CC BY
1
УДК 31
Востриков Н.Д. студент 2 курса направление «Экономическая безопасность»
Оренбургский филиал РЭУ им. Г.В. Плеханова научный руководитель: Лаптева Е.В.,
доцент Россия, г. Оренбург СТАТИСТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ СРЕДНИХ ЦЕН НА ЭЛЕКТРОЭНЕРГИЮ В РОССИЙСКОЙ ФЕДЕРАЦИИ
Аннотация: Сложившаяся экономическая и политическая ситуация как в Российской Федерации, так и мире в целом придала особую актуальность исследованию цен на энергоресурсы, направленному на развитие инструментов информационного обеспечения системы стратегического планирования на микро-, мезо- и макроуровнях.
В статье представлены результаты анализа динамики и прогнозирования средних цены на электроэнергию, отпущенную населению и промышленным предприятиям в Российской Федерации в помесячной динамике за 2000-2018 годы. Сравнительный анализ показателей интенсивности динамики позволил сделать вывод, что более высокими темпами растут цены для населения.
Исследование структуры анализируемых временных рядов на основе спектрального анализа, а также расчета автокорреляционной и частной автокорреляционной функций доказало наличие трендовой и циклической составляющих. Учитывая структуру временных рядов, проведено моделирование и прогнозирование средних цен на электроэнергию, отпущенную населению и промышленным предприятиям по полиному второй степени с учётом колеблемости адаптивным полиномиальным моделям, а также моделям авторегрессии проинтегрированного скользящего среднего.
Высокое качество полученных прогнозов подтверждено коэффициентом расхождения Г. Тейла, рассчитанным по фактическим значениям средних цен на электроэнергию, отпущенную промышленным предприятиям и населению за август-сентябрь 2018 года.
Ключевые слова: средние цены на электроэнергию, модели временных рядов, статистическое прогнозирование.
Vostrikov N.D. student
2 course, specialty "Economic Security" Orenburg branch REU them. G. V. Plekhanov
Russia, Orenburg
Scientific adviser: Lapteva EV, Ph.D., associate professor STATISTICAL ANALYSIS AND FORECASTING OF AVERAGE ELECTRICITY PRICES IN THE RUSSIAN FEDERATION
Abstract: The current economic and political situation both in the Russian Federation and the world as a whole has given particular relevance to the study of energy prices, aimed at developing tools for information support of the strategic planning system at the micro, meso and macro levels.
The article presents the results of the analysis of the dynamics and forecasting of average prices for electricity supplied to the population and industrial enterprises in the Russian Federation in monthly dynamics for 20002018. A comparative analysis of indicators of the intensity of the dynamics led to the conclusion that prices for the population are rising at a higher rate.
The study of the structure of the analyzed time series based on spectral analysis, as well as the calculation of the autocorrelation and private autocorrelation functions proved the presence of trend and cyclical components. Taking into account the structure of time series, modeling and forecasting of average prices for electricity supplied to the population and industrial enterprises for a polynomial second degree were carried out taking into account the variability of adaptive polynomial models, as well as autoregression models of the integrated moving average.
The high quality of the obtained forecasts was confirmed by the G. Theil discrepancy coefficient calculated from the actual values of the average prices for electricity supplied to industrial enterprises and the population in August -September 2018.
Keywords: average electricity prices, time series models, statistical forecasting.
Вопросы изучения цен и тарифов в области электроэнергетики не теряют актуальности ни в годы относительной стабильности, ни в период реструктуризации экономики в целом и отдельных ее отраслей. Это обусловлено, в первую очередь, их прямым влиянием на эффективность функционирования всего рыночного механизма и как следствие на уровень жизни населения. Вопросы современного состояния электроэнергетики в РФ широко освещаются в СМИ, а также отдельными учеными и специализированными структурными подразделениями профильных организаций рассматриваются вопросы ценообразования на энергоресурсы. Применению статистических методов для анализа и прогнозирования тарифов на электроэнергию в РФ посвящены работы Афанасьева В.Н., Копцева А.И., Цыпина А.П., Гатаговой С.В., Зуевой А.В. и других [1, 2, 4, 5].
Средние цены на электроэнергию, отпущенную населению (у1) и промышленным предприятиям (у2) в Российской Федерации, в помесячной динамике за 2000-2018 годы характеризуются незначительным ростом на 1,44 % и на 0,90 % соответственно в среднем за месяц. Причем, как видно из данных таблицы 1, более высокими темпами растут цены для населения.
