CC BY
33
-►
Управление в социальных и экономических системах
УДК 368
А.Ф. Зубков, В.Н. Деркаченко, Д.Л. Анцев
статистический анализ и прогнозирование развития российского рынка страхования
Страхование - это стратегический сектор экономики, особенно в период развития рыночных отношений. Страхование повышает инвестиционный потенциал и дает возможность увеличить состояние и богатство нации.
В последние годы рынок страхования характеризуется снижением числа страховых организаций. Так, если в 2005 г. их было 983, то в 2007 г. - 849, а в 2009 г. - 693 [1].
Снижение числа страховых организаций сопровождалось ростом филиальной сети. Так, с 2005 по 2008 г. число филиалов страховых организаций увеличилось на 8,5 % (426 ед.).
По итогам 2009 г. совокупные страховые взносы составили 977,5 млрд руб., выплаты -734,5 млрд руб. и, соответственно, коэффициент выплат составил 0,75. В 2008 г. коэффициент выплат составил 0,66.
Для Приволжского ФО и Пензенской области в 2008 г. этот коэффициент, соответственно, равен 0,73 и 0,67. Значение этого показателя все еще отстает от соответствующих величин для стран с
развитым рынком страховых услуг, в которых величина коэффициента приближается к 0,9.
В 2009 г. впервые темпы прироста реальных страховых премий на российском страховом рынке имели отрицательную динамику. По официальным данным объем полученных страховых взносов без учета платежей по ОМС упал на 7,5 %. При этом динамика страховой премии практически полностью отражала динамику ВВП (-7,5 и -7,9 % соответственно).
В результате объем российского страхового рынка в 2009 г. составил 513,6 млрд руб. (977,9 млрд руб. с учетом платежей по ОМС), по личным видам страхования (кроме страхования жизни) - 101,8 млрд руб., по имущественным видам страхования (с учетом страхования предпринимательских и финансовых рисков) -277,3 млрд руб., по страхованию ответственности - 26,0 млрд руб.
На рисунке показана динамика страховых взносов с 1999 по 2009 г.
Важным вопросом в исследовании деятель-
1999 2000 2001 2002 2003 2004 2005 2006 2007 2003 2009
Динамика страховых взносов
Страховые взносы без учета платежей по ОМС; (^—) Годовые темпы прироста страховых взносов
Научно-технические ведомости СПбГПУ 2' 2011 ^ Информатика. Телекоммуникации. Управление
ности страховых организации является не только статистический анализ показателей, но и прогнозирование их на перспективу.
Прогноз роста российского страхового рынка должен опираться на общий прогноз экономического развития.
В настоящее время прогнозы, разрабатываемые аналитическими центрами, базируются, в основном, на экспертных оценках.
Наряду с экспертными методами целесообразно использовать математические методы прогнозирования. Одним из таких методов является регрессионный однофакторный и многофакторный анализ [2, 3].
Многофакторная линейная регрессионная модель имеет вид:
У = a0 + al ' X1 + a2 ' X2 + ... + ak ' Xk , (1) где y - показатель, характеризующий систему страхования; x x2, ..., xk- факторы, влияющие на величину показателя.
Построение статистических моделей проводится с использованием пакета прикладных программ «Stadia 6.2» и, в частности, модуля «Множественная линейная регрессия». Он позволяет получить:
коэффициенты регрессионной модели, их стандартные ошибки;
сумму квадратов регрессионной, остаточной и общей дисперсий;
множественный коэффициент корреляции и детерминации;
приведенный коэффициент детерминации; стандартную ошибку модели; расчетные значения критерия Фишера и другие характеристики.
Значимость модели оценивается по критерию Фишера. Расчетное значение критерия Фишера определяется по формуле:
(2)
где Сту - факторная дисперсия; сте- остаточная дисперсия.
Качество модели в целом оценивается через коэффициент детерминации:
2
2 СТ У
R2--2 • -2
(3)
где <з2у - общая дисперсия.
Наряду с множественным коэффициентом детерминации определяется приведенный коэффициент детерминации:
2 _R2{n-\)-k
Кпр -
п-\-к
где п - объем выборки; к - число факторов.
Стандартная ошибка модели определяется по формуле:
Ъ
i-1
n-1-к'
(5)
где Gi = yi - yi; yi - реальное i-е значение показателя; yi - прогнозная оценка i-го значения показателя, полученная по модели.
По минимуму этой ошибки может быть выбрана лучшая модель.
Для прогнозирования показателя во времени могут быть использованы линейные или нелинейные однофакторные модели.
Однофакторная линейная модель имеет вид:
y = а0 + ах ■ t, (6)
где t - время (год, месяц и т. п.).
