CC BY
73
Е.М. Дебердиева - профессор кафедры Менеджмента в отраслях ТЭК, Тюменский индустриальный университет, г. Тюмень, deberdievaem@tyuiu.ru,
E.M. Deberdieva, professor Department of Management in the Fuel and Energy Sector, Tyumen Industrial University, Tyumen;
С.В. Фролова, старший преподаватель кафедры Менеджмента в отраслях ТЭК, Тюменский индустриальный университет, г. Тюмень, frolovasv@tyuiu.ru,
S.V. Frolova, senior Lecturer Department of Management in the Fuel and Energy Sector, Tyumen Industrial University, Tyumen.
СЦЕНАРНЫЙ ПОДХОД КАК ОСНОВА ПРОГНОЗИРОВАНИЯ ОТРАСЛЕВОГО РАЗВИТИЯ
(НА ПРИМЕРЕ НЕФТЯНОГО МАШИНОСТРОЕНИЯ) SCENARIOUS APPROACH AS THE BASIS FOR FORECASTING INDUSTRIAL DEVELOPMENT (ON THE EXAMPLE OF OIL ENGINEERING)
Аннотация. В статье приведены обоснование и теоретические основы применения сценарного подхода в прогнозировании отраслевого развития. Представлен фрагмент исследования на примере отрасли нефтяного машиностроения, включающий выявление и отбор наиболее значимых факторов ее развития, рассмотрено их взаимовлияние. Проранжированы сценарные параметры по уровню значимости в зависимости от вида сценария, оценено их изменение на основе метода ретроспективного анализа. Разработана многофакторная модель объема производимой продукции на основе официальной статистической информационной базы. Для расчета показателей развития отрасли нефтяного машиностроения по различным сценариям осуществлена оценка влияния наиболее значимых параметров: инвестиции в производство и объем государственной поддержки. Наглядно представлена «воронка» сценариев динамики производства продукции нефтяного машиностроения на среднесрочную перспективу.
Annotation. The article provides the rationale and theoretical foundations for the application of the scenario approach in forecasting industry development. A fragment of the study is presented on the example of the oil engineering industry, including the identification and selection of the most significant factors of its development, their mutual influence is considered. The scenario parameters are ranked by significance level depending on the type of scenario, their change is estimated based on the retrospective analysis method. A multi-factor model of the volume of products based on the official statistical information base has been developed. To calculate the development indicators of the petroleum engineering industry in various scenarios, the impact of the most significant parameters was assessed: investment in production and the volume of state support. The funnel of scenarios of the dynamics of production of oil engineering products in the medium term is clearly presented.
Ключевые слова: отрасль, нефтяное машиностроение, сценарный подход, прогнозирование, метод сценариев, факторы развития, регрессионный анализ, многофакторная модель.
Keywords: industry, petroleum engineering, scenario approach, forecasting, scenario method, development factors, regression analysis, multivariate model.
Развитие любой отрасли или народно-хозяйственного процесса определенно связано с общим состоянием экономики страны, а также с выбранными приоритетами, целями и задачами экономической политики. Макроэкономические показатели, такие как валовый национальный продукт, темп инфляции, размер потребления на душу населения, оказывают непосредственное влияние на онтогенез отрасли. С другой стороны, каждая отрасль является самостоятельной системой, развивающейся по собственным законам, и влияющая на экономику страны в целом [1]. В рамках стратегического планирования в Российской Федерации на федеральном уровне, уровне субъектов Российской Федерации и уровне муниципальных образований осуществляется прогнозирование социально-экономического развития Российской Федерации на трехлетний период с соответствующими ежегодными корректировками на основе сценарного подхода [2].
В условиях рыночной экономики грамотный и четкий прогноз является, безусловно, сложным, но важнейшим условием развития национальной экономики, зависящим от значительного количества взаимосвязанных факторов, участвующих в формировании ее структуры, к которым можно отнести: спрос на продукцию и уровень его удовлетворения, потребность в материально-технических ресурсах, инновационность технической производственной базы, динамика и структура объемов производства, состояние организационно-технического уровня производства и другие [3]. Динамизм и неопределенность множества факторов обуславливает многовариантность прогнозных показателей, что свидетельствует о целесообразности использования подхода к прогнозированию на основе различных сценариев.