Таблица 1. Показатель динамики средних цен на электроэнергию в РФ для населения и промышленных предприятий за 2000-2018 годы
Показатель У1 У2
Средний У ровень ряда, руб./МВ т.ч. 1101,81 1171,55
Средний абсолютный прирост, руб./МВ т.ч. 10,22 7,36
Средний темп роста. % 101,41 100,90
Средний темп прироста. % 1,44 0,90
Коэффициент опережения. % 100,54
За анализируемый период в динамике средних цен на электроэнергию, отпущенную населению и промышленным предприятиям с помощью метода Фостера-Стюарта, выявлена тенденция, для описания которой построены различные кривые роста.
Статистический анализ качества и надежности оценок уравнений тренда позволил сделать вывод, что динамика анализируемых временных рядов хорошо аппроксимируется полиномами второго порядка (таблица 2).
Таблица 2 - Результаты аналитического выравнивания средних цен на электроэнергию в РФ для населения и промышленных предприятий за 2000-2018 годы____
Уравнение тренда ■у % %
V = -:: 5 7-^-7 ?23г -0,014:: 9,81 2948,76 6,86
% = 100,99 + +0,002£э 8,15 13331,80 9,92
Для выделения периодической составляющей проведен спектральный анализ, при этом анализируемые временные ряды были предварительно преобразованы. Острый выброс спектра для ряда средних цен на электроэнергию, отпущенную населению, наблюдается на частоте 0,01 (100 месяцев или примерно 8 лет) и 0,08 (12 месяцев), а для ряда средних цен на электроэнергию, отпущенную промышленным предприятиям, на частоте 0,02 (50 месяцев или примерно 4 года) и 0,08 (12 месяцев).
Выявленная структура временных рядов позволила применить для моделирования и прогнозирования адаптивные полиномиальные модели. Полученные модели имеют высокую точность - средняя относительная ошибка (ошибка аппроксимации) не превышает 2,5 %.
Также нами проведено моделирование и прогнозирование анализируемых временных рядов по моделям авторегрессии проинтегрированного скользящего среднего. По поведению автокорреляционных и частных автокорреляционных функций для
временного ряда средних цен на электроэнергию, отпущенную промышленным предприятиям, выбрана модель АММА (1,2,0), а для временного ряда средних цен на электроэнергию, отпущенную населению, модель АММА (1,1,0). Результаты оценки их параметров представлены в таблице 3.
Таблица 3. Результаты оценки ARIMA - модели для временных рядов средних цен на электроэнергию, отпущенную населению и промышленным предприятиям __
Показатель Параметр ^220) P Нижняя граница (95%) Верхняя граница (95%)
У1 0,250 3,828 0,000 0,121 0,379
У2 -0,480 -8.07 0,000 -0.597 -0,363
Таблица 4. Точечный прогноз тарифов на электроэнергию в РФ, отпущенную для населения и для промышленных предприятий, руб./МВтч. ___
Годы Месяц Прогноз по Прогноз по адаптивной Прогноз по модели
параболическому полиномиальной ARIN1A
тренду модели
У1 У2 У1 У2 У1 У2
август 2462,7 2280,6 2375.9 1882,0 23 72,8 1847,2
2017 сентябрь 2477,0 2290,8 2384,9 1868,1 2374,0 1814,4
октябрь 2491,3 2301,0 2393,9 1854,1 2374,3 1774,3
ноябрь 2505,6 2311,2 2403,0 1840,2 2374,4 1738,0
декабрь 2519,9 2321,3 2412,0 1826,2 2374,4 1699,9
январь 2534,3 2331,7 2421,0 1812,3 2374.4 1662,3
2018 февраль 2548,7 2342,0 2430,0 1798,3 2374,4 1624,8
март 2563,1 2352,2 2439,0 1784,3 2374,4 1587,3
апрель 2577,6 2362,3 2448,0 1770,4 2374,4 1549,7
май 2592,1 23 72,7 2457,1 1756,4 2374,4 1512,1
Прогнозы по оцененным моделям, для анализируемых временных рядов приведены в таблице 4.
При условии сохранения тенденции, наблюдавшейся в периоде ретроспекции, в августе 2018 года - мае 2019 года по параболическому тренду прогнозируется рост средних цен на электроэнергию, отпущенную как населению, так и промышленным предприятиям.
По моделям авторегрессии проинтегрированного скользящего среднего и адаптивным полиномиальным моделям, как видно по данным таблицы 4, при условии сохранения структуры временного ряда, наблюдавшейся в 2000-2018 годы, для периода упреждения (август 2018 года - май 2019 года) прогнозируется рост средних цен на электроэнергию, отпущенную населению, а для промышленных предприятий - снижение.