Примерами нелинейных моделей являются:
y = а0 + а-- lnt; (7)
y = ea0+а- ■t; (8)
y = ao + а ■ -; (9)
t
y--
1
a0 + a1 ■-
1
t
(10)
По статистическим данным, указанным на рисунке (динамика страховых взносов), построена следующая нелинейная модель:
1
y-
0,0007018 + 0,01227
Характеристики модели:
1
(11)
Я = 0,99; Я2 = 0,98; сте = 0,0003561; Г = 865,9. Сравнение расчетного значения критерия Фишера с табличным показало, что модель является значимой.
По этой модели получен прогноз страховых взносов: 2010 г. - 577,9 млрд руб.; 2011 г. -605,4 млрд руб.
Основные факторы, оказавшие влияние на динамику взносов в различных видах страхования в 2009 г.:
падение производства и снижение объемов кредитования;
сокращение доходов населения;
t
Таблица 1
Данные по страховым премиям на душу населения и значения факторов по РФ
Федеральный округ у/г дс,, тыс. руб. » тыс. руб. тыс. руб.
Центральный 1,726 19,116 20,665 4,518
Приволжский 0,561 12,350 13,209 4,298
Северо-Западный 0,835 15,052 19,936 5,197
Южный 0,321 10,874 11,733 4,119
Уральский 1,083 18,725 21,826 4,827
Сибирский 0,581 12,856 15,381 4,542
Дальневосточный 0,472 15,622 20,778 5,389
ослабление курса рубля и инфляция; изменения в законодательстве, касающиеся обязательных и вмененных видов страхования [4].
Логический и корреляционный анализ показал, что на такие виды страхования, как страхование жизни (у^ и личное страхование (у2) существенное влияние оказывают факторы:
среднедушевые денежные доходы населения в месяц - х1;
среднемесячная номинальная начисленная за-
работная плата - х2;
средний размер назначенных пенсий - х3. Для построения многофакторной модели с целью прогнозирования страховых премий по страхованию жизни и личному страхованию (У = У1 + У2) по РФ и регионам Приволжского ФО использовались статистические данные, приведенные в табл. 1 и 2.
При этом, в качестве, показателя рассматривалось отношение у / г , где г - численность на-
Таблица 2
Данные по страховым премиям на душу населения и значения факторов
по Приволжскому ФО
Регион у/г тыс. руб. ' тыс. руб. тыс. руб.
Республика Башкортостан 0,490 14,252 14,084 4,232
Республика Марий Эл 0,191 7,843 10,534 4,046
Республика Мордовия 0,249 8,384 10,530 4,090
Республика Татарстан 0,860 14,180 14,904 4,316
Удмуртская Республика 0,580 9,581 12,153 4,401
Чувашская Республика 0,254 8,593 11,146 4,057
Пермский край 0,788 16,119 14,774 4,464
Кировская область 0,343 10,112 10,971 4,401
Нижегородская область 0,705 13,090 13,467 4,436
Оренбургская область 0,446 10,184 12,087 4,152
Пензенская область 0,178 10,172 11,723 4,195
Самарская область 0,714 15,805 14,674 4,435
Саратовская область 0,537 9,061 12,008 4,191
Ульяновская область 0,238 9,756 10,895 4,191
Научно-технические ведомости СПбГПУ 2' 2011 Информатика. Телекоммуникации. Управление
Таблица 3
Модели и прогнозные значения концентрации объема страхования премий ТОП компаний
Компании Модели Прогноз, %
2010 г. 2011 г.
ТОП 5 Л =23,25 + 1,35* 1,1214 31,4 32,7
ТОП 10 у2= 33,45 + 1,83* 0,3626 44,4 46,3
ТОП 20 Уз =46,80 + 2,41* 0,4621 61,3 63,7
селения, т. е. использовались страховые премии на душу населения в 2008 г.
По данным табл. 1 получена следующая многофакторная модель:
у / г = 0,9363 + 0,1296^ + 0,0311х2 - 0,5586х3. (12) Характеристики модели:
Я = 0,93; Я2 = 0,87; Я2 = 0,71;
сте = 0,2481;
Г = 6,478.
Математическая модель значима, и ее можно использовать в практических целях.
По данным табл. 2 получена математическая модель вида:
у / г = -4,2200 - 0,0763^ + 0,2139 х2 + 0,6783х3.(13)
Характеристики модели: Я = 0,96; Я2 = 0,92; Я2 = 0,89;
сте = 0,0768;
Г = 37,05
Модель значима и ее можно использовать для прогнозирования страховых премий (страхование жизни и личное страхование) в зависимости
от денежных доходов, заработной платы и назначенных пенсий населения.
Прогнозирование страховых премий и выплат может осуществляться по временным моделям.
