CC BY
5
а ряда регионов - высокой. В числе «узких» мест эффективного наращивания его масштабов следует назвать:
- дефицит инфраструктуры хранения
зерна;
- недостаточность перерабатывающих мощностей в зерновом хозяйстве, обеспечивающих глубокую переработку зерна (на уровне 3-4 переделов);
- отсутствие механизмов гарантированной продажи зерна.
Основным направлением повышения стабильности функционирования агробизнеса России, специализирующегося на зернопроиз-
водстве, является углубление переработки зерна и выход на мировой рынок сухой клейковины.
Источники
1. Ефремов В.А. Стратегия обеспечения устойчивости развития зернового хозяйства // Известия Российского государственного педагогического университета имени А.И. Герцена - СПб. - 2008. - №29.
2. Жидков С.А. Приоритетные направления развития рынка зерна в России. - Мичуринск: изд-во БИС, 2018. - 359 с.
СИСТЕМНЫЙ АНАЛИЗ УСЛОВИЙ РАЗВИТИЯ ПРОИЗВОДСТВА ЗЕРНА НА ЮГЕ НЕЧЕРНОЗЕМЬЯ Логинова Д.А., науч. сотр., Светлов Н.М. , д.э.н., проф., ведущий науч. сотр. РАНХиГС
Представленное ниже исследование мотивировано полемикой (см. [1]) о том, формируют ли неиспользуемые сельхозугодья конкурентные преимущества при развитии производства зерна. Если да - возникает второй вопрос: какие варианты аграрной политики следует предпочесть для использования преимуществ. Разработанная методика направлена на решение этих вопросов применительно к долгосрочной перспективе.
Среди методических приёмов преодоления неопределённости будущего чаще других применяется метод сценариев. Сценарий - это набор предположений, точное выполнение которых привело бы к единственному исходу. Сценарии должны быть осуществимыми (как правило, безотносительно к их вероятности: она обычно неизвестна) и различаться по некоторому оценочному критерию. На втором месте - допущение (характерное, в частности, для форсайта [2]), согласно которому стремление к желаемой картине будущего уменьшает неопределённость динамики изучаемого долгосрочного процесса.
Альтернатива этим способам - принцип «эпистемологической умеренности» Гринбау-ма [3], склоняющий к поиску полного описания «пространства возможностей» для исследуемой перспективы (или хотя бы приближения к нему). Такое описание не подвержено манипулированию путём выбора сценариев или картины будущего. Исследования, признающие этот принцип, направлены на проведение границы между потенциально достижимыми и принципиально недостижимыми состояниями. Их инструментом может служить либо теоретический анализ абстрактных математических моделей, либо системный анализ,
использующий числовые модели [4]. Поскольку первый способ очень требователен к формулировке задачи, мы обращаемся ко второму.
В данном исследовании задача ставится следующим образом: идентифицировать множество траекторий урожайности культур (точнее, выхода товарной продукции с единицы площади), посевных площадей, цен реализации продукции и применения инструментов аграрной политики, максимизирующих дисконтированную выручку от продажи продукции полеводства при заданных зависимостях спроса от цены; цены - от предельных издержек и прямых субсидий; спроса, предельных издержек и урожайности - от применения инструментов политики; при заданных ограничениях на приращение посевов и на годовые объёмы финансирования политики.
В качестве объекта выбрано полеводство сельхозорганизаций Калужской, Тульской и Рязанской областей. Учитываются зерновые, картофель и (агрегированно) остальные полевые культуры. Изучаются пять инструментов политики: поддержка НИОКР, совершенствование управления рисками, поддержка институциональных улучшений, прямые субсидии и средние импортные тарифы на продовольственные товары. Переменные дифференцированы по трём областям, за исключением переменной «финансирование поддержки НИ-ОКР»: она в равной мере влияет на процессы в каждой из трёх областей. Исследуемый временной период: 20 лет «предыстории», когда возможно применение политических инструментов, но их эффект ещё не может проявиться; 25 лет исследуемой перспективы, в течение которой разрешено как применение политики, так и проявление её эффекта; 25 лет «метаи-
стории», включённых в модель для снижения влияния граничных эффектов на период исследуемой перспективы. Периоды «метаисто-рии» и исследуемой перспективы в модели ничем не различаются, но часть траектории, относящаяся к «метаистории», не анализируется. Время в модели дискретное, шаг времени - 1 год.
