CC BY
0
EDN: HRUXZX
Г.Ф. Петрик - к.с.-х.н., доцент кафедры растениеводства, начальник управления науки и инноваций, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
G.F. Petrik - Candidate of Agricultural Sciences, Associate Professor of the Department of Crop Production, Head of the Department of Science and Innovation, Kuban State Agrarian University, Krasnodar, Russia;
А.Г. Прудников - д.э.н., профессор кафедры экономического анализа, Кубанский государственный аграрный университет, Краснодар, Россия,
A.G. Prudnikov - Doctor of Economics, Professor of the Department of Economic Analysis, Kuban State Agrarian University, Krasnodar, Russia;
Ю.А Павелко - аспирант, Кубанский государственный аграрный университет, Краснодар, Россия,
Yu.A. Pavelko - postgraduate student, Kuban State Agrarian University, Krasnodar, Russia.
ВНУТРИХОЗЯЙСТВЕННЫЕ РЕЗЕРВЫ КАК ФАКТОР ЗНАЧИТЕЛЬНОГО УЛУЧШЕНИЯ РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ
СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ ON-FARM RESERVES AS A FACTOR OF SIGNIFICANT IMPROVEMENT IN THE PERFORMANCE OF AGRICULTURAL ORGANIZATIONS
Аннотация. Исследования выявили значительные резервы увеличения валового сбора товарных видов продукции растениеводства сельскохозяйственных организаций Краснодарского края за счет совершенствования структуры посевных площадей, сортовой структуры посевов, размещения по предшественникам как фактор повышения выручки, прибыли, укрепления экономики, финансового состояния хозяйствующих субъектов. Эффективность этих организационных мер, не требующих дополнительных производственных затрат, предусмотренных бизнес-планом, значительно повышается при использовании прогнозов урожайности на период от одного года до трех-пяти лет после отчетного, что доказано многолетней практикой планирования структуры посевных площадей зерновых культур сельскохозяйственных организаций Краснодарского края и других регионов бывшего СССР. Материалы данной статьи раскрывают этот драгоценный опыт, актуальность которого возросла в современных турбулентных условиях развития отечественного АПК.
Abstract. Research has revealed significant reserves for increasing the gross harvest of commercial crop products of agricultural organizations of the Krasnodar Territory by improving the structure of acreage, varietal structure of crops, placement by predecessors as a factor in increasing revenue, profits, strengthening the economy, and the financial condition of business entities. The effectiveness of these organizational measures, which do not require additional production costs provided for in the business plan, is significantly increased when using yield forecasts for a period from one year to three to five years after the reporting one, which has been proven by long-term practice of planning the structure of sown areas of grain crops of agricultural organizations of the Krasnodar Territory and other regions of the former USSR. The materials of this article reveal this precious experience, the relevance of which has increased in the modern turbulent conditions of the development of the domestic agro-industrial complex.
Ключевые слова: резервы зернового производства, совершенствование структуры посевных площадей, прогнозирование урожайности, использование прогнозов в планировании, результаты структурных изменений посевов.
Keywords: reserves of grain production, improvement of the structure of acreage, forecasting yields, the use of forecasts in planning, the results of structural changes in crops.
Введение
Традиционная методика планирования структуры посевных площадей сельскохозяйственных культур базируется на соблюдении их чередования в системе севооборотов и использовании среднемноголетней (за последние 3-5 лет предпланового периода), как исходных показателей планируемого валового сбора зерновых культур. Однако средняя многолетняя урожайность, увеличенная на 7-10 % за счет предполагаемого применения более урожайных и улучшенного качества сортов, гибридов зерновых культур, современной более высокопроизводительной техники и других факторов интенсификации растениеводства, не отвечает требованиям оперативного планирования - обеспечить максимальный валовой сбор в сложившихся погодных и производственных условиях. Традиционное расширение площади посева сорта, гибрида, показавших высокий результат в текущем году, как правило, в следующем году резко снижают урожайность, не оправдывают ожидания агронома, руководителя сельскохозяйственной организации. Кроме того, происходит нерациональное использование минеральных удобрений, других производственных ресурсов.
Как показали многолетние исследования и производственный опыт сельскохозяйственных организаций Краснодарского края, других регионов бывшего СССР, особенно Днепропетровской области Украинской ССР устраняет традиционные недостатки планирования структуры посевных площадей с учетом прогноза урожайности на период от одного года до трех-пяти лет, что позволяет увеличить валовой сбор зерна взаимозаменяемых зерновых культур на 1-3 % и значительно больше [2,3,5].
Результаты и их обсуждение.
Анализ фактической структуры посевных площадей зерновых культур за 2020-2022 гг. в агрофирме «Победа» Каневского района Краснодарского края выявил следующие резервы увеличения валового сбора зерна. В 2021 г. согласно бизнес-плану агрофирмы было занято посевами озимой пшеницы 9852 га пашни, что обеспечило ее валовой сбор 612596 ц при урожайности 62,2 ц/га. Под ячмень озимый отвели 877 га, а его урожайность 73,5 ц/га позволила вырастить 64460 ц зерна. Кукурузой на зерно засеяли 1724 га и при урожайности 54,4 ц/га выращено 93712 ц. Зернобобовыми культурами заняли 808 га пашни, а их урожайность 38,4 ц/га обеспечила валовой сбор 31006 ц. Валовой сбор зерновых и зернобобовых культур был равен 801775 ц, их урожайность составила 60,5 ц/га в весе после доработки зерна (удаления семян сорной растительности, других примесей - зерноотходов).
