оперативная бизнес-статистика (ОБС, short-term business

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»
Факультет экономических наук
Образовательная программа " Статистический анализ экономических и
социальных процессов"
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
«Статистический анализ оперативных бизнес-индикаторов
для оценки состояния и тенденций развития секторов
экономики»
Выполнила
студентка группы № 71-САЭСП
Ильичева Е.А.
Научный руководитель
профессор, к.э.н. Луппов А.Б.
Рецензент
доцент, к.э.н. Пономаренко А.Н.
Москва 2015
Оглавление
ВВЕДЕНИЕ ________________________________________________________________________ 3
ОСНОВНАЯ ЧАСТЬ _______________________________________________________________ 7
Глава 1. Оперативная бизнес-статистика Евросоюза и России ___________________________ 8
1.1. Законодательные основы регулирования ОБС в странах ЕС и в России__________________8
1.2. Методологические основы бизнес-статистики в Евросоюзе и в России ________________13
1.3. Построение отечественной системы ОБС__________________________________________20
Глава 2. Анализ текущего состояния и перспектив развития промышленного сектора
экономики РФ _____________________________________________________________________ 42
2.1. Макроэкономический анализ. Обзор текущего состояния экономики РФ _______________45
2.2. Отраслевой анализ. Оценка состояния и прогноз развития промышленного сектора
экономики России ________________________________________________________________50
ЗАКЛЮЧЕНИЕ ___________________________________________________________________ 61
СПИСОК ЛИТЕРАТУРЫ __________________________________________________________ 64
ПРИЛОЖЕНИЯ ___________________________________________________________________ 68
ПРИЛОЖЕНИЕ 1. Временные ряды отечественных бизнес-индикаторов __________________68
ПРИЛОЖЕНИЕ 2. Эконометрический анализ базисного ИПП (С+D+E) ___________________73
2.1. Анализ описательных статистик базисного ИПП (С+D+E) _________________________73
2.2. Моделирование и прогнозирование динамики индекса промышленного производства
(С+D+E)_______________________________________________________________________73
2.2.1. Статистическое исследование систематической и сезонной составляющей в динамике
базисного ИПП (C+D+E) _________________________________________________________74
2.2.2. Построение адаптивной модели Хольта-Уинтерса для базисного ряда ИПП _________78
2.2.3. Моделирование и прогнозирование базисного ИПП (С+D+E) с помощью моделей
авторегрессии и скользящего среднего (ARMA) _____________________________________80
2.2.4. Сравнительный анализ моделей ______________________________________________89
2.2.5. Некоторые дополнительные сведения о моделировании базисного ИПП с помощью
SARIMA моделей _______________________________________________________________92
2
ВВЕДЕНИЕ
В начале 1990-х гг. отечественная статистика столкнулась с серьезными
потрясениями, вызванными трансформацией плановой экономики в рыночную. За
короткий
срок
на
основе
советской,
была
создана
российская
статистика,
ориентированная на потребности рыночной экономики. В результате перехода к
международным стандартам стали появляться новые разделы статистики. Один из таких
разделов — оперативная бизнес-статистика (ОБС, short-term business statistics, STS) —
отрасль экономической статистики, предназначенная для оперативного использования в
бизнесе. Стоит отметить, что вплоть до настоящего времени в российских официальных
источниках статистической информации раздел, посвященный ОБС, отсутствовал, хотя
большая часть показателей, которые принято относить к разделу ОБС в развитых странах
рассчитывалась и у нас. Далее в работе под оперативной бизнес-статистикой России
будем понимать совокупность статистических показателей, которые рассчитываются
Росстатом и которые в европейских странах и США принято относить к ОБС.
В ряде источников, например [1], подчеркивается, что процесс перехода от
советской к российской статистике сопровождался спешкой, ресурсными ограничениями,
что негативно сказалось на развитии отечественной статистики. В экономической
статистике негативная тенденция проявилась в неравномерном переходе ее отраслей к
международным стандартам. Согласно [2], упор делался, главным образом, на развитие
системы национальных счетов (СНС). На другую отрасль экономической статистики —
ОБС, последние двадцать четыре года обращалось значительно меньше внимания, хотя,
казалось бы, того требовал рыночный путь развития нашей страны. В результате, сегодня
показатели ОБС распределены по различным публикациям и их разделам Росстата, что
затрудняет использование ОБС бизнес-сообществом. Помимо указанной проблемы,
можно назвать еще целый ряд проблем, которые тормозят развитие отечественной ОБС.
Во-первых, в отличие от развитых стран, в России оперативная бизнес-статистика
производится не целенаправленно для пользователей в среде бизнеса, а рассматривается
как вспомогательный материал для построения системы национальных счетов ([2]). При
этом не учитывается тот факт, что в соответствии с международными стандартами к
данным ОБС предъявляются несколько иные требования, чем к данным СНС. Последнее
грозит тем, что методология построения отечественных бизнес-индикаторов может не
соответствовать международным стандартам.
3
Во-вторых, согласно [1], Росстат в 2005 и 2010 гг. осуществил переход в
официально
публикуемой
информации
к
классификаторам
ОКВЭД
и
ОКПД
соответственно, что привело к утрате сопоставимости статистических данных во времени.
В-третьих, пользователям не доступен раздел ОБС в официальных источниках
статистической информации и это с их точки зрения может выглядеть точно так же, как
если бы оперативные бизнес-индикаторы и не рассчитывались вовсе.
Указанные проблемы приводят к отсутствию интереса у российского и
зарубежного бизнеса к отечественной ОБС. Способствовать повышению спроса на
российскую ОБС может лишь наличие качественной оперативной бизнес-статистики,
лишенной перечисленных минусов. Однако, несмотря на явные проблемы отечественной
ОБС, тема совершенствования этой отрасли экономической статистики у научного
сообщества не вызывает большого интереса. Проблемам российской оперативной бизнесстатистики посвящена основополагающая статья [2], которая носит, скорее, обзорный
характер. Отсутствие комплексного исследования особенностей российской ОБС
обусловило актуальность и практическую значимость работы, определило цель и задачи
исследования.
Целью исследования является составление отечественной системы оперативных
бизнес-индикаторов по данным, публикуемым Росстатом. Для достижения поставленной
цели определены следующие задачи исследования:
o
Изучить нормативно-правовую и методологическую базу оперативной бизнес-
статистики в Евросоюзе;
o
Провести анализ методологии расчета и форм публикации показателей ОБС
Евросоюза и найти европейским бизнес-индикаторам российские аналоги;
o
Изучить возможности применения российской ОБС для решения практических
задач: проведения сопоставлений во времени (внутри страны) и пространстве
(проведения международных сопоставлений);
o
Изучить особенности применения оперативных бизнес-индикаторов для решения
задач ретроспективного анализа и прогнозирования;
o
Провести ретроспективный анализ динамики показателей оперативной бизнес-
статистики по промышленной отрасли экономики РФ;
o
Определить общее состояние промышленной отрасли российской экономики;
o
Сделать
краткосрочный
прогноз
развития
промышленном секторе российской экономики.
4
экономической
ситуации
в
Основные гипотезы и предположения:
o
По данным, которые публикуются на сайте Росстата, можно составить
отечественную
систему
оперативных
бизнес-индикаторов,
которая
будет
соответствовать международным стандартам ОБС;
o
Показатели ОБС РФ пригодны для проведения сопоставлений во времени;
o
Показатели ОБС РФ пригодны для проведения сопоставлений в пространстве;
o
В настоящее время экономический кризис негативно сказывается на объемах
выпуска промышленного сектора.
Объектом исследования в данной работе являются совокупность предприятий,
которые предоставляют первичную информацию для расчета индикаторов ОБС.
Предметом
исследования
является
система
показателей
ОБС,
рассчитываемых
Евростатом, и оперативные данные по различным секторам экономики, формируемые
Росстатом.
Теоретической и методологической основой исследования послужили статьи ([1][4]) правовые документы ОБС Евросоюза ([6]-[8], [10], [11]) и закон о статистике РФ ([9]),
методологические рекомендации Росстата по расчетам отдельных оперативных бизнесиндикаторов ([15]-[17], [23]), а так же литература, посвященная эконометрическому
моделированию одномерных временных рядов ([40]-[47]).
В процессе исследования были применены эконометрические методы построения
моделей одномерных временных рядов. Конкретно, рассмотрены классы тренд-сезонных
моделей, адаптивные способы моделирования, модели SARIMA(p,d,q)(P,D,Q)s и модели
сезонной декомпозиции X12-Arima. Алгоритмы построения эконометрических моделей
были реализованы посредством статистических пакетов Stata, SPSS, Eviews и Excel.
Информационно-статистическую базу исследования составили оперативные
данные, публикуемые на официальных сайтах Евростата и Росстата, база данных
«СПАРК».
Поставленные цели и задачи исследования определили структуру работы.
Диссертация состоит из введения, двух глав, заключения, списка литературы из 47
источников, в том числе 5 на английском языке, и 2-х приложений. Общий объем
составляет 97 страницы текста, содержит 29 рисунков и 34 таблицы.
5
Во введении обоснована актуальность темы исследования, показана степень
изученности проблемы, сформулированы цели и задачи исследования, определены его
объект и предмет, дана характеристика теоретической и методической основы работы.
Первая глава посвящена изучению устройства оперативной бизнес-статистики ЕС.
Здесь подробно разбираются нормативно-правовые основы и структура европейской ОБС,
изучается методология построения оперативных бизнес-индикаторов, а так же порядок и
форма их публикации. На основе полученной информации о ОБС Евросоюза,
предпринимается попытка построения системы отечественной ОБС путем нахождения
российских аналогов для европейских бизнес-индикаторов.
Во второй главе рассмотрены возможности практического применения данных
ОБС. Исследованы особенности применения отечественных оперативных бизнесиндикаторов для решения задач ретроспективного анализа и прогнозирования. С учетом
исследованных
особенностей
проведен
фундаментальный
анализ
состояния
промышленной отрасли, включающий: общую оценку состояния российской экономики
на основании анализа макроэкономических индикаторов; исследование текущего
состояния промышленной отрасли и ее подотраслей на основании индикаторов ОБС.
В заключении изложены основные выводы и результаты диссертационной работы.
6
ОСНОВНАЯ ЧАСТЬ
Оперативная бизнес-статистика состоит из индикаторов, которые характеризуют
предложение, спрос, цены и состояние рынка труда по отдельным секторам экономики.
Эта информация используется аналитиками для оценки текущего состояния и перспектив
развития секторов при планировании и осуществлении инвестиций, в работе на
финансовых рынках и в решении других задач, требующих макроэкономического анализа
экономики. Сказанное определяет специфические требования к ОБС.
Во-первых, данные ОБС должны обладать свойством оперативности, которое
предполагает, что временной лаг между моментом измерения показателей и моментом их
публикации крайне мал. Это свойство позволяет снабжать бизнес актуальной
информацией, позволяющей идентифицировать текущую экономическую ситуацию.
Во-вторых, показатели ОБС должны быть индикативными, то есть отражать
основную тенденцию, в результате которой складываются пропорции и диспропорции
рынка. Таким образом, при расчете показателей ОБС незачем брать всю генеральную
совокупность статистических единиц, а методология расчета самих показателей ОБС
может быть несколько упрощена по сравнению с методологией расчета показателей СНС.
В-третьих, данные ОБС должны представляться на регулярной основе и иметь
определенные формы представления. Следует также упомянуть о том, что показатели
ОБС, как правило, целиком основаны на первичной информации, в то время как при
расчете показателей СНС могут использоваться косвенные методы оценки.
Перечисленные особенности ОБС, которые определены в статье [2], являются
аргументами
в
пользу
предположения
о
том,
что
количественные
значения
соответствующих показателей ОБС и СНС могут не совпадать. Последнее говорит о
необходимости методологического и организационного разграничения публикуемых
данных в рамках ОБС и в рамках СНС. Отметим, что в России пока этого не делается.
Однако, такое разграничение существует в европейских странах. Отметим, что Евростат
является одним из крупнейших игроков в сфере международной статистики, о чем
свидетельствует
его
активное
участие
в
выработке
основных
международных
рекомендаций в области статистики. Поэтому далее будем рассматривать подходы к
разработке европейской ОБС в качестве эталона при сравнении с развивающейся
российской бизнес-статистикой.
7
Глава 1. Оперативная бизнес-статистика Евросоюза и России
1.1. Законодательные основы регулирования ОБС в странах ЕС и в России
Деятельность
статистических
органов Евросоюза по
сбору,
обработке и
предоставлению данных ОБС регламентируется двумя основными документами:
o
Законом о статистике ЕС (Council Regulation 322/1997), который определяет общие
принципы взаимодействия стран ЕС в области статистики, роль Евростата и общую
статистическую программу ([6]);
o
Директивой об оперативной бизнес-статистике (Council Regulation 1165/1998) и
поправкой к ней (Regulation (EC) No 1158/2005), которые посвящены конкретно ОБС
([7], [8]).
Закон о статистике ЕС — один из трех основных документов, обеспечивающих
законодательной основой статистику Европейского союза. Помимо Закона о статистике к
ключевым документам относятся Постановление Совета ЕС о Евростате и Амстердамское
соглашение. Все три законодательных акта гарантируют автономию Евростата,
обеспечивая принципы беспристрастности, научной независимости и статистической
конфиденциальности. Указанные акты, а так же «Кодекс норм европейской статистики»
являются ключевыми для статистики ЕС, однако на уровне методологии используются
более подробные нормативные документы, относящиеся ко всем направлениям
статистики и собранные в сборнике законодательной базы ЕС — Aquis Сommunautaire. В
частности, к таким документам по направлению ОБС относится Директива об
оперативной бизнес-статистике.
Остановимся на подробном рассмотрении закона о статистике ЕС, последние
изменения в который были внесены регламентом ЕС №223/2009 Европейского парламента
и Совета от 11 марта 2009 года ([6]). Сегодня закон о статистике ЕС состоит из шести
глав.
Первая глава состоит из трех статей: первая статья устанавливает общие правила
сотрудничества в области статистики на территории ЕС; во второй статье изложены
основные принципы работы статистических органов; в третьей — объяснены некоторые
специфические термины, без которых изучение последующих глав документа может
оказаться затруднительным. К основным принципам работы Европейской статистики,
согласно второй статье, относятся:
8
o
профессиональная независимость, которая означает, что статистика должна быть
разработана, изготовлена и распространена независимым образом, свободно от любого
давления;
o
беспристрастность говорит о том, что статистические данные должны быть
разработаны
и
распространены
таким
образом,
чтобы
всем
пользователям
предоставлялась одинаковая статистическая информация;
o
объективность
указывает
на
то,
что
статистические
данные
должны
разрабатываться и распространяться систематически, надежно и непредвзято, и, что
деятельность статистических органов должна быть прозрачна для пользователей и
респондентов;
o
надежность предполагает, что статистика должна производиться добросовестно,
аккуратно и последовательно;
o
статистическая
конфиденциальность
означает
защиту
конфиденциальных
данных, относящихся к одной статистической единице, и подразумевает запрет на
использование данных для нестатистических целей и их незаконное разглашение;
o
экономичность подчеркивает необходимость того, что расходы на производство
статистики должны быть пропорциональны важности получаемых результатов, а также
что ресурсы должны быть оптимально использованы и нагрузки на респондентов
сведены к минимуму.
Вторая глава состоит из десяти статей, в ней на законодательном уровне
признается Европейская статистическая система (ЕСС), которая, согласно приведенному
здесь определению, представляет собой партнерство между Евростатом, национальными
статистическими
институтами
(НСИ)
и
другими
национальными
органами,
ответственными в каждом государстве-члене ЕС за разработку, производство и
распространение европейской статистики. Так же в данной главе освещается вопрос
сотрудничества в области статистики в рамках ЕС, при этом координирующая роль в
отношении всех видов деятельности по разработке и распространению европейских
статистических данных отводится НСИ на национальном уровне и Евростату — на уровне
ЕС. Согласно данным второй главы, Евростат наделен полномочиями принимать решения
по таким вопросам, как международное сотрудничество, планирование и составление
статистических
программ,
качество
и
методология,
установление
приоритетов
деятельности. Кроме того, в главе, в отдельной статье вводится положение о качестве
статистических данных, что подчеркивает обязательства ЕСС по этому вопросу.
9
Третья глава, состоящая из пяти статей, посвящена разработке европейских
статистических данных, определяемой Европейской статистической программой, которая
утверждается Европейским парламентом и Евростатом. В главе определено, что при
разработке программы должны учитываться такие аспекты, как эффективность затрат и
снижение нагрузки на респондентов. Кроме того в программе должны быть установлены
направления
деятельности
и
приоритеты
европейской
статистики
в
течение
рассматриваемого периода, не превышающего пяти лет. Внедрение и реализация
программы может происходить несколькими способами: путем индивидуальных
статистических мероприятий, предпринимаемых либо Европейским парламентом и
Евростатом либо только Евростатом, а так же по средствам соглашений между
национальными
органами
и
Евростатом.
В
отдельной
статье
данной
главы
предусматривается возможность принятия Евростатом решения о статистических
действиях для случаев, когда возникают непредвиденные потребности европейской
статистики, которые не могли быть предусмотрены во время принятия Европейской
статистической программы.
Четвертая глава состоит из двух статей. В первой статье изложены три основных
принципа
распространения
европейских
статистических
данных.
Во-первых,
распространение европейской статистики осуществляется в полном соответствии со
статистическими принципами, изложенными ранее. Во-вторых, распространением
европейской статистики занимается Евростат, НСИ и другие национальные власти, в
рамках их соответствующих сфер компетенции. В-третьих, государствами-членами и ЕСС
в рамках их соответствующих сфер компетенции должна оказываться необходимая
поддержка пользователям в вопросе обеспечения равенства доступа к европейской
статистике. Вторая статья четвертой главы посвящена распространению данных по
отдельным
статистическим
единицам.
Согласно
статье,
данные
по
отдельным
статистическим единицам могут быть распространены в виде обезличенных записей,
которые подготовлены таким образом, чтобы статистическая единица не могла быть
определены ни непосредственно, ни косвенно.
Пятая глава, состоящая из шести статей, посвящена вопросу статистической
конфиденциальности данных. Положения главы направлены не только на поддержание
высокого уровня защиты конфиденциальных данных, но и на придания этому вопросу
некоторой гибкости. Из основного правила о том, что конфиденциальные данные должны
быть защищены от разглашения, есть два исключения. Во-первых, данные, полученные из
открытых источников, не считаются конфиденциальными. Это означает, что в
10
соответствии
с
национальным
законодательством
разрешается
распространять
статистическую информацию, когда она получена из источников, которые уже были
представлены публике в другом месте. Во-вторых, можно получить доступ к
конфиденциальным данным для научных целей после специального обращения в
Евроста.
Шестая глава состоит из трех статей, которые носят законодательный характер. В
частности, здесь говориться о том, что Council Regulation 322/1997 был отменен и вступил
в силу Regulation №223/2009.
Итак, резюмируя вышесказанное, заключаем, что согласно закону о статистике ЕС,
можно выделить следующие характерные черты европейской статистики. Во-первых, в
современной официальной статистике наблюдается сохранение традиционных для
статистических органов ценностей, таких как объективность и независимость. Во-вторых,
можно констатировать тенденцию усиления влияния ЕСС в принятии стратегических
решений при одновременном сохранении независимости национальных статистических
служб. В-третьих, для европейской статистики характерны гибкость и индивидуальный
подход к принятию решений любого рода. В-четвёртых, что наиболее важно для
оперативной бизнес-статистики, прослеживается стремление статистических органов
максимально эффективно и широко использовать статистическую информацию, с
соблюдением «принципа конфиденциальности».
В России основным законом о статистике является Федеральный закон от 29
ноября 2007 г. №282-ФЗ "Об официальном статистическом учете и системе
государственной статистики в Российской Федерации" ([9]). Закон включает в себя 9
статей, на рассмотрении которых далее остановимся более подробно.
Первая статья описывает цель и предмет регулирования закона, указывает на то,
что действие закона распространяется на респондентов, субъекты официального
статистического учета и пользователей официальной статистической информацией. Во
второй статье даны определения основных понятий, использующихся в законе. Третья
статья посвящена вопросам правового регулирования официального статистического
учета
и
системы
государственной
статистики.
Согласно
статье,
регулирование
основывается на Конституции РФ, международных договорах РФ и осуществляется ФЗ
№282, а так же другими федеральными законами. Четвёртая статья описывает основные
принципы официального статистического учета и системы государственной статистики. К
ним относятся:
11
o
полнота, достоверность, научная обоснованность, своевременность предоставления
и общедоступность официальной статистической информации (за исключением
информации, доступ к которой ограничен федеральными законами);
o
применение научно обоснованной официальной статистической методологии,
соответствующей международным стандартам и принципам официальной статистики, а
также законодательству Российской Федерации, открытость и доступность такой
методологии;
o
рациональный
статистической
выбор
источников
информации
для
в
целях
обеспечения
формирования
ее
полноты,
официальной
достоверности
и
своевременности предоставления, а также в целях снижения нагрузки на респондентов;
o
обеспечение
возможности
формирования
официальной
статистической
информации по Российской Федерации в целом, по субъектам Российской Федерации,
по муниципальным образованиям;
o
обеспечение
конфиденциальности
первичных
статистических
данных
при
осуществлении официального статистического учета и их использование в целях
формирования официальной статистической информации;
o
согласованность действий субъектов официального статистического учета;
o
применение единых стандартов при использовании информационных технологий и
общероссийских классификаторов технико-экономической и социальной информации
для создания и эксплуатации системы государственной статистики в целях ее
совместимости с другими государственными информационными системами;
o
обеспечение
сохранности
и
безопасности
официальной
статистической
информации, первичных статистических данных и административных данных.
Таким образом, в целом, принципы работы отечественных статистических
органов схожи с теми, что содержаться в первой главе закона о европейской статистике.
Однако, есть и отличия. Так, если в законе о европейской статистике в большей части
говорится о принципах действия статистических органов, то в российском законе о
статистике акцент сделан на качество и свойства статистической информации.
Содержание пятой статьи соответствует второй главе европейского закона, при
этом, здесь вместо стран членов Евросоюза выступают субъекты РФ, а Федеральная
служба статистики наделена большими полномочиями. В статьях шесть и семь приведены
методологические положения по проведению статистических наблюдений. В статьях
восемь и девять закреплены права и обязанности субъектов статистического учета,
12
установлены гарантии защиты первичных статистических данных, содержащихся в
формах федерального статистического наблюдения.
Таким образом, федеральный закон "Об официальном статистическом учете и
системе государственной статистики в Российской Федерации" в отличие от правовой
основы европейской статистики в большей степени является законом, устанавливающим
права статистических служб и обязанности субъектов наблюдения, чем общие принципы
и направления развития. В законе отсутствует какая – либо гибкость или возможность
альтернативного
применения
статистической
информации.
Последнее
является
следствием того, что отечественная статистика в первую очередь нацелена на нужды
правительства. Таким образом, данный закон нельзя назвать оптимальным для развития
оперативной бизнес-статистики и статистики в целом.
Подводя итог изучению законодательных основ статистики, можно сделать вывод о
том, что принятая в ЕС законодательная база обеспечивает более эффективную правовую
основу для развития статистики в целом и бизнес-статистики в частности. Декларируемые
в ней принципы, нацелены на соблюдение интересов не только производителей
статистики и государства (как в России), но и рядовых пользователей, что способствует
повышению спроса на статистику, а, значит, и стимулирует ее к развитию.
1.2. Методологические основы бизнес-статистики в Евросоюзе и в России
С развитием интеграционных процессов в сфере экономики и политики между
странами
Европы,
появилась
необходимость
иметь
сопоставимые
данные
по
экономической статистике в сфере бизнеса, что привело к созданию ряда положений,
устанавливающих правила сбора, обработки и публикации бизнес-статистики в странах
ЕС. В результате, появились закрепленные на законодательном уровне правовые основы
ОБС, которые прописаны в статистическом законе ЕС от 1997 года, а так же в Директиве
об оперативной бизнес-статистике (Council Regulation 1165/1998) [7]. Главной целью
Директивы является создание общих правил разработки оперативной бизнес-статистики,
которые позволили бы обеспечить всех пользователей полным набором показателей,
необходимых для анализа бизнес-тенденций.
Директива состоит из 20 статей и четырех приложений. Первая статья содержит
информацию
о том, каким должно быть
содержание ОБС. Согласно
статье,
статистические данные должны включать информацию (показатели), необходимую для
обеспечения анализа краткосрочной эволюции спроса и предложения, факторов
производства и цен. Статья 2 посвящена регламентации списков обязательных к
13
публикации бизнес-индикаторов и определению специфических требований к ним.
Согласно Директиве, показатели ОБС в странах Евросоюза охватывают все рыночные
виды деятельности по кодам В-E, F-O действующего классификатора NACE.Rev.2.0, при
этом ОБС не охватывает слишком специфичные отрасли, такие как сельское или лесное
хозяйство, а так же виды деятельности по оказанию нерыночных услуг. В Директиве
представлены 4 списка обязательных показателей, рассчитываемых в рамках ОБС по
различным секторам экономики: «список А» — промышленный сектор; «список В» —
строительство; «список С» — розничная торговля; «список D» включает все остальные
виды деятельности. По каждому списку в приложениях к Директиве перечислены
рекомендуемые для публикации показатели, уровень их детализации, периодичность
измерения и время публикации.
В
остальных
статьях
Директивы
освящены
проблемы:
сбора
данных;
периодичности публикации и уровня детализации показателей; обработки собранной
информации на национальном уровне и требований к передачи агрегированных данных в
Евростат;
конфиденциальных
данных;
рассмотрен
публикуемых данных, а так же другие вопросы.
