Scientific journal

Fundamental research

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,674

Виноградно-винодельческий подкомплекс АПК играет важную роль в формировании доходной части бюджета республики, поэтому во всех программах по улучшению экономики региона ведущее место отводится развитию сельского хозяйства, увеличению производства винограда и продукции его переработки. Выращивание винограда приносит треть доходов агропромышленного комплекса, а вместе с алкогольной продукцией составляет 5 из 15 % недотационных поступлений в местный бюджет. В целом в государственную казну поступают значительные суммы от реализации коньяков и виноградных вин. В настоящее время виноградно-винодельческий подкомплекс работает в сложных условиях, вызванных современным развитием экономики, что обусловливает актуальность адекватного выбора стратегии ее стабилизации и дальнейшего развития.

Отличительными особенностями виноделия, которые оказывают существенное влияние на эффективность производства, являются широкая взаимозаменяемость продукции и возможность использования одного и того же исходного сырья на выработку различных видов продукции. Так, взаимозаменяемыми являются различные виды виноматериалов в виноделии. Кроме – того, из винограда одного и того же сорта возможна выработка различных видов виноматериалов (сухих, коньячных, десертных, игристых и др.) и соков. Предметной областью данного исследования является разработка автоматизированного рабочего места для анализа и прогнозирования динамических тенденций, необходимо вычислить такие показатели, как темпы роста к базисному году, темпы роста к предыдущему году и удельный вес каждого предприятия. Экономическое прогнозирование – это получение информации о состоянии экономических показателей анализируемого объекта посредством применения системы методов, расчетов [5].

Темпы роста определяются по известным формулам:

а) цепной

б) базисный

[2].

Для прогнозирования показателей хозяйств по виноградарству применяются модели временных рядов и рядов динамики вида Yrit = fri(t) – временные ряды и Yrit = f(xrit) – ряды динамики [1].

Для прогнозирования показателей АПК необходимо следовать следующему алгоритму.

В MS Excel создается:

а) база исходных данных;

б) рабочая база данных;

в) таблица-шаблон для исходных данных прогнозируемого показателя.

Чтобы выполнить прогнозные расчеты, должны быть заданы фактические значения экономического показателя и значения фактора времени за исходный интервал времени, а также значения фактора времени на прогнозируемый период.

Выполнение прогноза с помощью уравнения временного ряда или ряда динамики состоит в следующем:

– по заданным значениям экономического показателя и фактора времени строится уравнение временного ряда, т.е. рассчитываются параметры b и m;

– проверяется приемлемость полученного уравнения временного ряда с помощью статистических характеристик;

– если построенное уравнение оказалось адекватным, то, подставляя в это уравнение прогнозируемые значения фактора времени (tпрог), рассчитываются прогнозные значения экономического показателя (yпрогн, x1прогн, x2прогн, x3прогн);

– поскольку расчеты связаны со статистическими выборками, прогнозные значения экономических показателей являются приближенными. Поэтому для прогнозных значений следует определить доверительные интервалы. Прогнозирование показателей осуществляется по пяти основным функциям:

линейная

y = a + b•t; y = a + b•x_t;

показательная

y = a•b^t;

степенная

y = a•t^b;

гиперболическая

параболическая

y = a + b₁•t + b₂•t²; y = a + b₁•x_t + b₂•x_t2.

В развитии виноградарства в РД наблюдается ряд негативных тенденций: сокращения площадей виноградников; снижение урожайности винограда и ухудшение всех других экономических показателей. И самая главная неприятность – за последние годы прекратили свое существование восемь хозяйств (из 22), в т.ч. такие известные в прошлом, как Геджух, Муцалаул, Аксай, и Манаскентский.

В табл. 1 приведены величины пяти ключевых показателей специализированных хозяйств виноградно-винодельческой отрасли Министерства сельского хозяйства и продовольствия РД (ранее входящие в состав объединения «Дагвино») и темпы их изменения за 2005–2015 гг.

Как видно из табл. 1, площадь эксплуатационных виноградников в 2015 г. к 2005 г. сократилась почти наполовину (составила 57 %). В течение 7 лет, с 2008 по 2014 г., урожайность винограда была ниже уровня 2005 г., и лишь в 2015 г. она оказалась на несколько процентов выше, но ниже, чем в 2006–2007 г. В табл. 2 приведены величины трех экономических показателей 13 виноградных хозяйств в целом по виноградарству за последние три года (2013–2015 гг.). Важнейшим из показателей, характеризующих эффективность производства винограда в хозяйствах, является урожайность (в ц/га). По урожайности хозяйства существенно различаются. Максимальную урожайность (все три года превышают уровень 100 ц/га) имеет ГУП «Каспий», одно из самых известных в РД хозяйств.

Несколько уступает лидеру ГУП «Кировский», занимающее 2-е место (92; 103 и 119 ц/га соответственно за три рассматриваемых года). Самой низкой оказалась урожайность в ГУП им. К. Маркса – в прошлом одного из ведущих из винсовхозов РД.

Прогнозирование факторов развития виноградно-винодельческого подкомплекса в ходе глобализации регионального АПК позволяет выявить структурные и организационно-экономические изменения в работе его предприятий, агропромышленных объединений и оценить перспективы развития отрасли.

Таблица 1

Величины пяти ключевых показателей специализированных виноградарских хозяйств Министерства сельского хозяйства и продовольствия РД и темпы их изменения за 2005–2015 гг.

Источник: составлена автором.

Таблица 2

Величины пяти экономических показателей 13 виноградарских хозяйств и в целом по виноградарству за последние три года (2013–2015 гг.).

Источник: составлена автором.