Вопросы изучения методологии и инструментария сценарного подхода обрели актуальность преимущественно во 2 половине XX века. Основоположниками методологии сценарного прогнозирования являются П.Шварц [4], Г.Кан [5], Э.Тоффелер [6], , Т.Гордон, О.Гелмер [7], Б. де Жувенель [8]. Если обратиться к отечественным ученым, разрабатывающим теорию сценарного прогнозирования, то можно отметить работы Д.А. Новикова [9], В.Н. Цыгичко [10], А.С. Баварова [11]. Несмотря на достаточно детальную проработку проблем методологии сценарного прогнозирования в вышеуказанных трудах, достоверность некоторой части разрабатываемых сценариев не соответствует в полной мере современным требованиям качества прогнозов. Систематизация и анализ трудов вышеуказанных авторов позволил сформулировать следующие особенности данного подхода.
Процесс прогнозирования состоит в том, чтобы определенным методом и с использованием инструментария обработать имеющуюся информацию о состоянии изучаемого объекта, о наблюдавшихся ранее закономерностях его изменения, о конкретных условиях его функционирования в данный момент и превратить ее в систему научных представлений (информацию) о будущем состоянии или поведении объекта. При этом как правило под сценарием понимают динамическую последовательность возможных событий, фокусирующую внимание на причинно-следственной связи между событиями и точками принятия решений, способных изменить их ход и траекторию движения во времени всей рассматриваемой системы в целом или отдельных ее подсистем [5].
В качестве специфики сценарного подхода в прогнозировании можно отметить синтез экспертных и формализованных методов, используемых при разработке сценариев. Основной функцией сценарного метода интерпретируется принятие управленческого решения на базе научно-обоснованного прогноза. Таким образом, цель прогнозирования, определяющая содержание принимаемого решения, задает жесткие пределы в применении сценарного подхода. Ввиду наличия нескольких вероятных вариантов развития исследуемой системы, прогноз включает в себя несколько сценариев, образующих «трубку сценариев». Чаще всего выделяют оптимистический, пессимистический и средний - реалистический (наиболее вероятный).
Существуют три формы реализации метода сценариев. Форма реализации сценария, заключающаяся в получении согласованного мнения, чаще всего опирается на метод Дельфи, как наиболее эффективный в получении коллективной идеологии множества экспертных групп относительно макрособытий в развитии отрасли и экономики страны на перспективу. Повторяющаяся процедура независимых сценариев осуществляется в форме итеративного процесса согласования независимых сценариев по каждому из особенностей, влияющих на развитие отрасли. Основой использования матриц взаимодействия являются экспертные мнения относительно потенциального взаимовлияния событий рассматриваемой совокупности [12]. Преимущества и недостатки представленных форм реализации метода сценариев представлены в таблице 1.
Таблица 1 - Формы реализации метода сценариев, их преимущества и недостатки
Форма реализации Достоинства Недостатки
Получение согласованного мнения коллективная идеология множества экспертных групп по прогнозированию динамики различных макроэкономических событий и явлений недостаточное внимание, уделяемое взаимозависимости и взаимодействию различных факторов, влияющих на развитие событий, динамике развития ситуации
Повторяющаяся процедура независимых сценариев углубленный анализ взаимодействия различных аспектов развития ситуации недостаточная разработанность и методическая обеспеченность процедур согласования сценариев
Использование матриц взаимодействия уточненные первоначальные оценки вероятностей событий и их комбинации трудоемкость получения большого количества оценок и корректной их обработки
Также в зависимости от цели прогноза при составлении сценариев можно воспользоваться одной из трех видов моделей. Описательные модели фиксирует свойства, параметры планируемых решений и используются, как правило, для предварительного формулирования преимущественно на длительный период прогнозирования. Использование изыскательных моделей за счет применения методов количественного прогноза характеристик объекта исследования, обеспечивающих минимизацию ожидаемых потерь, дает более точные параметры сценария. При применении нормативной модели прогнозирования определяется ранжирование первоочередности выполнения предлагаемых для достижения поставленных целей и задач прогноза. На наш взгляд наиболее важно с точки зрения практического применения полученного прогноза на основе сценарного подхода грамотное сочетание изыскательной и нормативной моделей.