вопрос
о
гарантии
качестве
Согласно Директиве, при сборе
необходимых данных страны участники сами вправе выбирать пути получения
информации, однако при этом они должны информировать Евростат, о том, какие именно
источники использовались. Определение методики расчета так же остается за странамиучастниками и согласуется с Директивой по ОБС. Данные в Евростат передаются в
электронном виде, в тот же день, когда происходит их публикация внутри страны. При
этом, государства-члены должны гарантировать, что переданные ими показатели
отражают генеральную совокупность наблюдаемых единиц, для этого необходимо
обследовать
столько
статистических
единиц,
сколько
понадобится
для
полной
уверенности в достоверности данных. Качество данных должно быть измерено
государством самостоятельно, но на основе общепринятых критериев. При этом затраты
на сбор информации должны быть разумны и соразмерны качеству получаемой
информации, необходимо постоянно иметь в виду принцип эффективности.
В ОБС Евросоюза принято применять базисные индексы. База - среднегодовые
значения ближайшего года, заканчивающегося на «0» или на «5». При этом при переходе
на новую базу показатели предыдущих периодов так же подлежат пересчету в течение 3-х
лет с момента перехода.
В Директиве предусмотрен регулярный пересмотр некоторых ее положений
Евростатом, а так же регулярная публикация пояснений к новым правилам и вновь
14
разработанным методологиям. Основным документом по разработке ОБС в странах ЕС в
настоящее
время
является
Методология
по
оперативной
бизнес-статистике
—
Methodology of short-term business statistics, Interpretation and guidelines — редакции 2006
года ([11]). Настоящая методология состоит из пяти глав: «A» — введение; «B» —
определение единиц наблюдения и их охват; «C» — общая методология по сбору
информации; «D» — методология по расчету отдельных показателей; «Е» —
рекомендации по передаче и распространению данных. Далее, остановимся на подробном
рассмотрении каждой главы.
Глава «В» имеет два подраздела. В первом подразделе говорится о большой роли
определения статистической единицы наблюдения при получении репрезентативных,
сопоставимых в динамическом и территориальном разрезах данных по оперативной
бизнес-статистике. Единицей наблюдения в области статистики предприятий в странах
Евросоюза является предприятие. В строгом определении Евростата, предприятие — это
наименьшая самостоятельная юридическая единица, в рамках которой организовано
использование авансированных ресурсов труда и капитала, с целью производства
продукции, обладающей определенной автономией в ведении текущих дел, то есть
ведущее бухгалтерский учет, представляющее статистическую отчетность и тому
подобное ([12]).
Согласно Методологии, выделяется 8 различных категорий предприятий, которые
на русский язык автором были переведены следующим образом: 1. Предприятие
(enterprise); 2. Институциональная единица (institutional unit); 3. Группа предприятий
(enterprise group); 4. Единица, осуществляющая отдельный вид деятельности (kind-ofactivity unit); 5. Единица по производству однородной продукции (unit of homogeneous
production); 6. Местная единица (local unit); 7. Местная единица, осуществляющая
отдельный вид деятельности (local kind-of-activity unit); 8. Местная единица по
производству однородной продукции (local unit of homogeneous production) — если
переводить эту категории, следуя терминологии отечественной статистики, то, скорее,
уместно перевести ее как заведение
При этом, для однозначного отнесения единицы наблюдения к одной из
перечисленных категорий, согласно Методологии по ОБС, существует три критерия.
Первый критерий — правовой или организационный (Legal, accounting or organizational
criteria). Согласно ему, отдельное юридическое лицо почти всегда означает одну
статистическую единицу — предприятие, однако в некоторых случаях некоторые
юридические единицы недостаточно автономны и должны быть сгруппированы в блок.
15
Второй критерий — географический (Legal, accounting or organizational criteria) разделяет
территориально однородные и неоднородные единицы наблюдения. Третий критерий —
функциональный (Activity criteria) классифицирует единицы наблюдения исходя из
однородности или неоднородности выпускаемой ими продукции.
Согласно Методологии, общее правило для выбора единиц наблюдения в рамках
ОБС
заключается
функциональному
в
том,
критерию,
чтобы
при
использовать
расчете
однородные
индикаторов
по
единицы,
согласно
промышленности,
строительству, розничной торговле и другими видами деятельности.
Во втором подразделе главы «B» отмечается большая значимость международных
статистических классификаций и необходимость постоянного обеспечения актуальности
классификаторов. Кроме того, отмечается, что классификации отдельных стран и
международные классификации должны быть гармонизированы, то есть иметь ту же
природу и быть сопоставимыми между собой. Сегодня, существует система, в которой
различные классификаторы согласованы и связаны на мировом уровне, уровне ЕС и
национальном уровне.
Рисунок 1. Взаимосвязь и гармонизация классификаций
Расшифруем некоторые классификаторы, представленные на Рисунке 1, и
рассмотрим более подробно связи между ними. Начнем с отраслевых классификаций
видов экономической деятельности (на Рисунке 1 они представлены в столбце Economic
Activities), к которым относится ISIC — International Standard Industrial Classification of all
economic activities — это отраслевая классификация ООН, название которой переводится
на русский, как Международная стандартная отраслевая классификация всех видов
экономической деятельности (МСОК). Аналогичный классификатор на европейском
16
уровне — NACE (Statistical classification of economic activities in the European Community).
NACE гармонизирован с ISIC и меняется строго в соответствии с ним.
Помимо отраслевых, существуют товарные классификации, предназначенные для
разделения товаров и услуг по категориям или группам (на Рисунке 1 они представлены в
столбце Products). Международный классификатор продуктов — СРС (Central Product
Classification). Европейская версия CPC — СРА (Classification of Products by Activity).
Элементы СРА связаны с классификатором видов экономической деятельности NACE.
Национальная версия CPA представляет собой систему классификации с шестью
иерархическими
уровнями
и
одним
промежуточным
уровнем.
Поскольку CPA
согласованно с NACE, первые четыре уровня и промежуточный уровень подобны
описанным в классификаторе NACE. Соответственно, при пересмотре NACE подлежат
корректировке и положения CPA ([13]).
Отметим еще одну важнейшую классификацию — Construction Classification (CC),
которая не представлена на Рисунке 1. Она разработана на основе классификатора CPC с
целью формирования статистики по строительству. CC является базой для расчета
индикаторов оперативной бизнес-статистик по строительству и представляет собой
классификацию с 4-уровневой иерархической системой. Остальные классификаторы,
представленные на Рисунке 1, не участвуют при формировании ОБС в европейских
странах, поэтому останавливаться на их описании в данной работе не будем.
В Методологии предписано, что при формировании показателей оперативной
бизнес-статистики используются три классификатора: NACE, CPA и CC. NACE
(актуальная сегодня версия — NACE.Rev.2.0) используется главным образом для
определения сферы охвата каждого из 4-х списков показателей ОБС и отдельных
специфических показателей, а так же определяет необходимую степень детализации при
расчете определенных показателей, которая зависит как от конкретного индикатора, так и
от конкретной страны. Тут же стоит отметить, что некоторые основные показатели, такие
как производство и цены часто составлены из данных, собранных по видам продукции,
где центральной классификацией выступает CPA. Согласно Методологии, классификация
CC используется в списке «В» показателей ОБС для формирования оперативных бизнесиндикаторов по строительству.
В рассматриваемой главе так же освящен вопрос о регистрации и учете
предприятий, в основе которого должен стоять бизнес-регистр, представляющий
фундаментальное значение для составления экономической статистики. Статистический
17
регистр предприятий предлагается рассматривать как систему преобразования данных из
административных источников в данные, пригодные для статистического применения.
Методология не содержит конкретных предписаний по составлению бизнес-регистра,
однако содержит ряд рекомендаций и пояснений. В частности, не оговаривается перечень
информации, которая должна содержаться в регистре, так как она зависит от
предполагаемого использования регистра. Теоретически, каждое предприятие (за
исключением домашних хозяйств), вносящее вклад в валовой внутренний продукт,
должно быть включено в регистр для статистических целей. В Методологии так же
приведен примерный основной перечень характеристик подлежащих регистрации у
наблюдаемых объектов.
Третья глава посвящена общим рекомендациям по сбору и обработке данных.
Относительно сбора данных Методология предполагает принцип субсидиарности, то есть
методика сбора данных определяется на местах, но при этом соблюдаются некоторые
рекомендации по оптимизации процесса сбора данных, как для целей самих государств,
так и ЕС в целом. В частности, предполагается использование любой информации,
добытой органами статистики: обязательной и добровольной; регулярной и тематической;
сплошной и выборочной; полученной почтой, электронные данные и интервью.
Необходимые данные могут быть получены путем объединения данных из нескольких
источников. Так же, возможно использование данных, не из делового сообщества,
например, данные обследования домашних хозяйств могут быть использованы для
формирования
показателей
рынка
труда.
Так
же
разрешается
использование
неофициальных данных, которых существует большое разнообразие. Многие из них
можно получить в консультационных или исследовательских институтах, торговых
ассоциациях.
При
этом
запрещается
использовать
данные
частных
научно-
исследовательских учреждений, так как они не проводят регулярных обследований и, как
правило, проводят исследования для заинтересованных лиц.
Первичная информация, получаемая органами статистики, может содержать
пропуски, ошибки при заполнении, несоответствия, или требовать дополнительных
расчетов или процедур агрегации. Третья глава Методологии содержит подробные
рекомендации по решению каждой из этих проблем.
Четвертая глава представляет собой перечень подробных рекомендаций по сбору и
обработке информации для расчета конкретных показателей бизнес-статистики. Глава
разделена
на
четыре
части:
общие индикаторы,
индикаторы
промышленности,
строительства и услуг (включая розничную торговлю). Общие индикаторы включают в
18
себя показатели, присутствующие во всех секторах экономики и имеющие стандартный
алгоритм
расчета.
В
остальных
трех
частях
представлены
рекомендации
по
специфическим для этих секторов экономики показателям.
Для каждого показателя в Методологии содержится большое количество
рекомендаций. Здесь освещены такие вопросы, как цели расчета показателя, возможности
интерпретации показателя, период за который рассчитывается показатель, единицы
статистического наблюдения для расчета, возможные трудности при сборе необходимой
информации и пути их преодоления, подробная методика измерения исходных значений
показателя и операции по получению итогового показателя. Таким образом, в четвертой
главе представлена вся необходимая информация для расчета показателей ОБС.
Пятая глава посвящена процедуре передачи данных Евростату, их обработке
Евростатом и последующей публикации. Важная роль здесь отводится понятию
конфиденциальности информации. В настоящее время нет единого определения
конфиденциальности. У статистических служб европейских стран разработаны различные
правила для идентификации конфиденциальных данных, что препятствует процессу
передачи данных еврокомиссии и их последующей агрегации и публикации. Для решения
этой проблемы принято два закона, согласно которым конфиденциальные данные
Евростата могут быть распространены только после объединения показателей отдельных
стран
участников
ЕС.
Таким
образом,
отдельные
страны
не
могут
быть
идентифицированы, что вместе с гарантией о неразглашении обеспечивает полную
конфиденциальность переданных данных. Кроме того, в этой главе оговариваются пути,
формат и сроки передачи данных Евростату, процедуры, проводимые европейской
комиссией с полученными данными, сроки и условия публикации агрегированных данных
по ЕС. Особое значение при этом придается качеству данных. Для постоянного контроля
и улучшения качества данных создан специальный проект, который следит за качеством
предоставляемой Евростатом информации. Кроме этого создана и постоянно обновляется
методологическая база Евростата, которая совершает рассылку обновлений методики и
отвечает на возникающие у пользователей вопросы.
В России история развития оперативной бизнес-статистики началась после распада
СССР в связи с произошедшими изменениями в экономике, после которых появилась
необходимость внедрения новых стандартов статистического учета и отчетности. На
сегодняшний день целостной методологии по расчету показателей ОБС в России нет,
однако имеется ряд положений и методологий по расчетам отдельных показателей,
которые можно расценивать, как составную часть отечественной Methodology of short19
term business statistics. Среди них: Регламент разработки и публикации данных по
продукции добывающих, обрабатывающих производств, производству и распределению
электроэнергии, газа и воды [14], Официальная статистическая методология исчисления
индекса
промышленного
производства
[15],
Методологические
положения
по
наблюдению за ценами производителей промышленных товаров и расчету индексов цен
[16] и другие.
К достижениям отечественной статистики последних лет следует отнести тот факт,
что все российские экономические показатели сегодня строятся на основании данных,
собранных по перечню видов продукции, построенному на базе Общероссийского
классификатора продукции по видам экономической деятельности (ОКПД, ОК 034-2007).
ОКПД гармонизирован с CPA 2002. Последнее означает, что ОКПД может использоваться
для
классификации
и
кодирования продукции
(услуг,
работ),
как
для
целей
государственной статистики, так и для подготовки статистической информации для
сопоставлений на международном уровне ([17]). Отметим так же, что помимо перехода к
продуктовому
классификатору,
отечественная
статистика
классификатора
отраслей
соответствующему
осуществила
народного
классификатору видов экономической
международным
стандартам,
переход
от
ОКОНХ
(Общероссийского
хозяйства)
к
ОКВЭД
(Общероссийскому
деятельности).
ОКВЭД гармонизирован с
NACE.Rev.1.1 и используется для осуществления государственного статистического
наблюдения по видам деятельности за развитием экономических процессов, а так же для
подготовки статистической информации для сопоставления на международном уровне.
Таким образом, при отсутствии общей методологии по ОБС, в России существуют
отдельные
положения
по
разработке
отечественных
бизнес-индикаторов.
Сбор
информации и расчет показателей, как в РФ, так и в странах Европы производится в
соответствии с гармонизированными классификаторами, что дает основания предполагать
сопоставимости оперативных бизнес-индикаторов России и Евросоюза и доказывает
обоснованность идеи построения отечественной системы ОБС на основании поиска
отечественных аналогов для европейских бизнес-индикаторов.
1.3. Построение отечественной системы ОБС
В исследовании выдвигается гипотеза о том, что по данным, которые публикуются
на сайте Росстата сегодня, можно составить отечественную систему оперативных бизнесиндикаторов, которая будет соответствовать европейским стандартам ОБС. Проверке
гипотезы посвящена оставшаяся часть главы.
20
Как уже отмечалось, существует 4 списка показателей, рассчитываемых в
европейских странах в рамках ОБС. Поэтому дальнейшую работу построим следующим
образом. Будем рассматривать указанные списки в алфавитном порядке и для
содержащихся в них оперативных бизнес-индикаторов находить российские аналоги.
Если удастся найти аналоги всем индикаторам из представленных списков, будем считать,
что выдвинутая гипотеза верна. В противном случае, если в списке окажутся индикаторы,
не имеющий аналогов в России, будем говорить о частичном соответствии отечественной
ОБС международным стандартам и прекратим на этом рассмотрение следующих списков.
Рассмотрим список «А», представленный в Таблице 2, который согласно
приложению к Директиве по ОБС включает в себя перечень рекомендуемых Евростатом
показателей
оперативной
бизнес-статистики
по
промышленному
сектору,
рассчитываемый для видов деятельности С-E классификатора NACE.Rev.1.1 или B-E,
согласно актуальному классификатору NACE.Rev.2.0. Сопоставление классификаторов
NACE.Rev.1.1 и Rev.2.0 по промышленному сектору, приведено в Таблице 1.
Таблица 1.
Взаимное соответствие классификаторов видов деятельности NACE.Rev.1.1 и
NACE.Rev.2.0
NACE.Rev.1.1 (гармонизирован с
действующей версией классификатора
ОКВЭД)
Добыча полезных ископаемых (Mining
C
and quarrying)
D
Обрабатывающие производства
(Manufacturing)
Производство и распределение
E электроэнергии, газа и воды (Electricity,
gas and water supply)
NACE.Rev.2.0
B
C
D
E
Источник: классификаторы NACE Rev.1.1 и NACE Rev.2.0
21
Горнодобывающая промышленность и
разработка карьеров (Mining and
quarrying)
Обрабатывающие производства
(Manufacturing)
Электроснабжение, подача газа, пара и
воздушное кондиционирование
(Electricity, gas, steam and air
conditioning supply)
Водоснабжение; канализационная
система, контроль над сбором и
распределением отходов (Water supply;
sewerage, waste management and
remediation activities)
Таблица 2.
Список европейских показателей ОБС по промышленному сектору
Код
показателя
Оригинальное
название
показателя
110
Production
120
Turnover
121
Domestic turnover
Non-domestic
turnover
New orders
received
Domestic new
orders
Non-domestic new
orders
Number of persons
employed
122
130
131
132
210
220
Hours worked
230
Gross wages and
salaries
310
Output prices
311
Output prices of
the domestic
market
312
Output prices of
the non-domestic
market
Русское
название
показателя
Индекс
производства
Товарооборот
Внутренний
товарооборот
Внешнеторговы
й товарооборот
Полученные
новые заказы
Внутренние
новые заказы
Новые заказы
из-за границы
Количество
занятых
Количество
отработанных
часов
Заработная
плата
Цены
производителей
Цены
производителей
на внутреннем
рынке
Экспортные
цены
производителей
Срок
предоставления в
Евростат
1 месяц и 15
календарных дней
2 месяца
Периодичность
Ежемесячно
Ежемесячно
2 месяца
Ежемесячно
2 месяца
Ежемесячно
1 месяц и 20
календарных дней
1 месяц и 20
календарных дней
1 месяц и 20
календарных дней
Ежемесячно
Ежемесячно
Ежемесячно
3 месяца
Не реже чем
раз в квартал
3 месяца
Не реже чем
раз в квартал
3 месяца
Не реже чем
раз в квартал
1 месяц и 15
календарных дней
Ежемесячно
1 месяц и 5
календарных дней
Ежемесячно
1 месяц и 5
календарных дней
Ежемесячно
Источник: [2]
Далее, следуя списку Таблицы 2, рассмотрим европейский опыт построения
каждого оперативного бизнес-индикатора отдельно и попытаемся каждому элементу
списка найти российский аналог.
Индекс производства. Правилам построения индекса производства (ИП) посвящен
раздел 7.1 главы «D» Methodology of short-term business statistics, Interpretation and
guidelines (далее Методология) [11]. В разделе освящаются общее понятие и цели расчета
ИП, теоретические основы его построения, рассматриваются источники информации,
приводятся формулы расчета индекса, даются рекомендации по выбору базисного года, а
так же определяется уровень дисагрегации показателя. Помимо Методологии, к
22
источникам информации по расчету ИП следует отнести приложение «А» Директивы по
ОБС [8], в которой даны рекомендации для стран-членов ЕС по формированию как ИП,
так и остальных двенадцати индикаторов списка «А» Таблицы 2.
В Методологии подчеркивается, что производство определяет использование
ресурсов, в том числе использование труда и, следовательно, влияет на доходы населения,
на экономический рост. Поэтому, индекс производства стоит рассматривать как один из
важнейших показателей экономической деятельности. ИП по списку «А» может быть
использован для определения экономических циклов в промышленности, а так же для
оценки динамики ВВП. В рамках ОБС этот индекс является основным показателем,
отражающим экономическое развитие, и используется, в частности, для выявления
поворотных
точек
в
развитии
экономики
в
оперативном
режиме.
Основным
преимуществом ИП по сравнению с другими показателями является сочетание быстрой
доступности (по сравнению с ВВП, например) и в то же время его детальная публикация
по видам деятельности.
Цель расчета ИП заключается в ежемесячном измерении динамики выпуска,
очищенного от влияния изменения цен. ИП необходимо рассчитывать с месячной
частотой для обнаружения изменений объемов производства на самых ранних стадиях.
Согласно Методологии, правила расчета индекса производства имеют сложную
иерархическую структуру. Расчет ИП базируется на использовании данных о динамике
производства установленного набора товаров (продуктовой корзине) в натуральновещественном или стоимостном выражении. Предусматривается поэтапная агрегация
данных о выпуске отдельных товаров в индексы по укрупненным группировкам видов
экономической деятельности (подгруппам, группам, подклассам, классам, подразделам,
разделам)
согласно
иерархической
структуре
классификатора
NACE
путем
их
взвешивания на величину добавленной стоимости, созданной в конкретном виде
экономической деятельности в базисном году. Добавленная стоимость рассчитывается,
как разницу между выпуском и промежуточным потреблением по «хозяйственным»
(основным) видам деятельности, затем переходят к добавленной стоимости по
фактическим («чистым») видам деятельности с помощью проведения досчетов и оценок.
На нижнем уровне расчета ИП происходит объединение групп продуктов до
уровня 4-х знаков по классификации NACE. Общая стоимость продукции (объем
производства) по группе рассчитывается как сумма объёмов производств продуктов,
принадлежащих этой группе (р - цена, q - количество):
23
𝑣𝑗 = ∑ 𝑣𝑖𝑗 = ∑ 𝑝𝑖𝑗 𝑞𝑖𝑗 .
𝑖
𝑖
После расчета объема производства по j-ой группе товаров, рассчитывается индекс
производства по каждой из групп. Для этого объём производства в период t делится на
объём производства в базовом периоде:
𝑅𝑗 𝑉 (𝑡) =
𝑣𝑗 (𝑡)
∙ 100.
𝑣𝑗 (0)
Для получения индекса физического объёма по каждой группе товаров
используется дефлятор, в качестве которого берется индекс цен Ласпейреса. При делении
индекса производства на индекс цен Ласпейриса, получаем индекс физического объема в
форме Пааше, рассчитываемый следующим образом:
𝑅𝑗
𝑣𝑜𝑙
(𝑡) =
∑𝑖 𝑝𝑖𝑗 (𝑡)𝑞𝑖𝑗 (𝑡)
𝑅𝑗 𝑣 (𝑡)
∙ 100 =
∙ 100.
𝑝
∑𝑖 𝑝𝑖𝑗 (𝑡)𝑞𝑖𝑗 (0)
𝐼𝑗 (𝑡)
Способ расчета индекса физического объёма на основе дефлятирования не является
единственным. Если индексы цен недоступны, то возможно применение прямого способа
расчета:
𝑅𝑗 𝑞 (𝑡) =
∑𝑖 𝑞𝑖 (𝑡)
∙ 100.
∑𝑖 𝑞𝑖 (0)
После того, как посчитан индекс физического объема по всем группам товаров,
происходит агрегирование индекса на уровне 4-х знаков по NACE, для этого используется
арифметическая средневзвешенная величина с использованием весов базового года:
𝑤𝑗 =
𝑃𝑉𝑗 (0)
; 𝐼𝑘 𝑣𝑜𝑙 (𝑡) = ∑ 𝑤𝑗 𝑅𝑗 𝑣𝑜𝑙 (𝑡).
∑𝑗∈𝑘 𝑃𝑉𝑗 (0)
𝑗∈𝑘
Дальнейшая агрегация индекса происходит по принципу объединения групп в
классы, однако вместо весов рассчитанных по валовой стоимости продукции (PV, gross
production value) используются веса, рассчитанные на основе валовой добавленной
стоимости (VA, gross value added):
𝑤𝑘 =
𝑉𝐴𝑘 (0)
.
𝐾
∑𝑘=1 𝑉𝐴𝑘 (0)
Применение в качестве весов значения добавленной стоимости (по фактическим
видам экономической деятельности) способствует тому, что агрегированный показатель
24
«индекс производства» характеризует динамику производства в конкретный временной
период, очищенную от повторного счета по продуктам, созданным в предыдущие
временные периоды и в рамках других видов экономической деятельности, и не зависит
от организационной структуры производства.
Таким образом, показатель «индекс производства» по своей экономической сути
представляет собой характеристику динамики добавленной стоимости и отражает
изменение совокупности вновь создаваемых в сравниваемые периоды стоимостей.
Согласно
приложению
«А»
Директивы
по
ОБС
индекс
производства,
предоставляемый странами-членами ЕС должен охватывать виды деятельности C, D и
быть предоставлен странами Евросоюза на уровне разделов, то есть двузначных
цифровых кодов NACE.Rev.1.1. Кроме того, индексы производства по виду деятельности
D должны быть переданы странами-членами в Евростат на уровне четырех- и
трехзначных числовых кодов по NACE.Rev.1.1, то есть на уровне подразделов и классов.
При этом индекс производства не обязаны передавать на подробных уровнях агрегации те
государства-члены, чья добавленная стоимость в данный базисный год составляет меньше
5% от общеевропейского уровня по разделу D. Переменные, переданные на уровнях
четырехзначных и трехзначных цифровых кодов по NACE, используются, чтобы
рассчитать индикаторы на этих уровнях для Евросоюза в целом.
На сайте Евростата, в разделе, посвященном ИП, публикуются данные в
соответствии с классификатором NACE.Rev.2.0 вплоть до четырехзначных цифровых
кодов включительно по видам деятельности B-D и ИП по виду деятельности E без
детализации.
В России Методология расчета индекса промышленного производства ([14])
разработана на основе международных стандартов и рекомендаций. Отечественная
методика учитывает: положения Методики расчета индекса физического объема
промышленной продукции ([15]); рекомендации Статистического отдела ООН в области
индексных расчетов, опыт в области индексных расчетов Европейской экономической
комиссии, рекомендации ЮНИДО по промышленной статистике.
В результате, обеспечивается соответствие методологии расчетов европейского ИП
и отечественного индекса промышленного производства (ИПП). Тем не менее, при
одинаковых подходах к расчету индекса производства по промышленному сектору,
наличествуют существенные отличия в публикуемых данных. Во-первых, в России
сегодня используется ОКВЭД, гармонизированный с классификатором NACE.Rev.1.1.
