«Прогнозирование ценовой динамики на целлюлозно-бумажную продукцию российских и мировых производителей ...»

Теоретические и методологические результаты исследования отражены в научных публикациях в количестве более 20 статей, в том числе 4 статьи опубликованы в журналах, включенных Высшей аттестационной комиссией в Перечень рецензируемых научных журналов.

Структура и объем диссертации. Цель и задачи исследования определили структуру, последовательность и построение диссертационной работы. Диссертация состоит из введения, основной части, заключения, списка литературы и приложений. Основная часть диссертационной работы содержит три главы, которые подразделяются на подглавы, включающие несколько параграфов. Наиболее объёмная третья глава диссертации включает двенадцать параграфов, разделенных по трём подглавам. Первая глава представлена на шести параграфах и вторая глава на семи. Общий объём диссертационной работы - страниц основного текста. Диссертация включает рисунков, таблицы, приложений. Библиографический список включает 195 наименований.

Во введении обоснована актуальность темы диссертационной работы, сформулирована цель исследования и задачи, раскрыты предмет и объекты исследования. Здесь же показана степень ее изученности темы, раскрыты научная новизна и практическая значимость результатов проведённого исследования. В первой главе раскрываются теоретические и методологические основы прогнозирования социально-экономических процессов. В этой же главе кратко изложена сущность и причины цикличности, и приводятся характеристики циклов. В следующей главе показана роль ЛПК в экономике и анализируется современное состояние лесной промышленности, а также раскрыта конкурентная среда на российском и мировом товарных рынках целлюлозы. Результаты моделирования и прогнозирования цен на целлюлозу российских и мировых производителей раскрыты в третьей главе. Здесь показаны основные модели и способы прогнозирования цен на целлюлозу, описаны этапы моделирования. В последних параграфах проводится сравнение и верификация моделей временного ряда цен на целлюлозу. Заканчивается практическая часть диссертации построением прогнозов и апробацией моделей временного ряда цен на целлюлозу российских и мировых производителей.

Выводы и предложения, базирующиеся на результатах научного исследования, изложены в заключительной части диссертации.

Глава 1. Теоретические основы и методологии прогнозов экономических процессов В современных условиях эффективная деятельность организации любой формы собственности, уровня и масштаба не возможна без перспективного планирования. Организации и учреждения рассчитывают планы и проекты, составляют экономические балансы, разрабатывают прогнозы на разные периоды времени. Производственная, инвестиционная, финансовая, социальная деятельность компаний представляется в текущих и перспективных планах, и предопределяется общеэкономическими и отраслевыми прогнозами. Прогноз является ориентиром для планирования, основой для подготовки проектов. Использование математического моделирования экономических явлений, процессов и систем позволяет связать экономическую теорию и практику на более прогрессивном уровне. Учёные и практики считают, что «математическое моделирование и предвидение будущего является необходимым элементом управления развитием социальных систем, основой выбора приоритетов и принятия стратегических решений»

[4]. Процессы прогнозирования, стратегического планирования и социально-экономического и научно-технического программирования неразрывны и взаимосвязаны. По мнению учёных, прогнозирование – «самостоятельная сфера научной деятельности на многоуровневой и междисциплинарной основе, требующая наличия институтов, кадров и обеспечения ресурсами со стороны государства, при минимальном влиянии чиновников и лидеров бизнеса на объективность» [41]. В силу важности выработки перспективных стратегических решений в масштабах государства и мирового сообщества деятельность по прогнозированию постепенно выходит за пределы сферы компетенции научного сообщества. К прогностической деятельности подключаются правительственные и деловые круги ведущих индустриальных стран, представители различных социальных слоев общества, что ведёт к «формированию частно-государственного партнерства по определению путей эффективного развития экономики и общества» [102].

В условиях интеграции российских предприятий в мировой рынок управленческие решения должны иметь высокий уровень научного обоснования. Эти требования предъявляются к разработке методики экономическо-математического прогнозирования деятельности, отбору модели регулирования хозяйственной деятельности предприятий, что имеет значение для устойчивого развития самих предприятий и отрасли в целом. В результате прогнозирования разрабатываются конкретные цели хозяйствования в рамках экономических отношений. «Прогноз не является самоцелью, а служит задачам достижения эффективного хозяйствования, которое осуществляется по законам рыночной экономики. Поэтому по отношению к экономической теории экономическое прогнозирование носит вспомогательный характер» [149].

Экономический прогноз, по сути, представляет собой документ, фиксирующий возможную степень достижения определённых целей субъекта хозяйствования в зависимости от способа будущих действий. Прогноз – итог выводов и обоснованных предположений, аргументированное заключение о направлениях развития в будущем [119]. «В переводе с греческого языка прогноз - предвидение, предсказание, т.е. неотъемлемая составляющая всей человеческой деятельности, в том числе экономической» [4]. Можно выделить несколько уровней прогноза [29]. Самыми масштабными являются глобальные прогнозы и макропрогнозы, которые исследуют общие тенденции и закономерности развития экономики на мировом уровне или национальном уровне. Следующий уровень прогнозирования - это структурные прогнозы. Данные «межотраслевые и межрегиональные прогнозы разрабатываются для предсказания развития комплексов народного хозяйства в разрезе республик, регионов, их отдельных социальных и производственных сфер» [45]. Наименьшие «по масштабности выступают отраслевые прогнозы, которые определяют тенденции развития отдельных отраслей народного хозяйства, рынков» [4]. На уровне хозяйствующих субъектов применяются микропрогнозы, которые разрабатываются для организаций с учётом специфики и вида деятельности.

Разработкой моделей и построением прогнозов финансовых потоков, рынка сбыта, курса валют, инвестиционных вложений, цен на сырьё, социальных выплат и других важных показателей деятельности занимаются финансисты, экономисты и менеджеры больших и маленьких компаний, государственных органов, инвестиционных структур. Такая роль прогнозирования, как инструмента стратегического планирования, деятельности менеджерских структур предприятий подтверждается широким выбором проектирования различных вариантов производственной, финансовой и инвестиционной деятельности в среднесрочном и долгосрочном периодах. Технология моделирования и прогнозирования в период рецессии мировой экономики и отраслевого кризиса становится наиболее актуальной и первостепенной задачей становится разработка стратегической программы действий, нивелирующей негативные последствия внешней среды и выхода из кризисного состояния с минимальными «потерями». В этой фазе жизни бизнеса возрастает роль финансового менеджмента. Его первостепенной задачей становится разработка стратегической программы действий, нивелирующей негативные последствия внешней среды. Это одно из обстоятельств, подтверждающих научный и практический интерес для капиталоёмких предприятий разных отраслей, который представляют среднесрочные, долгосрочные прогнозы с периодом планирования более 5 лет. Вышесказанное обусловливает необходимость поиска механизма адаптации системы управления предприятий к меняющейся конъюнктуре мирового и внутреннего товарных рынков. В том и в другом случае предполагается наличие умения использовать инструменты современной методологии планирования и прогнозирования, а в необходимых случаях и их совершенствования на основании научных исследований количественного и качественного характера.

В прогнозировании большое значение имеет выбранный метод, создание которых является одной из главных проблем науки. Ведущие учёные и практики разрабатывают методологию прогнозирования на основе «научного наследия фундаментальных прогностических школ»:

теорию предвидения и учение о циклах, кризисах и инновациях Н. Кондратьева, М. ТуганБарановского, Й. Шумпетера [146];

цивилизационный подход к истории и будущему, учение о социокультурной динамике П.

Сорокина, А. Тойнби и Ф. Броделя [147];

учение о ноосфере и гармоничной коэволюции природы и общества В. Вернадского и Н.

Моисеева [149];

балансовый метод анализа и макропрогнозирования В. Леонтьева [147];

другие теоретические и методологические разработки российских и зарубежных ученых.

Моделирование и прогнозирование социально-экономических явлений имеет «длительную историю». В XX – XI вв. интерес к проблемам социально-экономического прогнозирования, а также научному обоснованию и методологии построения прогнозов повышается. Масштабные прогнозные исследования проводятся американскими и европейскими экономистами. Г.

