводства. В качестве тестового периода взят временной ряд с 2011 года.
Анализ источников экономической литературы, экспертная оценка / Analysis of sources of economic literature, expert assessment
Инструмент - пакет статистической программы / The tool is a package of a statistical program
Расчет коэффициента вариации, дисперсии, определение числа факторов / Calculating the coefficient of variation, variance, determining the number of factors
1. Средняя абсолютная ошибка (%) / Average absolute error (%).
2. Среднее абсолютное отклонение (%) / Average absolute deviation (%).
3. Среднеквадратичное отклонение / Standard deviation
Использование для прогнозирования временных рядов, в структуре данных которых есть сложившейся тренд и сезонность / The use of time series for forecasting, in the data structure of which there is an established trend and seasonal-ity
Определение направлений управления производством зерна и принятием управленческих решений / Determining the directions of grain production management and management decision-making
Применение метода экспоненциального сглаживания с трендом и сезонностью Хольта - Винтерса. Визуальный анализ и оценка уравнения тренда / Application of exponential smoothing method with Holt-Winters trend and seasonality. Visual analysis and evaluation of the trend equation Прогноз основных компонентов производства зерна на период 20242031 гг. / Forecast of the main components of grain production for the period 2024-2031
Исследование данных временных рядов проводилось с использованием методов: трендовый анализ, простые скользящие средние, простое экспоненциальное сглаживание, метод Хольта, метод Винтерса. Был применен пакет статистической программы. В таблице 2 представлены сводные прогнозные показатели развития зерновой отрасли России и Нижегородской области на период 2024-2031 гг.
РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА ]
Таблица 2. Сводная таблица прогнозных показателей зерновой отрасли РФ и Нижегородской области Table 2. Summary table of forecast indicators of the grain industry of the Russian Federation and Nizhny Novgorod region
Темп
Показатель / Indicator 2011 г. 2024 г. 2025 г. 2026 г. 2027 г. 2028 г. 2029 г. 2030 г. 2031 г. роста, % / Growth rate, %
Посевная площадь зерна и зерновых культур / The sown area of grain and grain crops
Валовый сбор зерна и зерновых культур / Gross harvest of grain and grain crops
Урожайность зерна и зерновых культур / Productivity of grain and grain crops
Индекс производства зерна и зерновых культур / Index of grain and grain production
РФ
(млн га)
НО
(тыс. га)
РФ
(млн га)
НО (тыс. га)
РФ
(млн т)
НО
(тыс. т)
РФ
(млн т)
НО (тыс. т)
РФ
НО
РФ НО
РФ
(млн т)
НО
(тыс. т)
Простое экспоненциальное сглаживание / Simple exponential smoothing 43,2 46,1 46,1 46,1 46,1 46,1 46,1 46,1 46,1
Метод Винтерса / The Winters method 612,5 550,4 559 563,4 562,1 553,6 562,3 566,7 565,4 Трендовый - квадратическая / Trending - quadratic 47,1 47,1 47,1 47,1 47,0 46,9 46,8
43,2
46,7
612,5 594,9 598,6 602,2 605,9 609,5 613,27 616,9 620,6
Метод Хольта / Holt's method
94,2 155,3 160,8 166,3 171,8 177,3 182,8 188,3 193,8
Метод Хольта / Holt's method 1927 3
1301,8 1687 1767,1 1847,2 2 , 2007,4 2087,5 2167,6 2247,7 Трендовый - квадратическая / Trending - quadratic
106,8
92,31
108,2 101,3
205,8
172,7
94,2 153,6 158,7 163,7 168,8 173,7 178,6 183,5 188,4 200,0
1301,8 1929,7 2102,1 2290,3 2494,3 2714,2 2950,0 3201,6 3469,1 266,5
Метод Хольта / Holt's method
22,4 32,7 33,7 34,6 35,6 36,6 37,6 38,5 39,5
Метод Винтерса / / The Winters method
21,4 25,8 25,0 28,1 27,3 27,9 27,0 30,4 29,5