Сравнивая уровень фактической урожайности зерновых культур, можно отметить несовершенство плановой структуры посевов. Так, урожайность озимого ячменя превысила продуктивность озимой пшеницы на 11,3 ц/га или на 18,2 %. Поэтому рационально было расширить его площадь за счет сокращения площади озимой пшеницы. По кормовым характеристикам зерно ячменя по сравнению с пшеницей превосходит ее, поэтому комбикорм из зерна ячменя более эффективен в кормлении животных. Кроме того, расширение площади посева озимого ячменя не нарушило бы систему севооборотов - произошла бы замена поля, занятого озимой пшеницей, на ячменное поле. По средней цене реализации 1 ц зерна в 2021 г. ячмень уступал озимой пшенице всего 3,9 руб. или 0,25 % - она сформировалась на уровне 1527,76 и 1531,66 руб. соответственно.
Анализ показал, что расширение площади посева озимого ячменя за счет ее сокращения под озимой пшеницей на 1000 га его валовой сбор зерна увеличился бы на 11300 ц или на 17,5 %, а с учетом сокращения
валового сбора озимой пшеницы на 62200 ц их валовой сбор возрос бы до 688356 ц или на 11300 ц (1,67 %).
Кроме того, расширение площади кукурузы на зерно на 200 га за счет ее сокращения под зернобобовыми культурами, урожайность которых была ниже на 16 ц/га (29,4 % к урожайности кукурузы), а кукуруза была урожайнее зернобобовых на 41,7 %, валовой сбор зерна возрос бы на 3200 ц, выручка от его реализации увеличилась бы на 5369 тыс. руб. (3200*1677,96); общая величина прироста производства зерна ячменя и кукурузы составила бы 14500 ц стоимостью 22632 тыс. руб. по фактическим ценам реализации в 2021 г.
Агрофирма «Победа» располагает также резервом увеличения валового сбора зерна озимой пшеницы и выручки от его реализации за счет совершенствования сортовой структуры посевов. Так, расширение в 2022 г. площади посева сортов Алексеич на 500 га, Школа на 700 га, Гомер на 400 га и сокращение площади под менее урожайными сортами Юка, Шарле, Ахмат, Тимирязевка 150 и Стиль 18 позволило бы увеличить валовой сбор зерна на 3971 т (5,05 %), а выручку - на 60822 тыс. руб. по сравнению с фактическими показателями.
Значительными резервами валового сбора зерновых располагает агрофирма «Победа» за счет их совершенствования по предшественникам.
Расширение площади посева гибридов кукурузы П9241 и ЛГ30315 позволило бы в 2021 г. увеличить ее валовой сбор на 958 т (10,2 %), а выручку от реализации на 16075 тыс. руб. Совершенствование сортовой структуры посевов озимого ячменя в 2021 г. позволило бы увеличить его валовой сбор на 2360 ц (3,7 %), стоимость которого равна 3605 тыс. руб.; в 2022 г. - на 1940 ц (2,5 %), 2963 тыс. руб. Сокращение площади посева менее урожайного гибрида подсолнечника Джинн М и расширение площади гибрида П64ЛЛ129 в 2021 г. позволило бы увеличить его валовой сбор на 10340 ц (21,7 %), а выручку от реализации этого объема дополнительно произведенной продукции на 69432 тыс. руб. Расширение площади посева гибридов сахарной свеклы в 2021 г. Рекордина, Смарт Калледония, Риттер и сокращение площади гибридов Руслана, Аландо, Максимелла, Армеса позволило бы увеличить валовой сбор свеклокорней на 209730 ц (13,4 %), а выручку на 63633 тыс. руб. по средней цене реализации 1 ц 303,4 руб.
Для эффективного управления производственными ресурсами, результатами производственно -финансовой деятельности целесообразно использовать прогнозы урожайности, обоснованные по моделям, учитывающим цикличность в динамике урожаев, позволяющие оптимизировать структуру посевных площадей, сортовую структуру посевов на прогнозный период от одного года до трех-пяти лет после отчетного, обеспечивая увеличение валового сбора зерна, выручки, повышение ресурсоотдачи, в чем убеждает опыт применения прогнозов урожайности в планировании структуры посевных площадей зерновых культур сельскохозяйственных организаций Краснодарского края и других регионов бывшего СССР [2,3,5].
