CC BY
15
ЭКОНОМИЧЕСКИЕ НАУКИ
Степень влияния факторов предпринимательской среды на эффективность производства подсолнечника в Республике Башкортостан Адигамова Р. Р.
Адигамова Расима Радиковна / Adigamova Rasima Radikovna - аспирант, кафедра экономики аграрного производства, экономический факультет, Башкирский государственный аграрный университет, г. Уфа
Аннотация: многофакторное прогнозирование является одной из сложных проблем теории и практики экономического анализа хозяйственной деятельности сельскохозяйственных предприятий. Это объясняется тем, что на показатели эффективности функционирования сельскохозяйственного производства оказывает влияние ряд как объективных, так и субъективных факторов.
Ключевые слова: анализ финансово-хозяйственной деятельности,
предпринимательская среда, предпринимательство.
Производство и переработка семян подсолнечника - важная составная часть агропромышленного комплекса страны.
Эффективность производства - это экономическая категория. Она означает результативность производства, то есть достижение максимальных результатов при минимальных затратах и минимальных ресурсах. В сельском хозяйстве эффективность производства определяется получением максимального количества продукции с единицы площади при минимальных затратах живого и овеществленного труда [3].
Основными показателями эффективности любого производства являются прибыль и уровень рентабельности.
В условиях рынка производство семян подсолнечника остается прибыльным [2]. Поэтому увеличение объемов производства и повышение эффективности - важная задача, стоящая перед сельхозпроизводителями.
Для выявления степени влияния объективных и субъективных факторов на результативный показатель деятельности сельскохозяйственных организаций, целесообразно использовать метод многомерных группировок, в частности, приемы кластерного анализа. Их особенность заключается в использовании так называемого политетического подхода, то есть принципа образования групп, когда при отнесении объекта в ту или иную группу (кластер), они все учитываются сразу.
При формировании матрицы исходных данных в качестве объектов исследования взяты районы Республики Башкортостан, каждый из которых характеризуется значениями 32 показателей исходной факторной системы. Затем была произведена многомерная группировка с помощью метода k-средних районов Республики Башкортостан в разрезе 3-х групп (кластеров).
По результатам группировки выяснилось, что в I кластер вошло 5 районов, во II кластер - 13 районов, в III кластер - 8 районов Республики Башкортостан.
В результате пошаговой процедуры отбора наиболее значимых факторных переменных, в большей степени влияющих на изменение уровня производства подсолнечника, в I кластере было получено следующее уравнение множественной регрессии:
Y= -13813,3 + 12974,7х10 + 42,38х11 - 648,71х13 - 131,2х17 - 55,74х24, (1)
89
где Y - валовое производство подсолнечника в республике, тонн;
Х10 - внесено минеральных удобрений под все сельскохозяйственные культуры в расчете на 1га удобренной площади, ц;
Хп - внесено органических удобрений под все культуры, тыс. тонн;
Х13 - степень износа основных фондов крупных и средних предприятий сельского хозяйства, %;
Х17 - уровень рентабельности (убыточности) зерновых культур с учетом дотаций и компенсаций, %;
Х24 - производственная себестоимость 1 центнера подсолнечника, руб.
Разработанная модель позволяет на 68,7 % объяснить изменение объемов валового производства подсолнечника сельскохозяйственными предприятиями данной группы, отобранными из исходной системы показателей факторными переменными.
На первом месте по величине порционного коэффициента детерминации находится фактор X11 (внесение органических удобрений), изменение которого на 22,6 % (из 68,7 % общей объясненной вариации) объясняет вариацию результативного признака.
Величина полученного коэффициента регрессии при этой переменной свидетельствует о том, что увеличение внесения органических удобрений на 1 тыс. тонн приводит к увеличению валового производства подсолнечника в данной группе районов края на 42,4 тонн.
На втором месте переменная X13 - степень износа основных фондов сельскохозяйственных предприятий (порционный коэффициент детерминации для него 14,4 %), в соответствии со значением коэффициента регрессии увеличение степени износа на 1 % приводит к снижению производства подсолнечника на 648,7 тонн.
На третьем месте - уровень рентабельности зерновых культур (X17), увеличение которого на 1 % приводит к снижению валового сбора подсолнечника в среднем по группе районов на 131,2 тонны. Объясненная вариация результативного признака модели посредством данного фактора составила 12,1 %.
Далее соответственно располагаются факторы внесения минеральных удобрений (X10) и производственная себестоимость одного центнера подсолнечника (X24), порционные коэффициенты детерминации для которых равны соответственно 10,6 и 9 %.
Как и для первой модели, процедура отбора факторов для второго кластера была осуществлена в 27 этапов. Однако полученный набор переменных несколько отличался от соответствующего набора для первого кластера. Это наглядно видно из уравнения множественной регрессии, представленного в общем виде:
Y=25095,6 + 46,79х5 + 288,91х9 - 411,06х13 - 92,74х17 - 28,46х24, (2)
где Х5 - наличие зерноуборочных комбайнов - всего, шт.;
Х9 - внесено минеральных удобрений под все сельскохозяйственные культуры, тыс. ц.
Как и в модели для первой группы районов в синтезированном уравнении были отобраны факторы X13, Х17 и X24, свидетельствующие о том, что в настоящее время уровень производства подсолнечника в республике, прежде всего, определяется износом основных производственных фондов. А также экономической целесообразностью возделывания тех или иных культур. Прежде всего уровнем затрат и их доходностью.