Параметры модели определяют степень влияния политических инструментов на продуктивность культур, на спрос и на издержки; ограничивают объёмы применения инструментов политики, вовлечения угодий в производство и рост продуктивности культур; задают долю издержек, зависящих от урожайности, и альтернативную стоимость капитала.
Разрабатывая модель, мы стремились следовать принципу Гринбаума, но с рядом оговорок. Во-первых, выбранная целевая функция отражает одну из целей российской аграрной политики [5, ст.5, п.1]. Предполагается (безальтернативно), что политики и впредь будут ориентироваться на эту цель. Во-вторых, мы пренебрегаем возможностью форс-мажорных обстоятельств. В-третьих, исключаем возможность вытеснения продукции полеводства из продовольственного баланса в условиях новой технологической парадигмы. В-четвёртых, временные лаги влияния политических инструментов принимаются одними и теми же во всех проведённых компьютерных экспериментах: их продолжительность составляет от 1 года для влияния импортного тарифа на спрос до 15 лет для влияния поддержки НИОКР на продуктивность культур. В-пятых, считаем, что вплоть до первого применения какого-либо политического инструмента значения переменных не будут меняться во времени, оставаясь на уровне 2015 г. Поскольку нас интересуют приращения исследуемых показателей под влиянием моделируемой политики, такое предположение приемлемо.
Часть параметров модели удалось идентифицировать при помощи опубликованных данных, но 11 параметров остались неопределёнными. В их числе все параметры степени воздействия политических инструментов на издержки, урожайность и площади. Домены патраметров первоначально определены так, чтобы охватить все значения, математически допустимые при выбранной формализации. Затем с помощью предварительных прогонов модели эти домены сужались в тех случаях, когда крайние значения параметров приводили к несовместности системы ограничений, вычислительным ошибкам или к траекториям, заведомо невозможным в реальности. Так сама
структура математической модели послужила источником знаний, уточняющих диапазон возможных значений параметров. В пределах доменов неопределённым параметрам приписаны бета-распределения с модой, на порядок меньшей первоначально выбранной верхней границы домена, и с условием, определяющим дисперсию. Далее генерируется 254 случайных вектора, содержащих значения 11 параметров. Для каждого такого вектора строится оптимальная траектория переменных модели.
При интерпретации полученных решений, в соответствии с принципом Гринбаума, первоочередное значение придаётся вопросу о том, наблюдается ли при компьютерном эксперименте хотя бы одна траектория, обладающая интересующим нас свойством, или нет. Статистические характеристики групп траекторий (частота, медиана и т.п.) отходят на второй план: они зависят от распределений неопределённых параметров, которые достоверно не известны и потому не отвечают требованию «эпистемологической умеренности».
При помощи разработанной методики мы пришли к следующим выводам. Во-первых, как и ожидалось, главный вклад в рост продаж продукции полеводства при оптимальной политике вносит зерно. Во-вторых, под посевы зерна вовлекаются пригодные для этой цели сельхозугодья, которые ранее не использовались или были заброшены. Этот вывод не безусловен: существуют траектории, на которых посевные площади под зерновыми на непродолжительные периоды становятся меньше, чем в 2015 г. Динамика площадей под другими культурами ещё менее определённа: их площади могут как возрастать, так и сокращаться, но в довольно узком диапазоне в сравнении с характерным ростом площадей под зерновыми. Приросты площади посевов, как правило, невелики: их медиана за четверть века составляет около четверти площади неиспользуемых сельхозугодий региона. В-третьих, доминирующим направлением оптимальной политики оказывается поддержка НИОКР, используемая, как правило, в зерновой отрасли. В период «предыстории» найдено лишь три траектории, на которых финансирование НИОКР приостанавливается (всего на один год) в пользу мер по совершенствованию управления рисками. В течение периода исследуемой перспективы доминирование поддержки НИОКР уже не безусловно: в его первый год на 22 траекториях из 254 поддержка НИОКР уступает место прямым субсидиям, а в последнем году обнаруживается уже 73 траектории, на которых финансирование НИОКР себя не оправдывает.
