УПРАВЛЕНИЕ АГРОЭКОНОМИЧЕСКИМ РАЗВИТИЕМ РЕГИОНАЛЬНОГО ХОЗЯЙСТВЕННОГО КОМПЛЕКСА Аннотация
В статье представлены качественные и количественные этапы формирования прогнозного сценария развития региональных систем, охарактеризована модель сценарного прогноза, произведено сопоставление законов распределения у хозяйственных фрагментов, разработана технология разработки сценарного прогноза применительно к экономико-климатическим экстраполяциям.
Ключевые слова
Региональная экономика, сценарный прогноз, агроэкономический рост.
E. S. Bakkyev
MANAGEMENT DEVELOPMENT OF AGRO REGIONAL ECONOMIC COMPLEX Annotation
The article presents the qualitative and quantitative phases of the formation of the forecast scenarios for regional systems, characterized by scenario-based forecast model, made a comparison of the laws of distribution of fragments in business, the technology development model forecast with regard to economic and climatic extrapolations.
Keywords
Regional economy, scenario forecast, agro-economic growth.
Современная статистикоэконометрическая методология
способна к многовариантному прогнозу значений используемых экономикостатистических показателей в границах выбираемого направления развития экономики региона, что придает приоритет прогнозному сценарию проектирования агроэкономического роста, порождая потребность в опережающей разработке
соответствующей методологии и концепции. Итерации построения прогнозного сценария должны подчиняться определенному алгоритму (рис. 1). В основе авторского анализа находится фундаментальное
методолого-методическое положение современной экономической аналитики, согласно которому оптимальный алгоритм фиксации и исследования экономической динамики состоит в умении ограниченным числом репрезентативных экономических
показателей описать максимально широкий ареал объективных тенденций и факторов (это требование особенно актуально для сценарного
прогнозирования агроэкономического роста, хотя его осуществление здесь требует учета множества особенностей, присущих аграрному сектору региональной экономики).
определение способа построения модели обработки полученных данных
непосредственное создание
модели, как части сценарного
прогнозного
Рисунок 1 — Качественные и количественные этапы формирования прогнозного сценария развития
Метод временных рядов имеет множество применений, а адаптация самой модели временных рядов допускает различные инструменты ее трансформации (прежде всего, декомпозиции, экспоненциального сглаживания, спектральной оценки и преобразования). Кроме того, для сценарного прогноза особое значение имеют следующие особенности метода временных рядов: условия
репрезентативного наблюдения и прогнозы относительно возможных будущих значений данного показателя, а также необходимость интеграции прогнозной модели с другими моделями вероятностного характера.
Модель сценарного прогноза, как и большинство футурологических трендов, не может не опираться на принцип экстраполяции выявленных тенденций для прогнозирования будущих событий. Таким образом, общеметодологической основой модели сценарного прогноза
агроэкономического роста выступает научно-обоснованная концепция
базовых (моно- и разновекторных) тенденций развития сельского хозяйства. При таком подходе особую значимость приобретает выявление корреляции между факторами и компонентами обозначенных
тенденций.
Таким образом, задачи выявления тенденции заключаются не в сглаживании или адаптации скачка данных к выбранной функции, а в попытке ввести этот скачок в границы циклической (периодической)
зависимости. В большинстве случаев в агроэкономическом тренде циклическая зависимость определяется как соотношение выявленного порядка, отграничиваемого появлением ]-элемента, который, в свою очередь, измеряется с помощью
автокорреляции — корреляции между последовательными членами порядка, когда отклонение позволяет определить параметры задержки.
Для сценарных прогнозов
агроэкономического роста
охарактеризованные выше свойства модели временных рядов имеют исключительную важность, поскольку упорядоченные в целях сценарного прогноза временные ряды обладают присущей только экономическим
процессам аграрного производства
циклической зависимостью —
повторением модели при условии появления определенного элемента
(фактора).
Практическим критерием
достоверности прогнозного сценария агроэкономического роста (частного компонента в целостной системе общего сценария) является, как и для
многих других сфер экономики,
макроэкономический прогноз — наиболее вероятный вариант будущего развития региональной экономики. Такой прогноз основывается на
сценарии среднесрочной модели экономического роста региона, которая, в свою очередь, строится на
краткосрочных вариантах денежнокредитной политики. Для последней, как известно, горизонт прогноза инфляции простирается не более чем на 12-18 месяцев, что оказывает прямое влияние на текущее значение
процентной ставки коммерческих банков.