Нами был отобран показатель, характеризующий внесение минеральных удобрений, с той разницей, что для первой группы районов он был взят в расчете на 1 га удобренной площади, а для второй группы районов - их общее внесение.
В модели (2) отсутствует фактор внесения органических удобрений, но зато присутствует переменная X5, характеризующая наличие зерноуборочных комбайнов.
90
При анализе порционного влияния отобранных факторных показателей модели в общей объясненной вариации (65,4 %) уровня производства подсолнечника в районах второй группы можно отметить, что в наибольшей степени изменение результативного признака зависит от изменения факторной переменной X9 (внесения минеральных удобрений) - на 45,6 %.
На втором месте по уровню влияния на Y находится переменная X13 (степень износа основных фондов сельскохозяйственных предприятий) - на 11,2 %. Степень влияния остальных факторных переменных (X5, X17, X24) модели значительно скромнее, в совокупности они лишь на 8,6 % объясняют изменение результативного показателя.
Пошаговая процедура отбора факторных переменных модели для третьей группы районов (III-го кластера) была осуществлена с помощью программы для обработки статистической информации SPSS в 28 этапов, в результате чего было получено уравнение множественной регрессии следующего вида:
Y= 4129,68 - 22,73х5 + 391,21х9 + 21,54х18 + 1975,94х27, (3)
где X18 - уровень рентабельности (убыточности) подсолнечника с учетом дотаций и компенсаций, %;
X27 - соотношение производственной себестоимости 1 ц сахарной свеклы к средней по республике.
В полученной регрессионной модели на первом месте по величине порционного коэффициента детерминации находится фактор X9 (внесение минеральных удобрений), изменение которого на 24,4 % (из 59,7 % общей объясненной вариации) объясняет вариацию уровня производства подсолнечника в данной группе районов.
На втором месте находится фактор X5 (наличие зерноуборочных комбайнов) - на 15,5 %; на третьем месте переменная X27 (соотношение производственной себестоимости 1 ц сахарной свеклы к средней по краю) - на 11,9 %; и на четвертом месте - показатель X18 (уровень рентабельности подсолнечника) - на 5,9 %.
На основании вычисленных прогнозных значений показателей был определен прогнозный объем валового производства подсолнечника по каждому из районов республики путем их подстановки в полученную модель множественной регрессии. Обобщенные результаты прогнозирования приведены на Рис. 1.
Рис. 1. Валовое производство подсолнечника в Республике Башкортостан на 2011-2013 гг., т
91
Согласно прогнозным расчетам в Республике Башкортостан при сохранении рыночной конъюнктуры и отсутствии внешних факторов, кардинально влияющих на рынок подсолнечника и продукции его переработки, следует ожидать дальнейшего повышения предпринимательской активности в производстве данной продукции.
Это позволит повысить региональные показатели конкурентоспособности в каждой из групп исследованных районов, снизить себестоимость производства подсолнечника и, как следствие, снизить оптовые и розничные цены продукции перерабатывающих предприятий. Кроме того, поскольку и технология производства подсолнечника, и технология его переработки отвечают национальным стандартам качества, не ниже требований западных стандартов, но более привычным для основной массы отечественных потребителей, это позволит достичь повышения экономических результатов в данной отрасли производства сельскохозяйственной продукции.
Литература
1. Айвазян С. А. Классификация многомерных наблюдений. / С. А. Айвазян, З. И. Беляева, О. В. Староверов. - М.: Статистика, 1974.
2. Багриновский К. А. Экономико-математические методы и модели (микроэкономика). / К. А. Багриновский. - М.: Издательство Российского университета дружбы народов, 1999.
3. Гладилин А. В. Эконометрика. / А. В. Гладилин, А. Н. Герасимов, Е. И. Громов. -М.: КНОРУС, 2006.
4. Цымбаленко Т. Т. Методы математической статистики в обработке экономической информации. / Т. Т. Цымбаленко, А. Н. Байдаков О. С. Цымбаленко А. В. Гладилин. - М.: Финансы и статистика; Ставрополь: АГРУС, 2007.
5. Weihrich H. The TOWS Matrix - A Tool for Situational Analysis, In Long Range Planning. / H.Weihrich. - Vol. 15, N. 2, April 1982, Pergamon Press Ltd.
Имитационное моделирование рыночного риска банка с целью определения необходимого резерва на возможные потери
Осокин Л. А.
Осокин Лев Алексеевич / Osokin Lev Alekseevich - студент, кафедра «Теория вероятностей и математическая статистика», факультет «Прикладная математика и информационные технологии»,
Финансовый университет при Правительстве РФ, г. Москва
Аннотация: в данной статье мы составим и протестируем имитационную модель банковского рыночного риска отдельной ценной бумаги. Результатом данной работы будет определение величины резерва на возможные потери под заданную ценную бумагу.
Ключевые слова: рыночный риск, банки, резервы, возможные потери, VaR, метод Монте-Карло.
В наше время значение департамента рисков в банке сложно переоценить -именно благодаря ему, банк держит баланс между объемами и сроками привлеченных и выдаваемых/инвестируемых средств. Он должен решать широкий спектр задач, соблюдать баланс между обязательными нормативами Центрального Банка, особенностью отдельных крупных контрагентов и доходностью (потенциальной доходностью) банка. Основу их деятельности составляет правильная оценка и
92