25
Поэтому индекс промышленного производства публикуется по видам деятельности C-E, в
то время, как в ЕС используют уже другую кодировку, а именно NACE.Rev.2.0 и виды
деятельности B-E. Во-вторых, публикация данных по ИПП Росстатом осуществляется до
двузначных буквенных кодов по NACE.Rev.1.1, в то время как на официальном сайте
Евростата публикуются более подробные данные, вплоть до четырехзначного числового
кода NACE.Rev.2.0. В-третьих, согласно статистическому календарю Росстата и
Регламенту ([16]), первая предварительная оценка по ИПП осуществляется на 10 день
следующего за отчетным месяца, а публикуются данные примерно через двадцать дней
после окончания отчетного месяца. В ЕС, согласно Таблице 2, данные о ИП публикуются
несколько позже. В-четвертых, в России ИПП доступен только в цепной форме и в форме
по отношению к аналогичному периоду предыдущего года, в то время, как на сайте
Евростата публикуется так же и базисная форма индекса. В-пятых, пользовательский
интерфейс сайта Евростата предлагает выбрать между обычным, а так же календарно- и
сезонно-скорректированным индексом, в то время, как на сайте Росстата публикуется
только обычный индекс и картинка сезонно-скорректированного ряда. В-шестых, сайт
Евростата позволяет выгружать данные по индексу производства с января 1980 года в
файл Excel, в то время, как российский помесячный индекс можно выгрузить, учитывая
сопоставимость уровней ряда, только с января 2010 года, причем данные с 2010 по 2013
год хранятся в файле «Итоги ретроспективного пересчета индексов производства за 20102013 годы», а данные с 2014 по март 2015 года — необходимо собирать вручную из
периодических публикаций, которые размещаются в формате Word. Короткая длина ряда
ИПП объясняется переходом в 2010 году органов официальной статистики к
классификатору ОКПД, что, согласно [1], «привело к значительному снижению степени
сопоставимости системы индексов промышленного производства» (при этом никакой
информации о ретроспективном пересчете индексов в связи с этим событием на сайте
Росстата не обнаружено). Кроме того, в январе 2014 года был осуществлен переход к
новому базисному году (информация о ретроспективном пересчете индексов размещена
на сайте Росстата в формате видео-файла и в файле Word [17], согласно этой информации
пересчет был осуществлен с 2010 по 2013 год включительно).
К оперативным источникам информации о месячной динамике ИПП за 2014 —
март 2015 года можно отнести:
o
срочную справку «О промышленном производстве» [18], которая выходит
примерно на 20-ый день следующего за отчетным месяца;
26
o
ежемесячный
краткий
доклад
«Информация
о
социально-экономическом
положении России» [19], который выходит примерно на 18-20-ый день следующего за
отчетным месяца;
o
Доклад "Социально-экономическое положение России" [20], которое выходит
примерно через месяц после окончания отчетного периода;
o
ежемесячное электронное издание: «Краткосрочные экономические показатели
Российской Федерации» [21], которое выходит примерно через
месяц окончания
отчетного периода, но на несколько позже Доклада.
Выводы. Общее совпадение методологии расчета ИП и ИПП, которое так ценно
для статистиков, сопряжено с серьезными различиями в публикации данных, с которым
сталкиваются рядовые пользователи статистической информации. Для зарубежных
пользователей основной проблемой при использовании отечественного ИПП можно
назвать его более узкую детализацию. Кроме того, для всех пользователей проблемой так
же является неудобный пользовательский интерфейс, который по перечисленным выше
параметрам уступает европейскому аналогу.
Товарооборот. Описанию методологии по товарообороту посвящен раздел 7.2
главы «D» Methodology of short-term business statistics, Interpretation and guidelines, а так же
приложение «А» Директивы по ОБС.
Согласно Методологии, товарооборот дает глобальную оценку объемов продаж,
включая перепродажи. Данный индикатор можно рассматривать как показатель,
характеризующий уровень спроса в промышленном секторе. Цель расчета индекса
товарооборота — показать развитие рынка, точнее — объемы спроса на нем. Для
краткосрочного анализа, информация о товарообороте имеет особое значение. В то время
как ИП предоставляет информацию о тенденциях в изменении объемов добавленной
стоимости, товарооборот используется в ОБС по промышленности, чтобы оценить
текущие изменения в объемах продаж. Согласно Таблице 2, Директива по ОБС
предполагает отслеживать товарооборот отдельно на внутреннем и внешнем рынках, а так
же общий товарооборот.
Индекс товарооборота является простым прямым индексом: рассчитывается как
объём (цена, умноженная на количество) / объем базового года, и сравнивает текущий
период с базисным. Такая же формула используется и для показателей по внутренним и
внешним рынкам. Для составления индекса оборота на более высоких уровнях NACE,
индексы на более низком уровне должны быть агрегированы с помощью весов,
27
основанных на доле оборота каждого вида деятельности в базовом году. Отметим, что
согласно
Методологии,
построение
данного
показателя
не
предполагает
его
дефлятирование.
Директива по ОБС требует от стран-членов ЕС, чтобы рассматриваемый показатель
передавался в Евростат либо в качестве индекса, либо в абсолютных цифрах. Согласно
Директиве, странам-членам ЕС следует рассчитывать товарооборот (120) по видам
деятельности C и D классификатора NACE.Rev.1.1. с предоставлением информации о
внутреннем (121) и внешнем товарообороте (122) с детализацией до двузначных числовых
кодов по NACE. При этом информация о товарообороте по виду деятельности E
(NACE.Rev.1.1) является не обязательной.
На сегодняшний день, на сайте Евростата, данные по товарообороту опубликованы
в индексной форме по месяцам, по видам деятельности B и C классификатора
с
NACE.Rev.2.0
детализацией
до
трехзначного
числового
кода
NACE.Rev.2.0.
Пользовательский интерфейс дает возможность: выбрать один из трех типов индексов:
базисный (в качестве базисного года выступает 2010 год), цепной или индекс по
отношению к аналогичному периоду предыдущего года; сформировать ряд начиная с
января 1985 года; выгрузить ряд в формате Excel в сезонно- или календарноскорректированном виде, а так же без корректировки.
В России, аналогом товарооборота, служит показатель — оборот организаций,
который, согласно методологическим пояснениям Доклада [20], включает стоимость
отгруженных
товаров
собственного производства,
выполненных
работ
и
услуг
собственными силами, а также выручку от продажи приобретенных на стороне товаров
(без налога на добавленную стоимость, акцизов и аналогичных обязательных платежей).
Объем отгруженных товаров собственного производства представляет собой стоимость
товаров, которые произведены юридическим лицом и фактически отгружены в отчетном
периоде или отпущены им в порядке продажи, а также прямого обмена на сторону
(другим юридическим и физическим лицам), независимо от того, поступили деньги на
счет продавца или нет. Данные по этому показателю представляют совокупность
организаций
с
соответствующим
основным
видом
деятельности
и
отражают
коммерческую деятельность организаций.
Таким образом, определение оборота из Доклада [20], представленное выше, дает
основание полагать, что российский оборот является аналогом общего товарооборота из
28
списка Таблицы 2. Аналогов внешнему и внутреннему товарообороту отечественная
статистика пока не имеет.
На сайте Росстата данные по обороту организаций содержаться в ежемесячном
Докладе «Социально-экономическое положение России» [20], который публикуется
примерно спустя месяц после отчетного периода. Показатель публикуется в денежном
выражении в текущих ценах, а так же в форме цепного индекса с детализацией до
двузначного буквенного кода по ОКВЭД.
Выводы.
Методологическое
сопоставление
отечественного
и
зарубежного
показателей оказалось затруднительным, так как на сайте Росстата отсутствует подробная
методология расчета показателя. Отметим, так же, что в каждом Докладе «Социальноэкономическое положение России» публикуется только значение показателя за текущий
период, поэтому, чтобы сформировать ряд максимально возможной длины (с января 2010
года), пользователю необходимо открыть свыше 60 Докладов и вручную скопировать из
документа Word каждое значение показателя по каждому виду деятельности. Такая
процедура отнимет у рядового пользователя большое количество времени, при этом, ему
тяжело будет самостоятельно сформировать данные в динамические ряды при условии,
что в этих данных возможны последующие уточнения и корректировки, информация о
которых недоступна пользователю. Отметим, что для целей краткосрочного анализа,
возможные уточнения данных в целом по РФ после их опубликования в Докладе в
подавляющем большинстве случаев вряд ли окажутся существенными (можно считать,
что амплитуда возможных поправок находится в пределах статистической погрешности).
Отсутствие отечественных аналогов внешнему и внутреннему товарообороту, а так
же более узкая детализация показателя оборот организаций, по сравнению с европейским
товарооборотом свидетельствуют о том, что на данном этапе развития отечественной
статистики, на основании только лишь опубликованных данных Росстата, нельзя
сформировать российскую ОБС, которая полностью отвечала бы европейским стандартам.
Полученные заказы. Описанию методологии по полученным заказам посвящен
раздел 6.4 главы «D» Methodology of short-term business statistics, Interpretation and
guidelines, а так же приложение «А» Директивы по ОБС.
Согласно Директиве об ОБС, информация о новых заказах является обязательным
пунктом только для списка «А» по промышленности и списка «B» по строительству. В
список «А», помимо новых заказов (130), включена информация о новых отечественных
заказах (131) и о новых заказах из-за границы (132). Цель расчета рассматриваемого
29
индикатора — спрогнозировать на краткосрочную перспективу объем будущего
производства и будущий оборот. Полученные заказы проявляются впоследствии в
производстве, а затем и в обороте, поэтому они являются первым показателем того, что
будет происходить в краткосрочной перспективе. Помимо предсказания будущего
производства и оборота отраслей, которые получают заказы, показатель также
предоставляет информацию о будущем развитии отраслей, производящих заказы.
Согласно Методологии, если обследование, по данным которого рассчитывается
показатель новых заказов, является сплошным, то окончательное значение показателя
будет равняться сумме данных, полученных от респондентов. В случае выборочного
обследования, данные должны быть приведены к репрезентативному виду. Для этого к
данным выборочного обследования применяются весовые коэффициенты, которые
представляют собой отношение определенного значения по выборке к значению
генеральной совокупности. В качестве весового показателя должны использоваться
заказы, но так же веса могут быть оценены по обороту или занятости.
Расчет индекса новых заказов для промышленной отрасли производится путём
деления количества заказов, полученных респондентами данного вида деятельности в
обследуемом месяце к среднемесячному объему заказов в базе за год (базовое значение)
для тех же респондентов. При агрегации показателя на более высокий уровень (NACE)
используются веса на основе оборота. Стоит так же отметить, что в Методологии не
предусмотрена дефляция индекса новых заказов.
Информация о новых заказах может быть представлена странами-участницами ЕС
в абсолютных значениях или в виде индексов. Согласно Директиве, информация по
заказам (130, 131, 132) должна быть обязательно представлена только для следующих
двузначных кодов NACE.Rev.1.1.: 17, 18, 21, 24, 27, 28, 29, 30, 31, 32, 33, 34, 35.
Директива по ОБС допускает аппроксимацию рассматриваемых показателей
опережающими индикаторами. Поэтому в нашей стране, аналогами показателей 130 и 132
могут выступать общий и экспортный портфель заказов соответственно, которые можно
найти
в
«Ежемесячном
обследовании
организаций,
не
относящихся
к
малым
предприятиям, осуществляющих деятельность по добыче полезных ископаемых, в
обрабатывающих производствах, производстве и распределении электроэнергии, газа и
воды».
На сайте Росстата информация об общем и экспортном портфеле заказов
публикуется
в
разделе
«Опережающие
30
индикаторы
по
видам
экономической
деятельности» [22] в виде композитных индексов по видам деятельности C, D, E
классификатора ОКВЭД ежемесячно на 18 рабочий день отчетного месяца.
Согласно Метаданным, представленным в разделе «Опережающие индикаторы по
видам экономической деятельности», композитные индексы, в отличие от многих других
индикаторов социально-экономической статистики, представляют собой субъективные
показатели, отражающие только восприятие бизнесменами происходящих изменений.
Несмотря на такую субъективность, эти индексы обладают чрезвычайно сильными
предсказывающими свойствами. Исторически отмечено, что максимумы и минимумы
индексов предшествуют разворотам экономики, то есть спаду или подъему в
экономическом цикле. В этом смысле композитные индикаторы можно назвать
«барометром» состояния здоровья экономики и оценки перспектив ее развития в
краткосрочном периоде.
Выводы. Несмотря на возможные методологические различия публикуемых
данных, отечественные индикаторы способны отражать общую тенденцию изменения
заказов в оперативном режиме, а, значит, могут быть использованы в рамках ОБС.
Отсутствие российского аналога показателю внутреннего товарооборота является
минусом. При этом, есть и плюсы, к которым можно отнести, например, тот факт, что
информация по общему и внутреннему портфелю заказов публикуется в России быстрее,
чем в Евросоюзе.
Количество занятых. Описание методологии расчета показателя количества
занятых посвящен раздел 6.1 главы «D» Methodology of short-term business statistics,
Interpretation and guidelines, а так же приложение «А» Директивы по ОБС.
Согласно Методологии, показатель количества занятых является единственным
показателем, который присутствует во всех четырех списках оперативных бизнесиндикаторов от «A» до «D». Он играет важную роль, как в экономической, так и
социальной статистике. Сбор краткосрочной информации о занятости имеет важное
значение для: оценки экономической ситуации и определения экономического цикла;
расчета показателей производительности труда; расчета дохода от трудовой деятельности
в национальных счетах.
Количество сотрудников определяется как группа лиц, работающих по найму,
имеющих трудовой договор и получающих компенсацию. Определение занятых шире, и
кроме количества сотрудников включает в себя также лиц, которые выполняли работы в
31
отчетный период независимо от того, оплачивался их труд или нет. Показатель количества
занятых должен включать в себя следующих сотрудников:
o
Всех наемных работников, в том числе: работников на дому (если они включены в
платежную ведомость); учеников/стажеров (если заключен трудовой договор);
собственников и членов их семей, если их труд оплачивается; лица, имеющие
временные отпуска на определенный срок (например, по уходу за ребенком, по
болезни, отпуска, забастовки, локауты); работников не на полную ставку; временных
работников; сезонных рабочих.
o
Неоплачиваемые лица: собственники; семейные работники.
Работники, нанятые через агентства, не должны включаться в показатель, так же
как и работники, ушедшие в бессрочный отпуск. Показатель должен четко отражать
количество занятых в отчетном периоде. Для расчета значения показателя для отдельного
вида деятельности применяется простой индекс, равный отношению количества занятых в
текущем периоде к количеству занятых в базовом периоде в процентах.
Директива по ОБС не содержит отдельных требований по представлению этого
показателя странами-участницами ЕС в Евростат, поэтому здесь действует общее
правило, по которому все страны предоставляют индикатор на уровне двузначного
числового кода по NACE.
На сайте Евростата показатель количества занятых опубликован в виде базисного
индекса до двузначного числового кода по NACE.Rev.2.0. Индикатор количества занятых
публикуется в виде месячного базисного индекса по видам деятельности, включая
двузначные числовые коды NACE.Rev.2.0, с возможностью календарной и сезонной
корректировки, а так же с возможностью выбрать январь 1993 года в качестве начала
ряда.
Среди российских показателей рынка труда, наиболее близким аналогом
количества занятых является число замещенных рабочих мест в организациях.
Отечественный показатель определяется как суммарное количество среднесписочной
численности работников, средней численности внешних совместителей и средней
численности работников, выполнявших работы по договорам гражданско-правового
характера. Число замещенных рабочих мест определяется без учета внутреннего
совместительства.
32
Согласно Методологии ЕС, допускается временная аппроксимация показателя
количества занятых показателем количества сотрудников. Поэтому число замещенных
рабочих мест можно считать полноценным аналогом количества занятых в рамках ОБС.
Российский аналог публикуется в форме индекса по отношению к аналогичному
периоду предыдущего года, а так же в реальном выражении в Докладе «Социальноэкономическое положение России», спустя месяц после окончания отчетного периода.
Доклад содержит данные о числе замещенных рабочих мест по видам деятельности; C, D,
E, CA, CB, DA, DB, DC, DD, DE, DF, DG, DH, DI, DJ, DK, DL, DM, DN, в соответствии с
ОКВЭД.
Выводы. По рассматриваемому показателю так же наблюдается сужение
детализации отечественных данных, по сравнению с зарубежными. Отметим, что при
публикации отечественных индексов, Росстат использует операцию округления до
десятых. Последнее приводит к проблемам. Например, при попытке перевести
публикуемый Росстатом цепной ряд в базисный возникает погрешность, которая растет с
увеличением длины ряда. В европейской ОБС все индексы публикуется с двумя цифрами
после запятой, поэтому проблем с погрешностью пересчета не возникает.
Количество отработанных часов. Описание методологии расчета показателя
количество отработанных часов посвящен раздел 6.2 главы «D» Methodology of short-term
business statistics, Interpretation and guidelines, а так же приложение «А» Директивы по
ОБС.
Показатель рассчитывается в рамках ОБС для списка «А» и «B». Индикатор
количества отработанных часов важен при анализе различных экономических и
социальных явлений, так как является мерой затрат труда, которая может быть
использована для получения ключевых показателей производительности труда, затрат на
рабочую силу или для получения цен на трудовые ресурсы и в целом для анализа рынка
труда.
Для расчета показателя очень важно знать и различать несколько понятий
отработанных часов:
o
Нормо-часы, основные — количество часов, прописанное в трудовом договоре;
o
Сверхурочные часы — количество часов отработанных сверх нормативного
значения;
o
Общее количество отработанных часов.
33
В Методологии предполагается расчет общего количества отработанных часов,
включая часы, отработанные собственниками и членами их семей. Таким образом, общее
количество отработанных часов включает в себя: основные или нормальные часы;
сверхурочных часов; отработанные часы в течение ночи, выходных и праздников; время,
потраченное на не основные задачи, такие как подготовительные работы, поддержания и
очистки инструментов и машин, приготовление квитанций, счетов и отчетов; время,
проведенное на месте работы, в течение которого работа фактически не выполнялась
вследствие аварий или отсутствия работы, но оплата произведена согласно договору;
короткие периоды отдыха по месту работы.
Из фактически отработанных часов исключаются: часы, которые оплачиваются, но
не являются рабочими, такие как оплачиваемый ежегодный отпуск, праздничные дни,
больничные листы, или в результате несчастных случаев, забастовки, локауты; время,
потраченное на перерывы для приема пищи; времени потраченного на ежедневные
поездки между домом и местом работы.
Согласно Методологии, для того чтобы обеспечить согласованность данного
показателя с остальными трудовыми показателями нужно соблюдать два правила. Вопервых, определять фактические часы с включениями и исключения представленными
выше. Во-вторых, для определения круга работников при подсчете отработанных часов
должно применяться понятие количества занятых.
Для расчета этого показателя в Методологии отсутствуют какие-либо конкретные
предписания, и решение этой задачи остается на усмотрение статистических служб стран–
участниц ЕС. В общем, расчет показателя рекомендуется делать на основе сопоставления
данных полученных из обследования домашних хозяйств и самих предприятий, что
позволяет более объективно оценить показатель.
Согласно Директиве по ОБС, страны-участницы ЕС должны передавать сведения о
отработанных часах в виде индекса или в абсолютном значении на уровне двузначного
цифрового кода NACE.
На сайте Евростата сведения о количестве отработанных часов опубликованы в
виде месячного базисного индекса по двузначным кодам NACE. Длина опубликованного
ряда — с января 1993 года. Пользователям предоставляется возможность выбрать между
обычным индикатором, а так же подверженным сезонной и календарной корректировке.
34
В
России,
аналогом
показателя
является
средняя
фактическая
продолжительность рабочего времени работников списочного состава организаций по
видам экономической деятельности (без субъектов малого предпринимательства). В
отечественный показатель включаются фактически отработанные работниками часы с
учетом сверхурочных и отработанных в праздничные (нерабочие) и выходные (по
графику) дни, как по основной работе (должности), так и по совмещаемой в этой же
организации, включая часы работы в служебных командировках.
В отработанные часы не включаются: время нахождения работников в ежегодных,
дополнительных, учебных отпусках, отпусках по инициативе работодателя; время
повышения квалификации работников с отрывом от работы; время болезни;время
простоя; часы перерывов в работе матерей для кормления ребенка; часы сокращения
продолжительности работы отдельных категорий работников, которым в соответствии с
законодательством Российской Федерации установлена сокращенная продолжительность
рабочего времени; время участия в забастовках; другие случаи отсутствия работников на
работе независимо от того, сохранялась за ними заработная плата или нет.
Таким образом, в теории данная методология согласуется с рекомендациям
Евростата, однако на практике заполнение данных показателей предприятиями ведется на
«чисто технической», нормативной основе. То есть заполняется количество только часов
прописанных в трудовом договоре.
Публикация данного показателя на сайте Росстата происходит раз в квартал в
Докладе «Социально-экономическое положение России», спустя месяц после окончания
отчетного периода. Показатель представлен в натуральном выражении в виде общего
количества
отработанных
часов
в
среднем
на
одного
работника
и
средней
продолжительность рабочего дня. Доклад содержит данные по видам деятельности; C, D,
E, CA, CB, DA, DB, DC, DD, DE, DF, DG, DH, DI, DJ, DK, DL, DM, DN, в соответствии с
ОКВЭД.
Выводы. В России по сравнению с ЕС, по данному показателю наблюдается
сужение детализации при публикации, а так же более редкая частота публикации
показателя (квартальная).
Заработная плата. Описанию методологии расчета показателя посвящен раздел
6.3 главы «D» Methodology of short-term business statistics, Interpretation and guidelines, а
так же приложение «А» Директивы по ОБС.
35
Согласно Методологии, показатель заработной платы так же является важным при
анализе ряда экономических и социальных вопросов.
необходимо
знать,
что
начисленная
зарплата
Для расчета данного показателя
определяется
как
общая
сумма
вознаграждений в денежной и натуральной форме, выплачиваемых всем работавшим в
отчетный период лицам независимо от того, регулярно ли выплачивается это
вознаграждение или нет, и от его вида (сдельная заработная плата, повременная или
выходные пособия и так далее). Налог на прибыль и социальные взносы не должны
вычитаться из общей суммы, даже если они фактически удерживаются работодателем и
перечисляются непосредственно в социальные и налоговые органы. Таким образом,
заработная плата включает:
o
основная заработная плата, сумма которой прописана в договоре найма;
o
заработная плата за сверхурочную работу, работу в ночное время, работу в
выходные дни и так далее;
o
командировочные, суммы, потраченные на размещение работников;
o
компенсации за время потраченное в дороге, в случае если работник тратит на
дорогу до работы большую сумму денег или времени;
o
бонусы, основанные на производительности или прибыли;
o
праздничные бонусы, оплата 13 месяца;
o
отпускные, а так же выплаты за неиспользованный отпуск;
o
надбавки за тяжёлые условия труда;
o
платежи, сделанные работодателями на счета работников для сбережений;
o
компенсации, выплачиваемые работникам за закупку инструментов, оборудования
и спец. одежды необходимых для работы;
o
заработная плата, начисленная по больничным листам, отпускам по уходу за
ребенком, несчастным случаям и так далее;
o
любые платежи в натуральной форме.
Согласно Директиве по ОБС, итоговая информация о заработной плате может быть
предоставлена странами-участницами ЕС в виде абсолютных значений или индексов на
уровне двухзначных числовых кодов классификатора NACE.
На сайте Евростата информация по заработной плате публикуется с месячной
периодичностью в виде базисного индекса на уровне двухзначных числовых кодов
NACE.Rev.2.0 с возможностью выбрать календарно- и сезонно- скорректированный ряд, а
так же ряд без всяких корректировок, начиная с января 1993 года.
36
В России, аналогичный показатель — среднемесячная начисленная заработная
плата работников по видам экономической деятельности рассчитывается делением
фонда начисленной заработной платы работников на среднесписочную численность
работников и на количество месяцев в отчетном периоде. При этом в фонд оплаты труда
(ФОТ) включаются начисленные суммы в денежной и неденежной формах за
отработанное и неотработанное время, доплаты и надбавки, премии и единовременные
поощрения, компенсационные выплаты, связанные с режимом работы и условиями труда,
а также оплата питания и проживания, имеющая систематический характер. Денежные
суммы относятся к ФОТ независимо от источников их выплаты, статей бюджетов и
предоставленных налоговых льгот в соответствии с платежными документами, по
которым с работниками производятся расчеты по заработной плате, премиям и так далее,
независимо от срока их фактической выплаты. Начисленные работникам за весь период
отпуска суммы включаются в фонд заработной платы отчетного месяца.
Для целей статистики труда выплаты в неденежной форме в виде товаров (услуг)
учитываются по стоимости этих товаров (услуг), исходя из их рыночных цен (тарифов) на
дату начисления, а при государственном регулировании цен (тарифов) на эти товары
(услуги) - исходя из государственных регулируемых розничных цен.
Фонд заработной платы работников списочного состава состоит из оплаты за
отработанное время, оплаты за неотработанное время, единовременных поощрительных и
других выплат, оплаты питания и проживания, имеющей систематический характер.
Таким образом, при расчете средней заработной платы не учитываются суммы
выплачиваемые работникам по трудовому договору, а так же прочим занятым. Последнее
делает этот показатель не совсем сопоставимым с аналогичным показателем в странах
Еврозоны, но приемлемым для использования внутри страны.
Информация о среднемесячной начисленной заработной плате работников
публикуется в докладе "Социально-экономическое положение России" в текущих ценах, а
так же в виде цепного индекса и индекса по отношению к аналогичному периоду
предыдущего года, с детализацией вплоть до двухзначного буквенного кода ОКВЭД.
Выводы. Для отечественного показателя характерны общие для всех российских
показателей минусы, в первую очередь — неудобный пользовательский интерфейс.
37
Цены производителей. Описанию методологии расчета показателя посвящен
раздел 7.3-7.4 главы «D» Methodology of short-term business statistics, Interpretation and
guidelines, а так же приложение «А» Директивы по ОБС.
Согласно Методологии, ежемесячные измерения индекса цен производителей
(ИЦП) необходимы для анализа краткосрочной и среднесрочной хозяйственной
деятельности государств-членов ЕС. ИЦП используется в качестве дефлятора, а так же
обеспечивает бизнес информацией о наиболее привлекательных рынках сбыта. Добавим,
так же, что ИЦП используется для изучения и характеристики ценовых процессов в
экономике, сравнительного анализа изменения цен на продукцию отдельных видов
экономической деятельности, при переоценке основных фондов, выполнении различных
экономических расчетов и прогнозировании на макроуровне, для оценки в сопоставимых
ценах объемов промышленного производства, при расчете дефлятора валового
внутреннего продукта. Кроме того, ИЦП часто используется юридическими лицами при
составлении ими долгосрочных контрактов на куплю или продажу, целью которых
является защита покупателя и продавца от неожиданного изменения цен.