Высокий уровень точности и качества прогноза урожайности зерновых культур на прогнозный период от одного года до трех-пяти лет после отчетного года обеспечивает авторская модель, основанная на учете циклических колебаний урожаев, использование случайных компонентов не в качестве доверительного интервала, а составляющей прогнозируемой урожайности [1,2]. Таким образом, базовая величина прогнозируемого показателя представляет собой, в отличие от традиционной средней урожайности за последние 3 -5 лет, увеличенной на 7-10 % за счет повышения уровня интенсивности производства, применения инноваций, а средняя арифметическая за 3 года последнего одиннадцатилетнего цикла солнечной активности, взятые с учетом четырехлет-ней(трехлетней) квазицикличности; случайная компонента определяется по формуле среднеквадратического отклонения за 3 года, по которым определяется базовая величина прогнозируемой урожайности; знак случайной компоненты (±) определяются по правилам синусоиды; прирост прогнозируемой урожайности подсчитыва-ется по сумме положительных отклонений средней скользящей урожайности в четырехлетнем (трехлетием) периоде за 4 (3) года, предшествующих прогнозному.
О точности (ежегодной величине отклонения фактической от прогнозируемой урожайности) и качестве (отклонение линейное за период не менее 7-10-ти лет) прогноза урожайности зерновых культур, разработанного по авторской модели, можно судить по данным, представленным в таблицах 1-5.
Таблица 1 - Оценка точности и качества прогнозов среднекраевой урожайности озимой пшеницы
по авторской модели
Год Фактическая урожайность, ц/га Прогнозируемая по цикличности
трехлетней четырехлетней
отклонение (±) фактической от прогнозируемой отклонение (±) фактической от прогнозируемой
ц/га % ц/га %
2010 51,1 49,1 2,0 4,1 51,3 -0,2 0,4
2011 55,9 51,9 4,0 7,7 51,1 4,8 9,4
2012 39,9 39,4 -0,5 1,3 42,5 -2,6 6,1
2013 51,3 52,3 -1,0 1,9 52,4 -1,1 2,1
2014 55,5 58,7 -3,2 5,5 55,1 0,4 0,7
2015 58,9 47,1 11,8 25,1 58,7 0,2 0,3
2016 59,3 58,6 0,7 1,2 59,2 0,1 0,2
2017 63,0 64,3 -1,3 2,0 57,7 5,3 9,3
2018 62,8 63,4 -0,6 0,9 62,8 0,0 0,0
2019 61,2 62,4 -1,2 1,9 58,8 2,4 4,1
2020 49,0 55,8 -6,8 12,2 49,9 -0,9 1,8
2021 60,8 60,7 0,1 0,2 63,3 -2,5 4,0
2022 62,6 62,4
Анализ представленных данных свидетельствует о высоком уровне точности и качества обоих способов прогнозирования среднекраевой урожайности. Но в отдельные годы они дают противоречивые результаты: в
2015 г. фактическая урожайность превысила на 25,1 % прогнозируемую по трехлетней квацицикличности, в то время как по четырехлетней квацикличности она была выше на 0,3 %: важно с практической стороны, что в обоих случаях фактическая урожайность превысила прогнозируемую. Прогноз на 2020 г. был более точным по четырехлетней квазицикличности, на 2021 г. - по трехлетней.
Обоснованные по авторской модели прогнозы среднекраевой урожайности озимого ячменя на 2010 -2020 гг. характеризуются также высокой точностью, за исключением прогноза на 2015 г. по трехлетней квазицикличности - фактическая урожайность превысила прогнозируемую на 20,9 % и на 2012 г. по четырехлетней цикличности - на 21,0 % прогнозируемая урожайность была выше фактической. Ошибка прогноза среднекрае-вой урожайности озимого ячменя за указанный период до ±6,0 % по трехлетней цикличности была в 10-ти случаях из 12 (83,3 %), в 2019 г. она была равна 8,4 % - меньше обоснованного автором для краткосрочных прогнозов критериального значения (±10 %) на 1,6 пункопроцента [2]. Аналогичный результат получен и в сценарии с четырехлетней квазицикличностью в динамике урожаев. В 2019 г. ошибка прогноза составила 6,5 % - фактическая урожайность была меньше прогнозируемой, в сценарии с трехлетней квазицикличностью она превысила прогнозируемую. Высокий уровень точности и качества прогноза урожайности позволил дать прогнозную оценку продуктивности озимого ячменя на 2022-2025 гг. с надеждой на подтверждение.
Оценка точности прогноза среднекраевой урожайности риса выявила ошибку до ±10,0 % в 11 случаях из 12-ти, в одном случае (2010 г.) ошибка равна 14,0 % при использовании трехлетней квазицикличности; использование четырехлетней квазицикличности обеспечило ошибку до ±10,0 % в 12 случаях (100 %), а наибольшее отклонение равно 8,0 % в 2010 г. Таким образом, оба сценария прогнозирования урожайности риса обеспечивают приемлемые результаты прогноза, дополняют друг друга и могут служить надежным методическим инструментарием для определения урожайности на прогнозный период до 3 -5 лет после отчетного года. Результаты оценки прогноза урожайности за 2010-2020 гг. послужили основой его определения на 2022-2025 гг.
Прогнозирование урожайности кукурузы на зерно с использованием трехлетней и четырехлетней квазицикличности выявило ошибку до ±15,0 %, в 11-ти случаях из 12-ти (91,7 %); самая большая ошибка при использовании трехлетней квазицикличности была в 2013 - 16,6 % (фактическая урожайность превысила прогнозируемую), а в 2011 г. - 85,4 % в сценарии четырехлетней квазицикличности (фактическая урожайность превысила прогнозируемую вследствие небольшой величины базисной урожайности).