Кроме проблемы выбора формы реализации и модели составления сценариев, необходимо определиться с ограничениями для разработки вариантов развития отрасли. Как правило, рассматриваются внешние и внутренние факторы (сценарные параметры) независимо от специфики изучаемой отрасли (таблица 2). Затем, в зависимости от цели прогноза, объективно непредсказуемые факторы, составляющие систему предположений об условиях будущего развития отрасли, дополняются и детализируются.
Таблица 2 - Ограничения для разработки вариантов развития отрасли
Характер ограничений Сценарный параметр
Внешний - объемы инвестиций в отрасль; - степень включенности отрасли в систему международных связей; - трудовой потенциал региона; - общая макроэкономическая ситуация в стране.
Внутренний - темпы инновационного развития отрасли; - сроки освоения новых технологий; - сроки капитального строительства; - качество трудовых ресурсов отрасли.
В условиях динамично меняющейся внешней среды сценарный подход как метод прогнозирования представляется наиболее целесообразным для осуществления прогноза развития отрасли нефтяного машиностроения, являющейся в настоящее время перспективной с точки зрения реализации программ импортозамещения [13]. Исходя из этого, цель данного исследования - прогноз развития отрасли нефтяного машиностроения на основе сценарного подхода.
В результате отбора наиболее значимых факторов развития отрасли нефтяного машиностроения было рассмотрено их взаимовлияние (рисунок 2).
1 — качество трудовых, ресурсов;
2 — нау]щемкостъ;
3 - сырьевая база (стоимость сырья);
4 — потребительский фактор;
5 — развитость инфраструктуры;
6 — территориальная конце нтрация,
Рисунок 2 - Влияние выявленных факторов на развитие отрасли нефтяного машиностроения
В ходе исследования выявлено, что фактор «доходы от производства» имеет в основном прямую зависимость от множества выделенных сценарных параметров. Как положительно, так и отрицательно на доходы от производства в связи с объявленными санкциями и реализуемыми программами импортозамещения влияет фактор «государственное влияние». Такая же двоякая ситуация возникает при рассмотрении воздействия фактора «объем продукции»: с одной стороны при росте объемов производства и имеющемся потенциальном спросе форсируется процесс развития отрасли, с другой, наращивание объемов отрицательно проявляется на уровне качества выпускаемой продукции.
Большое значение для обоснованности прогнозируемых показателей имеет достоверность информационной базы. Данное исследование опирается на официальные статистические данные (таблица 3).
Таблица 3 - Статистическая информационная база исследования (средний уровень по предприятиям нефтяного
машиностроения)
Показатель Год
2009 2010 2011 2012 2013 2014 2015
Среднегодовое количество персонала, тыс.чел. 1205,0 1152 1108 1088 901,2 812,1 734,9
Объем промышленной продукции, млрд.руб. 476,9 621,1 796,1 1000 801,6 760,2 849,2
Итоговый финансовый результат, млн.руб. 22855 31027 42517 45384 25239 23115 21245
Объем инвестиций в производственный капитал, млн.руб. 31,9 46,6 58,7 75,3 56,1 58,1 56,9
Спрос на продукцию, % 111,1 102,7 96,6 92,2 88,9 103,8 105,6
Сырье (добыча полезных ископаемых кроме топливно-энергетических), млрд.руб. 707,7 932,3 971,7 990,6 1058 1249 1138
Наукоемкость НИОКР по отношению к объему производства, % 2,5 2,8 3,1 2,9 3,4 3,7 3,8
Источник: сформирована авторами на основе данных Федеральной службы государственной статистики http://www.gks.ru/
За методическую основу нами был выбран метод ретроспективного анализа (трендовый подход, среднегодовой темп прироста) развития отрасли нефтяного машиностроения. На основе полученных результатов были выделены значимые сценарные параметры, определены их изменения по 3 сценариям (оптимистический, пессимистический и наиболее вероятный), а также проранжированы по уровню значимости (таблица 4).