Согласно Методологии, при определении цены на какой-либо товар необходимо
учитывать следующие рекомендации:
o
учитываемой ценой должна быть основная цена, то есть цена из которой
исключаются НДС и аналогичные вычитаемые налоги, а также все пошлины и налоги
на товары и услуги, при этом субсидии, полученные производителем, если таковые
имеются, должны быть добавлены;
o
цены учитываются в период в котором был осуществлен заказ, а не в период
выполнения заказа;
o
индекс
отпускных
цен
должен
учитывать
качественные
изменения
в
предоставляемых продуктах и услугах.
Индекс цен рассчитываются путём последовательных агрегаций, при этом каждый
новый уровень агрегации использует среднее арифметическое взвешенное индексов
нижних уровней. Формулы, используемые для агрегации, соответствуют
индексу
Ласпейриса, то есть используются веса базового года.
Директива по ОБС предписывает публикацию индексов цен производителей
промышленных товаров, с разбивкой на индекс цена на внутреннем и внешнем рынках. В
сочетании эти два индекса дают общее изменение индекса цен для данного продукта
(услуги). При этом, страны-участницы ЕС обязаны передавать информацию о ценах
38
производителей в виде индексов в соответствии с классификатором NACE.Rev.1.1 вплоть
до четырехзначных цифровых кодов включительно.
На сайте Евростата, в разделе, посвященном
индексам цен производителей,
публикуются месячные базисные индексы цен в соответствии с классификатором
NACE.Rev.2.0 по видам деятельности B-D вплоть до четырехзначных цифровых кодов
включительно и по виду деятельности E без детализации. Сейчас пользователям доступны
данные с января 1976 года.
В России, аналогом европейского показателя, является индекс цен производителей
промышленных товаров рассчитываемый на основании регистрации цен на товары
(услуги)-представители в базовых организациях [23]. Индекс цен производителей
промышленных товаров рассчитывается на основании регистрации цен на товарыпредставители в базовых организациях по видам деятельности, согласно ОКВЭД.
Наблюдение за ценами производителей осуществляется в 7,5 тысячах организаций. Расчет
средних цен и индексов цен производится по 800 товарам-представителям. Цены
производителей представляют собой фактически сложившиеся на момент регистрации
цены указанных организаций на произведенную продукцию, предназначенную для
реализации на внутреннем рынке (без косвенных товарных налогов - налога на
добавленную стоимость, акциза и тому подобное). Рассчитанные по товарампредставителям индексы цен производителей последовательно агрегируют в индексы цен
соответствующих видов, групп, классов, разделов экономической деятельности. В
качестве весов используются данные об объеме производства в стоимостном выражении
базисного периода.
На сайте Росстата индексы цен производителей промышленных товаров
публикуются в:
o
разделе «Цены» представлен индекс по промышленности в целом, а так же по
видам деятельности C, D, E классификатора ОКВЭД с месячной частотой в цепной
форме и удобном для пользователя формате — в виде таблицы Excel
o
Докладе «Социально-экономическое положение России» по видам деятельности;
C, D, E, CA, CB, DA, DB, DC, DD, DE, DF, DG, DH, DI, DJ, DK, DL, DM, DN, в
соответствии с ОКВЭД. Здесь индекс представлен в цепной форме и по отношению к
аналогичному периоду предыдущего года.
39
Выводы. Для отечественного показателя характерны общие для всех российских
показателей минусы (более узкий уровень детализации, неудобный пользовательский
интерфейс) в сравнении с европейскими оперативными бизнес-индикаторами.
Итоги сопоставлений по списку «А»
При проведении анализа списка «А» не подтвердилась гипотеза о том, что по
данным,
которые
публикуются
на
сайте
Росстата
сегодня,
можно
составить
отечественную систему оперативных бизнес-индикаторов, которая будет соответствовать
европейским стандартам ОБС. Отметим, что без вмешательства самих органов
государственной статистики проблемы отечественной ОБС не решить, так как для этого
требуется создать отдельный раздел на сайте Росстата, расширить перечень публикуемых
индикаторов и, в некоторых случаях, внести изменения в методологию расчета
публикуемых данных. При этом, необходимо учитывать как реальные запросы
отечественных пользователей, так и пользователей из других стран.
В первую очередь, безусловно, неудобства для пользователей сегодня вызывает
отсутствие в официальных источниках статистической информации раздела оперативной
бизнес-статистики. Это проблема относится к проблемам со стороны предложения и
находится в ведении органов государственной статистики. Не сформированный
пользовательский интерфейс по ОБС, приводит к проблемам со стороны спроса на
отечественную ОБС.
Отметим, что для формирования спроса со стороны отечественного бизнеса,
специальным образом должна быть организована система распространения данных ОБС.
Пользователи из среды бизнеса должны располагать полной информацией о применяемых
методологических подходах к расчету показателей ОБС. Необходимо публиковать данные
в формате, который будет удобен пользователям, то есть не как сейчас, когда для того,
чтобы сформировать один динамический ряд по большинству индикаторов пользователю
приходится открыть свыше 60 текстовых документов и самостоятельно вручную
копировать каждый уровень ряда. Данные должны содержать, как сами индикаторы, так и
их сезонную и календарную корректировку, с двумя цифрами после запятой.
Негативное влияние на спрос со стороны иностранных пользователей оказывает, в
первую очередь, тот факт, что не для всех индикаторов европейской ОБС можно найти
отечественные аналоги, а так же, что российские аналоги оперативных бизнесиндикаторов по списку «А» публикуются с более узким уровнем детализации, чем
европейские. Иностранные пользователи будут проявлять интерес к отечественной ОБС,
40
если перечень показателей, рассчитываемых в рамках ОБС в России, не будет сужен в
сравнении с ОБС в странах Евросоюза, поскольку такое сужение будет препятствовать
международным сопоставлениям.
41
Глава 2. Анализ текущего состояния и перспектив развития
промышленного сектора экономики РФ
Изучив методологию построения оперативных бизнес индикаторов и структуру
ОБС по промышленному сектору, мы можем утверждать, что ОБС — это данные о
бизнесе и для бизнеса, которые могут быть использованы для решения задач,
представленных на Рисунке 2.
ИСПОЛЬЗОВАНИЕ ДАННЫХ ОБС
СОПОСТАВЛЕНИЕ ВО ВРЕМЕНИ
СОПОСТАВЛЕНИЕ
В ПРОСТРАНСТВЕ
(анализ краткосрочных тенденций)
Ретроспективный
анализ состояния
отрасли/экономики
Краткосрочное
прогнозирование
состояния
отрасли/экономики
Оценка текущего
состояния
отрасли/экономики
Проведение
международных
сопоставлений
Рисунок 2. Примеры использования индикаторов ОБС
Результаты, полученные в Главе 1, свидетельствуют о том, что отечественные
бизнес-индикаторы по промышленному сектору, в большинстве случаев, пригодны для
решения всех перечисленных задач. Отметим, что в списке на Рисунке 2, в силу непростой
ситуации, сложившейся сегодня в экономике РФ, под влиянием которой могут
происходить быстрые изменения в различных отраслях, задачи анализа краткосрочных
тенденций для отечественного бизнеса приобретают большую актуальность, чем задачи
международных сопоставлений. Причина в том, что анализ текущего состояния и
краткосрочное
прогнозирование
позволяют
бизнесу
идентифицировать
текущую
экономическую ситуацию, определять произошедшую смену тенденций в оперативном
режиме. Это дает возможность реагировать на происходящее с наименьшими задержками,
что в кризис особенно важно. Поэтому практическая часть диссертационной работы
посвящена именно задачам анализа краткосрочных тенденций. В настоящей главе будет
проведен краткий обзор основных тенденций российской макроэкономической динамики
последних лет на основании статистической информации, охватывающей период с 2010
по апрель 2015 года. Особый упор будет сделан на анализ краткосрочных тенденций
последних месяцев в промышленном секторе экономики. Содержательную постановку
задачи практической части исследования проведем далее.
42
В начале 2015 года в экономике РФ была зафиксирована отрицательная динамика
по многим показателям (ВВП, оборот розничной торговли, ИПП и другие), что
ознаменовало начало нового экономического кризиса. Одним из факторов, который стал
причиной отрицательного экономического роста нашей страны, является снижение
инвестиционной
активности.
Согласно
данным
Росстата,
квартальная
динамика
инвестиций в основной капитал в течение всего 2014 года и в I квартале 2015 г. оставалась
отрицательной,
причем
по
итогам
января-марта
2015
г.
было
зафиксировано
максимальное снижение инвестиций – на 6,0% в годовом исчислении. В марте
сокращение инвестиций составило 5,3% к марту 2014 года. Отрицательная динамика
показателя объясняется влиянием ряда негативных тенденций.
Во-первых, после нескольких повышений ключевой ставки Центральным Банком
России в 2014 году, увеличилась стоимость заимствований для коммерческих банков.
Последнее, в сочетании с ограничением доступа российских компаний к международным
финансовым ресурсам, повлекло рост стоимости заемных средств уже для компаний. В
результате понизился инвестиционный спрос, предприятия вынуждены были сокращать
свои инвестиционные программы.
Во-вторых, обострение геополитической обстановки и усиление экономических
санкций в отношении России в 2014 году привели к росту неопределенности и резкому
ухудшению бизнес-уверенности, что не могло не сказаться на уровне инвестиционной
привлекательности РФ, и, как следствие, на предложении инвестиций. Стоит отметить,
что агентство S&P 26 января 2015 года понизило рейтинг России с инвестиционного
уровня "BBB-" до спекулятивного "BB+". В феврале агентство Moody's вслед за S&P
приняло аналогичное решение.
Резюмируя вышесказанное, заключаем, что проблема привлечения денежных
потоков постепенно обострялась для всех субъектов предпринимательской деятельности в
2014-2015 гг. В таких условиях вопрос о привлечении инвестиций становится еще более
актуальным, чем раньше. Поэтому в оставшейся части данной главы предпримем попытку
провести фундаментальный анализ промышленного сектора российской экономики,
который должен предшествовать любым инвестициям. План фундаментального анализа,
составленный согласно [27], представлен на Рисунке 3 и включает несколько пунктов,
предполагая движение сверху-вниз. Руководствуясь планом, на первом этапе проведем
макроэкономическую оценку экономики РФ и установим, как она может повлиять на
ситуацию
в
промышленности.
Для
этого
будем
использовать
официальную
статистическую информацию, публикации Министерства экономического развития,
43
посвященные оценке макроэкономической ситуации в стране, а так же анализ
правительственных инициатив последнего времени, направленных на вывод страны из
кризиса.
Макроэкономический анализ
Отраслевой анализ
Анализ
предприятия
Рисунок 3. Структура практической части диссертационной работы
Затем, перейдем к отраслевому анализу. Оценим состояние промышленного
сектора экономики РФ на основании анализа краткосрочных тенденций индикаторов ОБС
за период с января 2010 года по март, иногда, по апрель 2015 года. Данные, используемые
для анализа, представлены в приложении и содержат следующие группы показателей:
o
Показатели ОБС, публикуемые Росстатом по всем отраслям (C, D, E) и
подотраслям промышленности (CA, CB, DA, DB, DC, DD, DE, DF, DG, DH, DI, DJ, DK,
DL, DM, DN), а так же по промышленности в целом (C+D+E);
o
Опережающие индикаторы деловой активности по видам деятельности C, D и Е.
Используя результаты проведенного анализа, выделим наиболее динамично
развивающуюся подотрасль промышленного производства.
Третий раздел плана фундаментального анализа, а именно — анализ предприятия,
в данной работе оставим без внимания. Дело в том, первоначально планировалось
включение этого пункта в диссертацию. Предполагалось провести классификацию
предприятий выбранной подотрасли по финансовым показателям с помощью кластерного
анализа. Выделить лидеров подотрасли, и проанализировать финансово-хозяйственную
деятельность одного из лидеров, на основании чего планировалось сделать вывод об
44
инвестиционной привлекательности компании. Однако, при реализации этой идеи
пришлось столкнуться с рядом проблем.
Во-первых, в базе данных СПАРК, откуда планировалось выкачивание нужной
информации, хранятся данные по отдельным юридическим лицам в разрезе по видам
деятельности в соответствии с ОКВЭД. Между тем, крупными игроками в промышленном
секторе, и не только в нем, чаще всего выступают целые холдинги, группы компаний.
Поэтому от идеи кластерного анализа по данным из СПАРКА пришлось отказаться.
Однако, отметим, что крупнейших игроков в промышленном секторе отечественной
экономики и ее подотраслях по данным на 2014 год и ранее можно найти, например, в
ежегодном рейтинге «Эксперт-400» рейтингового агентства «Эксперт РА», где собраны
400 крупнейших компаний России по объемам реализации продукции. Отметим, что этот
рейтинг как раз сформирован для групп компаний, а не отдельных юридических лиц.
Во-вторых, при углублении в теорию оценки инвестиционной привлекательности
компании,
становится
ясно,
что
для
грамотной
оценки
необходимо
провести
колоссальную работу, которая требует больших затрат времени и вряд ли стоит пытаться
уложить ее в один пункт главы магистерской диссертации. Согласно [27], для оценки
справедливой стоимости компании необходимо провести оценку конкурентной среды
вокруг предприятия, возможность выхода новых участников на рынок и появления
продуктов-заменителей,
провести
оценку покупательной
способности
заказчиков,
возможности поставщиков и многое другое.
Таким образом, при реализации последнего пункта плана фундаментального
анализа, необходимо применить методы из раздела микроэкономики. При этом
диссертация посвящена оперативным индикаторам и изучению возможностей их
применения,
то
есть
макроэкономическому
анализу
экономики.
Последнее,
свидетельствует о целесообразности отказа от пункта, посвященного инвестиционной
оценке компании в рамках диссертационной работы.
2.1. Макроэкономический анализ. Обзор текущего состояния экономики РФ
Проведем анализ состояния экономики РФ на основании макроэкономических
индикаторов, для того, чтобы понять на какой стадии экономического цикла,
представленного на Рисунке 4, находится отечественная экономика: подъем, спад,
депрессия, оживление и чем это грозит для перспектив развития промышленной отрасли.
45
Рисунок 4. Стадии цикла рыночной экономики
В
2014
году
макроэкономическая
ситуация
в
России
характеризовалась
постепенным ослаблением динамики развития, а в 2015 году наметился отрицательный
рост многих экономических показателей, в том числе и ВВП.
Первая оценка ВВП за 2014 год — предварительная, была опубликована
Федеральной службой государственной статистики 31 января 2015 года. Вторая оценка
появилась на сайте Росстата 2 апреля 2015 года и включила в себя уточнённые данные за
1-3 кварталы 2014 года и впервые опубликованные данные за 4-ый квартал, а также ВВП
Крымского федерального округа, учитываемого со 2-ого квартала 2014 года ([28]).
Согласно обеим оценкам, индекс физического объема ВВП в 2014 году составил 100,6%
([29]), против значений 101,3 % в 2013 году и 103,4 % — в 2012. Отметим, что вторая
оценка отличалась от первой на 0,08 п.п. в сторону увеличения, но так как Росстат
публикует данные, округленные до десятых, разница в публикациях оказалась
незаметной. По данным второй оценки, распределение прироста по кварталам заметно
сместилось в пользу конца года. Если первая оценка указывала на спад выпуска в конце
года, то вторая оценка, напротив, говорит о росте ВВП в этот период. По последним
данным, после явного проседания производственной активности в I квартале 2014 года,
медленный рост в течение трех последующих кварталов привел к тому, что сезонно
скорректированный уровень ВВП всего лишь вернулся к отметке годичной давности.
Таким образом, в рамках годового временного интервала в 2014 году динамику ВВП
следует рассматривать как стагнацию, о чем собственно и говорит малозначительный
прирост годового ВВП — наименьший за последние 15 лет, если не учитывать глубокого
кризисного спада в 2009 году.
46
При этом, по оценке Минэкономразвития России, в декабре 2014 года прирост ВВП
с исключением сезонного и календарного факторов по отношению к ноябрю составил
0,6%. Последнее обусловлено потребительским ажиотажем на импортные товары, товары
длительного пользования (особенно бытовую технику) и прочее, который был вызван
внешнеторговыми ограничениями и обесценивающимися сбережениями вследствие
девальвации рубля. «Паническое» усиление спроса носило временный характер, в начале
2015 года потребительская паника прекратилась и наметилась тенденция к сокращению
потребительских расходов, о чем говорит сокращение темпов роста оборота розничной
торговли. По данным Росстата, в I квартале 2015 г. по сравнению с I кварталом 2014 г.
оборот розничной торговли снизился на 6,7%. Снижение динамики по сравнению с
показателями прошлого года было характерно для всех месяцев квартала. Вместе с тем
следует отметить, что в марте по сравнению с февралем наблюдался рост продаж. Оборот
розничной торговли в марте по сравнению с февралем увеличился на 6,8%, тогда как в
феврале было отмечено снижение динамики на 4 процента. Снижение спроса, привело к
сжатию совокупного выпуска. Индекс выпуска товаров и услуг по базовым видам
экономической деятельности, публикуемый Росстатом ([31]), снизился в I квартале 2015
года на 2,3% по отношению к аналогичному периоду предыдущего года (максимальные
отрицательные значения показателя за последние 6 лет). В результате, по последним
данным Росстата, в I квартале 2015 года ВВП сократился на 1,9% по отношению к
аналогичному периоду прошлого года, причем отрицательный прирост год к году
сохранялся на протяжении всех трех месяцев.
Причина сокращения потребления товаров и услуг кроется в ускорении инфляции.
За январь-март 2015 года потребительская инфляция составила 7,4% (годом ранее – 2,3%),
что стало самым высоким показателем с 1999 года. Цены повышались, находясь под
давлением дешевой национальной валюты, эмбарго на ввоз продуктов, а также —
высоких процентных ставок, удерживающих хрупкое равновесие на финансовом рынке. В
результате населению приходилось сокращать не только покупки непродовольственных
товаров, таких, как автомобили и бытовая техника, но и реальные расходы на еду.
Ежемесячные темпы инфляции ускорялись до середины февраля, а затем начали
замедляться. В марте потребительские цены выросли на 1,2% (2,2% в феврале и 3,9% в
январе), вплотную приблизившись к прошлогоднему показателю (1% в 2014 году в марте).
В апреле рост цен составил 0,5%. На замедление темпа инфляции в марте и апреле
повлияло
значительное
укрепление
обменного
47
курса
рубля
и
охлаждение
потребительского спроса вследствие снижения реальных доходов, роста склонности к
сбережениям на фоне кризиса, снижения потребительского кредита.
Подводя итог, можно заключить, что в целом основные экономические показатели
вернулись к состоянию 3-х и более годичной давности: реальная зарплата – к уровню
конца 2011г.; пенсия и оборот розничной торговли – февраля 2012г.; инвестиции в
основной капитал – к августу 2011/августу 2008; объем строительства – к февралю
2011г./февралю 2009г. Уровень безработицы также стал расти в феврале и, продолжив
расти в марте, вернулся в состояние конца 2013г.
Для понимания перспектив развития отечественной экономики, необходимо
отметить, что для вывода страны из кризиса, Правительство РФ в январе 2015 года
утвердило «План первоочередных мероприятий по обеспечению устойчивого развития
экономики и социальной стабильности в 2015 году» ([34]). Документ предусматривает
семь приоритетных направлений:
1) поддержку импортозамещения и экспорта по широкой номенклатуре несырьевых, в
том числе высокотехнологичных, товаров;
2) содействие развитию малого и среднего предпринимательства за счет снижения
финансовых и административных издержек;
3) создание возможностей для привлечения оборотных и инвестиционных ресурсов с
приемлемой стоимостью в наиболее значимых секторах экономики, в том числе при
реализации государственного оборонного заказа;
4) компенсацию дополнительных инфляционных издержек наиболее уязвимым
категориям граждан (пенсионеры, семьи с несколькими детьми);
5) снижение напряженности на рынке труда и поддержку эффективной занятости;
6) оптимизацию
бюджетных
расходов
за
счет
выявления
и
сокращения
неэффективных затрат, концентрации ресурсов на приоритетных направлениях
развития и выполнении публичных обязательств;
7) повышение устойчивости банковской системы и создание механизма санации
проблемных системообразующих организаций.
Напрямую касаются промышленного сектора экономики только первые три пункта,
поэтому остановимся на подробном анализе только их. По первому и третьему пункту
пока сформулированы только общие программные положения (уменьшение налоговой
нагрузки, снижение административных барьеров и прочее), а по второму пункту сделано
уже достаточно много. Одним из приоритетных направлений деятельности Правительства
48
в сфере развития малого и среднего бизнеса является создание институтов развития, среди
которых можно выделить:
o
Агентства кредитных гарантий (создан в мае 2014), которое, согласно [35], внесет
значительный вклад в повышение доступности кредитных ресурсов для реализации
субъектами малого и среднего предпринимательства;
o
Фонд развития промышленности (создан сентябре 2014). Новый фонд создан на
базе Российского фонда технологического развития (РФТР) для финансирования
разработки научно-исследовательских и опытно-конструкторских работ, техникоэкономических и финансово-экономических обоснований, проектно-изыскательских
работ ([36]);
o
Планируемый
к
созданию
Институт
поддержки
малого
и
среднего
предпринимательства на базе Агентства кредитных гарантий (АКГ) и МСП банка,
который будет сочетать в себе функции регулятора и кредитной организации ([37]).
Проанализировав деятельность создаваемых институтов, можно заключить, что их
основная функция — повышение доступности кредитов, которые необходимы бизнесу для
развития. Есть еще и другие меры государственной поддержки МСП, на которых в данной
работе останавливаться не будем. Отметим лишь, что потенциал по увеличению доли
малого и среднего бизнеса в структуре ВВП России достаточно большой, поэтому
Правительство рассматривает МСП, как один из драйверов роста российской экономики и
прилагает серьезные усилия для его развития.
Возвращаясь
к
анализу
экономической
статистики
и
подводя
итоги
макроэкономического анализа, констатируем, что российская экономика в настоящее
время находится в стадии депрессии экономического цикла, наступление которой
ускорило влияние внешних факторов (введение санкций, снижение цен на нефть). Данные
за март показывали, что динамика I квартала 2015 года оказалась лучше предположений.
Однако, недавно вышедшие данные за апрель текущего года позволили говорить, что
спада экономики продолжается и происходит его углубление. По предварительной оценке
Минэкономразвития, в апреле сокращение ВВП в годовом выражении составило 4,2%, за
январь-апрель 2015 года объем ВВП уменьшился на 2,4% к соответствующему периоду
прошлого года. Со стороны производства это связано с ускорением темпов падения
выпуска обрабатывающих производств, добычи полезных ископаемых, грузооборота
транспорта, строительства и торговли, а также с сокращением налогов на продукты и
импорт. Отрицательный вклад в ВВП также внесли сокращение розничной торговли в
49
условиях ускоряющийся динамики сокращения реальной заработной платы, спад
инвестиций в основной капитал, а также усиление спада экспорта нефти и газа.
Апрельская динамика, позволяет предположить, что текущая слабость экономики
(одной из причин которой останется слабый внутренний спрос) в ближайшие месяцы
сохранится. В условиях все еще высоких процентных ставок и ежемесячного уменьшения
реальной заработной платы, не стоит ожидать увеличения объемов внутреннего спроса.
Тем временем, нормализация процентных ставок, ожидается, из-за опасения возврата
инфляции, не раньше последнего квартала 2015 года.
Согласно последнему базовому прогнозу Министерства экономического развития,
в 2015 году прирост ВВП составит (-2,8)%. Рецессия продлится три квартала и в конце
года
начнётся
экономическое
оживление,
которое
перерастёт
с
2016
года
в
компенсационный спрос. По разным параметрам сценарных расчётов, по одним — в 2017
году, по другим – в 2018 году, экономика выйдет на докризисный уровень ([39]).
В период кризиса 2008-2009 гг. базисный ИПП с учетом сезонной корректировки
упал более чем на 26 процентных пунктов, начав падение в апреле 2008 года с отметки в
151,1% и нащупав дно в январе 2009 года значением 125,5% (данные НИУ ВШЭ,
базисный индекс промышленного производства 100%-январь 2002 года, [33]). При такой
истории развития, логично выдвинуть гипотезу о том, что и сегодняшний экономический
кризис негативно сказывается на развитии промышленного сектора, оказывая влияние, в
том числе, и на объемы выпуска в сторону их уменьшения. Проверим выдвинутую
гипотезу в следующем пункте главы.
2.2. Отраслевой анализ. Оценка состояния и прогноз развития промышленного
сектора экономики России
Перед тем, как переходить к отраслевому анализу, акцентируем внимание на
следующей проблеме. Ежемесячный доклад «О социально-экономическом положении
России», выступающий в работе в качестве основного источника данных для
формирования рядов отечественной ОБС, содержит оперативную информацию, которая
публикуется в виде индексов в цепной форме (по отношению к предыдущему периоду) и в
форме индекса «по отношению к аналогичному периоду предыдущего года». Однако, при
анализе краткосрочных тенденций рекомендуется использовать базисный индекс.
Последнее объясняется несколькими причинами.
Обозначим через 𝑥𝑡 уровни исходного временного ряда. Тогда формулы для
индексов примут вид, представленный в Таблице 3.
50
Таблица 3.