Ландсберг, Л. Фишман и Дж. Фишер разработали прогнозное исследование "Ресурсы в будущем Америки. Потребности и возможности их удовлетворения в I960 – 2000 гг." [6]. В 1961 г.

Дж.Ф. Дьюхорстом, Дж.О. Коппоком, П.Л. Йейтсом и др. издают исследование "Потребности и ресурсы Европы", которое описывало десятилетний прогноз развития экономики 18 передовых западноевропейских стран [16]. В это же время выходит научный сборник "Будущее Европы в цифрах", который включал прогнозы экономического развития ФРГ, Великобритании, Франции, Италии, Голландии, Швейцарии, Бельгии – до1970 г. -1975 г. [6]. В данном труде проводилось сопоставление различных методологических подходов к долгосрочному моделированию и разработке прогнозов.

В организации и разработке методологии прогнозирования активное участие принимали исследовательские структуры ООН и неправительственное научно-исследовательское международное объединение «Римский клуб» [146]. В 1960 г. учёные данных организаций представили научный обзор "Оценка долгосрочных экономических прогнозов". Далее учёные публикуют научную работу, посвященную методологии долгосрочного экономического прогнозирования.

Дж. Форрестера и Д. Мидоуза в 70 годы в научном издании "Пределы роста" предложили «модели системной динамики для целей научного прогнозирования, которых и считают основоположниками глобального прогнозирования» [4]. Американский ученый Дж. Форрестер для создания модели экономического развития общества попытался использовать математические методы и ЭВМ. М. Месарович и Э. Пестель в исследовании использовали «подход, учитывавший взаимосвязи основных регионов планеты, что явилось существенным вкладом в область методологии, и обозначили главные проблемы развития человечества в сфере национального неравенства и экологии» [6]. К середине 1980 - х годов вышло более 15 глобальных научных прогнозов, которые называют «модели мира» [16].

На 90-е годы приходится следующий период активности в области прогнозирования, и связано это с приближением нового тысячелетия. Авторы публикаций «стремились осмыслить итоги прошлого и заглянуть в будущее на длительную перспективу — 50, 100 и даже 1000 лет»

[6]. В это время выходят работы Дж. Нэсбитта и П. Эбурдина «Что нас ждет в 90-е годы. Мегатенденции. Год 2000», Дж. Л. Петерсона «Путь к 2015 году» [18]. Следует также назвать такие работы, как:

фундаментальная монография Дж. Ф. Коутса, Дж. Б. Махаффи и Э. Хайнса «2025: сценарии развития США и мирового сообщества под воздействием науки и технологий», научный прогноз американского университета им. Дж. Вашингтона "Новые технологии:

что нам ждать в 2001—2030 гг.", сценарный проект «Scenarios Europe 2010» Европейской Комиссии ООН в 1999 г., и многие другие работы [12].

В данных работах основное место отводится моделированию и прогнозированию экономических, социальных и технологических достижений на базе применения методов сценариев и экспертных оценок.

Связан такой интерес к развитию математического моделирования с конца прошлого столетия благодаря бурному росту информационных технологий и прогрессу программных и интерфейсных средств. Современные информационные средства и вычислительные методы позволяют всесторонне изучать явления и процессы, анализировать сложные экономические и социальные системы и процессы на базе методов математического моделирования.

Другой причиной развития и использования математического моделирования, учёные связывают с тем, что «вхождение в новый век также сопровождалось обострением энергетических проблем, климатических катастроф во многих частях света, демографических проблем»

[4]. Усиление негативных тенденций вызвало необходимость разработать качественные и достоверные прогнозы на базе моделирования посредством математических методов. Эту работу организуют и проводят в настоящее время такие зарубежные организации, как Международное энергетическое агентство, Всемирный энергетический совет, Управление энергетической информацией в США и Европе осуществляет Международный институт прикладного системного анализа, и ряд других национальных государственных и неправительственных исследовательских организаций. Разрабатываются научные прогнозы, рассчитанные на продолжительный период (на тридцать и пятьдесят лет). Для примера, можно привести актуальные прогнозы, как:

прогноз Международного энергетического агентства о состоянии и перспективах прогноз корпорации Price Waterhouse Coopers «Мир в 2050 г.», прогноз «Перспективы глобальных инноваций» корпорации IBM, прогноз корпорации «Research and Development» «Глобальная технологическая В последних исследованиях по моделированию и прогнозированию развития мирового социально-экономического сообщества и решение проблемы снижения запасов традиционных энергоресурсов связывают с технологическими сдвигами. В прогнозе американской корпорации «Research and Development» были выделены «16 наиболее перспективных технологий и сопоставлены возможности разных стран по освоению инноваций и социально-экономическому развитию» [19]. Исследователи данных организаций считают, что в ближайшие полтора десятилетия «ведущая роль в мировом научно-технологическом развитии останется за странами Северной Америки, Западной Европы и Азии. Усилятся позиции Китая, Индии и стран Восточной Европы, и продолжится отставание остальных стран от мировых лидеров» [9]. Достаточно объмные исследования по моделированию мировой экономики на постоянной основе проводит корпорация Price Waterhouse Coopers, которая регулярно обновляет долгосрочные экономические прогнозы роста ВВП крупнейших стран мира и периодические представляет свои доклады на международных саммитах [17]. Первый доклад корпорация выпустила в 2006 году, где проанализированы экономики 17 ведущих стран мира. После этого доклада корпорация добавляет прогнозы по странам, в развитии которых аналитики видят существенный прогресс и потенциал в развитии. Так, в последних аналитических докладах моделируется экономика Вьетнама, Нигерии, ЮАР, Малайзии, Польши, Саудовской Аравии и Аргентины. Согласно оценкам специалистов Price Waterhouse Coopers (далее PWC), в 2050 году «первую строчку в рейтинге мощных экономик мира займет Китай с размером ВВП, исчисляемым на основе покупательной способности, в 53,8 трлн. долларов США» [18]. Аналитики уверенно показывают,, что на вторую позицию переместятся Америка «с размером ВВП в 38 трлн. долларов» [4]. «Третьим лидером в 2050 году станет Индия с ВВП в 34,7 трлн. Долларов» [9]. Эксперты PWC пристально следят за экономическим развитием России и отводят нашей стране ведущую роль в Европе к 2050 году.

Они считают, что Россия сможет опередить Германию, которая сегодня считается «ведущей экономикой европейской части света» [8]. Также в последнем докладе корпорации PWC указывается, что в период 2011г. -2050 г. экономики развивающихся стран, будут расти н более высокими темпами (4% в год и более), что гораздо быстрее «экономик развитых стран (2% или менее)» [18]. Но «текущий разрыв в доходах стран слишком большой, чтобы преодолеть его полностью за сорокалетний период, и высокие темпы роста в странах с развивающейся экономикой не помогут его преодолеть» [8]. Поэтому даже в 2050 году «средний доход на душу населения все равно будет значительно выше в странах с развитой экономикой, чем странах с развивающейся экономикой» [14].

В России вопросами моделирования и прогнозирования занимаются многие экономикоисследовательские центры и институты, среди которых необходимо отметить:

Центр по изучению переходной экономики Института Мировой Экономики и Международных Отношений (С. Аукционек, А. Батяева и др.), Центр Развития (С. Смирнов, Д. Ибрагимова, А. Клепач и др.), Лабораторию конъюнктурных опросов Института Экономики Переходного Периода, Российскую академию наук, Институт энергетических исследований, Министерство экономического развития РФ, Институт экономической политики им. Е. Т. Гайдара.

Также моделированием и разработкой прогнозов занимаются Центр развития Национального исследовательского университета — Высшей школы экономики, Экономическая экспертная группа, и Центрального банка РФ, Центр макроэкономических исследований Сбербанка РФ, эксперты РосБизнесКонсалтинга и др. [8]. Научные разработки и исследования по моделированию и прогнозированию в России имеют интересные результаты и прикладное значение.