Таблица 2 - Оценка точности урожайности пшеницы по авторской модели в отдельных странах мира
Страна 2014 г. 2015 г. | 2016 г.
фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой
ц/га % ц/га % ц/га %
Австрия 59,2 61,0 -1,8 3,0 57,0 59,5 -2,5 4,2 62,5 62,1 0,4 0,6
Болгария 42,2 44,0 -1,8 4,1 45,3 42,0 3,3 7,9 47,5 47,0 0,5 1,1
Беларусь 39,4 42,0 -2,6 6,2 39,6 40,0 -0,4 1,0 32,9 32,9 0 0
Великобритания 85,9 85,5 0,4 0,5 89,5 93,2 -3,4 3,6 78,9 80,4 -1,5 1,9
Венгрия 47,3 54,6 -7,3 13,4 51,8 48,2 3,6 7,5 45,4 44,1 1,3 2,9
Германия 86,3 88,3 -2,0 2,3 80,9 83,4 -2,5 3,0 76,4 80,9 -4,5 5,6
Индия 30,3 32,1 -1,8 5,6 27,5 32,7 -5,2 15,9 30,9 31,3 -0,4 1,3
Китай 50,5 51,9 -1,4 2,7 53,9 53,3 0,6 1,1 54,1 53,4 0,7 1,3
Норвегия 48,0 47,9 0,1 0,2 57,7 57,4 0,3 0,5 46,2 48,2 -2,0 4,1
Швеция 68,1 71,0 -2,9 4,1 72,1 72,8 -0,7 1,0 63,2 63,8 -0,6 0,9
Прогнозирование среднекраевой урожайности подсолнечника на зерно выявило также приемлемость авторской модели. Так, ошибка прогноза до ±10 % в сценарии трехлетней квазицикличности была в 10 -ти случаях из 12-ти (83,3 %); при этом ее величина варьировалась в пределах от 0,8 (2017 г.) до 9,6 % (2019 г.), а наибольшее отклонение фактического значения от прогнозируемого было в 2013 г. - на 21,1 % фактическая урожайность превысила прогнозируемую.В сценарии четырехлетней квазицикличности ошибка прогноза до ±10 % была в 8-ми случаях из 12-ти (66,7 %), что характеризует высокий уровень точности и качества прогноза. На 2022 - 2023 гг. прогноз урожайности в обоих сценариях практически совпал.
Высокую точность прогноза урожайности зерновых культур и для отдельных зернопроизводящих стран мира обеспечивает авторская модель, в чем убеждают результаты ее апробации в сценарии трехлетней квази-циклияности (таблица 2-6). В большинстве случаев ошибка прогноза в сценарии трехлетней квазицикличности была меньше ±7,0 %, стандарта точности прогноза для текущего прогнозирования (за 1-1,5 месяца до уборки урожая зерновых на основе видеонаблюдения и оценки фактического хлебостоя). Этот критерий был установлен на Международном симпозиуме по проблеме прогноза урожая (1975 г. Комполт, Венгрия) [2,5].
Представленные в таблицах 2-4 результаты оценки прогнозирования урожайности получены на основе данных интернет-ресурса за 2008-2018 гг. по зерновым культурам в среднем, а по пшенице, рису и кукурузе на зерно - за 2005, 2008-2016 гг., которые позволили разработать прогноз с использованием трехлетней квазицикличности только на 2014-2016 гг. Для сценария с использованием четырехлетней цикличности при разработке прогноза урожайности было недостаточно статистических данных в интернет-ресурсах, что ограничило возможности оценки прогнозов с помощью этого способа.
С целью апробации авторской модели разработан прогноз урожайности кукурузы на зерно, рису, пшенице и зерновым культурам на 2017 - 2022 гг. по отдельным странам мира (таблицы 5,6). Прогноз обоснован с использованием трехлетней цикличности в динамике урожаев; их оценка будет осуществлена по мере появления фактических данных об урожайности в интернете.
Таблица 3 - Оценка точности прогноза урожайности риса по авторской модели в отдельных странах мира
Страна 2014 г. 2015 г. 2016 г.
фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонени прогнози] [я (±) от эуемой
ц/га % ц/га % ц/га %
Австралия 106,8 103,0 3,8 3,7 99,1 95,1 4,0 4,2 102,9 109,3 -6,4 5,9
Болгария 49,0 50,3 -1,3 2,6 54,5 54,9 -0,4 0,7 54,0 54,3 -0,3 0,6
Греция 84,7 78,3 6,4 8,2 77,1 77,2 -0,1 0,1 77,3 75,0 2,3 3,1
Египет 95,3 96,0 -0,7 0,7 94,3 96,1 -1,8 1,9 93,7 94,2 -0,5 0,5
Индонезия 51,3 51,7 -0,4 0,8 53,4 53,2 0,2 0,4 54,1 53,5 0,6 1,1
Испания 78,0 80,4 -2,4 3,0 77,5 83,0 -5,5 6,6 78,3 80,4 -2,1 2,6
Италия 63,1 64,1 -1,0 1,6 66,8 66,1 0,7 1,1 67,8 68,3 -0,5 0,7
Китай 68,1 69,0 -0,9 1,3 68,9 69,3 -0,4 5,8 69,3 68,3 1,0 1,5
Корея 69,1 74,0 -4,9 6,6 72,2 72,3 -0,1 0,1 72,2 72,0 0,2 0,3
Турция 74,9 73,8 1,1 1,5 79,4 80,0 -0,6 0,8 79,3 75,6 3,7 4,9
Аргентина 65,0 73,3 -8,3 11,3 67,0 70,9 -3,9 5,5 67,6 61,5 6,1 9,9
США 84,9 87,4 -2,5 2,9 83,7 83,2 0,5 0,6 81,1 81,6 -0,5 0,6
Япония 67,0 68,4 -1,4 2,0 66,3 69,6 -3,3 4,7 54,4 66,1 -11,7 17,7
Таблица 4 - Оценка точности прогноза урожайности кукурузы на зерно по авторской модели в отдельных странах
Страна 2014 г. 2015 г. 2016 г.
фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой
ц/га % ц/га % ц/га %
Австрия 107,9 108,4 -0,5 0,5 86,8 101,9 -15,1 14,8 111,6 99,0 12,6 12,7
Аргентина 66,0 61,6 4,4 7,1 73,1 67,8 5,3 7,8 74,4 79,0 -4,6 5,8
Белоруссия 53,6 46,9 6,7 14,3 43,6 46,7 -3,1 6,6 59,6 55,4 4,2 7,6
Бельгия 105,0 121,2 -16,2 13,4 102,3 100,1 2,2 2,2 92,3 112,2 -19,9 17,7
Венгрия 78,2 78,5 -0,3 0,4 57,9 56,5 1,4 2,5 61,8 65,5 -3,7 5,6
Германия 106,8 110,3 -3,5 3,2 87,2 91,0 -3,8 4,2 96,5 96,4 0,1 0,1
Египет 77,6 78,5 -0,9 1,2 73,5 72,9 0,6 0,8 73,9 73,7 0,2 0,3
Канада 93,6 92,0 1,6 1,7 103,4 93,4 10,0 10,7 93,7 95,4 -1,7 1,8
Китай 58,1 60,4 -2,3 3,8 58,9 61,0 -2,1 3,4 59,5 60,2 -0,7 1,2
Нидерланды 137,4 121,5 15,9 13,1 108,3 111,6 -3,3 3,0 100,5 122,2 -21,7 17,8
Польша 65,9 66,0 -0,1 0,2 47,1 55,9 -8,8 15,7 72,9 65,9 7,0 10,6
США 107,3 97,5 9,8 10,1 105,7 103,1 2,1 2,0 109,6 114,5 -4,9 4,3
Турция 90,7 79,0 11,7 14,8 93,3 86,1 7,2 8,4 94,2 95,6 -1,4 1,5
Украина 61,6 63,5 -1,9 3,0 57,1 57,1 0 0 66,0 59,4 6,6 11,1
Франция 100,5 101,8 -1,3 1,3 83,8 86,1 -2,3 2,7 81,6 82,3 -0,7 0,9
Чехия 84,3 87,3 -3,0 3,4 55,4 68,2 -12,8 18,8 97,9 69,5 28,4 40,9
Чили 101,0 101,9 -0,9 0,9 122,9 112,1 10,8 9,6 115,4 116,0 -0,6 0,5
Таблица 5 - Прогноз урожайности кукурузы на зерно по авторской модели в отдельных зернопроизводящих _странах мира, ц с 1 га_
Страна Год
2017 2018 2019 2020 2021 2022
Австрия 113,1 115,8 100,5 118,0 97,3 107,1
Аргентина 71,5 66,2 64,9 71,1 73,4 73,6
Белоруссия 61,3 53,7 66,0 59,6 46,1 65,6
Бельгия 122,9 109,3 123,0 118,9 110,9 101,5
Венгрия 74,3 52,6 55,0 79,3 56,5 64,2
Германия 117,2 106,4 93,8 116,3 101,2 97,1
Египет 77,7 77,4 78,2 80,6 76,3 75,0
Канада 92,3 102,5 93,8 94,0 106,3 95,1
Китай 58,5 59,5 61,6 59,4 60,4 59,9
Нидерланды 136,7 122,0 127,5 124,6 121,5 101,9
Польша 74,6 70,9 83,6 76,2 60,6 80,8
США 103,8 89,8 114,1 115,9 103,5 123,9
Турция 80,6 86,9 91,1 85,7 90,9 97,0
Украина 66,0 49,2 65,6 61,8 56,4 X
Франция 101,8 90,2 82,5 104,2 85,5 83,2
Чехия 98,3 86,3 86,5 94,6 65,2 91,8
Чили 126,7 117,5 114,8 102,6 123,9 119,5
Таблица 6 - Оценка точности прогноза урожайности зерновых культур по авторской модели в отдельных
странах мира
Страна 2017 г. | 2018 г. Прогноз, ц/га на
фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой фактическая, ц/га прогнозируемая, ц/га отклонения (±) от прогнозируемой 2019 г 2020 г. 2021 г. 2022 г.