Типы индексов, определяемые различными индексными формулами
Базисный индекс
𝐼𝑡1 =
𝑥𝑡
𝑥𝑇
Цепной индекс
𝐼𝑡2 =
Индекс по отношению к соответствующему
периоду предыдущего года
𝑥𝑡
𝑥𝑡−1
𝐼𝑡3 =
𝑥𝑡
𝑥𝑡−12
Источник: [5]
Согласно [5], использование второго и третьего индекса приводит к сдвигу
поворотных точек на 0,5 и 6 месяцев вправо соответственно, другими словами,
поворотные точки идентифицируются с опозданием на пол месяца и пол года
соответственно. С полумесячным запаздыванием поворотных точек при проведении
анализа краткосрочных тенденций еще можно как-то мериться, а вот с полугодовым —
никак. Поэтому применение
третьего
индекса
для
анализа поворотных
точек
нежелательно.
Согласно [5], различаются динамические характеристики разных форм индексов.
Базисный индекс имеет менее масштабную нерегулярную составляющую, а так же
содержит экспоненциальный тренд, отсутствующий у рядов в цепной форме. Поэтому
именно базисный индекс наиболее ярко и наглядно иллюстрирует происходящие
изменения и лучше остальных подходит для идентификации поворотных точек и для
анализа краткосрочных тенденций.
При этом, необходимо отметить, что операция восстановления базисного ряда по
цепному, публикуемому Росстатом, приводит к появлению погрешности, которая растет, с
увеличением длины ряда. Последнее объясняется тем, что Росстат публикует данные с
точностью до десятых, применяя к каждому уровню ряда операцию округления. Для того,
чтобы оценить масштаб погрешности, вспомним правила округления, согласно которым,
если цифра, стоящая в разряде сотых меньше пяти, то все значащие и стоящие правее
разряда десятых цифры просто отсекаются, иначе, к цифре стоящей в разряде десятых
прибавляется единица и все цифры правее отсекаются. Таким образом, при округлении
одного уровня цепного ряда может возникнуть относительная погрешность порядка:
0,05
± 100 = ±0,05%, где 100 – это примерное значение цепного индекса, а ±0,05 — диапазон
возможной потери при округлении. Для того, чтобы понять, как это может отразиться на
значении базисного индекса, предположим, что в текущем месяце значение цепного ИПП
равно 100,14% (100,05%), а в предыдущем — 100,05 (100,14%). После округления до
десятых, значения обоих месяцев составит 100,1% (100,1%), а базисный индекс будет
51
равен 100% (100%). Если же использовать для расчета значения цепного индекса,
содержащего сотые, то получим значения базисного индекса
—
100,14
100,05
∙ 100 =
100,05
100,09% (100,14 ∙ 100 = 99,91%). В итоге, заключаем, что интервал погрешности
пересчета для значения базисного индекса имеет длину около 0,18% =100,09%-99,91%.
При увеличении длины ряда погрешность будет нарастать.
Используем приведенные выше рассуждения, чтобы оценить погрешность при
переходе от цепного ИПП (С+D+E) к базисному. Получим Рисунок 5.
140.00
130.00
120.00
110.00
100.00
1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 10 1112 1 2 3 4 5 6 7 8 9 10 1112 1 2 3
2010
2011
2012
Базисный ИПП (С+D+E)
Базисный ИПП (C+D+E), оценка сверху
2013
2014
2015
Базисный ИПП (C+D+E), оценка снизу
Рисунок 5. Оценка погрешности динамики ИПП (С+D+E) при переходе от цепного
индекса к базисному, 2010 — март 2015гг., %
Рисунок 5 наглядно иллюстрирует возрастание масштабов погрешности пересчета
с увеличением длины ряда. Далее, при содержательной интерпретации моделей
отечественных бизнес-индикаторов, пересчитанных из цепной в базисную форму, будем
помнить о возникающей погрешности. В данной главе для построения моделей
временных рядов использованы именно базисные индексы к январю 2010 года,
пересчитанные из цепных индексов Росстата. При этом, при анализе краткосрочных
тенденций близко к актуальному концу временного ряда, для учета погрешности
пересчета, предполагается проводить рассуждения, аналогичные приведенным выше, а
так же использовать цепную форму индексов и индексы по отношению к аналогичному
периоду прошлого года.
Прежде, чем переходить к отраслевому анализу, подробно обсудим теорию
построения моделей временных рядов на примере базисного ряда ИПП (С+D+E) по
промышленному сектору. Для указанного временного ряда в Приложении 2 были
построены несколько различных моделей, начиная от самых простых и заканчивая более
52
сложными и современными моделями. Процесс построения моделей вынесен в
Приложение 2, а его результаты приведены далее.
По итогам моделирования динамики базисного ИПП (С+D+E), были сделаны
следующие важные выводы:
1)
в классе модель sarima для описания динамики ИПП с января 2010 года по март 2015 года
лучше всего подходит модель sarima (4.1.0)(0.1.0);
2)
ряд динамики базисного ИПП (С+D+E) содержит два выброса: сдвиг уровня в январе 2013
года и аддитивный выброс в декабре 2014 года;
3)
модель sarima (4.1.0)(0.1.0) с учетом выбросов лучше аппроксимирует динамику ИПП и
обладает большей прогнозной силой;
4)
базисный индекс промышленного производства, пересчитанный из цепного, в апреле
составил 113,64%. Отметим, что такое значение относится к наихудшим из предсказанных
моделями сценариев. При этом, фактическое значение попадает в доверительный интервал
прогноза только для простой модели sarima (4.1.0)(1.0.0). Такое масштабное падение
производства в апреле не предсказала модель sarima (4.1.0)(0.1.0) с учетом выбросов. Как
известно, в период кризиса теоретические модели склонны ошибаться. Поэтому, далее,
сосредоточимся на анализе текущей ситуации в промышленном секторе экономики РФ.
Отметим, что если и строить прогноз индикаторов ОБС в сложившейся кризисной ситуации с
помощью теоретических моделей, то только на один уровень ряда вперед.
Отметим, так же, что если учитывать погрешность пересчета, то фактическое значение
попадает в доверительные интервалы для всех моделей.
5)
сезонно-скорректированный базисный ИПП (C+D+E) на Рисунке 6 наглядно иллюстрирует
резкое снижение темпов роста промышленного производства в январе-феврале 2015 года по
сравнению с декабрьским максимумом.
140
130
120
110
100
1 2 3 4 5 6 7 8 9 10 1112 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 1112 1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6 7 8 9 1011 12 1 2 3
2010
2011
2012
2013
2014
2015
Базисный ИПП (C+D+E)
Сезонно-скорректированный базисный ИПП (C+D+E)
Тренд-циклическая составляющая базисного ИПП (C+D+E)
Рисунок 6. Результаты сезонной декомпозиции базисного ИПП (С+D+E) методом
X12-ARIMA, 2010 – март 2015 гг.
53
Но, как уже отмечалось, в декабре наблюдался аддитивный выброс. Последнее означает, что
принимать за базу сравнения декабрь 2014 года не корректно. Поэтому остановимся на анализе
индекса по отношению к аналогичному периоду предыдущего года. Анализируя динамику
производства по новому типу индекса, отмечаем, что в январе ИПП в годовом выражении
составил 101,5%, в феврале — 100,1%, в марте — 100,4%. Положительные темпы годового
прироста месяцев первого квартала, по последним данным, сменились в апреле на
отрицательные. По данным Росстата, ИПП в апреле 2015 года по сравнению с апрелем 2014
года составил 95,5%, а по сравнению с мартом 2015 года - 93,5%. Таким образом, в апреле
наблюдалось максимальное падение индекса промышленного производства в годовом
выражении за весь рассматриваемый период (с января 2010 года).
Возвращаясь к анализу Рисунка 6 и, учитывая динамику ИПП в апреле, заключаем, что начиная
с августа-сентября 2014 года в динамике базисного индекса промышленного производства
наметился убывающий тренд, что говорит о тенденции ежемесячного сокращения темпов роста
промышленного производства, если исключить сезонный и календарный фактор, а так же
учесть декабрьский аддитивный выброс.
Для детального исследования причин отрицательных темпов роста промышленного
производства, а так же проведения отраслевого анализа, обратимся к теоретической
основе расчета ИПП. Как уже упоминалось в Главе 1, ИПП является индексом высокого
уровня агрегации. Поэтому, для того, чтобы исследовать наметившийся промышленный
спад, рассмотрим ИПП по видам деятельности С, D, E, а так же CA, CB, DA, DB, DC, DD,
DE, DF, DG, DH, DI, DJ, DK, DL, DM, DN. При этом, будем учитывать, что разные
подотрасли вносят в динамику ИПП различный вклад, соответствующий величине
добавленной стоимости (ДС), созданной в конкретном виде экономической деятельности
в базисном 2010 году.
Добыча полезных ископаемых (РАЗДЕЛ С)
34%
55%
11%
Производство и распределение
электроэнергии, газа и воды (РАЗДЕЛ Е)
Обрабатывающие производства (РАЗДЕЛ D)
Рисунок 7. Структура добавленной стоимости промышленного производства в 2010 году
Рисунок 7 свидетельствует о том, что наибольший удельный вес в динамике ИПП
(C+D+E) имеет обрабатывающее производство (E). Более подробная структура
добавленной стоимости, включающая подразделы, приведена в Приложении 1.
54
Анализируя динамику ИПП последних месяцев в детальной разбивке по видам
деятельности, получаем следующие результаты, которые удобно представить в виде
таблицы.
Таблица 4.
Индекс промышленного производства к соответствующему периоду прошлого года, 2014
год, январь-апрель 2015 гг., %
Промышленное производство
(C+D+E)
Добыча полезных ископаемых (С)
добыча топливно-энергетических
полезных ископаемых (СА)
добыча полезных ископаемых, кроме
топливно-энергетических (СВ)
Обрабатывающие производства
(D)
производство пищевых продуктов,
включая напитки, и табака (DA)
текстильное и швейное производство
(DB)
производство кожи, изделий из кожи
и производство обуви (DC)
обработка древесины и производство
изделий из дерева (DD)
целлюлозно-бумажное
производство; издательская и
полиграфическая деятельность (DE)
производство кокса и
нефтепродуктов (DF)
химическое производство (DG)
производство резиновых и
пластмассовых изделий (DH)
производство прочих
неметаллических минеральных
продуктов (DI)
металлургическое производство и
производство готовых
металлических изделий (DJ)
производство машин и оборудования
(DK)
производство электрооборудования,
электронного и оптического
оборудования (DL)
производство транспортных средств
и оборудования (DM)
прочие производства (DN)
Производство и распределение
электроэнергии, газа и воды (Е)
2014
Янв. 2015
Фев. 2015
Март 2015
Апр. 2015
101,7
100,9
98,4
99,4
95,5
101,4
101,5
100,1
100,4
99,2
101,4
101,3
100,2
100,3
100,1
101,6
105,4
100,1
101,6
98,6
102,1
99,9
97,2
98,1
92,8
102,5
103,6
104,6
102,3
99,4
97,5
73,9
80,3
84,2
83,5
97,2
88,2
80,8
84,3
82,7
94,7
97,3
104
97,7
95
100,4
93,8
77,3
78,7
82,5
105,7
102,6
103,3
100,9
101,8
100,1
102,7
105,8
111,4
103,6
107,5
111,5
101,1
95,1
89,7
101,8
107,5
101,2
98
90,1
100,6
103
96,3
93,4
90,7
92,2
90,7
87,2
95,7
85,1
99,5
95,2
93,1
93,9
99,3
108,5
87,2
77,6
94,8
77,8
102,7
89,2
87,1
100
93,8
99,9
101,2
98,3
100,8
101,8
Источник: [19]
Как видно из Таблицы 4, в апреле 2014 года наблюдалось фронтальное сокращение
объемов выпуска по широкому кругу подотраслей промышленного производства. При
этом,
учитывая
структуру ДС
по промышленности, заключаем, что
на
спад
промышленного производство в апреле сильнее всего повлияла отрицательная динамика
55
обрабатывающих производств в этот период. Сфера деятельности «Обрабатывающие
производства» в апреле 2015 года развивалась ниже уровня апреля 2014 года на 7,2%.
Положительный вклад в темпы роста производства в этой группе внесли только:
химическое производство и производство кокса и нефтепродуктов. Отрицательный рост
отмечался в «Добыче полезных ископаемых» — на 0,8% производства к апрелю 2014
года. Из производств этого вида деятельности прирост «Добычи топливно-энергетических
полезных ископаемых» составил 0,1%, «Добычи полезных ископаемых, кроме топливноэнергетических» — (-1,4)% в годовом сопоставлении. Прирост производства сферы
деятельности «Производство и распределение электроэнергии, газа и воды» в апреле 2015
года составил 1,8% по отношению к аналогичному периоду предыдущего года.
По данным Министерства экономического развития, «основным фактором,
определяющим
динамику
промышленного
производства
в
апреле
является
продолжающаяся стагнация внутреннего спроса, сокращение объемов строительства
(94,8% к апрелю 2014 г.) и оборота розничной торговли (90,2%), что негативно отражается
на объемах выпуска в секторах, ориентированных на внутренний рынок».
Для
анализа
спроса
на
промышленную
продукцию
приведем
динамику
оперативного бизнес индикатора «оборот организаций» по промышленному сектору.
5,000.0
4,500.0
4,000.0
3,500.0
3,000.0
2,500.0
2,000.0
1,500.0
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3
2010
2011
2012
2013
2014
2015
Оборот организаций (C+D+E), млрд. руб.
Оборот организаций (C+D+E), млрд. руб., дефлированный по ИЦП
Рисунок 8. Оборот организаций промышленного сектора, 2010-март 2015 гг., млрд. руб.
На Рисунке 8 приведен ряд, который получен суммированием оборотов по видам
деятельности C, D, E. Согласно Главе 1, оборот организаций публикуется в текущих
ценах, поэтому рисунок так же содержит и скорректированный на инфляцию с помощью
ИЦП показатель. Для более точного анализа динамики оборота последнего времени
приведем так же индекс дефлированного оборота по отношению к аналогичному периоду
предыдущего года.
56
115%
110%
105%
100%
95%
90%
1
2
3
4
5
6
7
8
9
10
11
12
1
2
2014
3
2015
Индекс дефлированного по ИЦП оборота организаций (C+D+E), динамика год к году
Рисунок 9. Годовой индекс оборота организаций промышленного сектора, 2014-март
2015 гг., %
Анализ Рисунков 8 и 9 позволяет заключить, что поворотной точкой, с которой
началось снижение спроса на продукцию промышленного сектора, следует считать
январь-февраль 2014 года. Последнее утверждение основано на теории индексов, согласно
которой, индекс год к году приводит к сдвигу поворотных точек примерно на 6 месяцев
вправо.
Среди факторов, способных оказать положительное влияние на динамику спроса, а
значит и на развитие промышленности в ближайшие месяцы следует назвать, в первую
очередь, снижение ключевой ставки Банка России. В сегодняшних условиях, когда
экономика нуждается в смягчении денежной политики, снижение темпов инфляции в
последние месяцы, которые наглядно иллюстрирует Рисунке 10, будет дополнительным
козырем в пользу снижения ключевой процентной ставки.
170.00
160.00
150.00
140.00
130.00
120.00
110.00
100.00
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4
2010
2011
2012
2013
2014
Индекс цен производителей промышленных товаров (C+D+E)
Индексы потребительских цен на товары и услуги по РФ
Рисунок 10. Базисный ИЦП и ИПЦ, 2010-апрель 2015 гг., %
57
2015
В случае снижения ставки Центральным Банком, снизится стоимость заемных
ресурсов, что послужит стимулом к развитию, в том числе, и промышленного сектора
экономики.
Возвращаясь к анализу Таблицы 4, наиболее оптимистичную динамику в
последние 4 месяца демонстрируют подотрасли промышленности, выделенные зеленым.
Остановимся на исследовании динамики промышленного производства этих подотраслей
более подробно и приведем для них базисные индексы ИПП.
150.0
130.0
110.0
90.0
70.0
50.0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4
2010
2011
2012
2013
2014
2015
Химическое производство (Подраздел DG)
Производство кокса и нефтепродуктов (Подраздел DF)
Добыча топливно-энергетических полезных ископаемых (Подраздел СА)
Производство и распределение электроэнергии, газа и воды (РАЗДЕЛ Е)
Рисунок 11. Базисный ИПП для некоторых подотраслей промышленного сектора, 2010 –
апрель 2015 гг., %
Среди представленных на Рисунке 11 рядов динамики, наиболее ярко выраженный
возрастающий
со
временем
производству.
Последнее
тренд
позволяет
имеет
ряд,
сделать
соответствующий
несколько
выводов.
химическому
Во-первых,
долгосрочный рост химического производства с постоянно возрастающими темпами
свидетельствует о том, что в России сложились благоприятные условия для развития
этого вида деятельности. Во-вторых, высокие темпы роста производства последние
месяцы, свидетельствуют о том, что кризисные явления в российской экономике пока не
оказывают серьезного влияния на развитие химического производства. Таким образом,
именно подотрасль «химическое производство», по сравнению с другими подотраслями
промышленного сектора должна быть интересна инвесторам сегодня. Последнее
утверждение подтверждает и тот факт, что в конце сентября 2014 года, в совет директоров
ОАО "ФосАгро" — одного из крупнейших в мире производителей фосфорсодержащих
58
минеральных удобрений, вошел известный международный инвестор Джим Роджерс,
соучредитель Quantum Fund и владелец инвестиционного фонда Rogers Holdings.
Последние выводы подтверждают так же данные обследований деловой активности
3,5 тысяч организаций (без учета малых предприятий) видов экономической деятельности
"Добыча полезных ископаемых", "Обрабатывающие производства", "Производство и
распределение электроэнергии, газа и
воды". Согласно результатам
указанных
обследований, последние 7 месяцев, включая май, индекс предпринимательской
уверенности по химическому производству выглядит значительно лучше, чем по
обрабатывающему производству в целом.
2
0
-2
-4
-6
-8
-10
-12
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 10 1112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 10 1112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5
2010
2011
2012
Обрабатывающее производство (Раздел D)
2013
2014
2015
Химическое производство (Подраздел DG)
Рисунок 12. Индекс предпринимательской уверенности по разделу D и подразделу DG,
2010-май 2015 гг.
Приведем так же показатели, отражающие спрос на продукцию обрабатывающих
производств.
0
-10
-20
-30
-40
-50
-60
1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5
2007
2008
2009
2010
2011
Портфель заказов, раздел D
2012
2013
2014
2015
Экспортный портфель заказов, раздел D
Рисунок 13. Динамика общего и экспортного портфеля заказов, 2007-май 2015 гг.
59
Рисунок 13 наглядно иллюстрирует низкий уровень общего и экспортного
портфеля заказов, далекий от максимумов 2012 года. Однако, последние 5 месяцев не
наблюдается резкого падения этого показателя, что свидетельствует о том, что в
настоящий кризис, если и будет наблюдаться уменьшение обрабатывающих производств в
ближайшие месяцы, то его спад будет происходить гораздо мягче и его масштабы будут
гораздо меньше, чем в период 2008-2009 гг.
Таким образом, анализ результатов обследования деловой активности организаций
(без учета малых предприятий), позволяет прогнозировать оптимистичную картину по
подразделу DG — химическое производство по следующим причинам. С одной стороны,
в последующие месяцы на основании достаточно стабильного объема спроса,
масштабного спада обрабатывающих производств не ожидается. При этом, согласно ИПП
и ИПУ сложилась тенденция, по которой химическое производство выглядит гораздо
лучше обрабатывающей промышленности в целом. На данном этапе отраслевого анализа
нет причин ожидать, что эта тенденция не сохранится и в будущем.
В данной работе на этом поставим точку в отраслевом анализе промышленного
производства. Для дополнения уже сложившейся в целом картины относительно текущего
состояния и перспектив развития химического производства, можно порекомендовать
провести анализ оставшихся отечественных оперативных бизнес-индикаторов по
промышленному сектору из списка Главы 1.
.
60
ЗАКЛЮЧЕНИЕ
Выполненная магистерская диссертация состоит из двух частей: теоретической и
практической.
Основной
целью
теоритической
части
диссертации
явилось
построение
отечественной ОБС, отвечающей международным стандартам. Для достижения цели были
решены
задачи,
включающие
исследование
правовых,
организационных
и
методологических подходов европейских статистических органов при формировании
оперативной бизнес-статистики по странам ЕС. Далее, было проведено сравнение
изученных европейских подходов с российскими. На конечном этапе, путем нахождения
европейским индикаторам по списку «А» российских аналогов был сформирован список
отечественных оперативных бизнес-индикаторов для промышленного сектора.
В результате проделанной работы, был получен ряд выводов, отвечающих целям и
задачам исследования.
Во-первых, изучение законодательных основ статистики России и ЕС, показало,
что принятая в ЕС законодательная база обеспечивает более эффективную правовую
основу для развития статистики в целом и бизнес-статистики в частности. Декларируемые
в европейском законе о статистике принципы, нацелены на соблюдение интересов не
только производителей статистики и государства, как в России, но и рядовых
пользователей, что способствует повышению спроса на европейскую статистику, а,
значит, и стимулирует ее к развитию.
Во-вторых, анализ методологических подходов европейских и российских
статистических органов позволил заключить, что целостная европейская методология по
ОБС, содержащая подробные рекомендации по сбору, обработке и предоставлению
европейской оперативной бизнес-статистики, пока не имеет аналога в России. На
сегодняшний день в России имеется только ряд методологий по расчетам отдельных
показателей, которые можно расценивать, как аналоги отдельных частей европейской
методологии.
В-третьих, анализ списка «А» показал, что по данным, которые публикуются на
сайте Росстата сегодня, нельзя составить отечественную систему оперативных бизнесиндикаторов, которая будет полностью соответствовать европейским стандартам ОБС.
Среди причин не соответствия российской ОБС по промышленному сектору европейским
требованиям стоит выделить менее детальную публикацию отечественной ОБС по видам
61
деятельности, а так же отсутствие российских аналогов для некоторых европейских
бизнес-индикаторов.
Подводя итог теоретической части, заключаем, что несмотря на то, что в России
нет отдельной методики и отдельного раздела в официальных статистических
публикациях, посвященных ОБС, сказать, что в стране вообще нет оперативной бизнесстатистики нельзя. В работе было выявлено, что большая часть показателей, которые в
Европе принято относить к ОБС, по крайней мере, по промышленному сектору, так же
рассчитывается и Росстатом. Поэтому, можно считать, что на данном этапе развития
отечественной статистики, имеет место частичное соответствие отечественной ОБС
международным стандартам.
Далее, перейдем к обсуждению итогов практической части работы, которая была
посвящена изучению возможностей отечественных оперативных бизнес-индикаторов при
решении различного рода задач. Среди множества задач, на примере которых можно было
проиллюстрировать возможности отечественной ОБС, была выделена задача по
проведению межвременных сопоставлений. Указанная задача использовалась в рамках
фундаментального анализа промышленной отрасли, который включал:
 анализа макроэкономических индикаторов, для того, чтобы понять на какой стадии
экономического цикла находится отечественная экономика: подъем, спад, депрессия,
оживление и чем это грозит для перспектив развития промышленной отрасли;
 отраслевой анализа с помощью индикаторов ОБС по промышленности. На этом
этапе была проведена оценка текущего состояние промышленного сектора экономики
РФ на основании анализа индикаторов ОБС за период с января 2010 года по март,
иногда, по апрель 2015 года. Кроме того, по данным базисного ИПП за 2010 — март
2015 гг. был сделан прогноз его будущих значений на три месяца вперед.
По результатам практической были сделаны следующие выводы.
Во-первых, макроэкономический анализ показал, что российская экономика в
настоящее время находится в стадии депрессии экономического цикла, наступление
которой ускорило влияние внешних факторов (введение санкций, снижение цен на нефть).
При этом, последние данные за апрель текущего года позволяют говорить, что спад
экономики продолжается и происходит его углубление. Следует ожидать, что текущая
слабость экономики (одной из причин которой останется слабый внутренний спрос) в
ближайшие месяцы сохранится, так как в условиях все еще высоких процентных ставок и
62
ежемесячного уменьшения реальной заработной платы, сохранится слабость внутреннего
спроса.
Во-вторых, несмотря на кризис в экономике России, промышленное производство с
января по март находилось практически на докризисных уровнях. По данным динамики
базисного ИПП за 2010 — март 2015 гг. был построен прогноз значений ИПП на три
месяца вперед. Базовый сценарий прогноза предполагал продолжение стагнации в
промышленном секторе в апреле. Однако фактическое значение базисного индекса
промышленного производства за апрель попало в наихудший из предсказанных моделями
сценариев. По данным Росстата, в апреле наблюдалось максимальное падение индекса
промышленного производства в годовом выражении за весь рассматриваемый период (с
января 2010 года).
В-третьих, несмотря тенденцию уменьшение темпов роста выпуска, сложившуюся
в промышленном секторе, анализ уровней общего и экспортного портфеля заказов вселяет
некоторый оптимизм. Дело в том, что в последние 5 месяцев не наблюдается резкого
падения объемов заказов в промышленном секторе, как это было в период предыдущего
кризиса 2008-2009 гг. Последнее означает, что в ближайшие месяцы если и будет
наблюдаться уменьшение промышленного производства, то его спад будет происходить
гораздо мягче и его масштабы будут гораздо меньше, чем в период кризиса 2008-2009 гг.
63
СПИСОК ЛИТЕРАТУРЫ
1. Бессонов В. А. О проблемах развития российской статистики // ЭКО. 2012. № 3. С.
35-49.
2. Пономаренко А.Н. Оперативная бизнес-статистика и национальные счета:
проблема согласования // Вопросы статистики. 2008. № 8. С. 7-12.
3. Бессонов В. А. Взгляд на российскую статистику со стороны пользователя //
Вопросы статистики. 2009. № 5. С. 50-61.
4. Бессонов В. А. Проблемы анализа российской макроэкономической динамики
переходного периода. М.: Институт экономики переходного периода, 2005.
Режим электронного доступа:
http://www.hse.ru/pubs/lib/data/access/ram/ticket/99/14260182342e0ec494020dc5d194b
c5fab33e9d413/MAD2005.pdf
5. Бессонов В. А. Введение в анализ российской макроэкономической динамики
переходного периода. М.: Институт экономики переходного периода, 2003.