В последние десятилетия в странах с развитой национальной культуры при поддержке правительства находит распространение метод «Форсайт» («Предвидение»), который представляет собой «процесс определения и отбора инновационных научных направлений и технологических достижений, на основании которых моделируется социально-экономическое развитие и необходимые для достижения данных задач ресурсы. Данный метод увязывает алгоритмы качественного прогнозирования (применение метода Дельфи, сценарные подходы и пр.) с общими подходами к управлению социально-экономическим развитием общества» [14]. В странах Евросоюза методологические разработки и пути распространения "Форсайта" ведутся с середины 1990-х гг. В результате инновационного подхода государство совместно с бизнесом закрепляет конкурентоспособные технологии на перспективных рынках. В процесс открытого обсуждения и консультаций вовлекаются широкие слои научной, деловой общественности, центральной и региональной администрации, что требует значительных ресурсов для использования данной методики. В зависимости от инициатора программы финансирование конкретных проектов осуществляется из бюджетных и внебюджетных источников, включая средства частной промышленности, региональных администраций, общенациональных фондов и др. Можно выделить несколько основных принципов данного метода, «несмотря на национальные различия в подходах» [17]:

оценка развития конкретного научно-технического направления (предусматривает разработку "технологической карты");

оценка перспектив сферы науки и технологий (распределение ресурсов на проекты НИОКР);

«оценка перспектив научно-технического развития в социально-экономическом контексте (принятие стратегических решений на макроуровне» [15].

Анализ научных публикаций показывает, что проблема выбора методологии прогнозирования актуальна, а с учетом постоянно изменяющихся экономических условий «далека от своего решения» [15]. В настоящее время исследователи имеют широкие возможности и применяют самые разные подходы моделирования для построения прогнозов.

Существующие методы разработки прогнозов можно условно распределить на две большие группы: экспертные и формализованные. «Системное деление методов прогнозирования связано с принципом действия и способом получения информации» [15].

В экспертных методах прогнозирования основными источниками информации признаются суждения консультантов и экспертов, т.е. это качественные методы. Данные методы широко распространены в связи с их универсальным характером и «отсутствием существенных ограничений» [14]. Экспертные методы прогнозирования могут осуществляться разными способами на основе индивидуальных и коллективных экспертных оценки. Если в основе заложен коллективные экспертные оценки, то проводится матричный анализ, анализы иерархий и «Дерево целей», морфологический метод с итоговой комбинацией основных параметров для реализации поставленной проблемы. Далее выбираются и разрабатываются наиболее вероятные решения.

Также ведущее место среди качественных методов прогнозирования занимает метод «Дельфи», основанный «на проведении нескольких туров итеративных индивидуальных опросов с целью получения максимально согласованной точки зрения экспертов по интересующей проблеме»

[19]. Следует отметить ещё один качественный метод – это метод «мозгового штурма» и метод «написания сценариев», показавший достоверные результаты при долгосрочном прогнозировании [20].Также получили развитие и распространение другие экспертные методы прогнозирования. Качественные методы дают общее представление о развитии и отражают варианты на краткосрочный период, но не могут дать объективные и достоверные прогнозы на среднесрочный и долгосрочный периоды [10]. В результате научной практики и исследований специалисты убедились, что более «точные прогнозы могут быть получены при использовании качественных методов, основанных на многоэтапных процедурах проведения экспертных оценок с привлечением ведущих представителей конкретных областей знаний» [19].

Для научно-обоснованных прогнозов необходимо использовать формализованные (количественные) методы прогнозирования. Для количественного анализа задействованы математические и статистические методы. Среди них можно выделить, те, которые наиболее часто используются в практике экономистов и финансистов:

анализ временных рядов, линейный и множественный регрессионный анализ, разработка эконометрических моделей, методы стохастического моделирования, методы аналогий, имитационного моделирования, опережающей информации и Данные методы «ориентированы на предсказание будущих значений отдельных переменных или системы в целом на основе количественных показателей прошедших периодов»

[16].

Особенно широко применяются в практике моделирования и прогнозирования методы экстраполяции. «Суть экстраполяции состоит в анализе изменений исследуемого объекта во времени и распространение закономерностей на будущее с условием, что определяющие технико-экономические указатели в текущем периоде, не претерпят существенных изменений в будущем» [6]. Типовыми методами экстраполяции являются:

простая экстраполяция, аналитическое выравнивание динамических рядов, экспоненциальное сглаживание, метод скользящих средних [16].

В зависимости от природы прогнозируемого явления используется один или несколько типов экстраполяции. Для выравнивания динамики временных рядов с целью дальнейшей экстраполяции применяется «сглаживание временного ряда с помощью взвешенной скользящей средней, в которой веса подчинены экспоненциальному закону» [1]. При анализе временных рядов с резкими изменениями показателей выравнивают динамику с помощью скользящей средней [16]. «С помощью простой экстраполяции производится расчет среднего значения показателя, который закладывается в основу краткосрочного модельного прогноза» [122]. Если привести теоритическую формулировку метода экстраполяции, то можно понять суть: это «аналитическое выравнивание динамических рядов, основанный на выборе формы кривой, отражающей тенденцию и определение математической функции для количественной характеристики временных изменений» [14]. Но при применении количественных методов существуют трудности, которые предполагают необходимость использования достаточно больших массивов статистических данных. Кроме того, с увеличением «прогнозного интервала дисперсия количественной характеристики исследуемого показателя возрастает до значений, которые лишают полученные прогнозные оценки практической ценности, и не позволяют получить адекватные прогнозы на длительные периоды» [14]. Другая трудноразрешимая задача количественных методов заключается в том, что «не учитывают быстро протекающие изменения изучаемой системы, обусловленные появлением новых факторов развития, например, формированием принципиально новых экономических условий, осуществлением технологических нововведений и пр.»

[19]. На решение этой задачи сейчас направлены усилия многих учёных и практиков, и, возможно, в скором времени мы увидим новые инструменты и методы моделирования и прогнозирования.

Таким образом, математическое моделирование, представляющее «собой описание объекта с помощью экономических, статистических и экономико-математических способов, относят к сложным методам прогнозирования» [12]. Из множества моделей, существующих в экономике, активно используются: прогностические, плановые и производственные модели [16]. Плановые и прогностические модели помогают выявить количественную оценку вариантов экономического показателя в соответствии с «заложенным в модель критерием оптимальности» [19].

Производственные модели в большей степени применяются для управления производством фирмы или отрасли, в том числе экономическими средствами.

Научные сообщества, финансово-экономические институты, государственные органы, аналитические и консультационные компании в рамках поставленных задач работают над совершенствованием методологии прогнозирования. В результате научных изысканий и апробаций специалисты пришли к выводу, что «объективные и точные прогнозы могут быть получены при комплексном использовании количественных и качественных методов, программируя их в едином целевом комплексе» [6]. Так, координационный совет по прогнозированию Российской академии наук в 2009 г. опубликовал методические рекомендации по моделированию и разработке долгосрочного прогноза социально-экономического развития России до 2030 г. [7]. За основу принимается математические методы по интегральному макро прогнозированию, которые должны учитывать «факторы, тенденции и «взаимодействия шести основных составляющих цивилизационного генотипа [19]:

динамики финансово-экономических систем;

динамики экономических показателей - темпов изменения структуры экономики и уровня эффективности результатов между различными социальными слоями;

государственно-правовой составляющей (уровень политической напряженности или согласованности, партнерства в обществе, наличие и сила влияния разнообразных конфликтов как внутри страны, так и с другими странами и цивилизациям, уровень развития вооруженных сил и обеспечения безопасности);

природно-экологического уровня (раскрывающего обеспеченность и уровень использования природных ресурсов в регионах, в целом в стране, степень загрязнения окружающей среды и влияние изменения окружающей среды на условия жизни людей);

технологического уровня (соотношение уровня техники и технологии, определяющих конкурентоспособность экономики, и социально-экономические последствия этой смены);

демографического и социального (изменения численности и состава населения, социальное развитие, изменение уровня и качества жизни людей);

культурной составляющей (динамика и взаимодействие развития науки, образования, культуры, этики и религии, степени их влияния на научно-технологическое, социальноэкономическое развитие страны или регионов)» [6].