Так, средняя цена на электроэнергию, отпущенную промышленным предприятиям, в августе 2018 года снизится на 5 % относительно августа 2017 года и составит 1897,03 рублей за мВт.ч., к маю 2019 года ожидается ее
снижение до 1756,44 рублей за мВт.ч. (что составляет 87 % от уровня мая 2018 года). Вместе с тем, прогнозируется рост средней цены на электроэнергию, отпущенную населению к маю 2019 года, на 18 % относительно уровня аналогичного периода 2018 года, что составит 2457,06 рублей за мВт.ч.
Фактические значения средних цен на электроэнергию, отпущенную промышленным предприятиям, на август - сентябрь 2018 года составили соответственно 1988,58 и 2020,03 руб./МВт.ч., а отпущенную населению -2524,25 и 2540,99 руб./ МВт.ч. Используя эти данные, для оценки качества прогнозов нами рассчитан коэффициент расхождения (коэффициент несоответствия), предложенный Г. Тейлом (таблица 5).
Таблица 5. Коэффициент расхождения фактических и прогнозных средних цен на электроэнергию, отпущенную промышленным предприятиям и населению
- Прогностическа я модель - Точечный прогноз - Нижняя граница прогноза - Верхняя гранта прогноза
71 У2 71 72 71 У2
- Параболический тренд - 0,0 2 - 0,1 4 - 0,0 7 - 0,0 3 - 0,0 2 - 0,2 5
- ЛИМЛ-модель - 0,0 6 - 0,0 0 - 0,0 9 - 0,1 7 - 0,0 3 - 0,0 1
- Адаптивная полиномиальная модель - 0,0 6 - 0,0 7
Как видно по данным таблицы 5, коэффициент близок к нулю для всех видов прогноза, что свидетельствует об их высоком качестве. При этом для временного ряда средних цен на электроэнергию, отпущенную населению, фактические значения оказались наиболее близки к верхней доверительной границе прогноза по тренду, а для временного ряда средних цен на электроэнергию, отпущенную промышленным предприятиям, фактические значения оказались наиболее близки к верхней доверительной границе прогноза по АММЛ-модели.
Представленные в статье результаты исследования могут представлять интерес для менеджмента различного уровня и иных заинтересованных лиц. В частности, они могут быть использованы федеральными и региональными органами власти при установлении тарифов на электроэнергию, а также для анализа и прогнозирования факторов, оказывающих воздействие на динамику и вариацию средних цен на электроэнергию, отпущенную промышленным предприятиям, а также населению в РФ. Необходимость этого обусловлена в первую очередь тем, что повышение тарифа на электроэнергию выступает одним из рычагов воздействия на уровень благосостояния населения.
Использованные источники:
1. Афанасьев, В.Н. Статистическое исследование динамики структуры затрат на производство электроэнергии ТЭЦ: монография / В.Н. Афанасьев, А.И. Копцев. - Оренбург: Университет, 2014. - 155 с.
2. Афанасьев, В.Н. Статистическое исследование качества услуг населению в муниципальных образованиях / В.Н. Афанасьев, А.П. Цыпин. - Оренбург: ОГУ, 2012. - 147 с.
3. Беляев, Л.С. России необходимы минимальные внутренние цены на энергоносители / Л.С. Беляев //Энергия: экономика, техника, экология. -2012. - No 6. - С. 2-9.
4. Гатагова, С.В. Анализ динамики цен на электроэнергию в Российской Федерации
5. Лаптева Е.В., Портнова Л.В. Практикум по статистике: теория статистики и экономическая статистика. - Оренбург: ИПК «Университет», 2016. - 227 с.
УДК: 338.314.055.4
Высоцкая Д.В. студент факультет БиСТ-IV-1 Стадник И.А. студент факультет БиСТ-IV-1 Полякова Н.Ю. доцент кафедра экономики УПРАВЛЕНИЕ РИСКАМИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРЕДПРИЯТИЯ РОСТОВСКОЙ ОБЛАСТИ САЛЬСКОГО РАЙОНА
ЗАО «ДОН-1»
Аннотация: высококачественное производство растительных культур не всегда приносит высокие доходы. Иногда возникают такие условия, при которых предприятие рискует потерей урожая, или денежных средств. Главная цель выявления и предотвращения рисков - если не ликвидировать их, то хотя бы снизить уровень потерь.
Ключевые слова: риск, предприятие, вариабельность, технологии.
Vysotskaya D.V. student of faculty BiST-IV-1 Stadnik I.A. student of faculty BiST-IV-1 Polyakova N. Yu. Associate Professor of Economics RISK MANAGEMENT OF AN AGRICULTURAL ENTERPRISE IN THE ROSTOV REGION OF THE SALSKY DISTRICT OF CJSC DON-1 Annotation: high-quality crop production does not always bring high incomes. Sometimes there are such conditions under which the enterprise risks loss of a crop, or money. The main goal of identifying and preventing risks is, if not eliminating them, then at least reducing the level of losses.