Режим электронного доступа:
http://www.hse.ru/pubs/lib/data/access/ram/ticket/74/142601809488c0dfc0a0d90fcb4b35
737783df68ae/MAD2003.pdf
6. Council Regulation 322/1997 (ред. Регламент (ЕС) № 223/2009 Европейского
парламента и Совета от 11 марта 2009 года)
Режим электронного доступа:
http://bip.stat.gov.pl/gfx/bip/userfiles/_public/bip/jakosc/poz_l_08720090331en0164017
3.pdf
7. Council Regulation (EC) No 1165/98 of 19 May 1998 concerning short-term statistics.
Режим электронного доступа: http://eur-lex.europa.eu/legalcontent/EN/TXT/PDF/?uri=CELEX:31998R1165&from=EN
8. Regulation (EC) No 1158/2005 of the european parlament and of the Council of 6 July
2005 amending Council Regulation (EC) No 1165/98 concerning short-term statistics
Режим электронного доступа: http://eur-lex.europa.eu/legalcontent/EN/TXT/PDF/?uri=CELEX:32005R1158&from=EN
9. Федеральный закон от 29 ноября 2007 г. N 282-ФЗ "Об официальном
статистическом учете и системе государственной статистики в Российской
Федерации" (с изменениями и дополнениями)
Режим электронного доступа: http://www.gks.ru/news/fz282.htm
10. Council Directive 72/211/EEC of 30 May 1972 concerning coordinated statistics on the
business cycle in industry and small craft industries
Режим электронного доступа: http://eur-lex.europa.eu/legalcontent/EN/TXT/?qid=1400831255244&uri=CELEX:31972L0211
11. Methodology of short-term business statistics - Interpretation and guidelines,
Luxembourg: Office for Official Publications of the European Communities
Режим электронного доступа
http://ec.europa.eu/eurostat/documents/1916593/1917176/KS-BG-06-001EN.pdf/973bf1c8-e598-4228-9d18-2f7704a95e45
12. Образцова О.И. Система национальных счетов: Учебник / Гос. ун-т — Высшая
школа экономики. — М.: Изд. дом ГУ ВШЭ, 2008, — 460 с.
64
13. Ю.Н. Иванов. Основы международной статистики: Учебник / Под. общ. ред. д-ра
экон. наук Ю.Н. Иванова. — М.: ИНФРА-М, 2013. — 621 с.
14. Официальная статистическая методология исчисления индекса промышленного
производства.
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/industria
l/
15. Методика расчета индекса физического объема промышленной продукции (для
федерального и регионального уровней).
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/industria
l/
16. Регламент разработки и публикации данных по продукции добывающих,
обрабатывающих производств, производству и распределению электроэнергии,
газа и воды.
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/industria
l/
17. Комментарий к информационным ресурсам для расчетов индексов производства
на основе 2010 базисного года.
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/industria
l/#
18. Срочная справка «О промышленном производстве в январе - феврале 2015 года».
Режим электронного доступа: http://www.gks.ru/gis/images/graf_sroch1.htm
19. Информация о социально-экономическом положении России
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalo
g/doc_1140087276688
20. Доклад "Социально-экономическое положение России"
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalo
g/doc_1140086922125
21. Краткосрочные экономические показатели Российской Федерации (на русском и
английском языках)
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalo
g/doc_1140080765391
22. Опережающие индикаторы по видам экономической деятельности
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/leading_indicators/
23. Методологические положения по наблюдению за ценами производителей
промышленных товаров и расчету индексов цен.
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/tariffs/
65
24. О назначении, принципах построения и
внедрении Общероссийского
классификатора продукции по видам экономической деятельности (ОКПД) в
информационную систему государственной статистики/
Режим электронного доступа: http://www.gks.ru/metod/classifiers.html
25. Бессонов В. А., Петроневич А. В. Сезонная корректировка как источник ложных
сигналов // Экономический журнал Высшей школы экономики. 2013. Т. 17. № 4.
С. 554-584.
Режим электронного доступа:
http://www.hse.ru/pubs/share/direct/document/108937088
26. Бессонов В. А. Анализ краткосрочных тенденций в российской экономике: как
рассеять "туман настоящего"? // Вопросы экономики. 2011. № 2. С. 93-108.
Режим электронного доступа:
http://www.hse.ru/pubs/lib/data/access/ram/ticket/40/1426523185c63d715cd64aa8bddc7
d6a34b1722095/VE2011-02.pdf
27. Рынок ценных бумаг: учебник для бакалавров/под общ. ред. Н.И. Берзона. — М.:
Издательство Юрайт, 2012. — 533С.
28. Комментарии к расчетам и порядку публикаций ВВП, Росстат
Режим электронного доступа:
http://www.gks.ru/free_doc/new_site/vvp/comment.htm
29. Доклад «О производстве и использовании валового внутреннего продукта (ВВП)
за 2014 год», Росстат
Режим электронного доступа:
http://www.gks.ru/bgd/free/B04_03/IssWWW.exe/Stg/d05/63.htm
30. Доклад «Социально-экономическое положение России - 2015 г.», Росстат
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalo
g/doc_1140086922125
31. Индекс выпуска товаров и услуг по базовым видам экономической деятельности,
Росстат
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/accounts/#
32. Цены, Росстат
Режим электронного доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/tariffs/#
33. Единый архив экономических и социологических данных НИУ ВШЭ, раздел
«Основные макроэкономические показатели. Оперативная информация
(BRDATA)», подраздел «Промышленность»
Режим электронного доступа:
http://sophist.hse.ru/hse/nindex.shtml
34. Правительство РФ, План первоочередных мероприятий по обеспечению
устойчивого развития экономики и социальной стабильности в 2015 году
Режим электронного доступа: http://government.ru/media/files/7QoLbdOVNPc.pdf
35. Информационный портал Вести Экономика. Статья «В России создано Агентство
кредитных гарантий»
Режим электронного доступа: http://www.vestifinance.ru/articles/42455
66
36. Информационный портал Вести Экономика. Статья «Правительство создало фонд
развития промышленности»
Режим электронного доступа: http://www.vestifinance.ru/articles/46460
37. Информационный портал Вести Экономика. Статья «Большие проблемы малого
бизнеса обсудят на Госсовете»
Режим электронного доступа: http://www.vestifinance.ru/articles/55638
38. Министерство экономического развития. Доклад о результатах и основных
направлениях деятельности Минэкономразвития России на 2015-2017 годы
Режим электронного доступа:
http://economy.gov.ru/minec/about/collegium/2015042204
39. Министерство экономического развития. Статья «Алексей Улюкаев: С 2016 года
рост ВВП вернется в область положительных значений»
Режим электронного доступа: http://economy.gov.ru/minec/press/official/201504231
40. Айвазян С.А. Методы эконометрики: учебник. — М.: Магистр: ИНФРА-М. 2013.
— 512 с.
41. Лукашин Ю.П., Адаптивные методы краткосрочного прогнозирования временных
рядов. Учеб. пособие. - М.: Финансы и статистика, 2003.416 с.
42. Дуброва Т.А., Статистические методы прогнозирования: Учеб. Пособие, дом вузов.
- М.: ЮНИТИ-ДАНА, 2003. - 206 с.
43. Магнус Я.Р., Катышев П.К., Пересецкий А.А. "Эконометрика. Начальный курс". 8-е изд. - М.: ДЕЛО, 2007.
44. Канторович Г. Г. Лекции: Анализ временных рядов // Экономический журнал
Высшей школы экономики. 2003. Т. 7. № 1. С. 79-103.
Режим электронного доступа: http://www.hse.ru/org/persons/65357#sci
45. Статья Канторович Г. Г. Лекции: Анализ временных рядов // Экономический
журнал Высшей школы экономики. 2002. Т. 6. № 2. С. 251-273.
Режим электронного доступа: http://www.hse.ru/org/persons/65357#sci
46. Статья Канторович Г. Г. Лекции: Анализ временных рядов // Экономический
журнал Высшей школы экономики. 2002. Т. 6. № 3. С. 379-401.
Режим электронного доступа: http://www.hse.ru/org/persons/65357#sci
47. Статья Канторович Г. Г. Лекции: Анализ временных рядов // Экономический
журнал Высшей школы экономики. 2002. Т. 6. № 4. С. 498-523.
Режим электронного доступа: http://www.hse.ru/org/persons/65357#sci
67
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ 1. Временные ряды отечественных бизнес-индикаторов
Таблица 5.
Список индикаторов ОБС
Код
IPI
TO
DO
NDO
OP
ECI
Название показателя
Industrial Production Index
Turnover
Domestic new orders
Non-domestic new orders
Output prices
Entrepreneur Confidence Index
Название показателя
Индекс промышленного производства
Оборот
Портфель заказов
Экспортный портфель заказов
Цены производителей
Индекс предпринимательской уверенности
Таблица 6.
Код индикатора, согласно виду деятельности
Код
_CDE
_C
_D
_E
_СА
_СВ
_DA
_DB
_DC
_DD
_DE
_DF
_DG
_DH
_DI
_DJ
_DK
_DL
_DM
_DN
Вид деятельности
Промышленное производство
Добыча полезных ископаемых
Обрабатывающие производства
Производство и распределение электроэнергии газа и воды
Добыча топливно-энергетических полезных ископаемых
Добыча полезных ископаемых, кроме топливно- энергетических
Производство пищевых продуктов, включая напитки, и табака
Текстильное и швейное производство
Производство кожи, изделий из кожи и производство обуви
Обработка древесины и производство изделий из дерева
Целлюлозно-бумажное производство; издательская и полиграфическая
деятельность
Производство кокса и нефтепродуктов
Химическое производство
Производство резиновых и пластмассовых изделий
Производство прочих неметаллических минеральных продуктов
Металлургическое производство и производство готовых металлических
изделий
Производство машин и оборудования
Производство электрооборудования, электронного и оптического
оборудования
Производство транспортных средств и оборудования
Прочие производства
68
Таблица 7.
Базисный ИПП по промышленности в целом, а так же по видам деятельности С, D, E,
2010-март 2015 гг., %
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
1
2
3
4
5
6
2012
7
8
9
10
11
12
IPI_CDE
100,0
100,0
112,6
106,1
105,3
107,0
107,8
108,9
110,8
116,7
117,8
125,4
106,2
105,2
116,6
111,8
111,8
114,0
113,8
115,5
116,0
120,8
122,7
130,8
110,1
112,5
120,5
114,6
115,7
115,8
118,0
120,7
118,8
125,1
126,7
134,4
IPI_C
100,0
93,2
103,4
99,1
102,1
100,5
103,6
102,3
101,5
105,9
101,7
105,2
101,8
94,1
104,4
100,8
104,6
102,8
106,4
105,6
103,2
106,3
103,4
106,5
103,6
97,9
104,4
101,0
104,6
102,8
107,3
106,8
103,7
107,2
103,8
107,1
IPI_D
100,0
92,4
102,3
97,7
100,3
97,6
100,5
99,1
98,5
103,3
99,8
103,2
101,2
92,8
102,6
98,9
102,0
98,7
102,1
101,5
99,2
103,8
101,2
104,6
102,5
96,4
102,7
99,3
102,0
98,9
102,8
102,3
99,5
103,4
101,3
105,7
Год/месяц
1
2
3
4
5
6
2013
7
8
9
10
11
12
1
2
3
4
5
6
2014
7
8
9
10
11
12
1
2
2015
3
4
IPI_E
100,0
101,5
115,1
114,8
121,8
132,0
137,4
137,3
133,1
133,9
124,2
127,6
110,4
109,0
123,6
121,3
132,9
144,8
150,8
148,8
144,6
132,8
127,6
128,5
117,7
116,1
125,0
120,7
133,4
144,8
157,1
156,1
150,2
149,9
133,0
125,5
IPI_CDE
109,7
109,0
120,4
115,9
115,1
117,7
118,9
120,5
120,3
126,4
130,3
135,0
109,6
111,3
122,2
118,9
118,4
118,3
120,9
120,6
123,9
130,2
129,9
140,5
110,7
109,8
121,5
113,6
IPI_C
103,7
95,9
105,2
102,6
106,2
104,4
107,3
107,7
105,5
108,8
105,5
109,0
104,5
96,4
105,7
103,6
107,0
105,1
107,4
108,5
107,9
110,8
108,0
112,1
106,0
96,5
106,2
102,7
IPI_D
102,6
94,1
103,5
100,8
103,6
100,2
102,6
102,8
101,0
105,3
103,2
106,6
103,6
94,8
103,7
101,2
104,0
101,0
102,5
103,6
103,4
107,4
105,8
110,0
104,9
95,1
104,3
100,6
IPI_E
118,7
117,7
126,1
124,4
135,3
149,4
158,6
162,0
155,5
149,3
133,3
138,2
118,2
117,5
130,3
131,2
141,3
150,8
161,2
163,4
157,4
148,7
135,0
137,5
124,7
124,8
126,8
124,4
Таблица 8.
Базисный ИПП по подотраслям СA, DF, DG, 2010 — апрель 2015 гг., %
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
IPI_СА
100,0
92,4
102,3
97,7
100,3
97,6
100,5
99,1
98,5
103,3
99,8
103,2
101,2
92,8
102,6
98,9
102,0
98,7
102,1
101,5
99,2
103,8
101,2
104,6
IPI_DF
100,0
92,3
101,6
95,0
98,7
96,6
102,4
105,4
100,0
101,2
101,1
105,8
104,9
94,7
104,2
98,8
104,8
106,2
109,4
107,6
99,7
104,6
103,8
106,8
IPI_DG
100,0
100,5
114,1
110,6
108,9
105,8
103,1
108,7
109,5
109,9
113,9
121,5
112,2
115,2
123,8
119,8
118,3
115,4
114,4
118,2
117,4
119,9
125,2
131,3
Год/месяц
1
2
3
4
5
6
2012
7
8
9
10
11
12
1
2
3
4
5
6
2013
7
8
9
10
11
12
IPI_СА
102,5
96,4
102,7
99,3
102,0
98,9
102,8
102,3
99,5
103,4
101,3
105,7
102,6
94,1
103,5
100,8
103,6
100,2
102,6
102,8
101,0
105,3
103,2
106,6
69
IPI_DF
108,4
102,9
106,8
100,0
102,8
108,9
111,6
112,4
102,6
104,0
110,2
113,8
112,3
102,6
109,4
98,7
110,2
110,7
116,1
115,8
104,3
106,8
110,7
116,5
IPI_DG
112,1
116,4
131,1
128,1
127,7
119,6
123,9
122,7
120,4
128,5
128,6
129,0
116,6
117,1
132,1
129,7
127,1
126,6
136,2
130,6
124,1
134,0
147,7
145,6
Год/месяц
1
2
3
4
5
6
2014
7
8
9
10
11
12
1
2
2015
3
4
IPI_СА
103,6
94,8
103,7
101,2
104,0
101,0
102,5
103,6
103,4
107,4
105,8
110,0
104,9
95,1
104,3
100,6
IPI_DF
115,7
108,3
119,0
109,8
119,4
118,2
117,7
120,0
111,0
113,9
116,6
120,7
119,9
110,3
118,6
111,4
IPI_DG
125,5
134,3
132,7
129,4
123,0
126,0
125,1
123,4
126,4
135,5
136,8
145,8
128,9
136,7
151,8
141,8
Таблица 9.
Индекс предпринимательской уверенности по разделу D и подразделу DG, 2010 — май
2015 гг., %
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
ECI_D
-11
-8
-6
-6
-5
-3
-2
-2
-2
-3
-4
-6
-4
-1
0
-1
-1
0
0
-1
-1
-2
-4
-6
ECI_DG
-5
-4
-3
-2
-3
-4
-4
-5
-6
-5
-6
-6
-4
-3
-1
-2
-4
-4
-3
-2
-3
-4
-7
-9
Год/месяц
1
2
3
4
5
6
2012
7
8
9
10
11
12
1
2
3
4
5
6
2013
7
8
9
10
11
12
ECI_D
-3
-2
0
1
0
1
2
1
1
-1
-3
-5
-2
0
0
-1
0
-1
-1
-1
-3
-5
-6
-8
ECI_DG
-5
-3
-4
-3
-5
-2
-3
-3
-2
-3
-8
-6
-4
-3
-1
-2
-3
-2
-2
-1
-2
-4
-6
-9
Год/месяц
1
2
3
4
5
6
2014
7
8
9
10
11
12
1
2
2015
3
4
5
ECI_D
-6
-4
-2
-3
-2
-3
-3
-4
-6
-6
-8
-10
-9
-6
-6
-5
-6
ECI_DG
-6
-4
-3
-3
-5
-3
-3
-4
-3
-3
-5
-7
-6
-2
-1
0
-1
Таблица 10.
Общий и экспортный портфель заказов по разделу D и подразделу DG, 2010-май 2015 гг.,
%
Год/месяц
1
2
3
4
5
6
2007
7
8
9
10
11
12
1
2
3
4
5
6
2008
7
8
9
10
11
12
1
2
3
4
5
6
2009
7
8
9
10
11
12
DO_D
-24
-25
-23
-20
-19
-15
-14
-13
-12
-14
-15
-16
-22
-22
-18
-18
-18
-19
-19
-19
-19
-22
-33
-47
-55
-59
-58
-56
-56
-55
-53
-51
-48
-47
-47
-48
NDO_D
-15
-15
-14
-13
-12
-12
-12
-11
-11
-11
-11
-11
-14
-14
-13
-14
-13
-16
-15
-13
-13
-15
-19
-23
-27
-28
-27
-26
-25
-26
-26
-25
-23
-23
-22
-22
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
1
2
3
4
5
6
2012
7
8
9
10
11
12
DO_D
-48
-49
-46
-42
-40
-35
-33
-30
-28
-26
-27
-29
-33
-33
-32
-31
-31
-27
-26
-26
-25
-25
-26
-27
-29
-32
-30
-27
-27
-22
-22
-21
-20
-21
-22
-24
70
NDO_D
-22
-22
-21
-20
-19
-18
-17
-17
-16
-16
-16
-17
-17
-17
-17
-16
-16
-16
-16
-16
-16
-15
-16
-16
-16
-18
-17
-16
-17
-15
-15
-15
-15
-15
-15
-16
Год/месяц
1
2
3
4
5
6
2013
7
8
9
10
11
12
1
2
3
4
5
6
2014
7
8
9
10
11
12
1
2
2015
3
4
5
DO_D
-31
-32
-31
-30
-29
-30
-32
-30
-33
-34
-34
-36
-39
-40
-38
-37
-37
-36
-37
-35
-37
-36
-38
-39
-42
-44
-43
-41
-42
NDO_D
-20
-21
-20
-20
-21
-19
-20
-20
-21
-21
-21
-22
-23
-23
-23
-22
-22
-21
-20
-20
-21
-20
-21
-22
-21
-23
-23
-23
-23
Таблица 11.
Базисные ИЦП и ИПЦ, 2010-апрель 2015 гг., %
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
OP_CDE
98,9
102,0
101,8
103,2
102,7
96,9
100,6
103,3
98,7
102,2
104,4
101,0
102,2
103,4
101,4
102,0
101,1
97,7
98,2
103,3
100,5
100,9
101,0
100,2
ИПЦ
101,6
100,9
100,6
100,3
100,5
100,4
100,4
100,6
100,8
100,5
100,8
101,1
102,4
100,8
100,6
100,4
100,5
100,2
100,0
99,8
100,0
100,5
100,4
100,4
Год/месяц
1
2
3
4
5
6
2012
7
8
9
10
11
12
1
2
3
4
5
6
2013
7
8
9
10
11
12
OP_CDE
99,8
101,1
102,2
100,7
97,6
99,2
98,9
105,1
104,8
98,4
98,8
98,9
99,6
100,8
100,5
98,8
99,0
100,4
102,0
102,8
101,4
98,8
98,5
101,0
ИПЦ
100,5
100,4
100,6
100,3
100,5
100,9
101,2
100,1
100,6
100,5
100,3
100,5
101,0
100,6
100,3
100,5
100,7
100,4
100,8
100,1
100,2
100,6
100,6
100,5
Год/месяц
2014
2015
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
OP_CDE
100,4
99,6
102,3
100,7
100,4
100,8
101,6
100,0
99,2
100,3
99,5
100,8
101,3
102,1
105,5
102,7
ИПЦ
100,6
100,7
101,0
100,9
100,9
100,6
100,5
100,2
100,7
100,8
101,3
102,6
103,9
102,2
101,2
100,5
Таблица 12.
Оборот организаций промышленного сектора, 2010 — март 2015 гг., млрд. руб.
Год/месяц
1
2
3
4
5
6
2010
7
8
9
10
11
12
1
2
3
4
5
6
2011
7
8
9
10
11
12
1
2
3
4
5
6
2012
7
8
9
10
11
12
ТО_C+D+E,
1 971,10
2 039,50
2 379,70
2 373,20
2 304,40
2 369,40
2 411,80
2 445,00
2 574,50
2 736,90
2 896,70
3 195,00
2 712,40
2 851,70
3 144,70
3 111,80
3 016,90
3 010,60
2 987,40
3 071,20
3 181,10
3 326,40
3 538,70
3 842,50
3 044,40
3 204,60
3 514,40
3 312,60
3 215,80
3 222,90
3 268,40
3 462,70
3 494,70
3 602,80
3 716,30
4 100,20
TO_C+D+E, дефлир. по ИЦП
1 971,10
2 021,31
2 344,41
2 331,01
2 252,17
2 306,47
2 338,39
2 356,45
2 461,56
2 603,82
2 733,98
2 982,71
2 472,83
2 579,19
2 827,23
2 786,50
2 688,08
2 677,12
2 656,49
2 736,48
2 834,40
2 949,12
3 124,84
3 379,59
2 664,32
2 793,34
3 045,11
2 861,68
2 764,23
2 745,62
2 751,37
2 912,02
2 921,40
2 996,79
3 081,95
3 383,40
Год/месяц
1
2
3
4
5
6
2013
7
8
9
10
11
12
1
2
3
4
5
6
2014
7
8
9
10
11
12
1
2015
2
3
71
ТО_C+D+E,
3 296,30
3 365,60
3 673,20
3 536,40
3 475,60
3 559,30
3 708,50
3 838,90
3 937,50
3 989,90
4 182,10
4 660,10
3 572,60
3 858,50
4 257,70
4 100,40
4 038,50
4 042,10
3 958,20
3 839,30
4 050,00
4 160,40
4 259,60
4 889,70
3 786,40
4 099,70
4 607,30
TO_C+D+E, дефлир. по ИЦП
2 693,11
2 733,33
2 974,22
2 849,20
2 780,75
2 836,38
2 931,82
3 031,87
3 103,54
3 126,09
3 257,13
3 611,35
2 752,08
2 951,66
3 224,79
3 077,95
3 004,44
2 989,18
2 912,58
2 819,45
2 953,50
3 009,93
3 042,15
3 403,67
2 536,74
2 687,51
2 984,45
Таблица 13.
Структура валовой добавленной стоимости промышленного сектора экономики РФ в
2010 году
Вид деятельности
Добыча полезных ископаемых (РАЗДЕЛ С)
добыча топливно-энергетических полезных ископаемых (Подраздел СА)
добыча полезных ископаемых, кроме топливно-энергетических (Подраздел
СВ)
Производство и распределение электроэнергии, газа и воды (РАЗДЕЛ Е)
Обрабатывающие производства (РАЗДЕЛ D)
производство пищевых продуктов, включая напитки, и табака (Подраздел
DA)
текстильное и швейное производство (Подраздел DB)
производство кожи, изделий из кожи и производство обуви (Подраздел
DC)
обработка древесины и производство изделий из дерева (Подраздел DD)
целлюлозно-бумажное производство; издательская и полиграфическая
деятельность (Подраздел DE)
производство кокса и нефтепродуктов (Подраздел DF)
химическое производство (Подраздел DG)
производство резиновых и пластмассовых изделий (Подраздел DH)
производство прочих неметаллических минеральных продуктов
(Подраздел DI)
металлургическое производство и производство готовых металлических
изделий (Подраздел DJ)
производство машин и оборудования (Подраздел DK)
производство электрооборудования, электронного и оптического
оборудования (Подраздел DL)
производство транспортных средств и оборудования (Подраздел DM)
прочие производства (Подраздел DN)
Источник: Росстат
72
Доля
34,54
84,15
10,2
10,55
54,91
16,34
1,14
0,27
2,02
3,35
17,25
7,56
2,14
4,02
17,42
6,97
6,27
6,75
2,45
ПРИЛОЖЕНИЕ 2. Эконометрический анализ базисного ИПП (С+D+E)
2.1. Анализ описательных статистик базисного ИПП (С+D+E)
Построение ящичковой диаграммы по данным о динамике базисного ИПП
(Рисунок 1) сообщает о наличии выброса. Согласно Рисунку 1, имеется один умеренный
выброс (наблюдение, значение которого лежит в пределах диапазона от 1,5 до 3-х
размахов, обозначен на графике точкой): 𝑥60 = 140,4% — декабрь 2014.
Рисунок 14. Box plot для переменной Базисный ИПП (C+D+E), 2010-март 2015гг., %
Протестируем гипотезу о нормальном распределении.
Таблица 14.
Проверка гипотезы о нормальном законе распределения ИПП (C+D+E), 2010-март
2015гг., %
Название теста
Наблюдаемое значение
1,86
0,98
0,09
1,61
Тест Дурника-Хансена (Doornik-Hansen)
Тест Шапиро-Уилка (Shapiro-Wilk W)
Тест Лиллифорса (Lilliefors)
Тест Жака-Бера (Jarque-Bera)
p-value
0,39
0,51
0,27
0,45
Источник: расчет автора в Gretl
Использование сразу нескольких тестов осуществлялось для получения наиболее
достоверных результатов, так как тесты имеют разную мощность. В перечисленных тестах
проверяется гипотеза 𝐻0 о нормальном распределении переменной Базисный ИПП
(C+D+E). Все тесты свидетельствуют о том, что нулевая гипотеза не отвергается.