На этих траекториях средства поддержки ближе к концу исследуемой перспективы направляются либо на прямые субсидии, либо (реже) на улучшение управления рисками. Улучшение институтов никогда не получает финансирования: в границах «пространства возможностей» этот инструмент недостаточно эффективен. В-четвёртых, в случаях обращения к протекционистской политике (прямые субсидии, импортные тарифы) оказывается выгодным периодически приостанавливать её для усиления, хотя бы временного, стимулов к снижению издержек производства.
В целом можно заключить, что неиспользуемые сельхозугодья действительно оказываются фактором, содействующим развитию производства зерна, но не безусловно, а только вследствие аграрной политики, направленной преимущественно на поддержку НИОКР. Полученные оценки темпов роста посевных площадей говорят о том, что эту роль неиспользуемые сельхозугодья не утратят и спустя чет-
верть века, если предположения модели останутся в силе.
Полное описание методики приведено в документе [6]. Там же представлены количественные показатели и графики, аргументирующие вышеперечисленные выводы.
Источники
1. Сарайкин В., Узун В., Янбых Р. Оценка российского экспортного потенциала зерна за счёт освоения заброшенных земель // Экономическое развитие России. 2014. №5. С.40-43.
2. Popper R. How are foresight methods selected? // Foresight. 2008. Vol.10. №6. P. 62 - 89.
3. Grinbaum, A. (2010): On epistemological modesty // Philosophica. 2010. Vol. 83. P.139-150.
4. Моисеев Н.Н. Математические задачи системного анализа. М.: Наука, 1981.
5. Федеральный закон «О развитии сельского хозяйства» от 29.12.2006 №264-ФЗ.
6. Отчёт о НИР по теме «Оценка эффективности организации производства зерна на неиспользуемых пахотных угодьях» (промежуточный) / РАНХиГС; Рук. темы Н.М. Светлов. М., 2018.
МЕТОДОЛОГИЧЕСКИЕ ПОДХОДЫ К ОЦЕНКЕ УСТОЙЧИВОГО РАЗВИТИЯ СВЕКЛОСАХАРНОГО ПРОИЗВОДСТВА Карамнова Н.В., д.э.н., проф. Мичуринского государственного аграрного университета
Свеклосахарное производство представляет собой сложную, открытую, динамично развивающуюся, многоцелевую и многоуровневую систему, состоящую из совокупности элементов, образующих структуру, подсистемы микроуровня и комплекса мер обеспечения населения сахаром. Основу устойчивого развития свеклосахарного производства составляет постепенный переход от одного к другому более качественному состоянию на базе экономического роста и влияния факторов внутренней и внешней среды. При этом система сохраняет свои важнейшие свойства и способность выполнять основные цели и задачи, направленные на оптимальное сочетание технико-экономической эффективности и социальной ориентации.[1, а 56]
В условиях системного кризиса актуальным становится проведение комплексного анализа устойчивого развития свеклосахарного производства, с целью позиционирования составляющих его элементов, а также получение достоверной и полной информации обо всех процессах, происходящих в свеклосахарном производстве на основе комплексной разработки методов оценки и системы взаимодополняющих и взаимосвязанных показателей.
Анализ литературных источников позволил обобщить теоретические основы оцен-
ки устойчивого развития аграрной экономики, представленные в трудах А.А. Никонова, А.И. Манелли, П.Д. Половинкина, И.Б. Загайтова, М.М. Юзбашева, В.Р. Боева, И.П. Бойко, В Н. Афанасьева. Экономико-математические модели и методы оценки устойчивости рассматриваются в трудах А.М. Гатаулина, С.Б. Огнивцева, СО. Сиптица, Д.Б. Юдина и т.п. Системный подход к рассмотрению региональных особенностей сельскохозяйственного производства с применением комплексного анализа использовался в исследованиях Г.В. Беспахотного, А.Г. Зельднера, В.А. Клюкача, В.В. Кузнецова, А.В. Петрикова, А.Ф. Серкова и других экономистов-аграрников [2, с.45] .
Однако имеющиеся научные и практические достижения в оценке устойчивого развития аграрного сектора экономики требуют уточнения и дальнейшей системной проработки применительно к свеклосахарному производству. Так, в экономической науке до сих пор нет однозначного подхода к обоснованию методов, показателей и критериев оценки устойчивого развития свеклосахарного производства. Анализ литературных источников показывает, что одни ученые предлагают использовать в качестве критериев устойчивости -валовой доход, другие - чистый доход, третьи - платежеспособный спрос населения на сахар,