ц/га % ц/га %
Австрия 62,6 68,3 -5,7 8,3 61,6 64,8 -3,2 4,9 67,2 63,3 62,5 73,7
Аргентина 54,0 52,4 1,6 3,1 46,7 46,4 0,3 0,7 49,2 53,6 48,7 52,5
Белоруссия 33,6 34,0 -0,4 1,2 27,2 34,2 -7,0 20,5 32,1 36,9 36,7 36,8
Бразилия 52,1 47,3 4,8 10,1 48,1 49,4 -1,3 2,6 49,6 51,8 52,9 44,6
Великобритания 72,3 77,3 -5,0 6,5 67,9 67,7 0,2 0,3 66,6 76,7 76,4 74,7
Венгрия 58,4 62,6 -4,2 6,7 62,6 58,8 3,8 6,5 61,8 64,0 59,1 64,6
Германия 72,7 69,9 2,8 4,0 62,2 69,5 -7,3 10,5 73,9 81,3 78,9 80,3
Египет 74,0 70,8 3,2 4,5 71,5 73,7 -2,2 3,0 75,8 72,1 72,8 73,1
Канада 40,8 37,8 3,0 7,9 38,8 38,5 0,3 0,8 46,0 42,2 40,3 46,6
Китай 60,3 59,4 0,9 1,5 60,8 60,5 0,3 0,5 61,5 61,6 60,7 61,8
Мексика 38,0 37,2 0,8 2,2 38,3 36,6 1,7 4,6 35,6 40,1 38,6 38,3
Нидерланды 88,0 91,1 -3,1 3,4 83,2 85,4 -2,2 2,6 88,0 82,3 91,0 81,1
Норвегия 45,6 43,2 2,4 5,6 24,3 37,5 -13,3 35,2 37,6 44,2 40,4 48,7
Польша 42,0 40,1 1,9 4,7 34,3 35,8 -1,5 4,2 40,3 44,6 39,0 43,3
США 87,8 85,0 2,8 3,3 86,9 80,9 6,0 7,4 88,6 87,5 81,3 90,6
Турция 32,6 31,0 1,6 5,2 31,6 34,4 -2,8 8,1 34,5 29,1 35,5 32,3
Украина 43,2 46,6 -3,4 7,3 48,5 45,9 -2,6 5,7 45,3 47,8 46,6 X
Франция 73,1 70,2 2,9 4,1 68,8 72,5 -3,7 5,1 74,2 75,2 79,0 X
Чехия 55,0 60,6 -5,6 9,2 52,0 51,6 0,4 0,8 58,5 61,6 57,6 67,4
Япония 60,5 59,9 0,6 1,0 59,2 61,6 -2,4 3,9 61,5 61,1 59,8 61,1
Сравнительная оценка точности и качества прогноза урожайности озимой пшеницы на 2011-2020 гг. для учхоза «Кубань» показала приемлемость двух подходов к прогнозированию урожайности: с использованием трехлетней и четырехлетней цикличности в динамике урожаев зерновых культур. Так, за 2011-2020 гг. с использованием трехлетней цикличности в 6-ти случаях отклонение фактической урожайности озимой пшеницы от прогнозируемой было равно 1,0-7,1 %, в 3-х - 10,6-12,5 %, в одном случае оно достигло 25,9 % (таблица 7).
Таблица 7 - Фактическая и прогнозируемая урожайность озимой пшеницы в учхозе «Кубань», ц/га
Год Фактическая Прогнозируемая по трехлетиям Отклонение (±) фактической от прогнозируемой урожайности по трехлетиям Прогнозируемая по четырехлетиям Отклонение (±) фактической от прогнозируемой урожайности по четырехлетиям
ц/га % ц/га %
2011 81,5 80,7 0,8 1,0 X X X
2012 52,0 59,4 -7,4 12,5 70,6 -18,6 26,3
2013 62,8 60,3 2,5 4,2 63,0 -0,2 0,3
2014 73,8 82,6 -8,8 10,7 68,5 5,3 7,7
2015 77,9 61,9 16,0 25,9 71,6 6,3 8,8
2016 74,7 76,1 -1,4 1,8 79,1 4,4 5,6
2017 83,2 86,7 -3,5 -3,5 83,0 0,2 0,2
2018 75,2 70,8 4,7 6,7 78,5 -3,3 4,3
2019 75,7 70,7 5,0 7,1 75,1 0,6 0,8
2020 69,4 77,6 -8,2 10,6 73,3 -3,9 5,3
Использование четырехлетней цикличности в динамике урожайности озимой пшеницы обеспечило более высокий уровень оценки точности и качества прогноза. Так, в 8-и случаях из 9-и отклонение было меньше 10 % (88,9 % случаев).
Для проверки модели прогнозируемой урожайности озимого ячменя использованы также два варианта: трехлетняя и четырехлетняя цикличность в расчетах ее базисной величины, прироста и случайных компонентов. результаты прогнозирования, оценки качества и точности прогнозов урожайности ячменя в учхозе «Кубань» показали, что при использовании трехлетней цикличности в динамике его урожайности от прогнозируемой до 5 % было в 9-ти случаях из 12-ти (75 % от общего числа исследуемых лет). В 3-х случаях оно было равно 10,7 % и 23,2 %: в 2012 г. фактическая урожайность была меньше прогнозируемой на 6,0 ц/га (10,7 %), а в 2015 г. она превысила прогнозируемую на 14,9 ц/га или на 23,2 %, что следует считать положительной характеристикой этого опыта прогнозирования.