Трендовый - квадратическая / Trending - quadratic
22,4 32,8 33,9 34,9 36,0 37,1 38,2 39,4 40,5
21,4 28,8 30,3 31,8 33,5 35,3 37,2 39,2 41,3 Простые скользящие средние / Simple Moving Averages
109,5 109,5 109,5 109,5 109,5 109,5 109,5 109,5
Простые скользящие средние / Simple Moving Averages
114,42 114,42 114,42 114,42 114,42 114,42 114,42 114,42 55555555 Трендовый - квадратическая / Trending - quadratic
176,6
138,1
181,1 193,3
РФ
(млн т)
НО (тыс. т)
Источник: составлено авторами'
134,7 145,7 158,2 172,2 187,8 204,9 223,5 243,6
182,9 212,3 245,8 283,4 325,0 370,7 420,5 474,3
^^WWW^^WW пгппыл i л мп сггтппл т сглилмггг
nZUlUWAL SEL1 ипяь CLUlVUMILb_
Обсуждение
По завершении исследования необходимо проверить, насколько каждый метод надежен и применим к рассматриваемой проблеме. Использованный двухпараметрический метод Хольта как ключевой вариант экспоненциального сглаживания. Данный метод был разработан в 1957 году Хольтом. Особенностью его применения является то, что должна присутствовать линия тренда. При этом учитывается локальный линейный тренд, присутствующий во временных рядах таких показателей, как валовый сбор и урожайность в РФ; валовый сбор в Нижегородской области.
Использование трехпараметрической, линейной и сезонной модели экспоненциального сглаживания применим, если в структуре данных присутствуют сезонные колебания, тогда как для уменьшения ошибок прогнозирования применяют модель
Источник: составлено авторами
Интерпретация результатов проведенного анализа: визуальный анализ графиков ряда показывает, что по всем показателям наблюдается рост, за исключением посевной площади в Нижегородской области, которая имеет тенденцию к снижению.
В Нижегородской области наименьшие посевные площади зерновых культур отмечались в 2014 г., они составили 529 тыс. га. За период с 2011 по 2014 год среднегодовое производство зерна в регионе составило 1071,8 тыс. тонн. За этот период в 2011 году был получен рекордный урожай зерна (1302 тыс. тонн). В 2011 в структуре производства зерна наибольшие объемы приходились на пшеницу (518,5 тыс. тонн или 45,7 %). Начиная с 2008 г. в регионе снижается площадь посевов зерновых культур и валовый сбор.
Во многом это авторы объясняют неблагоприятными погодными условиями. Причиной тому мо-
Винтерса, предложенную в 1960 г. Этот подход является расширением метода Хольта [20]. Для учета сезонных колебаний здесь задействуется дополнительное уравнение, которое нашло отражение в показателях посевной площади, урожайности в Нижегородской области.
Изучение тенденций изменения отобранных показателей в зерновой отрасли включало следующее: на основе трендового анализа проведена в статистической программе оценка закономерностей и зависимостей, получены модели, которые в будущем могут быть основой прогнозирования тенденций. Основная задача трендового анализа сводится к оценке тренда и построению прогнозных моделей.
В таблице 3 представлены уравнения трендов, описывающих данные временные ряды показателей развития зерновой отрасли.
t2 t2
•t2
гут быть общие тенденции снижения посевных площадей сельскохозяйственных культур в Приволжском федеральном округе за период 2008-2014 гг. Экономист Суслов С. А. в своих трудах обосновал цикличность производства зерна в Нижегородском регионе [11]. Так Игошин А. Н., исследуя зерновое производство региона за период с 1965 по 2011 гг., укрупнил рассматриваемые интервалы до пяти лет и выявил следующие особенности цикличности производства в области: подъем (пик) цикла относится к середине восьмидесятых годов XX века, а падение (дно цикла) - середина двухтысячных годов XXI века [14].