Таблица 4 - Изменение сценарных параметров по видам сценариев
Сценарный параметр Ед. измерения Отчетное значение Изменение по сценариям, % Ранжирование факторов
пессимистический наиболее вероятный оптимистический
Инвестиции в производство млн. руб. 56,9 -15 +20 +25 1
Спрос на продукцию % 105,6 -15 +7 +15 3
Сырье млн. руб. 1138,6 -20 +40 +43 3
НИОКР % 3,8 -7 +5 +7 3
Объем государственной поддержки млн. руб. 234,6 -15 +17 +20 2
Для расчета показателей развития отрасли нефтяного машиностроения по различным сценариям осуществлена оценка влияния наиболее значимых параметров «инвестиции в производство» и «объем государственной поддержки» (таблица 5).
На основе результатов исследования можно наглядно представить воронку сценариев развития отрасли нефтяного машиностроения по одному из показателей. Наиболее явно развитие отрасли представляется через динамику производства продукции (уравнение регрессии y=79,04+12,39x) (рисунок 3).
Представленный прогноз развития отрасли нефтяного машиностроения на основе показателя динамики производства продукции отражает изменение по наиболее вероятному прогнозу по сравнению с отчетным значением на + 9%, наиболее значительное изменение прогнозируется по пессимистическому варианту - снижение на 20%, оптимистический сценарий демонстрирует прирост показателя на 18%.
Таблица 5 - Сценарии развития отрасли нефтяного машиностроения на среднесрочную перспективу
Показатели развития отрасли Ед.из-мере-ния Отчетное значение Сценарий
пессимистический наиболее вероятный оптимистический
инвестиции в производство объем государственной поддержки инвестиции в производство объем государственной поддержки инвестиции в производство объем государственной поддержки
Динамика производства продукции млрд. руб. 849,2 678,22 721,8 924,94 908,7 1002 976,6
Финансовое состояние отрасли млн. руб. 21245 18058,2 18058,2 25494 24857 26556 25494
Использование трудового потенциала тыс. чел. 734,9 661,4 683,6 992,1 771,6 1028,9 786,3
Обеспечение производства материально-сырьевыми ресурсами млрд. руб. 1138 910,8 967,8 1594,0 1332,1 1628,2 1366,3
Капитальные вложения с разделением затрат млн. руб. 56,9 48,3 48,3 68,3 66,6 71,1 68,3
Следует отметить, что в статье приведен фрагмент исследования, включающий наибольшее влияние на динамику производства продукции нефтяного машиностроения выявленных факторов. Включение в прогноз других факторов позволит скорректировать сформированную прогнозную модель.
Рисунок 3 - «Воронка» сценариев динамики производства продукции нефтяного машиностроения на среднесрочную перспективу (влияние фактора «инвестиции в производство»)
Источники:
1. Дебердиева Е.М., Фролова С.В. Инновационное развитие предприятий нефтяного машиностроения: кластер или консорциум?// Нефть и газ Западной Сибири: материалы Международной научно-технической конференции. - 2017. - С. 8790.
2. Федеральный закон от 28 июня 2014 г. N 172-ФЗ "О стратегическом планировании в Российской Федерации". [Электронный ресурс] URL: http://base.garant.ru/70684666/ (дата обращения: 22.03.2019)
1 3. Планирование и прогнозирование отраслей промышленности [Электронный ресурс]: Блог Экономика БЭГУ. URL: https://www.economy-web.org/?p=306. (дата обращения: 14.06.2019)
4. Шварц П. Искусство дальнего обзора. Планирование на будущее в неопределенном мире. - Нью-Йорк: Doubleday Business. - 1999. - 265 с.
5. Кан Х. О эскалации / Х. Кан. - Нью-Йорк: Фредерик А. Прегер, 1965. - 134 с.