Использование четырехлетней цикличности в динамике урожайности озимого ячменя за 2012 - 2020 гг. показало также приемлемость метода, высокий уровень точности и качества прогноза. Самое большое расхождение между фактической и прогнозируемой урожайностью было в 2012 г. - минус 15,4 ц/га или 27,4 %; в 2-х случаях расхождение было равно 3,8-4,5 ц/га или 5,8-6,4 %. Минимальное расхождение было в 7-ми случаях из 9-и (77,8 %).
Апробация модели прогнозирования урожайности кукурузы на зерно выявила противоречивые результаты. Для этой культуры, как показали исследования, более приемлемо использование трехлетней цикличности в динамике урожаев по сравнению с использованием четырехлетней цикличности. Так, применение трехлетней цикличности выявило следующие результаты за 2011-2020 гг.: в 4-х случаях отклонение фактической урожайности от прогнозируемой находилось в интервале 0,2-7,2 %, в 3-х случаях оно было равно 22,9-25,1 %.
Для прогнозирования урожайности риса в учхозе «Кубань» использована только четырехлетняя цикличность, обеспечивающая минимальное расхождение между фактической и прогнозируемой урожайностью.
Анализируя отклонения фактической урожайности от прогнозируемой урожайности риса, обращает на себя внимание минимальная величина расхождения между фактическим и прогнозируемым значением урожайности в 2012 г., 2016 г., 2017 г.; в 2018 г. фактическая урожайность былабольше прогнозируемой на 4,4 ц/га или на 6,3 %. В 2019 г. урожайность риса превысила прогнозируемую на 7,3 %, в 2020 г. была меньше прогноза на 8,,4 ц/га (10,5 %).
Выводы и рекомендации
Таким образом, сельскохозяйственные организации располагают существенными резервами увеличения производства зерна, масломесян подсолнечника и сахарной свеклы. Они могут быть значительно увеличены при использовании прогнозов урожайности в планировании структуры посевных площадей. Поэтому задача менеджмента организаций состоит в эффективной практической реализации резервов, что позволит улучшить результаты деятельности, повысить эффективность сельскохозяйственного производства.
Высокий уровень подтверждения прогнозов урожайности может служить полезным инструментом обоснования структуры посевных площадей зерновых культур, обеспечивающим прирост валового сбора зерна и повышение урожайности за счет расширения площади более урожайных и сокращения менее урожайных культур в прогнозном периоде.
Источники:
1. Васильев, В. П. Анализ динамики производства и реализации продукции растениеводства в Краснодарском крае / В. П. Васильев, Д. Н. Кривошей, Я. А. Зубкова // Вестник Академии знаний. - 2023. - № 5(58). - С. 61-64.
2. Герасименко, О. А. Анализ деятельности сельскохозяйственных организаций в условиях влияния санкций и политики импортозамещения с использованием цифровых сервисов / О. А. Герасименко, А. Б. Паршин, К. И. Терпицкая // Вестник Академии знаний. - 2023. - № 2(55). - С. 40-45.
3. Захарян, А. В. Аналитические аспекты оценки финансового состояния организаций в современных условиях / А. В. Захарян, Ю. С. Шевченко, А. Е. Ефименко // Деловой вестник предпринимателя. - 2022. - № 7(1). - С. 92-98.
4. Петрик, Г. Ф. Использование прогнозов урожайности в планировании структуры посевных площадей / Г. Ф. Петрик, А. Г. Прудников, Т. В. Логойда // Труды Кубанского государственного аграрного университета. - 2019. - № 1 (76). - с. 61-66.
5. Прудников, А. Г. Анализ и оценки финансового состояния сельскохозяйственных организаций: теория, методология, практика: монография / А. Г. Прудников, А. И, Труби-лин, И. М. Новожилов. - Краснодар: КубГАУ, 2018. - 223 с.
6. Прудников, А. Г. Проблемы среднесрочного прогноза урожайности и возможности эффективного их решения при производстве зерна / А. Г. Прудников, А. И. Трубилин, Т. В. Логойда // Экономика, труд, управление в сельском хозяйстве. - 2019. - № 11(56). - С. 56-62.
7. Трубилин, А.И. Методология среднесрочного прогноза урожайности и производства продукции растениеводства: монография / А.И. Трубилин, Г.Ф. Петрик, А.Г. Прудников, Т.В. Логойда. - Краснодар : КубГАУ, 2019. - 166 с.
8. Чернявская, С.А. Анализ ресурсов и финансового состояния сельскохозяйственных организаций Краснодарского края / С. А. Чернявская, А. Д. Самойлов, Д. С. Райков, И. С. Лысаченко // Естественно-гуманитарные исследования. - 2023. - № 1(45). - С. 285-294.
EDN: IWIGEF
А.В. Печенкин - аспирант 1 курса, Российский государственный аграрный университет - МСХА им. Тимирязева, Москва, Россия, [email protected],
A. V. Pechenkin - postgraduate student of the 1st year of Timiryazev Russian State Academy of Agricultural Sciences (RSAU-MSHA), Moscow, Russia.
ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МАЛЫХ ФОРМ ХОЗЯЙСТВОВАНИЯ В АПК ВЛАДИМИРСКОЙ ОБЛАСТИ TRENDS AND PROSPECTS FOR THE DEVELOPMENT OF SMALL-SCALE FARMING IN THE AGRICULTURAL SECTOR OF THE VLADIMIR REGION
Аннотация. Малые формы хозяйствования (МФХ) являются важным аспектом развития регионального агропромышленного комплекса. как и в случае с малыми предприятиями в региональной экономике в целом, МФХ направлены на удовлетворение спроса, позволяют рынку быстро адаптироваться к изменению рыночных условий функционирования, а также учитывать и формировать тренды в построении отношений на всей производственной цепочке. Представляется необходимым проанализировать ситуацию развития МФХ на примере одного из регионов Российской Федерации с традиционно сильной специализацией на товарном сельском хозяйстве - Владимирской области. Кроме того, особенное внимание уделяется проблематике конкурентоспособности МФХ с учетом процесса монополизации современного российского агропромышленного комплекса, когда крупные холдинги получают самые широкие возможности не только для организации своей деятельности в целом, но и для доступа к государственной поддержке, что создает неравные рыночные условия. На материале Владимирской области было отмечено значительное внимание государства именно к необходимости развития МФХ.
Abstract. As in the case of small enterprises in the regional economy, small farms are aimed at satisfying demand, allow the market to quickly adapt to changes in market conditions of functioning, as well as to take into account and form trends in the construction of relations along the entire production chain. It seems necessary to analyse the situation of development of small-scale farming on the example of one of the regions of the Russian Federation with traditionally strong specialisation in commodity agriculture - the Vladimir region. In addition, special attention is paid to the problem of competitiveness of small-scale farming in view of the process of monopolisation of the modern Russian agro-industrial complex, when large holdings receive the widest opportunities not only for the organisation of their activities in general, but also for access to state support, which creates unequal market conditions. On the material of the Vladimir region, it was noted a significant attention of the state to the need for the development of small-scale farming.
Ключевые слова: агропромышленный комплекс, региональная экономика, малое предпринимательство, малые формы хозяйствования, Владимирская область.
Keywords: agro-industrial complex, regional economy, small business, small business forms, Vladimir region.
Введение
Актуальность выбранной темы обусловлена рядом факторов. В первую очередь необходимо отметить существенную трансформацию российского агропромышленного рынка после геополитических потрясений 2022 года. С одной стороны, она касается ограничений доступа к импортным комплектующим, сырью, упаковочным материалам, машинам и механизмам, а также их обслуживанию. Это существенно тормозит процессы цифровизации и поступательного развития регионального агропромышленного комплекса. Дополнительным аспектом является сильная потребность в кадрах по широкому кругу сельскохозяйственных специальностей, что связано не только с общим демографическим перекосом, но и с низким уровнем престижа данных профессий и относительно низким уровнем заработных плат в этой отрасли.
С другой стороны, после санкционных и других ограничений агропромышленный комплекс России получил выраженный импульс к развитию, завязанному на удовлетворение нужд национального рынка, а также к открытию новых экспортных направлений в дружественные страны. Подход импортозамещения привел к резкому сокращению зависимости от многих видов продукции, в первую очередь мяса. Кроме того, государство стало вводить новые меры поддержки, направленные в том числе на автоматизацию и информатизацию сельскохозяйственных предприятий. В связи с этим представляется необходимым проанализировать текущее положение малых форм хозяйствования во Владимирской области, исследовать тенденции, риски и угрозы, которые стоят перед ними, а также выделить, какие возможности дает регион для предпринимательской деятельности в сфере сельского хозяйства.
Объект исследования - малые формы хозяйствования во Владимирской области. Предмет - тенденции развития данного сегмента агропромышленного комплекса Владимирской области. Целью статьи является анализ положения малых форм хозяйствования в агропромышленном комплексе Владимирской области и тенденции к развитию его конкурентоспособности по сравнению с крупными холдингами.
При подготовке исследования были использованы такие методы, как анализ, синтез, классификация, сравнительный анализ, нормативно-правовой анализ, анализ статистических данных.
Основная часть
Владимирская область является одним из активно развивающихся субъектов Российской Федерации с экономической точки зрения. Выгодное географическое положение, природно-климатические условия, а также близость к крупнейшим рынкам сбыта делает его конкурентоспособным в части производства сельскохозяйственной продукции. Объем сельскохозяйственных угодий оценивается в 852,4 тыс. га, что составляет 29,3% от всей площади региона [6]. Количество предприятий агропромышленного комплекса Владимирской области насчитывает 362 предприятия, принадлежащим к различным организационно-правовым формам. Кроме того, действуют более 700 крестьянско-фермерских хозяйств, подсобные хозяйства ведут более 223 тыс. семей. Кроме того, численность предприятий, которые специализируются на переработке сельскохозяйственной продукции, в пищевой промышленности насчитывает 500 предприятий. Количество предприятий, которые могут быть отнесены к малым формам хозяйствования, оценивается в 305 ферм и 18 потребительских кооперативов [6].