Достаточно продолжительный период времени в Институте народнохозяйственного прогнозирования РАН ведутся методологические разработки по созданию прогнозных математических моделей [17]. Для целей кратко-, средне- и долгосрочного прогнозирования разработана система, «состоящая из трех моделей. «Платформой системы стала межотраслевая модель экономики — RIM (Russian Inter Industry Model)» [18]. По данной модели можно составить модели и рассчитать прогнозы для многих экономических показателей: ВВП, конечное потребление государственных и некоммерческих организаций, конечное потребление домашних хозяйств, капитальные вложения, прирост запасов, экспортно-импортный поставки, конечный спрос, занятость и заработную плату и др. В дополнение к межотраслевой модели RIM разработана макроэкономическая математическая модель MANAMORU [8]. Для построения сценарных прогнозных расчетов на краткосрочную и среднесрочную перспективу применяется математическая модель QUMMIR (Quarter Macroeconomic Model of Interactions for Russia), которая представляет собой квартальную макроэкономическую модель российской экономики. Данная комплексная модель включает в себя межотраслевую модель, модель энергетического баланса, модель развития инфраструктуры и соответствующие региональные модели. Прогнозы разрабатываются на базе 100 регрессионных уравнений [17]. Основное ядро системы моделей составляет связка из макроэкономической модели QUMMIR и межотраслевой модели CONTO. Межотраслевая модель применяется для согласования отраслевого и макроэкономического уровней прогноза с возможностью использования большого количества внешних и внутренних параметров.

В модели используется 30-ти отраслевая классификация отраслей промышленности и народного хозяйства, и предусмотрена возможность «задания отраслевых выпусков» [19]. Макроэкономическая модель QUMMIR позволяет оценить сформировать параметры, которые в дальнейшем используются в межотраслевой модели, а соединение расчетов по межотраслевой модели и по макроэкономической модели QUMMIR даёт «большую степень обоснованности прогнозным оценкам, ограничить возможные диапазоны изменения ключевых показателей и эластичностей»

[9]. Наиболее важные макроэкономические показатели сведены в таблицы и графики в отдельном файле, в котором предусмотрено автоматическое обновление данных при изменении прогнозных величин. Таким образом, имеется возможность анализировать полученные результаты в «реальном режиме времени и использовать готовые формы с результатами прогноза при составлении итоговых документов» [19]. Наличие «развернутых межотраслевых балансов позволяет формировать дополнительные расчетные блоки модели, что позволяет получать частные прогнозы, основанные на изменении общей макроэкономической ситуации» [3]. Важной функцией данной модели является то, что она служит базой, на которой отрабатываются методы и подходы, которые в дальнейшем будут использоваться при совершенствовании «динамической межотраслевой модели экономики России - Russian Inter Industry Model 3» [17].

Институт экономических стратегий разрабатывает программные комплексы для оценки существующего потенциала государства в сфере инноваций и перспектив развития инновационной деятельности в соответствии с различными сценариями [12]. Первыми программными комплексами института, построенные на «платформе экспертно-моделирующей системы, стали «Баланс интересов» и «Стратегическая матрица России»» [19]. «Стратегическая матрица государства формируется на основе методологии многофакторного анализа» [13]. В данной модели факторы сведены в условные группы, каждая из которых представлена в виде «одной доминанты» [15]. «Для представления результатов исследования в конкретной временной точке используются их статические значения, которые оцениваются при помощи специально разработанных критериальных шкал» [9]. При определении значений факторов «Территория», «Население» и, частично, «Экономика» преобладает статистический подход, а для остальных параметров используется вычисление на основе обобщенных экспертных оценок. В этом случае факторы описываются рядом частных параметров, количество (как правило, в диапазоне 4-10) и относительная важность которых могут варьироваться для различных исторических или прогнозных временных рубежей [19]. С 2007 г. методический комплекс «Стратегическая матрица» модифицирован для решения прикладных задач анализа и прогноза изменения интегральных показателей на разных уровнях.

В нормативных рекомендациях, предназначенных для государственных органов, предписывается, что следует использовать «данные за последние 5 лет с применением одного из пяти методов обоснования» [16]:

«1. Нормативный, при кoтором объем закупок определяется, исходя из удельных нормативов потребления и числа физических или юридических лиц, органов государственной власти или иных получателей бюджетных средств;

2. Метод индексации расходов, при котором объем закупок определяется на основе индексации расходов прошлых лет (на уровне не выше темпов инфляции);

3. Плановый, при котором объем закупок определяется на основе ранее определенного плана, графика, в том числе – с возможной корректировкой для разных лет;

4. Формульный, при котором объем закупок определяется на основе нормативно закрепленной или сложившейся формулы расчетов;

5. Иной, для которого должно быть приведенo краткое описание применяемого метода оценки сумм и объемов прогнозируемых закупок.» [6].

Министерства экономического развития и торговли РФ на регулярной основе проводит расчеты по сценарным условиям с оценкой реализуемости ожидаемых темпов экономического роста, инфляции и других итоговых показателей прогноза [5]. Так, один из последних прогноз социально-экономического развития РФ на 2013 год и на плановый период 2014 и 2015 годов предложен в конце 2012 года. Прогноз разработан на основе «приоритетных направлений концепции долгосрочного развития России на период до 2020 года» [15]. С учётом разных темпов роста ВВП Министерство экономического развития и торговли РФ предлагает три варианта развития экономики России (рис. 1).

Прогнозы социально – экономического развития РФ на 2013 – 2015 г.

годовой темп роста на 2013-2015 гг. оцени- рост ВВП в 2013-2015 гг. прогнозируетвается на уровне 2,7-3,3%. ся на уровне 3,7-4,5%.

в 2013-2018 гг. среднегодовые темпы роста экономики увеличиваются до 6,1%;

Рис.1. Варианты экономического прогноза развития РФ по данным Министерства экономического развития и торговли РФ.

На основе сценарного моделирования Министерство экономического развития и торговли РФ разработал долгосрочный прогноз развития России на период до 2030 г. [22]. В данном прогнозе также предлагаются три основных варианта развития: консервативный, инновационный и целевой, которые различаются «обеспечением макроэкономической сбалансированности и моделями поведения бизнеса и государственной политики (табл. 1)» [1]. Базовым прогнозом считается консервативный сценарий, характеризующийся более «высокой вероятностью реализации» [10]. Более «сложная модель управления с инвестированием в высокотехнологичные проекты заложена в инновационном и форсированном сценариях, но при их реализации Россия с крупным национальным рынком капитала и конкурентоспособным финансовым сектором сможет занять лидирующее положение в мировой экономике» [11].

Таблица 1. Прогноз социально – экономического развития РФ на период до 2030 г. [16] Кроме того, Министерством экономического развития и торговли РФ в 2007 г. были проработаны методические рекомендации по проектированию прогнозов социальноэкономического развития субъектов РФ, в которых «акцентировано внимание на «вычислимых моделях общего равновесия» [6]. В этих моделях «рынки товаров – основные элементы моделей» [15]. Связано это с тем, что в рыночных экономиках преобладает действие рыночных механизмов с целью достижения равновесного баланса между потреблением и производством.

Однако некоторые рынки товаров и услуг, в основном это стратегические и социальные отрасли, регулируются государством. И моделирование, и прогнозирование рыночных систем представляет трудную, но в тоже время наиболее важную проблему, поэтому действия регулирующих органов часто предпочитают оставлять «в качестве экзогенных показателей моделей» [5].

Такой подход реализуется «в моделях равновесия с экзогенными регулирующими параметрами» [7]. Основным отличием этих моделей от эконометрических является наличие вычислений значений таких параметров модели, которые не могут быть «оценены статистически, но обеспечивают достижение равновесных состояний» [8]. Сокращение числа таких параметров модели возможно при сочетании эконометрических моделей с моделями равновесия. В указанных рекомендациях министерства приводится три основные характеристики моделей общего равновесия. «Во-первых, в их состав включаются описания экономических факторов, деятельность которых находит отражение во всей экономической системе региона. Во-вторых, модели включают в себя систему уравнений, решениями которых являются цены, уравновешивающие спрос и предложение на рынке каждого товара, услуги и фактора производства. Сами модели именуются равновесными и базируются на теории общего экономического равновесия, равновесие же вычисляется с использованием разнообразных математических методов. В-третьих, с помощью этих моделей можно получать количественные результаты, что позволяет называть их вычислимыми» [7].