Программный комплекс для анализа и прогнозирования социально-экономических показателей ГУП включает базу данных, электронные формы для ввода новой информации в базу данных и ее редактирования, электронные формы для аналитических таблиц и прогнозных таблиц, отчетные формы и позволяет автоматизировать анализ и прогнозирование социально-экономических показателей.

Для выбранных показателей с помощью разработанного модельно-компьютерного инструментария возможно проведение анализа темпов роста к базисному году, темпов роста к предыдущему году и удельных весов.

Прогнозирование с помощью разработанного нами автоматизированного места проведем аналогично с использованием данных Министерства сельского хозяйства и продовольствия РД всего за период 2005–2015 гг.

Программное обеспечение позволяет строить прогноз с использованием временных рядов и рядов динамики. В нашем примере выбрано прогнозирование с использованием временного ряда.

В табл. 3 представлены параметры и статистические характеристики моделей временных рядов различных типов для показателей «Урожайность», «Валовой сбор», «Площадь эксплуатационных виноградников», «Выручка от реализации (руб.)», «Полная себестоимость реализованной продукции (руб.)» и «Износ ОС (руб.)» с помощью разработанного инструментария.

Таблица 3

Параметры и статистические характеристики линейных моделей временных рядов основных показателей виноградно-винодельческих хозяйств РД

Источник: составлена автором.

Как видно из табл. 3, наибольший коэффициент корреляции получен для зависимости показателя «Износ ОС», наименьший показатель – для зависимости показателя «Валовой сбор», а как известно, связь считается достаточно сильной, если коэффициент корреляции по абсолютной величине превышает 0,7, и слабой, если меньше 0,4. При равенстве его нулю линейная связь отсутствует. Можно сделать вывод, что сильной связью обладают зависимости всех показателей кроме урожайности, валового сбора и выручки от реализации. Среднюю ошибку аппроксимации определяют, чтобы знать, на сколько процентов изменится результат от своей средней величины при изменении фактора x на 1 % от своего среднего значения. А значит, наилучшим коэффициентом средней ошибки аппроксимации в линейной модели обладает зависимость показателей «Площадь эксплуатационных виноградников» и «Износ ОС».

Как видно из табл. 4, наибольший коэффициент корреляции у зависимости показателя «Выручка от реализации», наименьший показатель – у зависимости показателя «Валовой сбор».

Таким образом, можно сделать вывод, что сильной связью обладают зависимости всех показателей кроме урожайности, валового сбора и полной себестоимости реализованной продукции.

Аналогично рассчитаны и показатели степенной, параболической и гиперболической моделей.

Разработанный программный комплекс позволяет также получить прогноз показателей на основе построенных моделей временных рядов.

Как видно из табл. 5, в 2016 г. наиболее пессимистический прогноз по модели параболического вида ожидается в размере 28,5 ц/га; наиболее оптимистический – по модели линейного вида 50,1 ц/га. Наиболее реалистичный, на наш взгляд, прогноз по модели степенного вида 49,7 ц/га.

Для показателя «Валовой сбор» в 2016 г. наиболее пессимистический прогноз по модели параболического вида ожидается в размере 148547 ц; наиболее оптимистический – по модели линейного вида 282180 ц. Наиболее реалистичный, на наш взгляд, прогноз по модели степенного вида 269313 ц.

Таблица 4

Параметры и статистические характеристики гиперболической модели временных рядов основных показателей виноградарских хозяйств РД

Таблица 5

Прогнозные величины показателей виноградарских хозяйств РД на 2016–2018 гг.

Как видно из табл. 5, в 2016 г. наиболее пессимистический прогноз по модели параболического вида ожидается в размере 4325,7 га; наиболее оптимистический по модели гиперболического вида – 5438,9 га. Наиболее реалистичный, на наш взгляд, прогноз по модели степенного вида 5022,19 га. А для показателя «Выручка от реализации продукции» в 2016 г. наиболее пессимистический прогноз по модели гиперболического вида ожидается в размере 1722,1 (тыс. руб.); наиболее оптимистический – по модели показательного вида 3857,2 (тыс. руб.). Наиболее реалистичный, на наш взгляд, прогноз по модели линейного вида 2762,63 (тыс. руб.) показывает, что для большинства хозяйств приемлемыми являются прогнозы по нескольким видам уравнений временных рядов (двум, трем и даже четырем). Кроме того, не следует забывать, что если в текущем году разрабатывается прогноз на три года, то такой же прогноз следует провести в следующем году. В результате прогнозы будут уточнены и скорректированы.

Выводы

1. Виноградарство является одной из самых развивающихся отраслей экономики в Республике Дагестан, и создание базы данных и программного обеспечения для проведения анализа и прогнозирования основных экономических показателей деятельности предприятий является актуальной задачей для дальнейшего развития отрасли. Рассмотрена виноградарская сфера АПК как объект информатизации. Изучены существующие методы анализа и прогнозирования показателей хозяйств.

2. Разработан модельно-компьютерный инструментарий для анализа и прогнозирования показателей виноградно-винодельческих хозяйств, а также описаны его компоненты. С помощью модельно-компьютерного инструментария проведен анализ и оценка вариантов прогнозов и сформулированы следующие выводы:

– сложившиеся в последнее десятилетие зависимости и тенденции свидетельствуют о том, что на развитие виноградарства (как и АПК в целом) оказывают влияние как позитивные, так и негативные факторы;

– закономерности и тенденции десяти последних лет в развитии виноградарства дают нам основание экстраполировать их на некоторый будущий период (2–3 года). Согласно нашим расчетам взятые нами показатели, даже при нежелательности некоторых, будут расти.

3. Разработана методика прогнозирования с использованием управлений временных рядов и рядов динамики, на её основе рассчитан ряд вариантов прогнозов и проведен их сравнительный анализ.