2.2. Моделирование и прогнозирование динамики индекса промышленного
производства (С+D+E)
При изучении временных рядов наибольший интерес у исследователей вызывает
описание и моделирование их динамики. Методы, которые применяются для обработки
временных рядов, во многом опираются на различные характеристики и теорию,
73
разработанную в разделе математической статистики и эконометрики, которая основана
на достаточно жестких требованиях к исходным данным (таким как предположение о типе
их распределения, однородности, случайности и прочее). В то же время при изучении
экономических временных рядов даже проверка выполнимости этих требований в
должной мере зачастую затруднена или вовсе невозможна. Среди причин, вызывающих
трудности при моделировании индикаторов ОБС, в первую очередь следует назвать
небольшую
длину временных
рядов и плохую
сопоставимость
уровней
ряда,
обусловленную частой эволюцией методик расчета индикаторов. Поэтому выводы,
полученные
с
помощью
формально-статистического
инструментария,
должны
восприниматься с осторожностью и дополняться содержательным анализом.
На Рисунке 2 представлена помесячная динамика ИПП. Ряд ИПП, выбранный для
анализа, представляет собой базисный временной ряд месячной частоты за период с
января 2010 по март 2015 года, общее количество уровней ряда — 63.
140.0
135.0
130.0
125.0
120.0
115.0
110.0
105.0
100.0
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3
2010
2011
2012
2013
2014
2015
Рисунок 15. Базисный индекс промышленного производства, январь 2010-март 2015гг., %
Графический анализ временного ряда позволяет утверждать, что динамика
базисного индекса ИПП определяется случайной и детерминированной компонентой.
Детерминированная компонента, на первый взгляд, содержит возрастающий со временем
линейный тренд и сезонную составляющую, которая описывает колебания с медленно
увеличивающейся, практически постоянной амплитудой и частотой, равной 12 месяцев.
2.2.1. Статистическое исследование систематической и сезонной составляющей в
динамике базисного ИПП (C+D+E)
Решение задач по исследованию динамики и прогнозированию временных рядов
обычно начинается с графического анализа, однако при этом не всегда четко
74
прослеживается наличие тренда. В такой ситуации необходимо выяснить, действительно
ли для описываемого процесса (в наше случае для динамики ИПП) характерно некое
устойчивое долговременное развитие. Для проверки наличия/отсутствия тренда в
динамике ИПП используем сразу нескольких критериев, имеющих разную мощность.
Суть и методология проведенных расчетов описана в [40], отметим только, что все
перечисленные методы проверяют гипотезу 𝐻0 об отсутствии тренда. Результаты
применения критериев удобно представить в виде таблицы.
Таблица 15.
Результаты проверки гипотезы о наличии тренда в динамике базисного ИПП (С+D+E)
за 2010-март 2015гг., %
Метод
Статистика
Нулевая гипотеза
Критерий
«восходящих и
нисходящих серий»
𝛾6<7
𝜏 31 < 35
отвергается
Критерий серий,
основанный на
медиане выборки
𝛾 16 < 25
𝜏 10>4
отвергается
Метод ФостераСтюарта
𝑡 5,13 >1,98
𝑡̃ 24,7 > 1,98
отвергается
Источник: расчет автора на основании теоретических материалов, изложенных в [17]
Таким образом, все используемые тесты однозначно указывают на наличие некой
тенденции в исследуемом временном ряду.
На следующем этапе исследования для описания тенденции базисного ИПП были
применены кривые роста, которые представляют собой различные функции от времени:
𝑦 = 𝑓(𝑡).
140.0
135.0
130.0
125.0
120.0
115.0
110.0
105.0
100.0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3
2010
2011
2012
2013
2014
Базисный ИПП (C+D+E)
Linear (Базисный ИПП (C+D+E))
Log. (Базисный ИПП (C+D+E))
Poly. (Базисный ИПП (C+D+E))
Power (Базисный ИПП (C+D+E))
Expon. (Базисный ИПП (C+D+E))
Рисунок 16. Динамика базисного ИПП (С+D+E) за 2010 – март 2015 гг. и ее
аппроксимация различными видами моделей тренда
75
2015
Поскольку ранее уже было определено, что базисный ИПП изменяется в
соответствии с неким трендом, на данном шаге попытаемся подобрать для тренда
оптимальную модель.
Проведем графический анализ различных вариантов тренда. Отметим, что
линейную и экспоненциальную модель трудно признать удачной, так как они, на первый
взгляд, сильно сглаживают поведение ИПП. Полученное на основе линейной и
экспоненциальной модели прогнозное значение может оказаться сильно завышенным, так
как прогнозирование на основе моделей такого типа базируется на экстраполяции, то есть
на продлении в будущее тенденции, наблюдавшейся в прошлом ([41]). Значительно ближе
к фактическим данным ложатся уровни, выровненные по полиномиальной модели, хотя
прогнозное значение может быть несколько занижено. Подкрепим графический анализ
расчетами.
Таблица 16.
Динамика базисного ИПП (С+D+E) за 2010 – март 2015 гг. и ее аппроксимация
различными видами тренда
Вид тренда
Линейный
Логарифмический
Полиномиальный
Степенная
Экспоненциальный
Модель
𝑦
𝑦
𝑦
𝑦
𝑦
=
=
=
=
=
0,2443𝑡 + 109,42
5,5487𝑙𝑛(𝑡) + 99,535
−0,0066𝑡 2 + 0,665𝑡 + 104,86
100,22𝑡 0,0484
109,36𝑒 0,0021𝑡
Характеристики качества
модели
Сумма квадратов
𝑅2
отклонений
0,29
3035,7
0,36
2720,4
0,35
2798,0
0,39
2725,1
0,30
3057,0
Источник: расчет автора в пакете Stata
Согласно Таблице 3, наиболее приемлемыми моделями тренда следует считать
степенную и логарифмическую, так как у этих моделей сумма квадратов отклонений —
наименьшая, а 𝑅 2 — наибольший. Проверка на значимости данных уравнения регрессии,
используя F-статистику, а также проверка на значимость отдельных его коэффициентов с
помощью t-статистики показала, что в обоих случаях гипотеза о незначимости отвергается
на уровне 𝛼 = 0,05. Кроме того, множественный коэффициент детерминации показывает,
что уравнения регрессии описывают 36% и 39% вариации результирующего признака
вошедшими в модель показателями, а остальная часть вариации обусловлена действием
неутонченных факторов.
Рассмотрим остатки степенной и логарифмической модели.
76
График остатков логарифмической модели
График остатков степенной модели
20
0.08
10
-0.02
0
-10
-0.12
-20 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4
1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4
2010
2011
2012
2013
2014
2015
2010
2011
2012
2013
2014
2015
Рисунок 17. График остатков логарифмической и экспоненциальной модели тренда для
базисного ИПП, январь 2010 – март 2015 гг.
На основании графического анализа Рисунков 2 и 4 можно сделать вывод о том,
что для базисного ряда ИПП (С+D+E) характерно наличие мультипликативной
сезонности. Однако, так как амплитуда колебаний ряда со временем не сильно изменяется,
в некоторых случаях, будем считать сезонность аддитивной.
Для исследования сезонности рассчитаем индексы сезонности двумя способами:
𝐼𝑠ср =
𝑥𝑡
𝑥𝑡
; 𝐼𝑠𝑡𝑟𝑒𝑛𝑑 =
.
𝑥̅
𝑥𝑡𝑟𝑒𝑛𝑑
где 𝑥𝑡 - уровень исходного базисного ряда ИПП в соответствующий месяц 2014 года; 𝑥̅ среднемесячное значение ИПП за все месяцы (общая средняя), 𝑥𝑡𝑟𝑒𝑛𝑑 - соответствующий
уровень тренда определенного месяца в 2014 году.
Рассчитанные значения индекса сезонности усредняются по определенным
месяцам и затем сравниваются со значением 100%. Если средний индекс сезонности
превышает 100% — это свидетельствует о влиянии сезонного фактора в сторону
увеличения уровней динамического ряда и наоборот.
январь
декабрь
120.00
115.00
120
февраль
115
110.00
ноябрь
март
105.00
110
100.00
105
95.00
октябрь
апрель
90.00
100
95
сентябрь
90
май
август
июнь
июль
Тренд
Средний уровень
Средний уровень
Тренд
Рисунок 18. График сезонной волны базисного ИПП (С+D+E) за 2010 – март 2015 гг., %
77
Как показывает график индексы сезонности, рассчитанные с помощью среднего
уровня ряда и на основании тренда, отражают схожую динамику ИПП. Наибольшее
падение исследуемого показателя наблюдается в январе, когда индекс сезонности равен
91% и 93% соответственно для тренда и среднего уровня, а максимальное значение ИПП
достигает в декабре.
2.2.2. Построение адаптивной модели Хольта-Уинтерса для базисного ряда ИПП
В настоящее время одним из наиболее популярных направлений исследования и
прогнозирования одномерных временных рядов считаются адаптивные методы, которые
способны быстро приспосабливать свою структуру и параметры к изменению условий.
Одним из самых простых адаптивных моделей, является экспоненциальное сглаживание.
В общем виде такие методы не подходят для моделирования ИПП, потому что они не
учитывают существование тренда и сезонности в данных. Однако, существует несколько
расширений стандартного экспоненциального сглаживания, среди которых стоит
выделить модель Хольта-Уинтерса или модель тройного экспоненциального сглаживания,
которая используется при наличии тренда и сезонности. Различают модели ХольтаУинтерса для аддитивной и мультипликативной сезонности. Для построения модели
базисного ИПП приемлемой является аддитивная модель Хольта-Уинтерса, которая
учитывает
наличие
тренда
и
аддитивной
сезонности.
Уравнения
модели
экспоненциального сглаживания с линейным трендом и аддитивной сезонностью имеют
вид:
Рекуррентная форма
Скорректированная на ошибку форма
𝑆𝑡 = 𝛼(𝑥𝑡 − 𝐼𝑡−𝑝 ) + (1 − 𝛼)(𝑆𝑡−1 + 𝑇𝑡−1 ),
𝑆𝑡 = 𝑆𝑡−1 + 𝑇𝑡−1 + 𝛼𝜀𝑡 ,
𝑇𝑡 = 𝛾(𝑆𝑡 − 𝑆𝑡−1 ) + (1 − 𝛾)𝑇𝑡−1,
𝑇𝑡 = 𝑇𝑡−1 + 𝛾𝛼𝜀𝑡 ,
𝐼𝑡 = 𝛿(𝑋𝑡 − 𝑆𝑡 ) + (1 − 𝛿)𝐼𝑡−𝑝 ,
𝐼𝑡 = 𝐼𝑡−𝑝 + 𝛿(1 − 𝛼)𝜀𝑡 ,
𝑥𝑡+𝑚 = 𝑆𝑡 + 𝑚𝑇𝑡 + 𝐼𝑡−𝑝+𝑚 ;
𝑥𝑡+𝑚 = 𝑆𝑡 + 𝑚𝑇𝑡 + 𝐼𝑡−𝑝+𝑚 .
Здесь 𝛼 — сглаживающий параметр для уровня ряда; 𝛾 — сглаживающий параметр
для тренда; 𝛿 — сглаживающий параметр для сезонных факторов; 𝑆𝑡 является
сглаженным уровнем ряда, вычисленным после того, как получено значение 𝑦(𝑡); 𝑇𝑡 есть
сглаженный тренд в конце периода 𝑡; 𝐼𝑡 является сглаженным сезонным фактором в конце
периода 𝑡; 𝑚 является числом периодов времени, на которые вперед строится прогноз; 𝑝
есть число периодов, составляющих один период сезонности; 𝜀𝑡 есть ошибка прогноза на
один шаг из предыдущего момента, а предсказанное
прогнозом на m периодов вперед от момента 𝑡.
78
значение 𝑥(𝑡 + 𝑚) является
При подгонке модели к динамике базисного ИПП, оптимальные параметры модели
были оценены следующим образом.
Таблица 17. Параметры модели Хольта-Уинтерса для базисного ИПП (С+D+E)
Альфа (уровень)
Гамма (тренд)
Дельта (сезонность)
Оценка
0,59997
0,00002
0,00001
Стандартная ошибка
0,13
0,08
0,16
t
4,79
0,00
0,00
Знач.
0,00
1,00
1,00
Источник: расчет автора в пакете SPSS
В этой модели коэффициент гамма и дельта, отражающие изменения тренда и
сезонного эффекта, являются незначимыми, в то время как коэффициент для уровня
(альфа) значим и равен 0,6. Рекуррентная форма модели примет вид:
𝑆𝑡 = 0,6(𝑥𝑡 − 𝐼𝑡−𝑝 ) + 0,4(𝑆𝑡−1 + 𝑇𝑡−1 ), 𝑇𝑡 = 𝑇𝑡−1, 𝐼𝑡 = 𝐼𝑡−𝑝 .
Поскольку гамма и дельта незначима, величина тренда и сезонной вариации ИПП
остается постоянной во времени.
135
125
115
105
95
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6
2010
2011
Базисный ИПП (C+D+E)
2012
2013
2014
2015
Предсказанное значение базисного ИПП (C+D+E)
Рисунок 19. Результаты построения аддитивной модели Хольта-Уинтерса для базисного
ИПП (С+D+E) за 2010 – июнь 2015 гг.
Как показывает Рисунок 6, модельные значения почти копируют исходный ряд.
Однако, несмотря на неплохую в целом подгонку, впадины аппроксимируются
недостаточно хорошо, модель их сначала переоценивает, а затем недооценивает.
Анализ ряда остатков модел показал отсутствие значимой автокорреляции.
Однако гипотеза о нормальном распределении остатков отвергается. С точки зрения
прогнозирования, данную проблему часто игнорируют, так как главным является близость
эмпирических данных к значениям, которые получены в результате моделирования.
Предполагается, что если теоретические значения исследуемой случайной величины
79
повторяют динамику эмпирических в некий промежуток времени, то данная близость
сохраниться и на прогнозируемый интервал.
Прежде чем строить прогноз, оценим качество подгонки модели временного ряда.
Для этого имеется ряд способов, среди которых мы уже прошли анализ остатков и
графический анализ того, насколько хорошо модель аппроксимирует имеющийся ряд.
Далее, разобьем ряд на две части (в пропорции 51/12 наблюдений), из которых
первую используем для оценивания модели, а вторую — для сравнения построенного по
модели прогноза с реальными значениями ряда. Как и ранее, по 51 наблюдению получаем
аддитивную модель Хольта-Уинтерса со значимым коэффициентом альфа, равным 0,6.
Таким образом, для построения прогноза второй части ряда мы используем почти ту же
модель, что и раньше.
Прогноз
145
135
125
115
105
95
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6
2010
2011
2012
2013
2014
2015
Базисный ИПП
Предсказанное значение по модели
Нижняя граница доверительного интервала
Верхняя граница доверительного интервала
Рисунок 20. Результаты построения аддитивной модели Хольта-Уинтерса для базисного
ИПП (С+D+E) за 2010 – март 2014 гг.и прогноз на апрель 2014 — март 2015 гг.
По построенной модели строится прогноз на апрель 2014 — март 2015 гг. Мы
видим, что модель склонна недооценивать на пиках и впадинах истинные значения ряда.
Однако, истинные значения не выходят за границы доверительного интервала прогноза,
что говорит о достаточно хорошем качестве модели. Поэтому используем ее для
построения прогноза на апрель-июнь 2015 года в дальнейших рассуждениях.
2.2.3. Моделирование и прогнозирование базисного ИПП (С+D+E) с помощью
моделей авторегрессии и скользящего среднего (ARMA)
На данном этапе исследования будет предпринята попытка использовать сезонную
модель авторегрессии и проинтегрированного скользящего среднего SARIMA для
моделирования динамики ИПП. Выбор данного класса моделей определяется тем, что
80
модели SARIMA способны на основе учета влияния предшествующих уровней ряда и
ошибок прогноза на предыдущих этапах очень точно описывать временные ряды,
обладающие широким диапазоном характеристик. SARIMA могут успешно моделировать
как стационарные, так и нестационарные временные ряды, содержащие тренд и сезонные
колебания.
Модель
SARIMA(p,d,q)(P,D,Q)s
является
расширением
класса
моделей
ARIMA(p,d,q), которая, в свою очередь, является расширением класса моделей
ARMA(p,q). В общем виде процесс ARMA описывается уравнением:
𝑥𝑡 = 𝛼0 + 𝛼1 𝑥𝑡−1 + 𝛼2 𝑥𝑡−2 + ⋯ + 𝛼𝑝 𝑥𝑡−𝑝 + 𝜀𝑡 − 𝜃1 𝜀1 − 𝜃2 𝜀2 − ⋯ − 𝜃𝑞 𝜀𝑞 ,
где в качестве объясняющих переменных рассматриваются лаговые значения зависимой
переменной с 𝑝 интервалами сдвига (AR часть) и скользящее среднее порядка 𝑞 для
остатков авторегрессии (MA часть). Однако прежде, чем приступать к построению такого
рода моделей, необходимо проверить исходный временной ряд на стационарность. Этот
вопрос важен потому, что стационарные и нестационарные временные ряды обладают
различными статистическими характеристиками и оцениваются разными способами.
Временной ряд называется стационарным (в широком смысле, слабо стационарным,
стационарным второго порядка или ковариационно стационарным), если выполнены
следующие условия [40]:
𝐸(𝑥𝑡 ) = 𝜇; 𝑉𝑎𝑟(𝑥𝑡 ) = 𝜎 2 ; 𝐶𝑜𝑣(𝑥𝑡 , 𝑥𝑡+𝑠 ) = 𝛾𝑠 для любых 𝑡 и 𝑠.
Данные выражения можно интерпретировать следующим образом: поведения ряда
в настоящем и будущем совпадает с его поведением в прошлом, на свойства не влияет
выбор точки начала отсчета.
Если нестационарный временной ряд взятием d последовательных разностей
приводятся к стационарному виду, его называют рядом AutoRegressive Integrated Moving
Average или ARIMA(p,d,q). Отметим, что в большинстве случаев модели ARIMA,
описывающие экономические временные ряды имеют параметры, принимающие
небольшие значения, часто 1 или 2. Если же в данных присутствует сезонность, которая
говорит о тесной связи уровня ряда с данными одноименных месяцев (кварталов)
предыдущего года, то нельзя обойтись моделью ARIMA(p,d,q) c коэффициентами p, и q
низкого порядка. В таких случаях принято использовать модель SARIMA(p,d,q)(P, D, Q)s,
где p – порядок AR, d – параметр дифференцирования, q – порядок MA, P – порядок
81
сезонной AR, D – параметр сезонного дифференцирования, Q – порядок сезонного MA и s
– лаг сезонности.
Модели SARIMA(p,d,q)(P, D, Q)s позволяют строить весьма точные краткосрочные
прогнозы и могут подойти для описания различных временных рядов, кроме того, их
достаточно просто проверить на адекватность. Однако к минусам этих моделей можно
отнести потребность в большом количестве исходных данных и отсутствие простого
способа корректировки параметров модели.
Перейдем от теории к практике моделирования базисного ряда ИПП (С+D+E).
Начнем с проверки временного ряда на стационарность.
График исследуемого ряда содержит тренд и сезонную компоненту, то есть среднее
и дисперсия зависят от времени, а, значит, базисный ИПП скорее всего не стационарен.
Анализ коррелограммы говорит о явном наличии сезонности у исследуемого ряда. Чтобы
описать динамику ИПП с помощью модели, включающей параметры авторегрессии и
скользящего среднего, необходимо привести ряд к стационарному виду. На практике для
этого применяют один из двух способов: 1) выделение линейной трендовой
составляющей; 2) взятие первых разностей. Первый способ используют, когда имеют дело
с процессом типа TSP (trend stationary process), а второй — DSP (diferencing stationary
process). Для определения типа исследуемого ряда, проведем два теста:
o
Расширенный тест Дики-Фуллера (ADF Test);
o
Тест Квятковского-Филлипса-Шмидта-Шина (KPSS Test).
Расширенный тест Дики-Фуллера позволяет учитывать корреляцию высших лагов,
путем предположения о том, что ряд описывается моделью 𝐴𝑅(𝑝), 𝑝 ≥ 1 и добавлением
разностей порядка 𝑝 в правую часть уравнений. Исходя из специфики данных (период
сезонных колебаний-12 месяцев), в модель включим 12 лагов.
Для реализации теста ADF воспользуемся процедурой Доладо, Джинкинса и
Сосвилла-Риверо, согласно которой на первом этапе оценивается уравнение:
12
∆yt = α0 + β𝑡 + (𝜌 − 1)yt−1 + ∑ 𝛿𝑖 ∆yt−i + εt
𝑖=1
и проверяется нулевая гипотеза 𝐻0 : 𝜌 = 1 или процесс относится к типу DS.
По
имеющимся данным о динамике ИПП методом наименьших квадратов было оценено
уравнение регрессии (результаты оценки представлены ниже). Для коэффициента при
82
𝑦𝑡−1 t-статистика оказалась равна -2.3. Сравним это значение с критической статистикой
Дики-Фуллера, равной -3.5. Видим, что -2.3>-3.5, а, значит, мы не можем отвергнуть
нулевую гипотезу о том, что ряд принадлежит к типу DS, то есть что он имеет единичный
корень.
На втором шаге оценим регрессию вида:
∆yt = α0 + β𝑡 + ∑12
𝑖=1 𝛿𝑖 ∆yt−i + εt ,
то есть из числа регрессоров первой модели уберем переменную yt−1 . Результат оценки
уравнения регрессии представлен ниже. Видим, что коэффициент при переменной t
значим, значит, тренд в первую модель был включен не напрасно, то есть первая модель
правильно специфицирована. Процедура Доладо, Джинкинса и Сосвилла-Риверо
закончена.
По результатам ADF теста, не отвергается гипотеза о том, что временной ряд ИПП
(C+D+E) относится к типу DS.
Для проверки достоверности полученных результатов при анализе рядов на
принадлежность их к классу DS и TS принято использовать не один, а несколько тестов.
Руководствуясь этим правилом, применим так же KPSS-тест. Основное отличие этого
теста от ранее рассмотренного ADF теста состоит в том, что в качестве нулевой он
проверяет гипотезу о принадлежности ряда к типу TS-рядов. Оценивается уравнение:
yt = α0 + β𝑡 + 𝜉𝑡 + εt ,
где 𝜉𝑡 — стохастический тренд. Проверяется нулевая гипотеза 𝐻0 против альтернативной
гипотезы 𝐻1 :
𝐻0 : 𝜉𝑡 = 𝑐𝑜𝑛𝑠𝑡, следовательно yt является рядом типа TS;
𝐻1 : 𝜉𝑡 ≠ 𝑐𝑜𝑛𝑠𝑡, следовательно yt не является рядом типа TS.
Реализация KPSS теста показала, что при включении 12 лагированных переменных
в модель, наблюдаемая статистика теста равна 0,176, а критическая — 0,148 (при 𝛼 =
0,05). Наблюдаемое значение больше критического, поэтому нулевая гипотеза
отвергается.
Таким образом, выводы ADF и KPSS тестов согласуются, поэтому временной ряд
динамики базисного ИПП с высокой долей вероятности можно считать реализацией
процесса типа DS. Чтобы привести ряд к стационарному виду, воспользуемся процедурой
83
взятия последовательных разностей. После взятия первой
разности — для учета
линейного тренда и первой сезонной разности — для учета сезонности, ряд стал похож на
стационарный.
5
3
1
-1
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3
2010
2011
2012
2013
2014
2015
-3
-5
Рисунок 21. Результаты дифференцирования базисного ИПП (С+D+E), 2010-март
2015гг., %
Рисунок 21 наглядно иллюстрирует, что продифференцированный ряд имеет
нулевое среднее и у ряда отсутствует сезонная составляющая. Его автокорреляционная и
частная автокорреляционная функции представлены на Рисунке 22.
Рисунок 22. АКФ и ЧАКФ для продифференцированного ряда базисного ИПП (С+D+E)
Значения АКФ и ЧАКФ убывают, причем значения ЧАКФ убывают по экспоненте.
Следовательно, можно предположить, что данный временной ряд описывается процессом
SARIMA(p,d,q,)(P,D,Q)s. Исходя из анализа АКФ и ЧАКФ была выдвинута гипотеза о том,
каким процессом можно описать исходный временной ряд. Исследуем несколько
вариантов, среди которых:
84
 sarima (4.1.0)(0.1.0)
 sarima (1.1.0)(1.0.0)
 sarima (1.1.0)(0.0.1)
 sarima (4.1.1)(0.1.0)
 sarima (1.1.1)(1.0.0)
 sarima (1.1.1)(0.0.1)
 sarima (0.1.4)(0.1.0)
 sarima (0.1.1)(1.0.0)
 sarima (1.1.0)(1.0.1)
 sarima (1.1.4)(0.1.0)
 sarima (1.1.0)(0.0.1)
 sarima (1.1.1)(1.0.1)
Все перечисленные модели были проверены на адекватность с помощью двух
критериев: (1) оценки коэффициентов модели должны значимо отличаться от нуля; (2)
остатки модели должны быть похожи на белый шум.
Таблица 18.
Проверка адекватности различных моделей SARIMA для описания динамики базисного
ряда ИПП за 2010-март 2015 гг.