Данные прогнозов Министерства экономического развития Российской Федерации до 2015 г. свидетельствуют о том, что ВВП в сельском хозяйстве к 2015 г. сохранится на уровне 3,2 %, что соответствует показателю 2012 г. Потенциальными локомотивами роста российской экономики также останутся обрабатывающие производства, оптовая и розничная торговля, операции с недвижимостью.
В концептуальном аспекте
краткосрочный прогноз использует уникальную форму так называемого «опережающего индикатора».
Поскольку производственные процессы давно и хорошо изучены, то разрабатываемые прогнозные сценарии более или менее точно отражают будущую динамику. Ценовые прогнозы делаются преимущественно на основе обычных эконометрических методов — моделей с временными рядами. Тем не менее, учитывая то, что в ценообразовании на
сельскохозяйственную продукцию
участвует множество факторов, сегодня здесь преобладают скорее
объяснительные модели, чем предсказательные.
Кроме того, в той мере, в какой экономическое прогнозирование в агропромышленном комплексе
преследует цель способствовать увеличению прибыли, в той мере оно имеет общие черты с индустриальным прогнозом и бизнес-прогнозами. Другой общей чертой является использование эконометрических
методов (на базе прогнозной оценки динамики эластичности ценового фактора). Реализуя новые
преимущества, возникающие благодаря своему переходу на инновационные основы агроэкономического роста, региональные комплексы, согласно прогнозному сценарию, справляются с
решением двух главных социальных задач: многократного увеличения
объемов сельскохозяйственной
продукции и более эффективной защиты окружающей среды. В этой ситуации проблемы российского агроэкономического роста
порождаются уже не дефицитом, а избытком предложения
сельскохозяйственного производства. Огромные успехи, достигнутые в переводе аграрной сферы России на рыночные основы функционирования, повышение степени ее экономической устойчивости и становление в регионах современного аграрно-промышленного комплекса становятся почвой для возникновения новых проблем и новых задач.
Прогнозный сценарий к «перспективным» задачам
регионального агроэкономического роста относит:
- внедрение инновационных
технологий производства и переработки продукции на льготных основаниях, превосходящих стимулирующее
значение в других отраслях;
- организацию конкурентной
среды в границах соревнования землепользователей на базе
бонитировки почвы и балльной оценки кадастровой описи
сельскохозяйственных ресурсов
(угодий), что является принципиальным отличием аграрной сферы
общественного производства по сравнению с индустриальным;
- реализацию экономического
потенциала аграрного производства на основе развития современных форм организации эффективного
производства, к которым относятся: специализация производства в форме аутсорсинга, качественное
совершенствование технологий
производства в форме консалтинга и конкурентная реализация инвестиций в форме тендеров.
Суть предложенного метода состоит в том, чтобы сопоставлять(вить) законы распределения различных хозяйственных структур в
экономической системе. Экспликация предложенного метода состоит в следующем. Различные хозяйственные образования (отрасли, комплексы и т. п.), — представляющие, по сути, лишь хозяйственные фрагменты, — имеют свой индивидуальный закон
распределения (или свои
индивидуальные законы
распределения). Закон распределения, таким образом, характеризует
экономический потенциал
региональной хозяйственной структуры. При одном законе распределения хозяйственная структура обладает высоким и агрессивным хозяйственным импульсом, при другом, напротив, хозяйственный импульс и
экономическое развитие толерантно либо пассивно и консервативно. В экономической системе происходит взаимодействие (в некотором смысле, накладка) законов распределения. В зависимости от того, каким оказывается интегральный закон распределения, такой образуется динамика
региональной экономической системы, отдельного ее сектора, отрасли.
Общий вид закона распределения имеет следующий вид:
]¥ = р{х), (1)
где р(х) — закон распределения
величины х.
Данная величина имеет свои статистические характеристики и параметры (среднюю, дисперсию и проч.). Для разного распределения
имеется свой вид и свой закон распределения. Их различие состоит в таких параметрах, как средние, начальные и центральные моменты, которые выражаются, соответственно,
следующими формулами:
[Л = хр{х)йх - среднее значение; ~ х р(х)(1х - начальные моменты; №к ~ (•*" _ м) р(х)с1х - центральные моменты.