6. Тоффл А. Будущий шок. Н. Й.: Книга Бантама, Рэндом Хаус, - 1970.- 545 с.
7. Гордон Т, Гелмер О. Отчет о долгосрочном прогнозном исследовании, отчет P-2982, The RAND Corporation / Гордон Т, Гелмер О. - Санта-Моника, Калифорния, 1964 г. - 65 с.
8. Даниэль Дж. Махони, Бертран де Жувенель: консервативный либерал и иллюзии современности. ISI Books, -2005.- 216 с.
9. Новиков Д.А. Сетевые структуры и организационные системы.- М.: ИПУ РАН, 2003.
10. Цыгичко В.Н. Основы прогнозирования систем / В. Н. Цыгичко. - М.: Финансы и статистика, 1986. - 420
с.
11. Баваров А.С. Метод сценариев как разновидность интуитивно-логических методов прогнозирования / А.С. Баваров // Пути повышения качества прогнозов. M.-JI., 1990. - С.34-35.
12. Карпов К.А., Технологическое прогнозирование развития производств нефтехимического комплекса, 2017.
13. Фролова С.В. Эффективность функционирования предприятий нефтяного машиностроения: факторы определяющие развитие нефтяного машиностроения. Новые технологии-нефтегазовому региону [Текст]: материалы Всероссийской с международным участием научно-практической конференции студентов, аспирантов и молодых ученых. Т.2; -Тюмень: ТюмГНГУ, 2015.- 121-123 с.
Sources:
1. Deberdieva E.M., Frolova S.V. Innovative development of petroleum engineering enterprises: a cluster or a consortium? // Oil and Gas of Western Siberia: Materials of the International Scientific and Technical Conference. - 2017 .- pp. 87-90.
2. Federal Law of June 28, 2014 N 172-ФЗ "On strategic planning in the Russian Federation." [Electronic resource] URL: http://base.garant.ru/70684666/ (accessed: 03/22/2019)
3. Planning and forecasting industry [Electronic resource]: Blog Economics BEGU. URL: https://www.economy-web.org/?p=306. (appeal date: 06/14/2019)
4.Schwartz P. The art of the long view. Planning for the future in an uncertain world. - New York: Doubleday Business. -1999. - 265 р.
5. KAHN H. On Escalation / H. Kahn. - New York: Frederick A. Praeger, 1965. - 134 p.
6. Toffle A. Future Shock. N. Y.: Bantam Book, Random House, 1970. 545 p.
7. GORDO, T. J., HELME, O. Report on a Long-Range Forecasting Study, report P-2982, The RAND Corporation / T. J. Gordon, O. Helmer. - Santa Monica, Calif., Sept., 1964. - 65 р.
8. Daniel J. Mahoney, Bertrand de Jouvenel: The conservative liberal and the illusions of modernity. ISI Books, 2005. 216
p.
9. Novikov D.A. Network structures and organizational systems.- M .: IPU RAS, 2003.
10. Tsygichko V. N. Fundamentals of forecasting systems / V. N. Tsygichko. - M.: Finance and Statistics, 1986. - 420 p.
11. Bavarov A.S. The scripting method as a kind of intuitive-logical forecasting methods / A.S. Bavarov // Ways to improve the quality of forecasts. M.-JI., 1990. - рр. 34-35.
12. Karpov KA, Technological forecasting of the development of production of the petrochemical complex, 2017.
13. Frolova S.V. The effectiveness of the functioning of oil engineering enterprises: factors determining the development of oil engineering. New technologies for the oil and gas region [Text]: materials of the All-Russian scientific-practical conference of students, graduate students and young scientists with international participation. T.2; -Tyumen: Tsogu, 2015.- рр.121-123.