Модель
sarima (1.1.0)(0.1.0)
sarima (4.1.0)(0.1.0)
sarima (4.1.1)(0.1.0)
(только AR(4))
sarima (0.1.1)(0.1.0)
sarima (0.1.4)(0.1.0)
sarima (0.1.0)(1.0.0)
sarima (0.1.4)(1.0.0)
sarima (0.1.0)(1.0.0)
sarima (0.1.1)(1.0.0)
sarima (1.1.0)(1.0.0)
sarima (0.1.0)(0.0.1)
sarima (1.1.0)(0.0.1)
sarima (2.1.0)(0.0.1)
sarima (0.1.0)(1.0.1)
sarima (0.1.1)(1.0.1)
sarima (0.1.4)(1.0.1)
sarima (1.1.0)(1.0.1)
sarima (4.1.0)(1.0.1)
sarima (1.0.0)(0.1.0)
sarima (1.0.1)(0.1.0)
sarima (4.0.0)(0.1.0)
sarima (4.0.4)(0.1.0)
sarima (0.0.1)(0.1.0)
sarima (3.0.1)(0.1.0)
sarima (0.0.4)(0.1.0)
sarima (2.0.1)(0.1.0)
Значимость коэффициентов
Коэффициент при первом лаге
значим
Коэффициенты AR при первом,
втором
и
четвертом
лаге
значимы. Исключим AR(3)
АR(4) значима, MA(1) значима
Коэффициент при первом лаге
значим
Все коэффициенты модели не
значимы, кроме MA(1)
Коэффициенты модели значимы
Коэффициенты модели значимы
Коэффициенты модели значимы
Коэффициенты модели значимы
Коэффициент при АR(1) не
значим
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициенты модели значимы
Коэффициент модели MA(1) не
значим
Коэффициент модели MA(4) не
значим
Коэффициент модели AR(1) не
значим
Коэффициент модели AR(4) не
значим
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Коэффициент модели значимы
Расчет автора в пакете SPSS
85
Анализ остатков
Значимая корреляция на 4-ом лаге ЧАКФ
Значимая корреляция отсутствует. Нулевая
гипотеза о норм. распр. остатков не отвергается
Значимая корреляция отсутствует. Нулевая
гипотеза о норм. распр. остатков не отвергается
Значимая корреляция на 4-ом лаге
Значимая корреляция отсутствует. Нулевая
гипотеза о норм. распр. остатков не отвергается
Значимая корреляция на 1-ом, 4-ом и 12-ом лаге
Значимая корреляция на 12-ом лаге
Значимая корреляция на 1,4, 12-ом лаге
Значимая корреляция на 4, 12-ом лаге
Значимая корреляция на 1, 4, 12-ом лаге
Значимая корреляция на 1,2,11 и 12-ом лаге
Значимая корреляция на 2 и 12-ом лаге
Значимая корреляция на 12-ом лаге
Значимая корреляция на 1,4-ом лаге
Значимая корреляция на 1,2,4-ом лаге
Значимая корреляция на 1,2,4-ом лаге
Значимая корреляция на 1,2,4-ом лаге
Значимая корреляция на 1,2,4-ом лаге
Значимая корреляция на 1и 4-ом лаге
Значимая корреляция на 4-ом лаге
Значимая корреляция на 4-ом лаге
Значимая корреляция на 12-ом лаге
Значимая корреляция на 2 и 3-ем лаге
Значимая корреляция отсутствует
Значимая корреляция на 1 и 2-ом лаге
Значимая корреляция отсутствует
Заметим, что при оценке ряда первых сезонных разностей мы строили модели не
для стационарного ряда. Поэтому, sarima (3.0.1)(0.1.0) не будем рассматривать далее из-за
невыполнения предпосылки стационарности моделируемого ряда.
В результате проверки, для дальнейшего анализа была отобрана 1 модель — sarima
(4.1.0)(0.1.0).
140
135
130
125
120
115
110
105
100
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3
2010
2011
2012
Базисный ИПП (С+D+E)
2013
2014
2015
sarima(4;1;0)(0;1;0)
Рисунок 23. Подгонка динамики базисного ИПП (C+D+E) моделью SARIMA(4.1.0)(0.1.0),
2010-март 2015гг., %
Качество подгонки модели достаточно хорошее.. Модель sarima (4.1.0)(0.1.0) имеет
три значимых параметра (при AR(1), AR(2) и AR(4)), оценки которых строятся по 46-ти
наблюдениям. Для оценки прогнозной силы sarima (4.1.0)(0.1.0) разобьём ряд на 2 части.
По первой части — 57 наблюдению выберем и оценим модель, а по второй — 6
наблюдениям сравним наблюдаемые и рассчитанные значения.
П
р
о
г
н
о
з
140
130
120
110
100
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3
2010
2011
2012
Базисный ИПП (С+D+E)
Верхняя граница доверительного интервала
2013
2014
2015
Прогноз
Нижняя граница доверительного интервала
Рисунок 24. Результаты построения модели SARIMA для базисного ИПП (С+D+E) за
2010 – сентябрь 2014 гг. и прогноз на ноябрь 2014-март 2015 гг., %
86
Модель sarima (4.1.0)(0.1.0) оказалась устойчивой к изменению объема выборки,
при уменьшении длины ряда коэффициенты модели практически не изменились, остатки
модели остались некоррелированными и гипотеза о их нормальном распределении вновь
не была отвергнута. Мы видим, что модель склонна недооценивать на пиках и впадинах
истинные значения ряда. Однако, истинные значения не выходят за границы
доверительного интервала прогноза, что говорит о достаточно хорошем качестве модели.
Поэтому используем ее для построения прогноза на апрель-июнь 2015 года.
П
р
о
г
н
о
з
145
140
135
130
125
120
115
110
105
100
1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 1011 12 1 2 3 4 5 6
2010
2011
2012
2013
2014
2015
Базисный ИПП (С+D+E)
Верхняя граница доверительного интервала
Нижняя граница доверительного интервала
Рисунок 25. Прогноз значений базисного ИПП (С+D+E) на апрель-июнь 2015 гг. по модели
sarima (4.1.0)(0.1.0)
Для улучшения качества подгонки sarima (4.1.0)(0.1.0) модели, базисный индекс
ИПП был исследован на наличие выбросов. Было обнаружено два выброса: сдвиг уровня в
январе 2013 года и аддитивный выброс в декабре 2014 года.
Сдвиг уровня — выброс, изменяющий все значения ряда на одинаковую величину,
начиная с некоторого момента времени. Данный выброс можно интерпретировать, как
результат изменения среды, в которой генерируются значения ряда. Такое изменение
произошло в начале 2013 года, когда экономика России начала резкое замедление.
Последнее обусловило структурное изменение динамики ИПП.
Аддитивный выброс — это экстремальное значение отдельного уровня ряда.
Механизм возникновения такого выброса отличается от механизма формирования
значений ряда в целом. Так, рост промышленного производства в декабре 2014 года,
обусловлен влиянием ранее не действовавших факторов поддержки выпуска, а так же
ажиотажным потребительским спросом в этот период. К факторам, поддерживавшим рост
ИПП в декабре 2014 года можно отнести:
87
o
импортозамещение,
проявившееся
в
резком
росте
выпуска
пищевой
промышленности. В декабре 2014 года выпуск сыров вырос на 32,7% к декабрю 2013
года, мяса птицы – на 5,8%, рыбы и рыбных консервов – на 5,7%.
o
военные расходы по программе перевооружения — данные не публикуются, но
VTB Capital усматривает их проявление во всплеске не детализируемого выпуска
транспортной техники;
o
Строительство газопровода «Сила Сибири», давшее заказы металлургическим
заводам. В частности, рост производства труб в декабре достиг 39% в годовом
сопоставлении, производство проката и выплавка стали выросли на 5.4% и 3.5%
соответственно;
o
«Бегство от рубля» в недвижимость — всплеск продаж жилья и, как следствие,
рост жилищного строительства и спроса на строительные материалы. Выпуск кирпича
в декабре был на 5.8% больше прошлогоднего, цемента – 5.1%;
o
«Бегство от рубля», вызвавшее беспрецедентный всплеск потребительских
расходов и, как следствие, подъем в отраслях, работающих на потребительский рынок
(бытовая техника, легковые автомобили). Выпуск приемной телевизионной аппаратуры
совершил скачок на 47.1% против декабря прошлого года, легковых автомобилей в
декабре произведено на 12.7% больше, чем в ноябре, грузовых – на 28.4%.
Влияние приведенной совокупности факторов, перестало ощущаться уже в
январе, где решающую роль в определении динамики ИПП начало играть сжатие
внутреннего спроса.
В результате учета двух указанных выбросов, качество подгонки модели
улучшилось.
88
2.2.4. Сравнительный анализ моделей
В результате исследования динамики ИПП были получены несколько моделей,
при этом, анализ качества моделей показал, что для прогнозирования динамики базисного
ИПП (С+D+E) можно использовать только аддитивную модель Хольта-Уинтерса
и
sarima (4.1.0)(0.1.0) с учетом и без учета выбросов. Каждая из моделей обладает своими
преимуществами и недостатками, в связи с чем весьма затруднительно сделать
однозначный вывод о достоверности какой-либо одной из них. Для наглядности, на
Рисунке 29 сведем воедино модельные значения и полученные прогнозы.
П
р
о
г
н
о
з
140
130
120
110
100
1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6 7 8 9 101112 1 2 3 4 5 6
2010
2011
2012
2013
2014
2015
Аддитивная модель Хольта-Уинтерса
sarima(4;1;0)(0;1;0)
Базисный ИПП (С+D+E)
Нижняя граница доверительного интервала sarima(4;1;0)(0;1;0)
Верхняя граница доверительного интервала sarima(4;1;0)(0;1;0)
Нижняя граница доверительного интервала модели Хольта-Уинтерса
Верхняя граница доверительного интервала модели Хольта-Уинтерса
sarima(4;1;0)(0;1;0) с учетом выбросов
Нижняя граница доверительного интервала sarima(4;1;0)(0;1;0) с учетом выбросов
Верхняя граница доверительного интервала sarima(4;1;0)(0;1;0) с учетом выбросов
Рисунок 26. Результаты построения прогнозов по различным моделям для базисного ИПП
(С+D+E) на апрель 2014-март 2015 гг., %
Рисунок 14 иллюстрирует, что все построенные модели склонны плохо оценивать
впадины, а на остальных участках временного ряда аппроксимация достаточно хорошая.
При этом, лучше всех описывает впадины модель sarima (4.1.0)(0.1.0) с учетом выбросов.
Подкрепим визуальный анализ расчетными значениями. Рассчитаем сумму квадратов
остатков всех моделей на временном промежутке с февраля 2011 по март 2015 гг., то есть
на том промежутке, для которого рассчитаны значения всех моделей.
89
Таблица 19.
Сумма квадратов остатков для моделей базисного ИПП (С+D+E) февраль 2011-март
2015 гг.
Модель
Аддитивная модель Хольта-Уинтерса
sarima (4.1.0)(0.1.0)
sarima (4.1.0)(0.1.0) с учетом выбросов
Сумма квадратов остатков
113,79
149,74
97,65
Расчет автора в пакете SPSS
Однако, хорошее качество подгонки не гарантирует высокой прогнозной силы
модели. Для сравнения прогнозной силы моделей вновь разобьём исходный ряд на 2
части. По первой части, состоящей из 51 наблюдения, оценим имеющиеся 3 модели.
Затем, осуществив прогноз на 12 месяцев вперед, рассчитаем:
 сумму квадратов ошибок прогноза ∆𝑡+𝑝 = ∑𝑇+𝑝
̂𝑡 )2;
𝑡=𝑇+1(𝑦𝑡 − 𝑦
 среднюю абсолютную ошибку прогноза 𝑀𝐴𝑃𝐸 =
100
𝑝
∙ ∑𝑇+𝑝
𝑡=𝑇+1
̂|
|𝑦𝑡 −𝑦
𝑡
𝑦𝑡
;
где 𝑝 — период прогноза, 𝑦𝑡 , 𝑦̂𝑡 — фактическое и прогнозное значения ряда в момент
времени 𝑡. Результат сведем в таблицу.
Таблица 20.
Ошибки прогноза для базисного ИПП (С+D+E) на апрель 2014-март 2015 гг.
Сумма квадратов ошибок
прогноза
Средняя абсолютная
ошибка прогноза
sarima(4.1.0)(0.1.0)
sarima(4.1.0)(0.1.0)
с учетом выбросов
аддитивная
модель ХольтаУинтерса
56,6
51,5
78,5
1,4%
1,3%
1,8%
Расчет автора в пакете Excel
Согласно Таблице 20, наибольшей точностью прогноза обладает модель
sarima(4;1;0)(0;1;0) с учетом выбросов. Значение 𝑀𝐴𝑃𝐸 < 5%, характерное для всех
рассматриваемых моделей, свидетельствует в пользу их хорошего прогнозного качества.
Возвращаясь к Рисунку 26, заключаем, что доверительные интервалы всех моделей
практически
одинаковы.
Пересечение
доверительных
интервалов,
статистического различиях прогнозов, полученных разными моделями нет.
90
означает,
что
Таблица 21.
Прогнозные значения для базисного ИПП (С+D+E) на апрель 2014-март 2015 гг.
sarima (4.1.0)(1.0.0)
апрель 2015
май 2015
июнь 2015
116,6
117,97
118,6
sarima (4.1.0)(0.1.0) с
учетом выбросов
118,1
117,3
118,2
Модель ХольтаУинтерса
117,4
117,2
118,5
Расчет автора в пакете SPSS
Опираясь на проверку прогнозной силы моделей, можно сделать вывод о том, что
прогнозные значения, полученные с помощью sarima (4.1.0)(1.0.0) с учетом выбросов
лучше всего должны соответствовать реальности.
Итак, проведенный анализ базисного ИПП (С+D+E) показывает, что
у
анализируемого временного ряда присутствует календарная, сезонная и нерегулярная
составляющие динамики, которые делают уровни базисного ИПП не сопоставимыми во
времени. Для того, чтобы обеспечить сопоставимость уровней ИПП проведем его
сезонную декомпозицию методом X12, в котором отсутствует часть недостатков,
присущих методу классической декомпозиции (с помощью скользящей средней).
На данном этапе исследования уже определено, что ряд ИПП:
o
характеризуется мультипликативной сезонностью;
o
представляет собой переменную типа потока, поэтому на его динамику окажут
существенное влияние эффект «торговых дней» (будем различать выходные и рабочие
дни, високосные года);
o
имеет два выброса, сдвиг уровня (level shift) в январе 2013 и аддитивный выброс в
декабре 2014 (additive outlier);
o
хорошо моделируется с помощью sarima (4.1.0)(0.1.0).
Используя имеющуюся информацию, получим результаты сезонной декомпозиции,
которые представлены на Рисунке 6, вынесенном в основную часть работы (см. Глава 2,
пункт 2.2., стр.53).
91
2.2.5. Некоторые дополнительные сведения о моделировании базисного ИПП с
помощью SARIMA моделей
Рисунок 27. Выборочная АКФ и ЧАКФ для ИПП (С+D+E) за 2010 – март 2015 гг.
Таблица 22.
Схема согласования результатов тестирования временного ряда с помощью тестов на
принадлежность к TS и DS рядам (на примере тестов ADF и KPSS)
Нулевая гипотеза
Альтернативная гипотеза
H0: TS не отвергается
H1: TS отвергается
H0: DS не отвергается
Исход 1
Исход 2
H1: DS отвергается
Исход 3
Исход 4
ADF / KPSS
(1) если наблюдается исход 1, то это можно объяснить низкой мощностью обоих
критериев;
(2) если наблюдается исход 2, то это говорит в пользу DS-гипотезы;
(3) если наблюдается исход 3, то это говорит в пользу TS-гипотезы;
(4) если наблюдается исход 4, то это может говорить о том, что процесс порождения
данных не описывается DS или TS моделями, а может быть, например, дробноинтегрированным процессом или процессом с нелинейным трендом.
92
Характеристики модели sarima (4.1.0)(0.1.0)
Таблица 23.
Оценка модели sarima (4.1.0)(0.1.0), 2010 — март 2015 гг., %
Sample (adjusted): 2011M06 2015M03
Included observations: 46 after adjustments
Variable
Coefficient
AR(1)
-0.447707
AR(2)
-0.384989
AR(3)
-0.094249
AR(4)
-0.414794
R-squared
0.354101
Adjusted R-squared
0.307965
S.E. of regression
1.876916
Sum squared resid
147.9582
Log likelihood
-92.14180
Durbin-Watson stat
1.887612
Inverted AR Roots
.38+.64i
Std. Error
t-Statistic
0.145576
-3.075411
0.167635
-2.296584
0.175222
-0.537880
0.163207
-2.541514
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
.38-.64i
-.60+.62i
Prob.
0.0037
0.0267
0.5935
0.0148
-0.157872
2.256217
4.180078
4.339091
4.239645
-.60-.62i
Источник: Расчет автора в пакете Eviews
Таблица 24.
Оценка модели sarima (4.1.0)(0.1.0) после исключения AR(3), 2010 — март 2015 гг., %
Sample (adjusted): 2011M06 2015M03
Included observations: 46 after adjustments
Variable
Coefficient
AR(1)
-0.424838
AR(2)
-0.331720
AR(4)
-0.377842
R-squared
0.349652
Adjusted R-squared
0.319403
S.E. of regression
1.861341
Sum squared resid
148.9774
Log likelihood
-92.29969
Durbin-Watson stat
1.915844
Inverted AR Roots
.39+.59i
Std. Error
t-Statistic
0.138074
-3.076891
0.134131
-2.473092
0.146816
-2.573577
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
.39-.59i
-.60+.64i
Prob.
0.0036
0.0174
0.0136
-0.157872
2.256217
4.143465
4.262724
4.188140
-.60-.64i
Источник: Расчет автора в пакете Eviews
Таблица 25.
Оценка модели sarima (4.1.0)(0.1.0) по урезанному ряду с 2010 по сентябрь 2015 гг., %
Sample (adjusted): 2011M06 2014M09
Included observations: 40 after adjustments
Variable
Coefficient
AR(1)
-0.377342
AR(2)
-0.318419
AR(4)
-0.356855
R-squared
0.275431
Adjusted R-squared
0.236265
S.E. of regression
1.720141
Sum squared resid
109.4787
Log likelihood
-76.89455
Durbin-Watson stat
1.928348
Inverted AR Roots
.39+.58i
Std. Error
t-Statistic
0.154244
-2.446400
0.154589
-2.059774
0.154392
-2.311359
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
.39-.58i
93
-.58+.63i
Prob.
0.0193
0.0465
0.0265
-0.075000
1.968307
3.994728
4.121394
4.040526
-.58-.63i
Ни один корень характеристических уравнений
не лежит за пределами единичной окружности,
что является доказательством стационарности
остатков модели.
Рисунок 28. АКФ и ЧАКФ остатков модели sarima (4.1.0)(0.1.0)
Таблица 26.
LM-тест для остатков модели sarima (4.1.0)(0.1.0)
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
1.362489
Obs*R-squared
1.595249
Prob. F(2,41)
Prob. Chi-Square(2)
0.2674
0.4504
Источник: расчет автора в Eviews
Приведены результаты теста, в котором в регрессионную модель был включен
первый и второй лаг остатков. Проверялась гипотеза H0 об одновременном равенстве
нулю всех коэффициентов при лаговых остатках. Согласно тесту, нулевая гипотеза не
отвергается. При добавлении в регрессию более высоких порядков лагов остатков,
приходим к аналогичным выводам.
94
Таблица 27.
Проверка на нормальность остатков модели sarima (4.1.0)(0.1.0)
Название теста
Тест Дурника-Хансена (Doornik-Hansen)
Тест Шапиро-Уилка (Shapiro-Wilk W)
Тест Лиллифорса (Lilliefors)
Тест Жака-Бера (Jarque-Bera)
Наблюдаемое значение
2,13
0,98
0,1
1,29
p-value
0,34
0,46
0,26
0,52
Источник: расчет автора в Gretl
Во всех тестах гипотеза 𝐻0 о нормальном распределении остатков модели не
отвергается.
Таблица 28.
Проверка на гетероскедастичность остатков модели sarima (4.1.0)(0.1.0) с помощью
теста Уайта
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
1.051434
6.404869
7.241924
Prob. F(6,39)
Prob. Chi-Square(6)
Prob. Chi-Square(6)
0.4078
0.3794
0.2991
Источник: расчет автора в EViews
Sample: 2011M06 2015M03
Included observations: 46
Variable
C
GRADF_01^2
GRADF_01*GRADF_02
GRADF_01*GRADF_03
GRADF_02^2
GRADF_02*GRADF_03
GRADF_03^2
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
2.074535
0.375506
0.165636
-0.096782
-0.113462
0.19425
0.089022
0.139236
0.006811
5.249613
1074.779
-137.7494
1.051434
0.407831
Std. Error
t-Statistic
1.211403
1.712505
0.170034
2.208409
0.177053
0.935521
0.200219
-0.483381
0.14526
-0.781097
0.192987
1.006547
0.209104
0.425731
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0947
0.0332
0.3553
0.6315
0.4395
0.3204
0.6726
3.238639
5.267583
6.293454
6.571726
6.397696
1.729122
Источник: расчет автора в EViews
Гипотеза наличии гетероскедастичности отвергается, так как регрессия в целом не
значима.
Таблица 29.
Результаты ARCH теста остатков модели sarima (4.1.0)(0.1.0)
Heteroskedasticity Test: ARCH
F-statistic
3.617318
Obs*R-squared
3.491821
Prob. F(1,43)
Prob. Chi-Square(1)
Источник: расчет автора в EViews
95
0.0639
0.0617
Test Equation:
Dependent Variable: RESID^2
Sample (adjusted): 2011M07 2015M03
Included observations: 45 after adjustments
Variable
Coefficient
2.697113
C
0.277209
RESID^2(-1)
0.077596
R-squared
0.056145
Adjusted R-squared
5.017435
S.E. of regression
1082.51
Sum squared resid
-135.4107
Log likelihood
3.617318
F-statistic
0.063894
Prob(F-statistic)
Std. Error
t-Statistic
0.914062
2.950688
0.145752
1.901925
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0051
0.0639
3.696434
5.164509
6.107141
6.187437
6.137075
2.033291
Источник: расчет автора в EViews
Регрессия в целом не значима. При добавление квадратов остатков более высоких
лагов регрессия остается не значимой, поэтому заключаем, что в остатках модели
sarima(4.1.0)(0.1.0) ARCH-эффект отсутствует.
Характеристики модели sarima (4.1.1)(0.1.0)
Таблица 30.
Оценка модели sarima (4.1.1)(0.1.0)
Sample (adjusted): 2011M06 2015M03
Included observations: 46 after adjustments
Convergence achieved after 7 iterations
Variable
Coefficient
AR(4)
-0.35156
MA(1)
-0.54789
R-squared
0.319376
Adjusted R-squared
0.303907
S.E. of regression
1.882411
Sum squared resid
155.9127
Log likelihood
-93.3462
Durbin-Watson stat
1.858515
Inverted AR Roots
.54+.54i
Inverted MA Roots
0.55
Std. Error
t-Statistic
0.161074
-2.18258
0.135367
-4.04748
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
.54+.54i
Источник: Расчет автора в пакете Eviews
Ни
один
уравнений
корень
не
характеристических
лежит
за
пределами
единичной окружности, что является
доказательством
стационарности
остатков модели.
96
-.54+.54i
Prob.
0.0344
0.0002
-0.15787
2.256217
4.145489
4.224995
4.175272
-.54+.54i
Рисунок 29. АКФ и ЧАКФ остатков модели sarima (4.1.1)(0.1.0)
Таблица 31.
LM-тест для остатков модели sarima (4.1.1)(0.1.0)
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.435219
Obs*R-squared
0
Prob. F(1,43)
Prob. Chi-Square(1)
0.513
1
Источник: расчет автора в Eviews
Приведены результаты теста, в котором в регрессионную модель был включен
первый лаг остатков. Проверялась гипотеза 𝐻0 об одновременном равенстве нулю всех
коэффициентов при лаговых остатках. Согласно тесту, нулевая гипотеза не отвергается.
При добавлении в регрессию более высоких, приходим к аналогичным выводам.
Таблица 32.
Проверка на нормальность остатков модели sarima (4.1.1)(0.1.0)
Название теста
Тест Дурника-Хансена (Doornik-Hansen)
Тест Шапиро-Уилка (Shapiro-Wilk W)
Тест Лиллифорса (Lilliefors)
Тест Жака-Бера (Jarque-Bera)
Наблюдаемое значение
1,9
0,98
0,11
1,33
p-value
0,39
0,53
0,19
0,51
Источник: расчет автора в Gretl
Во всех тестах гипотеза 𝐻0 о нормальном распределении остатков модели не
отвергается.
97
Таблица 33.
Проверка на гетероскедастичность остатков модели sarima (4.1.1)(0.1.0)
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
0.264854
0.854079
0.998506
Prob. F(3,42)
Prob. Chi-Square(3)
Prob. Chi-Square(3)
0.8503
0.8365
0.8016
Источник:Расчет автора в пакете Eviews
Dependent Variable: RESID^2
Sample: 2011M06 2015M03
Included observations: 46
Variable
C
GRADF_01^2
GRADF_01*GRADF_02
GRADF_02^2
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
3.269369
-0.01847
-0.12707
0.05955
0.018567
-0.05154
5.617653
1325.437
-142.571
0.264854
0.850327
Std. Error
t-Statistic
1.085595
3.011591
0.223486
-0.08264
0.322747
-0.39371
0.090414
0.658632
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0044
0.9345
0.6958
0.5137
3.389407
5.478264
6.372646
6.531659
6.432213
1.435573
Источник:Расчет автора в пакете Eviews
Таблица 34.
Результаты ARCH теста остатков модели sarima (4.1.1)(0.1.0)
Heteroskedasticity Test: ARCH
F-statistic
Obs*R-squared
5.367854
4.99409
Prob. F(1,43)
Prob. Chi-Square(1)
0.0253
0.0254
Источник:Расчет автора в пакете Eviews
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample (adjusted): 2011M07 2015M03
Included observations: 45 after adjustments
Variable
C
RESID^2(-1)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
2.353277
0.332306
0.11098
0.090305
5.26169
1190.471
-137.5497
5.367854
0.025341
Источник:Расчет автора в пакете Eviews
98
Std. Error
t-Statistic
0.919209
2.560112
0.143429
2.316863
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0141
0.0253
3.463714
5.516674
6.202208
6.282504
6.232142
1.879352