Таким образом, на сегодняшний день существуют различные методологические подходы к моделированию и прогнозированию и в силу важной практической направленности научные исследования и обмен опытом в данном направлении продолжаются. К исследовательской и практической работе привлекаются значительные научные силы и ресурсы государства и частного сектора. Из-за крайней сложности и трудоемкости существующих инструментов и методов прогнозирования возникают неразрешимые проблемы и вопросы, связанные как с выбором адекватной методологии, так и с определением степени достоверности полученных результатов. Также существенным недостатком всех прогнозных комплексов, по мнению учёных, является то, что в «большинстве случаев отсутствуют методологические описания используемых методов прогнозирования» [15]. Поэтому оценить представленные прогнозы и определить, что явилось основной причиной, сама «адекватная структура модели и метод или неучтенный дополнительный фактор, в случае расхождения прогнозных показателей с фактическими практически невозможно» [11]. Основным инструментом прогнозирования на сегодня остаются модели временных рядов и системы эконометрических уравнений, которые позволяют проектировать данные на «основании информации только о них самих» [20]. Но для решения задач стратегического планирования и распределения ресурсов на государственном уровне, на уровне мировых корпораций и на уровне национальных и региональных компаний необходимы достоверные модели экономических процессов. И здесь следует учитывать, что большинство экономических явлений, процессов и систем не могут рассматриваться как простые математические функции, поскольку являются сложно детерминированными в условиях постоянного взаимодействия комплекса внутренних и внешних факторов.

Экономическое развитие рыночных отношений в условиях глобализации и интернационализации производственных отношений требует создания нового механизма формирования цен. Движение цен на любом рынке во многом определяется изменением макроэкономических параметров. Изменение налогов, таможенных сборов, уровней инфляции и безработицы, ставки рефинансирования, средств на счетах в банках, резервов центрального банка, слияние предприятий, изменение политической ситуации отражается на всех рынках. Стратегия ценообразования исходит из общих целей и интересов компании, которые непосредственно связаны со стабильностью конъюнктуры и сохранением благоприятного климата для своей деятельности.

Стратегия ценообразования компаний ориентирована на максимизацию сбыта и минимизацию воздействия таких внешних сил, как правительство, конкуренты и потребители. Формирование эффективной стратегии ценообразования на микроуровне возможно на основе достаточной информации о рынке и наличии достоверных и точных прогнозов.

Среди методов прогнозирования цен, которые получили широкое распространение в мировой практике, можно выделить в две группы (табл. 2) [117].

Таблица 2. Методы прогнозирования цен Методы экспертных оценок Параметрические методы прогнозирования Наибольшее практическое распространение несколько параметрических методов прогнозирования [122]. Метод удельной цены основывается на механизме пропорционального изменения цен и качественных характеристик товара. Для эффективной экономики данный метод недостаточно точно характеризует изменение цен, поскольку научно-технический прогресс должен проявляться в относительном снижении цены на единицу основного параметра новой продукции по сравнению с базовой. По методу структурной аналогии сравнивается себестоимость однотипной продукции на основе статистических и конъюнктурных данных. Планируя абсолютную величину того или иного вида затрат по продукции и его удельный вес в структуре себестоимости по аналогичной группе продукции, можно рассчитать себестоимость нового товара. Балловый метод можно отнести к первой группе, так как он формируется на экспертных оценках значимости параметров качества товара для потребителей [117]. Особую значимость приобретает прогнозирование индексов цен, которые показывают динамику изменения цен за определенный период времени [149]. Рассчитываются индексы потребительских, оптовых цен и индекс цен (дефлятор) ВВП [195]. На основе данных о структуре затрат по элементам и индексов изменения отдельных затрат определяется общее изменение себестоимости продукции в прогнозируемом периоде [118]. Суть метода корреляционно-регрессионного анализа состоит в том, что устанавливается форма связи между стоимостным показателем и техническим параметром объекта [121].

Математическое моделирование и экспертные прогнозы экономических показателей не могут гарантировать абсолютно точного прогноза. Любой прогноз лишь помогает ориентироваться в ситуации, но не даёт полной гарантии, поэтому предпринимаются новые попытки к созданию новых методик и программ. В России научными институтами, исследовательскими организациями и центрами. Так, Институт энергетических исследований РАН представил дескриптивную и эмпирическую модель прогнозирования цен на нефть, а Институт энергетической стратегии предлагает нейронный подход моделирования цен на энергоресурсы [89]. Использование нейронных сетей для прогнозирования ценовых и финансовых временных рядов является на сегодня передовым методом, и основан он на использовании создававшегося более двадцати лет модельно-информационного комплекса SCANER [39]. Нейронные сети можно отнести к методам технического анализа, так как они выявляют закономерности в развитие ряда, и в тоже время корректирует свою систему на основе ретроспективных данных. Нейросетевая модель прогноза будущих цен на нефть учитывает различные факторы влияния (фундаментальные, финансовые, геополитические и прочие) на нефтяные биржевые котировки [89]. Сложные компьютерные программы, созданные для нейронного моделирования, включают оптимальные методики прогнозирования и содержат огромную информацию о рынке: прошлые цены, сделки трейдеров мира и прочее. На базе нейросетевой модели и расширения диапазона исследуемых параметров разработан первый отечественный прогноз развития энергетики мира и России на долгосрочный период. Данный прогноз представляет экономическое развитие мировых энергетических рынков и участия на них ТЭК России до 2040 г. с учётом долгосрочных проблем и возможностей энергетического сектора и анализом ключевых факторов [103].

Основные теории и классификация причин цикличности. Продолжительность и 1.4.

Для решения задач стратегического планирования и распределения ресурсов на государственном уровне, на уровне мировых корпораций и на уровне национальных и региональных компаний необходимы достоверные прогнозы экономических процессов. Большинство экономических явлений и процессов не могут рассматриваться как простые функции, поскольку являются сложно детерминированными в условиях сложного взаимодействия комплекса внутренних и внешних факторов. Большинство экономических параметров, выделенные из динамических рядов исследуемых процессов, демонстрируют циклическую природу. Трендовоциклическая природа развития экономических систем позволяет проводить специализированные исследования в этой области и прогнозировать характер предстоящих изменений и тенденций [118]. Изучению регулярных и хаотичных изменений в сфере производства и потребления, распределения материальных благ, экономико-политической сфере посвятили свои труды многие известные и малоизвестные учёные. Существует мнение в научном сообществе, что хаотические явления свидетельствуют лишь об ограниченности представлений о данном предмете, и задача исследователей состоит в определении детерминант, обуславливающих их существование и причинно-следственных связей на разных уровнях. Возможно, циклический подход позволит выявить некоторые закономерности динамики их развития. Ориентация при разработке бюджета и стратегии экономического развития на прогностические исследования, не учитывающие циклические явления, происходящие в экономике и научно-технической сфере, может привести к негативным последствиям в деятельности отдельных предприятий, отраслей народного хозяйства и для экономики в целом.

Цикличность характеризуется периодическими колебаниями в производстве и хозяйственной деятельности в течение нескольких месяцев или лет. Эти колебания происходят на фоне развития краткосрочной, среднесрочной или долгосрочной тенденции роста, и обычно включают «сдвиги во времени между периодами экономического роста и периодами относительной стагнации или снижения» [6]. Автор научной теории «Экономикс» П. Самуэльсон писал: «Экономика никогда не находится в состоянии покоя» [114]. Первую научную систематизацию периодических экономических кризисов предложил Жан-Шарль де Сисмонди в 1819 г.

[149]. С этого времени выявление природы и классификации рыночных циклов является дискуссионным вопросом. Изучением проблем циклов в экономике занимались такие известные ученые, как: К. Жугляр, К. Маркс, М. Туган-Барановский, Дж. М. Кейнс, П. Самуэльсон, Дж.

Хикс, Ф.Хайэк, Й. Шумпетер, Я. Тинберген, У. Митчелл, Дж. Китчин, Э. Хансен, А. Афтальон, М.Кларк, А. Оукен, Р. Гордон, Е. Слуцкий, Р. Фриш, Н. Кондратьев и другие экономисты [149].