М.А. Добрунова - к.э.н., доцент, Финансовый университет при Правительстве Российской Федерации (Краснодарский филиал), dobrunova-2004@yandex.ru,
M.A. Dobrunova - candidate of Economics, associate Professor, Financial University under the Government of the Russian Federation, Krasnodar branch;
К.В. Желябовская - студент, направления «Экономика», Финансовый университет при Правительстве Российской Федерации (Краснодарский филиал), mir096@bk.ru,
K.V. Zhelyabovskaya - student of Economics, Financial University under the Government of the Russian Federation (Krasnodar branch);
М.В. Желябовская- студент, направления «Экономика», Финансовый университет при Правительстве Российской Федерации (Краснодарский филиал), planeta.zhelyabovskaya@bk.ru,
M.V. Zhelyabovskaya- student of Economics, Financial University under the Government of the Russian Federation (Krasnodar branch).
ПОСТРОЕНИЕ АУДИТОРСКОЙ ВЫБОРКИ С ЦЕЛЬЮ СБОРА АУДИТОРСКИХ ДОКАЗАТЕЛЬСТВ BUILDING AN AUDIT SAMPLE TO COLLECT AUDIT EVIDENCE
Аннотация. При проведении аудиторских проверок аудиторы сталкиваются со значительными объемами информации, изучение которых в сплошном порядке ведет к огромным трудозатратам и, как следствие, снижению эффективности аудита, поэтому при проведении аудиторских проверок применяются выборочные методы исследования. Построение аудиторской выборки во многом зависит от компетентности, добросовестности и профессиональной подготовки аудитора т.к. при выборе метода ее построения применяется профессиональное суждение аудитора, что позволяет избавиться от существенных ошибок в работе отечественных аудиторов.
В статье представлены методологические основы построения аудиторской выборки с целью сбора аудиторских доказательств, позволяющих обеспечить надлежащее качество аудита и повышению степени доверия клиентов не только к аудиторам но и к аудиторским услугам.
Annotation. When conducting audits, auditors are faced with significant amounts of information, the study of which in a continuous manner leads to huge labor costs and, as a consequence, reduce the effectiveness of the audit, so when conducting audits, selective research methods are used. Building audit sampling depends largely on the competence, integrity and training auditor since when selecting the method of its construction applies professional judgment of the auditor, which allows you to get rid of significant errors in the work of local auditors.
The article presents the methodological basis for building an audit sample in order to collect audit evidence to ensure the proper quality of the audit and increase the degree of trust of clients not only to auditors but also to audit services.
Ключевые слова: аудит, аудиторская выборка, аудиторские доказательства, аудиторское заключение, профессиональное суждение аудитора, аудиторские процедуры, методы аудиторской выборки.
Keywords: audit, audit sampling, audit evidence, audit opinion, auditor's professional judgment, audit procedures, audit sampling methods.
В настоящее время аудиторская проверка приобретает все большее значение, так как по ее результатам можно получить данные о достоверности финансовой отчетности аудируемого лица, что позволяет пользователям этой отчетности принимать необходимые решения. Выборочные исследования в современных критериях выступают неотъемлемой частью высококачественных аудиторских мероприятий, что требует разработки и совершенствования методического аппарата для целей получения достаточно надлежащих аудиторских доказательств.
В числе узнаваемых зарубежных и отечественных авторов, внесших довольно значимый вклад в развитие выборочных методов получения аудиторских доказательств можно отметить научные труды: Р. Адамса [5], Э.А. Аренса [6], А. Боули [7], С.М. Бычковой [8], Э.К. Васильевой [9], К.А. Гайдарова [10], Ю.А. Данилевского [11], Р. Доджа [12], Ж.А. Кеворковой [13], Ю.Ю. Макаровой [14], М.В. Мельник [15], Ю.П. Николевской [16], В.И. Подольского [17], Д. Робетсон [18], Т.А. Терентьевой [19], И.Е. Фридрих [20]и др.
Одним из важных шагов проведения аудиторской проверки является получение аудиторских доказательств, которые собирает аудитор, используя различные методы построения аудиторской выборки.
Рекомендации в отношении количества и качества аудиторских доказательств и процедур, которые выполняются в целях их получения, содержит МСА 500 «Аудиторские доказательства», согласно которому, аудиторские доказательства это данные, полученные аудитором в процессе проведения проверки, и результат анализа