Заключение
Проведенное исследование подтвердило гипотезу авторов о применении одновременного использования комплекса методов прогнозирования: трен-дового и адаптивного для производства сельскохо-
Таблица 3. Статистическое прогнозирование развития зерновой отрасли по уравнению трендов Table 3. Statistical forecasting of grain industry development by trend equation
Показатель / Indicator
Уравнение тренда / Trend equation
Российская Федерация / Russian Federation
Нижегородская область / Nizhny Novgorod region
- для посевной площади / for the acreage
- для валового сбора / for the gross harvest
- для урожайности / for productivity
- для индекса производства / for the production index
Yt = 43,8977 + 0,414710 t -
- 0,0132617 t2
Yt = 77,8455 + 5,71094 t -
- 0,0212288 t2
Yt = 19,7636 + 0,828671 t +
+ 0,00769231 t2 Yt = 141,211 - 11,1380 t + 0,762662 t2
Yt = 605,709 - 22,9788 t + 2,04990
Yt = 1181,66 - 57,5382 t + 7,92687
Yt = 19,7614 - 0,112113 t + + 0,0543207-t2
Yt = 198,507 - 29,6126 t + 2,03569
WW^WW^V рргмпнд nun л я иптрдг птдя яwnнпмикл
РЕ! И ОПАЛЬНАЯ И 01 РАСЛЕВАЯ ЭКОНОМИКА
зяйственной продукции не только зерна, но и других сельскохозяйственных культур в растениеводстве.
Проведенный анализ экономической литературы позволил установить, что разработка прогнозов производства зерна всегда являлась объектом научных исследований. В настоящее время обоснование прогнозов развития зерновой отрасли на перспективу является важной задачей как на уровне экономических субъектов, так и на государственном уровне. Включение в прогнозирование показателя урожайности зерна обусловлено ее влиянием на валовый объем сельскохозяйственного производства и как фактора повышения устойчивости смежных межотраслевых связей, способствующих экономическому росту и эффективности, как зерновой отрасли, так и сопряженных отраслей. Включение прогнозирования показателя валового сбора зерновых культур и применение метода экспоненциального сглаживания с регулируемым трендом валового сбора позволяет исследователям определить параметры зависимости не среднего уровня процесса, а возможность оценить параметры зависимости сложившейся тенденции к крайним наблюдениям. А включение прогнозирования посевных площадей основано на ограниченности сельскохозяйственных ресурсов и на обеспечении соблюдения компромисса двух противоположных теоретических задач функционирования зерновой отрасли:
- максимизации результата (достижение максимального эффекта при заданном уровне затрат в условиях ограниченности ресурсов);
- минимизации затрат, связанных с получением результата (достижение заданного эффекта при минимальных затратах)».
Следует отметить, что прогнозирование посевной площади на период 2024-2031 гг. теоретически достижимое, а реализация задачи повышения роста и эффективности зерновой отрасли вероятно только при наличии определенных земельных ресурсов. В условиях ограниченности ресурсов важное значение отводится оптимизации текущих затрат, снижению себестоимости произведенной продукции. Это возможно в результате применения высокоэффективных ресурсосберегающих технологий, внедрения элементов точного земледелия, цифрови-зации отрасли растениеводства в целом. Включение в прогнозирование показателя индекса производства зерна основано на возможности построения качественных трендовых моделей динамических рядов относительных показателей и получение адекватных прогнозов.
Полученные результаты имеют большое значение для стратегического развития зерновой отрасли. Научно обоснованный подход по применению нескольких методов прогнозирования ключевых параметров производства зерна дает возможность получить максимально точный прогноз на перспективу. Поэтому полученные результаты имеют большую точность для выбранного промежутка времени до 2031 г.