Взгляды учёных и различных научных школ сильно различаются. Часть исследователей, занимающихся изучением конъюнктурной динамики, не признаёт существование периодически повторяющихся циклов в общественной жизни. К примеру, сторонники неоклассической и монетарной школ принимали за основу накопившиеся сдвиги в технологиях или в товарноденежном обмене. Другие «учёные с детерминистским подходом» к исследованию и изучению экономики утверждают, что циклы проявляются с определённой регулярностью, но и они имеют отличные друг от друга взгляды [19]. Так, «последователи школы ортодоксального марксизма» признают лишь промышленный цикл, а другие виды циклов исключают. «Марксисты считают, что цикличность развития характерна только для капиталистической системы, а при социализме экономика развивается по восходящей прямой, без подъемов и спадов» [149]. На основании материала научной и учебной литературы можно составить краткую характеристику основных теорий цикличности [6]:

1. В теории внешних факторов (экономист У. Джевонс) экономический цикл был связан с солнечным циклом. Его последователи распространили теорию «о влиянии солнечных пятен на цикличность сельского хозяйства, занятости» [149]. Х. Мор разработал общую «теорию солнечной активности», а исследователь Симанака Юдзи определил, что два солнечных цикла равны циклу Кузнеца (22 года), пять равны циклу Кондратьева ( лет) [47]. Экономист С. Одзи исследовал циклическое развитие Японии и представил девять 11-летних солнечных циклов в период с 1885 по 1984 гг., которые «совпали с промышленными циклами» [6].

2. В марксистской теории цикла основатели считают, что «экономические кризисы рождаются в противоречии между общественным характером производства и частнокапиталистической формой присвоения результатов этого производства» [6]. Возможность «цикличности экономики заложена в товарном производстве, которая усиливается с ростом концентрации производства и углублением общественного разделения труда»

3. Неомарксисткая теория известна тем, что Л. Троцкий обосновал идею возникновения циклов как результат обострения классовой борьбы в капиталистическом обществе [149]. «Исследуя период с 1781 по 1921 г. он выделил 5 циклов. Среди современных экономистов, придерживающейся теории Л. Троцкого можно выделить экономиста Э.

Мандела» [6].

4. Монетарная теория с циклами «денежной природы», авторы которой Р. Хоутри и Хайек считают, что циклы «не могут быть вызваны неденежными факторами. Во время подъма наблюдается увеличение, а во время спада снижение денежной массы в обращении и скорости обращения денег» [41].

5. В теории недопотребления основатель экономист Ж. Сисмонди и его сторонники утверждают, что «периодические кризисы это результат недостатка потребления и неравномерного распределения доходов в обществе» [149]. Из чего последователи теории указывают на причину цикличности рыночной экономики – «природа капиталистического общества с его классовым делением доходов» [6].

6. В теории перенакопления авторы считают, что «экономика развивается циклично в силу нестабильности промышленных отраслей. Объемы производства в промышленности меняются значительно больше, чем в отраслях, производящих потребительские товары» [145].

7. Основатели кейнсианской теории (Дж. Кейнс, Дж. Хикс, Э. Хансен, П. Самуэльсон) считают, что «причиной кризисов и цикличности является нарушение уровня капитала»

[114], где важное значение принадлежит роли государственных инвестиций.

8. В неоклассической теории (К. Менгер, Ф. Визер, Э. Бём-Баверк, У. Джевонс, Л. Вальрас, Дж. Б. Кларк, И. Фишер, А. Маршалл) причины кризисов лежат в «технологических сдвигах, вызывающих колебания уровня деловой активности, т.е. циклические колебания результат случайных технологических шоков. Позитивный шок в производительности вызывает увеличение выпуска, предельной производительности капитала, что вызывает увеличение инвестиций, а более высокий уровень инвестиций приводит к увеличению объема капитала» [149]. Учёные предложили «модель экономического равновесия (экономическую теорию благосостояния), согласно которой механизм свободной конкуренции и рыночного ценообразования обеспечивает справедливое распределение доходов и полное использование экономических ресурсов» [6].

9. В неокейсианской теории (Ф. Модильяни, Дж. Хикс и П. Самуэльсон) экономисты попытались синтезировать учение Кейнса с неоклассическими моделями экономики, и в результате пришли к выводу, что «колебания инвестиций в основной капитал являются причиной делового цикла. Увеличение капиталовложений в научные исследования, новую технику, инфраструктуру с помощью государственного финансирования способствуют экономическому росту» [114].

Несмотря на большую историю исследования причин и объяснения цикличности, работы в данном направлении не только не прекращаются, и подтверждает то, что данная проблема актуальна.

Длительные наблюдения за динамикой основных экономических показателей подтверждают присутствие циклов различной «продолжительности и интенсивности, проявляющихся на разных уровнях экономической системы», и формируя «волнообразную динамику экономических процессов» [6]. По данным американского Фонда по изучению экономических циклов, выделяют 75 видов циклов общей деловой активности продолжительностью от 16 до 60 лет и 23 вида циклов волнового характера от 35 до 108 лет. Всего «насчитывается 1380 разновидностей экономических циклов продолжительностью от 20 часов до 700 лет» [143].

Существуют разные классификации, но чаще всего в экономической литературе выделяют следующие «виды экономических циклов: одногодичные, обусловленные сезонными колебаниями; 2 - 5-летние циклы Китчина-Крума; 7 - 11-летние циклы Жугляра; 17 - 25-летние циклы Кузнеца; 45 - 60-летние циклы Кондратьева» [114]. «Приведённый перечень не исчерпывает всё многообразие известных в современной экономике циклов, и лишь показывает наиболее известные и значимые для практического анализа экономической динамики» [3]. Отечественный учёный Н. Кондратьев выделил «три вида циклов: краткосрочные колебания, среднесрочные циклы, долгосрочные волны» [47]. В последней группе циклов насчитывается «множество видов, и кроме 60-летних Кондратьевских волн выделены сверхдлинные тенденции экономической и политической динамики» [47]. Дж. Модельский определил циклы «в мировой политике продолжительностью от 90 до 122 лет, связанные с мировыми войнами и установлением мировой политико-экономической силы» [143]. Ф. Бродель обнаружил циклы в объемах ВНП, численности населения и уровне дохода на душу населения продолжительностью 100- лет, которые называют «вековыми циклами». Учёный представил «экономический прогресс как схему взаимодействия вековой тенденции с циклами меньшей продолжительности» [47]. «Циклы Форрестера продолжительностью порядка 200 лет отражают научно-технические изменения в области производства энергии и материалов» [47]. Длинные волны изучали С.М. Меньшиков и Л.А. Клименко, которые выделили «сверхдлинные волны в темпах прироста промышленной продукции с периодом в 100 лет и более» [149]. Волны «продолжительностью 400 лет в показателях сельскохозяйственных цен, количества населения и ВВП на душу населения обнаружил также Г. Снукс» [154]. Другие исследователи отмечают, что «супердлинные циклы не имею практического подтверждения в силу трудностей последовательного изучения на протяжении нескольких поколений» [47]. Кроме того, длинные волны, по мнению исследователей, «лишены строгой периодичности гармонических колебаний, а динамика их многофакторна» [47].

Следует заметить, что «терминология циклов различается у разных учёных» [17]. Так, «Чепурин называет циклы Кондратьева большими циклами, а среднесрочные циклы - малыми циклами. Э. Хансен среднесрочные циклы назвал большими, а малые циклы – это небольшие замедления в фазе экспансии среднесрочного цикла. Длинные волны Э. Хансен считает долговременной тенденцией» [138].

Таким образом, при существующем многообразии циклов «учёные открывают всё новые виды волн» [47]. При этом «наибольшую популярность имеют несколько циклов», которые представлены в научной и учебной литературе в табличном виде (табл. 3) [148].

Таблица 3. Типы экономических циклов (по данным [148]) Китчина 2 – 4 года Величина запасов колебания ВНП, инфляции, занятости, коммерческие циклы Жугляра 7 – 12 лет Инвестиционный цикл колебания ВНП, инфляции Кондратьева 40 – 60 лет Технический прогресс, структурные изменения Тоффлера 1000 – 2000 лет Развитие цивилизаций Помимо временной классификации циклов, отмеченных выше, существуют другие классификации, в основе которых положены «иерархические, структурные, генетические и экологические признаки» [47]. Ю. Яковец рассмотрел «циклы в пространственном аспекте, и предложил различать циклы, свойственные экономическому развитию отдельных стран, группы взаимосвязанных стран, континента и глобальный цикл» [152].