В табл. 3 приведены статистические модели для прогнозирования концентрации по объему страховых премий (без ОМС) ТОП 5, ТОП 10, ТОП 20 страховых компаний и прогноз на 2010 и 2011 гг.
В табл. 4 представлены модели для прогнозирования количества страховых организаций, страховых премий (млн руб.) и выплат (млн руб.) по РФ и Приволжскому ФО.
Страховые премии в РФ и Приволжском ФО в 2011 г. по сравнению с 2008 г., соответственно, увеличиваются на 24,4 и 32,9 %, а выплата - на 34,2 и 33,4 %.
Таким образом, темпы роста прогнозных страховых премий и выплат (сравнение 2011 г. с 2010-м) для РФ и Приволжского ФО будут, соответственно, равны 9,4 %; 10,1 %; 17,1 %; 10,4 %.
В перспективе можно ожидать реальный рост страхового рынка в России.
Табл ица 4
Модели и прогнозные значения количества страховых организаций, страховых премий и выплат
Виды РФ и ФО Модели* Прогноз, млн руб.
2010 г. 2011г.
Количество РФ у _ ^7,215-0,0563/ 0,0594 732 692
Премии РФ у5 =271750 + 101750* 0,7052 1085750 1187500
ПФО у6 =122300 + 63620* 0,1876 631260 694880
Выплаты РФ _ 12,29+0,1579/ У 7 ~ в 0,1306 769000 900600
ПФО уЕ =77760 + 47800* 0,2475 460160 507960
* Для прогнозирования показателя у4 на 2010 г. в модель необходимо подставлять t = 11; дляу5...у8 - t = 8 и т. д.
список литературы
1. Российский статистический ежегодник 2010 [Текст]/Статистический сборник. - М.: Росстат, 2010. -С. 626-633.
2. Деркаченко, В.Н. Методы социально-экономического прогнозирования: Учебник [Текст]/ В.Н. Деркаченко, А.Ф. Зубков. -Пенза: ПГТА, 2008. -С. 31-51.
3. Зубков, А.Ф. Методология построения прогнозных моделей, кластерные технологии в социально-экономических исследованиях: Монография [Текст]/ А.Ф. Зубков, В.Н. Деркаченко. -Пенза: ПГТА, 2005. -С. 53-91.
УДК 339.146
В.А. Богомолов, А.В. Сурина
использование модели для оценки уровня
РАСПРОСТРАНЕНИЯ ЗНАНИй
В настоящее время наблюдается тенденция, в соответствии с которой многие организации, выбирая инновационный путь развития, организуют свою деятельность с использованием новых, современных технологий и за счет внедрения различных нововведений существенно повышают свою конкурентоспособность. Любое нововведение базируется на получении, использовании и распространении информационно-интеллектуальных активов (знаний и информации). В связи с этим возникает проблема эффективности внутриорга-низационного управления знаниями и необходимость разработки управленческих методов и механизмов для формирования, аккумулирования и использования знаний. Результативные способы управления знаниями - существенное конкурентное преимущество современной организации.
Этап передачи и распространения (как возможность использовать накопленные знания и информацию во всей организации) определяет конечный успех в процессе управления знаниями.
Известно несколько моделей распространения знаний, прежде всего это эпидемические и диффузные модели. Как правило, такие модели используются для описания процесса передачи и распространения знаний на макроуровне, основной источник знаний и информации находится вне организации. Модели процесса передачи и распространения знаний на микроуровне (между подразделениями одной организации) в настоящее время не получили широкого распространения, хотя доля внутриорганизационных знаний существенно превышает объем знаний, полученных извне. Поэтому
разработка моделей процесса передачи и распространения знаний является актуальной задачей.
Предлагается использовать гравитационную модель для оценки уровня распространения знаний в организации (далее - модель распространения знаний). Под уровнем распространения знаний будем понимать совокупный объем усвоенных персоналом организации данных, информации, ноу-хау, знаний, полученных из внутренних источников.
Из физики известно, что гравитационная сила (сила взаимодействия) между двумя телами прямо пропорциональна их массам и обратно пропорциональна квадрату расстояния между телами. Формально это можно представить как
М,М,
^ = , (1) Б2
где О - гравитационная постоянная, Б - расстояние между телами, М. и М - масса соответствующих тел г и у.
В макроэкономических исследованиях гравитационная модель (модель торговой гравитации) первоначально использовалась для анализа уровня внешней торговли между странами. Сейчас гравитационная модель широко используется для анализа потоков различных типов, например, миграционных, импорт и экспорт, прямых иностранных инвестиций и т. п. [1, 2, 4, 6].
Основными параметрами, характеризующими уровень распространения знаний в организации, являются уровень инновационности подразделений организации, интенсивность взаимодействия и уровень занятости персонала в научно-исследовательских проектах.