Примечания:
1 Официальный сайт Правительства Российской Федерации [Электронный ресурс]. Режим доступа: http ://government.ru/
2 Официальный сайт Министерства сельского хозяйства Российской Федерации [Электронный ресурс]. Режим доступа: https://mcx.gov.ru/
3 Официальный сайт Федеральной службы государственной статистики Российской Федерации [Электронный ресурс]. Режим доступа: https://rosstat.gov.ru/
4 Официальный сайт Территориального органа Федеральной службы статистики по Нижегородской области [Электронный ресурс]. Режим доступа: https://52.rosstat.gov.ru/
СПИСОК ИСТОЧНИКОВ
1. Алтухов А. И. Проблема повышения качества пшеницы в стране требует комплексного решения // Вестник Курской государственной сельскохозяйственной академии. 2020. № 2. С. 32-39. EDN PHACEU.
2. Генералов И. Г. Формирование интегрального показателя стратегического развития производства зерна // Агропродовольственная политика России. 2024. № 1 (109). С. 2-8. EDN BXBMOU.
3. Сиптиц С. О. Модельные оценки влияния на урожайность зерновых и зернобобовых культур в регионах России // Проблемы прогнозирования. 2021. № 2. С. 75-85. DOI 10.1134/S1075700721020040. EDN CXVXSU.
^^WWW^^WW пгппы л i л мп сггтппл т сглилмггг
nZUlUWAL SEL1 ипяь CLUWUMILb_
4. Кирилов М. Н., Генералов И. Г., Заикин В. П. Инновационная инфраструктура региона и направления технологического развития зернового хозяйства // Инновационное развитие экономики. 2021. № 6 (66). С. 19-25. EDN HSHZWT.
5. Крылатых Э. Н. Теоретико-методологические основы изучения современной агроэкономической интеграции // Никоновские чтения. 2010. № 15. С. 3-6. EDN OCPBZR.
6. Сурдин А. Н., Куксин С. В. Разработка комплекса маркетинга зерна на предприятии АПК // Финансовый вестник. 2021. № 3 (54). С. 57-62. EDN FMLRRQ.
7. Никитенко Е. Г. Прогностические методы в управлении производством зерновых культур // Экономический анализ: теория и практика. 2011. № 42 (249). С. 54-59. EDN OIVLKZ.
8. Прудников А. Г. Проблемы среднесрочного прогноза урожайности и возможности эффективного их решения при производстве // Экономика, труд, управление в сельском хозяйстве. 2019. № 11. С. 56-62. DOI 10.33938/1911-56. EDN BROEHY.
9. Сидоренко О. В. Экономическое обоснование зонального размещения производства зерновых культур в зависимости от природно-климатических условий региона // Вестник аграрной науки. 2018. № 1 (70). С. 81-87. DOI 10.15217/issn2587-666X.2018.1.81. EDN YQMYMZ.
10. Жидков С. А. Обоснование периодизации и стратегических прогнозов развития рынка зерна в России // Вестник российской сельскохозяйственной науки. 2020. № 1. С. 9-13. DOI 10.30850/vrsn/2020/1/9-13. EDN LKCCYV.
11. Суслов С. А. Совершенствование государственной поддержки производства зерна на основе результатов сценарных прогнозов // Московский экономический журнал. 2022. Т. 7. № 6. EDN GMEZZA.
12. Буховец А. Г., Семин Е. А., Горностаев А. К. О новых подходах к прогнозированию урожайности зерновых культур // Современная экономика: проблемы и решения. 2023. № 2 (158). С. 8-19. DOI 10.17308/meps/2078-9017/2023/2/8-19. EDN QGJBJO.
13. Суслов С. А., Кутаева Т. Н., Нечаева М. Л., Кутаев А. А., Шкилев Н. П. Применение факторного анализа для оценки потенциала развития зерновой отрасли // Экономический анализ: теория и практика, 2023. Т. 22. Выпуск 7. С. 1204-1223. DOI 10.24891/ea.22.7.1204. EDN COILWI.