>
(2)
Сопоставление законов распределения у хозяйственных фрагментов ведет к тому, что формируются различные динамики интегральной величины. Очевидно, при сопоставлении различных законов распределения следует учесть, какой оказывается совместная область различных законов распределения. Есть основание предположить, что закон распределения образовавшейся совместной области, а не закон распределения отдельных элементов и параметров, оказывается существенным в поведении исследуемого объекта. В этом смысле именно эта область, а не те области, которые не перекрываются, представляет наибольший интерес, т. к. именно от нее исходит хозяйственный импульс.
Кривые распределения могут иметь различную форму по существующей классификации, в которой представлены различные типы кривых распределения (симметричные, асимметричные, одновершинные, многовершинные, безвершинные и т. д.). Наиболее часто выделяют одновершинные кривые, особенность которых состоит в том, что ординаты таких кривых вблизи концов весьма малы, а в средней части кривой есть точка с наибольшей ординатой. У таких кривых абсцисса (хто) наивысшей точки кривой называется модой; функция плотности распределения достигает максимального значения р(х) = тах . Мода, как и средняя, характеризуют центральную тенденцию. В симметричных распределениях отклонения от средней справа и слева встречаются одинаково часто. Кроме того, особенностью симметричных распределений является равенство характеристики центральной тенденции: средней, моды и медианы.
Однако симметричные распределения в экономических исследованиях встречаются сравнительно редко. Чаще приходится иметь дело с так называемыми смещенными или скошенными распределениями, их еще называют умеренно-асимметричными. Данный вид распределения характеризуется сравнительно более быстрым убыванием плотности распределения по одну сторону от вершины. Принято считать, что если длинная ветвь кривой распределения расположена правее вершины, то асимметрия называется правосторонней, если же эта ветвь расположена левее вершины, то асимметрия носит название левосторонней. Правосторонняя асимметрия имеет такую особенность: средняя расположена правее моды, а длинная ветвь кривой приходится на значения признака, большие его среднего значения, поэтому сумма кубов положительных отклонений от средней превышает сумму кубов отрицательных отклонений, что указывает на то, что третий центральный момент (м3) — число положительное. В левосторонней же асимметрии, наоборот, мода больше средней и //3 — число отрицательное.
Что касается третьего нормированного момента Рз = ~ , то, если распределение
симметрично рз, = 0, если же асимметрично, то ръ ^ 0, причем при правосторонней
скошенности — А > 0, а при левосторонней — ръ< 0. Поэтому данный показатель может быть использован в качестве количественной характеристики асимметрии распределения. Принято считать, что чем больше по абсолютной величине показатели асимметрии, тем больше вершина кривой сдвинута в сторону и тем сильнее выражена асимметрия. Предельным случаем асимметрии являются Т-образные кривые.
В диссертации показано, что в рамках стратегии машинно-технологической модернизации сельского хозяйства регионов России на период до 2020 г. предусмотрены меры, направленные на модернизацию производства и управления агроэкономической сферы.
Предпринятое исследование позволило сформулировать следующие тенденции, присущие агроэкономическому росту в границах прогнозного сценария для регионов страны на среднесрочный период.
1. Главным скрытым фактором современного агроэкономического роста становится давление потребностей растущего населения, которые предъявляют не только богатые, но и развивающиеся страны. Однако интеграция этих двух видов спроса лишь частично
платежеспособна, что, с позиций сценарного прогноза, актуализирует вопрос об источниках инвестиционно-инновационного агроэкономического роста.
2. Прогнозный сценарий агроэкономического роста показывает, что постоянно возрастающий спрос на сельскохозяйственную продукцию означает, что данная отрасль входит в сферу активной конкуренции за межотраслевое перераспределение ресурсов в пользу агроэкономического роста.
3. По мере объективного ограничения потенциала такого перераспределения основная тяжесть ложится на компенсационные возможности агроэкономического роста в результате инновационно-инвестиционного преобразования экономики сельского хозяйства.
4. Прогнозный сценарий агроэкономического роста по-новому моделирует концентрацию («сжатие») стоимостной цепочки, образуемой в рамках обособленной территории, что сокращает временные и пространственные издержки и транзакционные затраты. И хотя региональный агроэкономический рост реализуется в рамках многочисленных ограничений, он остается уязвимым к системным приоритетам в экономической политике.