На протяжении своего функционирования под воздействием циклических факторов периодическая динамика может менять форму, интенсивность, продолжительность подъёма и снижения. «Каждый новый цикл начинается с наименьшей точки экономической активности, проходит через фазу роста и достигает высшей точки цикла» [147]. Затем начинается период спада, «продолжающийся до тех пор, пока экономика не достигнет следующей низшей точки, т.е. полный цикл включает траекторию от одной до другой наименьшей точки» [47]. Экономические циклы могут существенно отличаться друг от друга, но все они имеют одни и те же фазы. Экономический цикл можно представить двух– или четырехфазными графическими моделями [147], и при этом каждая фаза экономического цикла характеризуется определёнными изменениями и выполняет важную функцию [117]. Фаза подъема отражает «позитивные сдвиги в экономике: растут инвестиции и вступают в строй новые предприятия, увеличивается объем реального капитала, сокращается безработица, растёт заработная плата. Фаза подъема заканчивается максимальной точкой подъема, за которой начинается очередной спад. Другие фазы отображают негативные изменения. В фазе кризиса снижаются объём производства, доходы, занятость, которые в следующей фазе, фазе депрессии, достигают минимальных значений, а затем в результате инноваций начинают постепенно восстанавливаться» [152]. На фазе депрессии, по мнению учёных, в производстве «происходит снижение издержек, что способствует при низких товарных запасах восстановлению предприятий и их прибылей» [47]. Как и любая фаза цикла, кризис и депрессия имеют значение в развитии экономики. Так, они «совершенствуют материальный базис и стимулируют развитие организационных форм производства, распределения, обмена и потребления, в результате экономика выходит на все более высокий уровень развития» [152].

Основным «индикатором цикла и фазовой структуры является валовый национальный продукт, и если наблюдается прирост ВВП, то экономика находится в фазе подъема, а если отрицательная, то в фазе спада» [148]. Циклически изменяются другие социально-экономические показатели: уровень занятости и безработицы, инфляция, ставки процента, валютного курса, объем денежной массы, объём выпуска продукции. Индикаторы экономического цикла, которые «своевременно предупреждают о предстоящем подъеме или спаде, экономисты делят на три группы» [147] (табл. 4).

Таблица 4. Группы индикаторов экономического цикла (по данным [8]) Группа показателей Характер изменения Наименование показателей Опережающие по- достигают максимума или мини- изменения в запасах, денежной Совпадающие пока- изменяются в соответствии с ко- ВНП, уровень инфляции, объем затели лебанием экономической активно- промышленного производства и т.

Запаздывающие по- достигают максимума или мини- численность безработных, удельказатели мума после пика или низшей точ- ные расходы на зарплату и т. п.

Каждая группа включает «большое количество показателей, имеющих разную степень практического использования» [47]. Например, в США используются «11 опережающих индикаторов экономического цикла: число созданных предприятий, средняя продолжительность рабочей недели в промышленности, среднее число сверхурочных часов, число компаний, заявивших о снижении продаж, число новых заказов в потребительских отраслях, число новых строительных контрактов, изменения в запасах по промышленности и торговле, индекс цен на материалов, денежная масса, индекс фондового рынка, индекс ожиданий потребителя» [149].

Финансовые аналитики и исследователи из-за необходимости применения большого количества экономических индикаторов формируют сводные индексы. Так, «сводный индекс по совпадающим параметрам состоит из четырех показателей: ВНП, личный доход за вычетом трансфертных платежей, объем продаж обрабатывающей промышленности, численность работающих в несельскохозяйственном производстве» [149]. В зависимости от изменения характера значения также выделяют на несколько групп (табл. 5) [147].

Таблица 5. Группировка показателей по взаимосвязи с фазами цикла (по данным [108]) Группа показате- Характер изменения Примеры показателей Проциклические показатели, значения которых реальный ВВП, выпуск продукции и объв фазе подъема увеличивают- ем продаж, общий уровень цен, прибыль ся, а в фазе спада — умень- фирм, величина налоговых поступлений, Контрцикличе- показатели, значения которых уровень безработицы, число банкротств, ские во времени спада увеличива- размеры производственных запасов готоются, а во времени подъема вой продукции Ациклические показатели, в динамике кото- объем экспорта, ставка налога, норма Наблюдения за ходом циклов показывают, что в современных условиях циклы существенно трансформируются, и «характер модификации не ограничивается лишь изменением продолжительности спадов и подъемов» [148]. Меняются сама форма цикла, его воспроизводственные функции, что существенно отличает современный от классического цикла. У классического цикла, как уже отмечалось, исходной и ключевой фазой выступает кризис со «снижением цен на товары и факторы производства приводило к обесценению основного капитала»

[47]. В настоящее время цены на многие товары «могут незначительно меняться, и предприятиям удается получать прибыль даже при сокращении производства» [148], что мешает обновлению техники и технологии, и «не способствует избавлению экономики от старого производственного аппарата» [47]. Другим важным «фактором изменения современного цикла является регулирующая роль государства, которое разрабатывает антициклические и антикризисные мероприятия» [47]. Во время «кризиса для стимулирования роста производств» [17] правительство увеличивает государственные заказы. Для регулирования капиталовложений и потребительского спроса государство применяет также «налоговые инструменты бюджетной политики» [132]. Эти методы получили название «встроенных стабилизаторов, потому что в экономической системе их действие осуществляется автоматически» [47]. Важная роль государства на экономическое развитие осуществляется через кредитную политику. «Снижение банковской учетной ставки ведет к снижению процентных ставок по кредитам, и этим способствует увеличению инвестиций и расширению продаж в кредит, что стимулирует рост производства» [47].

Четвёртым модифицирующим фактором является процесс глобализации, под влиянием которого цикл стал носить мировой характер [131]. Кризис в одной стране влечет за собой кризисные явления в других странах, и всё мировое хозяйство втягивается в циклические колебания. Это объясняется интернационализацией производства и переходом стран на новый технологический базис производства, который еще больше усиливает международный характер рынков факторов производства и обусловливает мировые структурные кризисы [132].

Таким образом, рыночная экономика, по-прежнему подвержена циклическим колебаниям, несмотря на модификацию циклов в результате механизмов регулирования.

Глава 2. Ретроспективный анализ и современное состояние лесной промышленности 2.1. Роль ЛПК в российской экономике и место в мировом производстве Значение отраслей для экономики определяется его реальным вкладом в национальный доход страны и долей на мировом рынке, который формируется в результате международной специализации и размещения производительных сил. Уровень значимости любой отрасли оценивается на основе фактического и прогнозируемого удельного веса продукции отрасли в валовом производстве продукции всех отраслей экономики на территории государства.

На лесопромышленный комплекс в 2012 г. приходилось 4,3% промышленного производства [70] (рис. 2).

Рис. 2. Структура промышленного производства России за 2012 г.

В структуре промышленного производства России по объему выпускаемой продукции за тот же период ЛПК занимает восьмое место (без учёта лесозаготовительной отрасли) [134] (табл. 6), что показывает снижение позиций. Так, в 2005 г. лесной комплекс находился на седьмой ступени по стоимостному объёму производства продукции.

Таблица 6. Выпуск продукции обрабатывающими производствами (по данным ФСС [134]) производство электрооборудования, электронного и оптического оборудования деревообрабатывающее и целлюлозно-бумажное производства производство резиновых и пластмассовых изделий На долю ЛПК в общем промышленном производстве в 2005 г. приходилось 5,2% (табл.

6). Данная тенденция показывает, что в настоящий период лесопромышленный комплекс находится в достаточно трудном положении в результате накопившихся проблем, требующих незамедлительного решения в условиях усиления конкуренции и изменений после вступления России в ВТО. На всех конференциях и встречах, посвящённых вопросам развития лесного комплекса в России, называются «острые проблемы:

истощение ресурсной базы на доступных территориях и слаборазвитая лесная инфраструктура;

изношенность производственных мощностей и технологическая отсталость предприятий;

недостаток мощностей по глубокой переработке древесины» [59].