14. Заикин В. П., Игошин А. Н., Мартьянычев А. В., Шамин А. Е., Черёмухин А. Д. Современные и исторические аспекты отечественного производства зерна // Азимут научных исследований: экономика и управление. 2020. Т. 9. № 4 (33). С. 145-150. DOI 10.26140/anie-2020-0904-0031. EDN NJNGEW.
15. Нечаева М. Л. Стратегические ресурсы устойчивого развития сельского хозяйства // Вестник НГИЭИ. 2024. № 1 (152). С. 103-113. DOI 10.24412/2227-9407-2024-1-103-113. EDN HOQDXM.
16. Петухова М. С. Прогнозирование валового сбора зерна в Новосибирской области с учетом технологического развития // Экономика и бизнес: теория и практика. 2019. № 8. С. 132-134. DOI 10.24411/2411-04502019-11128. EDN XHQSNS.
17. Генералов И. Г. Методический подход краткосрочного прогнозирования производства зерна в регионе // Азимут научных исследований: экономика и управление. 2019. Т. 8. № 4 (29). С. 123-126. DOI 10.26140/anie-2019-0804-0025. EDN KHHWLP.
18. Глечикова Н. А., Назаров И. В. Статистическое прогнозирование урожайности зерновых культур на основании изучения динамического ряда // Международный технико-экономический журнал. 2011. № 4. С. 79-82. EDN MYEQNY.
19. Смагин Б. И. Некоторые вопросы прогнозирования зернового производства в регионе // Вестник Мичуринского государственного аграрного университета. 2020. № 2 (61). С. 154-160. EDN CTIVBC.
20. Горпинченко К. Н. Особенности прогнозирования производства зерна // Экономика сельскохозяйственных и перерабатывающих предприятий. 2012. № 4. С. 46-49. EDN OWIVIL.
Дата поступления статьи в редакцию 14.03.2024; одобрена после рецензирования 17.04.2024;
принята к публикации 18.04.2024.
Информация об авторах: А. А. Кутаев - аспирант, Spin-код: 7127-9501;
М. Л. Нечаева - к.э.н., доцент кафедры «Бухгалтерский анализ, учет и аудит» Spin-код: 9160-6952.
VWWWWW рргипнд пкнля и птрдг/ifra я жпипмикд VWWWWW
РЕ1 ИОПАЛ ID ПАЯ И ОМГАСЛЕВАП ЭКОНОМИКА
Заявленный вклад авторов: Кутаев А. А. - поиск материалов и обработка материалов.
Нечаева М. Л. - анализ и дополнение текста статьи, подготовка окончательного варианта статьи.
Авторы заявляют об отсутствии конфликта интересов.
REFERENCES
1. Altukhov A. I. Problema povysheniya kachestva pshenicy v strane trebuet kompleksnogo resheniya [The problem of improving the quality of wheat in the country requires a comprehensive solution], Vestnik Kurganskoj gosudarstvennoj sel'skohozyajstvennoj akademii [Bulletin of the Kurgan State Agricultural Academy], 2020, No. 2, pp. 32-39, EDN PHACEU.
2. Generalov I. G. Formirovaniye integral'nogo pokazatelya strategicheskogo razvitiya proizvodstva zerna [Formation of an integral indicator of the strategic development of grain production], Agroprodovol'stvennaya politika Rossii [Agricultural Policy of Russia], 2024, No. 1 (109), pp. 2-8, EDN BXBMOU.
3. Siptitz S. O. Model'nye ocenki vliyaniya na urozhajnost' zernovyh i zernobobovyh kul'tur v regionah Rossii [Model estimates of the impact on the yield of grain and leguminous crops in the regions of Russia], Problemy prognozirovaniya [Forecasting problems], 2021, No. 2, pp. 75-85, DOI 10.1134/S1075700721020040, EDN CXVXSU.