5. Основной движущей силой глобального спроса на продовольствие в будущем станет расширение покупательной способности среднего класса в развивающихся странах. Поэтому формирование социально-масштабного слоя среднего класса превращается в социальную предпосылку агроэкономического роста сельского хозяйства российских регионов.
6. Согласно прогнозному сценарию, спрос на продукцию со стороны населения в результате увеличения его доходов может приобрести мощного конкурента со стороны новых технологий возобновляемых источников топлива.
7. Реальные экономические рамки современного сельского хозяйства в развитых странах включают большее пространство региональной экономики, чем собственно сельскохозяйственное производство; другими словами сложилась мнимая диспропорция между предшествующими и последующими для сельского хозяйства сферами и, согласно прогнозному сценарию, этот разрыв будет увеличиваться, вызывая внутриотраслевое перераспределение ресурсов, капитала и труда.
Оценка будущей архитектоники аграрной экономики регионов России в рамках ее сценарного прогноза предполагает системную реализацию трех аналитических этапов:
1) представить экономическую определенность сельскохозяйственного производства в условиях объективно присущей ему неопределенности будущего;
2) оценить степень комплексного воздействия внутрирегиональных особенностей и глобальных тенденций на развитие именно аграрной экономики;
3) охарактеризовать те приоритетные меры, которые способна противопоставить страна в целях минимизации вызовов и угроз отечественному агроэкономическому росту в условиях неконтролируемости этих рисков и угроз.
Таким образом, современный сценарный прогноз агроэкономического роста, соответственно своей природе «агроэкономического» роста (не «агророста», не «экономического» роста), требует сочетания природного и хозяйственного аспектов. В то же время следует учитывать и такое обстоятельство, что аграрная система производства продовольствия является самой уязвимой к последствиям созидательной деятельности человека в виде изменения климата в результате антропогенного вмешательства.
В данной части исследования отмечается, что социальная составляющая представлена способностью региональной экономики широко инвестировать средства в технологии и инновации аграрного сектора.
Последующая технология разработки сценарного прогноза применительно к экономико-климатическим экстраполяциям предполагает следующие шаги:
1) нормализацию показателей по отношению к общей базовой основе с целью объединения показателей компонентов в каждой категории средневзвешенных индикаторов;
2) количественный расчет адаптивного показателя мощности сектора (подсектора) аграрной сферы;
3) монотонное преобразование полученного индекса для расчета различных компонентов.
Общий индекс генерируется как среднее по всем компонентам, поэтому окончательное значение индекса зависит от веса, назначенного каждому из компонентов. Это позволяет взвешивать компоненты для базовой линии в зависимости от результата полученного индекса. В итоге, для различных сценариев будущего корректируются веса компонентов с учетом сюжетных линий каждого сценария. Для измерения неравенства детерминант адаптивной компоненты обычно применяется индекс Джини и кривая Лоренца — методика, которая является одним из наиболее широко признанных инструментов выявления степени неравенства.
Как известно, коэффициент Джини варьируется в пределах от 0 (с учетом полного равенства) до 1 (показатель полного неравенство), тогда как индекс Джини измеряет степень, в которой распределение переменной отличается от ее абсолютно равного распределения. Графически коэффициент Джини представлен как площадь между кривой Лоренца и линией равенства. Сам же коэффициент Джини может быть рассчитан по-разному в зависимости от типа данных в выборке (непрерывная, дискретная, упорядоченная и неупорядоченная).
В аграрных прогнозах данные имеют, как правило, неупорядоченный дискретный вид. Поэтому здесь широко применяется коэффициент Джини: он легко вычисляется из неупорядоченного размера данных как «относительная разность средних» [1]. Важным достоинством сценарного прогноза агроэкономического роста является то, что он основывается на результатах урожая на больших площадях и, следовательно, преодолевает ограниченность данных для процесса на основе модели монокультур.
Библиографический список
1. Чараева, М. В. Исследование современной парадигмы финансового обеспечения инвестирования в реальный сектор российской экономики [Текст] / М. И. Чараева // Вестник Ростовского государственного экономического университета (РИНХ). — 2011. — № 2 (34). — С. 22.
Bibiliographic list
1. Charaeva, M. V. The Study of the Modern Paradigm of Financial Support Investment in the Real Sector of the Russian Economy [Text] / M. I. Charaeva // Vestnic of Rostov State University of Economics (RINH). — 2011. — № 2 (34). — P. 22.