Повышения издержек в результате использования устаревшего оборудования и освоения удаленных лесных массивов для лесозаготовки древесины снижают уровень рентабельности предприятий лесопромышленного комплекса, что особенно актуально и показательно для лесозаготовительной отрасли (табл. 7).

Таблица 7. Рентабельность продукции лесопромышленного комплекса (по данным ФСС[134]) Рентабельность проданных 2000 2005 2008 2009 2010 2011 товаров, % Лесозаготовительная отрасль н/д -1,7 -3,5 -6,9 -0,9 -0,6 -2, ленность Недостаточные мощности в деревообрабатывающей отрасли и целлюлозно-бумажной промышленности по некоторым видам продукции, и отсталость действующих предприятий не позволяют выпускать конкурентную продукцию с высокодобавленной стоимостью, и, следовательно, занимать значительные позиции на мировом рынке. Особенно «много старого оборудования в деревообрабатывающей отрасли, которое не позволяет производить современные виды продукции» [107] (табл. 8). Низкая рентабельность и высокие риски снижают инвестиционную привлекательность лесопромышленного комплекса и интерес со стороны финансовых организаций, а в результате «нехватки кредитных ресурсов обновление фондов и ввод новых производственных мощностей происходит с большим отставанием от мировых рыночных тенденций» [60].

Таблица 8. Использование производственных мощностей по выпуску продукции в ЛПК в 2010 – 2011 гг. (по данным ФСС 134]) Обработка древесины и производство изделий из дерева Лесоматериалы, шпалы железнодорожные или трамвайные деревянные 52 непропитанные Целлюлозно-бумажное производство; издательская и полиграфическая деятельность Несмотря на серьезные проблемы в лесопромышленном комплексе, динамика выпуска продукции имеет положительную тенденцию. Объём выпуска лесобумажной продукции в г. вырос на 6 % по сравнению с 2011 г. (без учёта продукции лесозаготовительной отрасли).

Данный рост стоимости отгруженной продукции значительно уступает общему приросту продаж товаров обрабатывающего производства в 2012 г. – 10,2% (рис. 3). Если до 2010 г. темп роста продажи лесобумажной продукции соответствовал общей динамике перерабатывающей промышленности, то позже наступило отставание ЛПК. Так, отгрузка обрабатывающих товаров в 2010 г. увеличилась на 30% к уровню 2009 г., а отгрузка лесобумажной продукции на 26%. В 2011 г. рост обрабатывающей и лесобумажной продукции составил 26,6% и 9,2% соответственно к уровню 2010 г.

млрд. руб.

Рис. 3. Динамика стоимости отгруженной продукции ЛПК и обрабатывающего производства Высокие темпы роста в период 2009 -2010 гг. были связаны с посткризисным восстановлением экономики. «Устойчивость лесопромышленного комплекса к экономическому спаду, и быстрое восстановление отражает внутренний потенциал, а также показывает рост спроса на лесобумажную продукцию на российском рынке и стабилизацию потребления на мировом рынке» [107]. Экспортная ориентация лесопромышленного комплекса обуславливается тем, что при больших запасах древесного сырья, Россия располагает «ограниченными мощностями для глубокой переработки сырья и невысоким потреблением лесобумажной продукции на внутреннем рынке. Вследствие этого более половины объёма производимой продукции ЛПК поставляется на мировой рынок» [70]. Такое соотношение поставок продукции на внешний и внутренний рынки имеет как положительные, так и отрицательные стороны. Ограниченность потребления некоторых видов лесобумажной продукции на внутреннем рынке уравнивает торговые позиции производителей и покупателей, что в целом стабилизирует рынок. Кроме того, устойчивость и развитость внешнеторговых операций деревообрабатывающей и целлюлознобумажной продукции показывает интеграцию с мировым рынком, что возможно позитивно отразится на положении российских производителей как полноправных участников ВТО. В ближайшее время российские лесопромышленники должны будут открыто конкурировать с западными производителями картона, целлюлозы, бумаги и других видов продукции, что «структурирует рынок и отразится на эффективности наших компаний» [31]. Но в тоже время небольшая ёмкость внутреннего рынка показывает низкое потребление лесобумажной продукции на душу населения в России, что является отрицательной стороной «не столько лесобумажного рынка, сколько всей национальной экономики» [30]. Так, аналитики оценивали в 2004 – 2005 г.

потребление бумаги и картона в России 37 - 38 кг, а 2010 г. около 50 кг на человека, что является «самым низким показателем по сравнению европейскими и североамериканскими странами»

[31]. В долгосрочном прогнозе развития России до 2030 г. приводятся показатели потребления бумаги и картона на душу населения в США и Финляндии, которые составляют 230 кг и 340 кг.

Инновационный вариант развития России предполагает увеличить к 2030 г. «внутреннее потребление бумаги и картона до 20 млн. т, что позволит увеличить потребление данной продукции на душу населения в 3 раза – до 145 кг.» [30]. Другим сложным моментом экспортной ориентированности является то, что в отличие от металлургических и нефтегазовых корпораций российские лесопромышленные предприятия не являются стратегическими участниками международных торговых отношений и, значит, не имеют значимого влияния на конъюнктуру мирового рынка.

Доля экспорта продукции лесопромышленного комплекса в общем объеме экспортных поставок России в 2012 г. составила 2% (в 2011 г. 2,2%) [135]. Экспорт продукции ЛПК занимает скромные позиции в поставках продукции России на мировой рынок. Но в 2005 г. на экспортную лесобумажную продукцию приходилось «3,9% от объема общей экспортной выручки России» [135]. Надо заметить, что аналогично снижению роли ЛПК в российском промышленном производстве в последнее время снижается и доля в экспортной торговле. По данным международного статистического комитета, после десятилетнего с 1998 г. роста экспорта РФ значительный спад экспорта продукции ЛПК произошёл в 2009 г. (рис. 4). До 1997 г. наблюдалась дестабилизация экспорта, вызванного реформами внешнеэкономической деятельности, которые начались в 1986 г., когда все хозяйствующие субъекты России получили право на внешнеэкономическую деятельность, что привело к ухудшению условий экспортных сделок и конкуренции предприятий друг с другом.

млн. долл.

Рис. 4. Динамика российского экспорта (в стоимостном выражении) продукции ЛПК(по данным [135]) Другие данные также подтверждают, что более высокие показатели российского ЛПК во внешней торговле были перед распадом СССР (приложение 1). По данным бывшего внешнеторгового объединения «Экспортлес», «доля лесного экспорта в структуре внешней торговли СССР составляла в 1980 г. - 4,5%, 1989 г. - 3,7%» [135]. «Валютная выручка от продажи лесобумажной продукции в 2012 г., по данным таможенной статистики, составила 10,35 млрд. долл., что ниже показателя 2011 г. на 9,1%» [135]. Рост валютной выручки от экспорта продукции деревообработки и целлюлозно-бумажного производства в 2011 г. сменился снижением в 2012 г.

Главные позиции в товарной структуре экспорта лесобумажной продукции занимают круглая древесина – 45% и пиломатериалы – 20%, и треть экспорта распределяется между целлюлозой, фанерой и газетной бумагой.

До 77% стоимостного объёма экспорта лесобумажной продукции приходится на страны дальнего зарубежья. На долю продаж лесоматериалов и целлюлозно-бумажных товаров в общем экспорте России в дальнее зарубежье приходится 1,8% (8,05 млрд. долл.) в 2012 г. [135] (рис. 5).

лесоматериалов Рис. 5. Структура экспорта России в страны дальнего зарубежья в 2012 г. (по данным [135]) Стоимостной и физический объемы экспорта лесоматериалов, по данным таможенной статистики, уменьшились в 2012 г. на 11,6% и 7,7% по сравнению с 2011 г. в результате снижения поставок круглой древесины на 16,8%, пиломатериалов – на 3,4%,бумаги, газетной - на 6,5% [47]. На фоне общего снижения экспорта лесопромышленной продукции положительная динамика наблюдается только в экспорте целлюлозы, продажи которой увеличились на 11,5%.

В общей товарной структуре экспорта в страны СНГ доля лесобумажной продукции снизилась с 3,0% в 2011 г. до 2,9% в 2012 г. и составила 2,3 млрд. долл. (рис. 6).