4. Kirilov M. N., Generalov I. G., Zaikin V. P. Innovatsionnaya infrastruktura regiona i napravleniya tekhnolog-icheskogo razvitiya zernovogo khozyaystva [Innovative infrastructure of the region and directions of technological development of grain farming], Innovatsionnoye razvitiye ekonomiki [Innovative development of the economy], 2021, No. 6 (66), pp. 19-25, EDN HSHZWT.
5. Krylatykh E. N. Teoretiko-metodologicheskie osnovy izucheniya sovremennoj agroekonomicheskoj inte-gracii [Theoretical and methodological foundations of the study of modern agro-economic integration], Nikonovskie chteniya [Nikon Readings], 2010, No. 15, pp. 3-6, EDN OCPBZR.
6. Surdin A. N., Kuksin S. V. Razrabotka kompleksa marketinga zerna na predpriyatii APK [Development of a grain marketing complex at the agro-industrial complex], Finansovyj vestnik [Financial Bulletin], 2021, No. 3 (54), pp. 57-62, EDN FMLRRQ.
7. Nikitenko E. G. Prognosticheskie metody v upravlenii proizvodstvom zernovyh kul'tur [Prognostic methods in the management of grain production], Ekonomicheskij analiz: teoriya i praktika [Economic analysis: theory and practice], 2011, No. 42 (249), pp. 54-59, EDN OIVLKZ.
8. Prudnikov A. G. Problemy srednesrochnogo prognoza urozhajnosti i vozmozhnosti effektivnogo ih resheniya pri proizvodstve [Problems of the medium-term forecast of yields and the possibility of effectively solving them in production], Ekonomika, trud, upravlenie v sel'skom hozyajstve [Economy, labor, management in agriculture], 2019, No. 11, pp. 56-62, DOI 10.33938/1911-56, EDN BROEHY.
9. Sidorenko O. V. Ekonomicheskoe obosnovanie zonal'nogo razmeshcheniya proizvodstva zernovyh kul'tur v zavisimosti ot prirodno-klimaticheskih uslovij regiona [Economic justification of the zonal location of grain production depending on the natural and climatic conditions of the region], Vestnik agrarnoj nauki [Bulletin of Agrarian Science], 2018, No. 1 (70), pp. 81-87, DOI 10.15217/issn2587-666X.2018.1.81, EDN YQMYMZ.
10. Zhidkov S. A. Obosnovanie periodizacii i strategicheskih prognozov razvitiya rynka zerna v Rossii [Rationale for periodization and strategic forecasts of grain market development in Russia], Vestnik rossijskoj sel'skohozyajstvennoj nauki [Bulletin of Russian Agricultural Science], 2020, No. 1, pp. 9-13, DOI 10.30850/vrsn/2020/1/9-13, EDN LKCCYV.
11. Suslov S. A. Sovershenstvovaniye gosudarstvennoy podderzhki proizvodstva zerna na osnove rezul'tatov stsenarnykh prognozov [Improving state support for grain production based on the results of scenario forecasts], Mos-kovskiy ekonomicheskiy zhurnal [Moscow Economic Journal], 2022, Vol. 7, No. 6, EDN GMEZZA.
12. Bukhovets A. G., Semin E. A., Gornostaev A. K. O novyh podhodah k prognozirovaniyu urozhajnosti zernovyh kul'tur [On new approaches to predicting the yield of grain crops], Sovremennaya ekonomika: problemy i resheniya [Modern economy: problems and solutions], 2023, No. 2 (158), pp. 8-19, DOI 10.17308/meps/2078-9017/2023/2/8-19, EDN QGJBJO.
Вестник НГИЭИ. 2024. № 6 (157). C. 90-100. ISSN 2227-9407 (Print) Bulletin NGIEI. 2024. № 6 (157). P. 90-100. ISSN 2227-9407 (Print)
^^WWW^^WW nrrinwл i л мп сггтппл т сглилмггг
Jjfyify^^^p^^ nZUlUWAL ¿ELI ипяь CLUlVUMILb_
13. Suslov S. A., Kutaeva T. N., Nechaeva M. L., Kutaev A. A., Shkilev N. P. Primenenie faktornogo analiza dlya ocenki potenciala razvitiya zernovoj otrasli [Application of factor analysis to assess the development potential of the grain industry], Ekonomicheskij analiz: teoriya i praktika [Economic analysis: theory and practice], 2023, Vol. 22, Issue 7, pp. 1204-1223, DOI 10.24891/ea.22.7.1204. EDN COILWI.
14. Zaikin V. P., Igoshin A. N., Martyanychev A. V., Shamin A. E., Cheryomukhin A. D. Sovremennye i is-toricheskie aspekty otechestvennogo proizvodstva zerna [Modern and historical aspects of domestic grain production], Azimut nauchnyh issledovanij: ekonomika i upravlenie [Azimuth of scientific research: economics and management], 2020. VOL. 9, No. 4 (33), pp. 145-150, DOI 10.26140/anie-2020-0904-0031, EDN NJNGEW.
15. Nechaeva M. L. Strategicheskie resursy ustojchivogo razvitiya sel'skogo hozyajstva [Strategic Resources for Sustainable Agricultural Development], Vestnik NGIEI [Bulletin NGIEI], 2024, No. 1 (152), pp. 103-113, DOI 10.24412/2227-9407-2024-1-103-113, EDN HOQDXM.
16. Petukhova M. S. Prognozirovanie valovogo sbora zerna v Novosibirskoj oblasti s uchetom tekhnolog-icheskogo razvitiya [Forecasting of gross grain harvest in the Novosibirsk region, taking into account technological development], Ekonomika i biznes: teoriya i praktika [Economics and business: theory and practice], 2019, No. 8, pp. 132-134, DOI 10.24411/2411-0450-2019-11128, EDN XHQSNS.
17. Generalov I.G. Metodicheskij podhod kratkosrochnogo prognozirovaniya proizvodstva zerna v regione [Methodological approach to short-term forecasting of grain production in the region], Azimut nauchnyh issledovanij: ekonomika i upravlenie [Azimuth of scientific research: economics and management], 2019, Vol. 8, No. 4 (29), pp. 123-126, DOI 10.26140/anie-2019-0804-0025, EDN KHHWLP.
18. Glechikova N. A., Nazarov I. V. Statisticheskoe prognozirovanie urozhajnosti zernovyh kul'tur na osnovanii izucheniya dinamicheskogo ryada [Statistical forecasting of grain yield based on the study of the dynamic series], Mezhdunarodnyj tekhniko-ekonomicheskij zhurnal [International Technical and Economic Journal], 2011, No. 4, pp. 79-82, EDN MYEQNY.
19. Smagin B. I. Nekotorye voprosy prognozirovaniya zernovogo proizvodstva v regione [Some issues of forecasting grain production in the region], VestnikMichurinskogo gosudarstvennogo agrarnogo universiteta [Bulletin of Michurinsky State Agrarian University], 2020, No. 2 (61), pp. 154-160, EDN CTIVBC.
20. Gorpinchenko K. N. Osobennosti prognozirovaniya proizvodstva zerna [Features of grain production forecasting], Ekonomika sel'skohozyajstvennyh i pererabatyvayushchih predpriyatij [Economics of agricultural and processing enterprises], 2012, No. 4, pp. 46-49, EDN OWIVIL.
The article was submitted 14.03.2024; approved after reviewing 17.04.2024; accepted for publication 18.04.2024.
Information about the authors: A. A. Kutaev - graduate student, Spin code: 7127-9501;
M. L. Nechaeva - Ph. D. (Economy), associate professor, Department of Accounting Analysis, Accounting and Audit. Spin-code: 9160-6952.
Contribution of the authors: Kutaev A. A. - search for materials and processing of materials.
Nechaeva M. L. - analysis and addition of the text of the article, preparation of the final version of the article.
The authors declare no conflicts of interests.
