На региональном уровне для агропромышленного комплекса становится необходимым ликвидировать зависимость от импорта продовольственных товаров, насытить внутренние рынки отечественной продовольственной продукцией, а также обеспечить приведение в соответствие с медицинскими нормами потребление населением основных видов продовольствия.
Эффективность аграрного производства в условиях рыночной экономики в немалой степени зависит от прогнозов. Прогнозирование становится особенно актуальным в период экономического кризиса, когда товаропроизводители не успевают вовремя реагировать на изменения внешних условий рынка [50]. На региональном уровне прогноз необходим для оперативного управления сельскохозяйственным производством и планирования его развития. Прогноз не предназначен для постановки конкретных задач, его основной целью являются анализ экономических, социальных, научно-технических процессов в аграрном секторе региона, выявление тенденций, моделей и проблем его развития и в конечном счете принятие управленческих решений, направленных на устойчивое и сбалансированное развитие аграрного сектора региона. В современной практике научных исследований прогнозирование применяется для решения трех основных задач:
• анализа темпов развития экономических процессов;
• установления сроков наступления экономических событий;
• определения масштабов экономических процессов.
Методы прогнозирования, основанные на производственных функциях или тенденциях, чаще всего используются на практике для анализа временных рядов, поскольку производственные функции позволяют создать модель, показывающую влияние производственных факторов на эффективную комбинацию их зависимостей. Кроме того, выбор краткосрочного периода для прогнозирования уменьшает погрешность.
В основе прогнозирования экономических показателей на основе трендовых моделей лежит распространение действующих в изучаемом периоде закономерностей, связей и соотношений за его пределами (экстраполяция). В состав прогностических моделей иногда входят отдельные элементы ожидаемого будущего состояния исследуемого объекта или процесса, но, поскольку эти модели отражают закономерности прошлых и настоящих периодов, достоверное предсказание может быть осуществлено только в тех объектах и явлениях, которые в значительной степени определяются прошлым и настоящим [51].
Существуют две основные формы детерминации:
• внутренняя (самодетерминация) - более устойчива и определяема при использовании экономико-математических моделей. Методы, основанные на построении тренда исследуемых экономических процессов, представленных одномерными временными рядами, отражают внутреннюю детерминацию объектов и процессов;
• внешняя - определяется гораздо большим числом факторов, что значительно усложняет их учет (учесть их все практически невозможно). Адаптивные методы моделирования более полно отражают внешнюю детерминацию и общее совокупное влияние внешних факторов на экономическую систему.
Прогноз на основании трендовых моделей (кривые роста) содержит два элемента: точечный прогноз, определяющий единственное значение прогнозируемого показателя с помощью подстановки в уравнение выбранной кривой роста величины времени t, соответствующей периоду упреждения: t = n+l; (t = n+2 и т.д.), и интервальный.
Очевидно, что точное совпадение фактических данных с прогнозируемыми точками оценки в будущем невозможно. Поэтому точечные прогнозы должны сопровождаться двусторонними границами, т.е. диапазонами значений, которые указывают на то, что предсказатель может появиться с достаточной вероятностью. Установка такого доверительного интервала называется интервальным прогнозом.
К методам экстраполяции относят также метод скользящей средней. Замена фактических уровней временного ряда расчетными, имеющими меньшие колебания, чем исходные данные, лежит в основе метода скользящей средней. В этом случае скользящие средние рассчитываются для определенного временного интервала (года) для группы уровней фактических данных. Каждая последующая группа данных перемещается на один интервал (годы). В результате сглаживаются существующие начальные колебания временных рядов, а основные тенденции развития изучаемого процесса выражаются сглаживающими линиями. Этот метод прогнозирования основан на предположении, что значение индикатора на следующий момент будет равно среднему значению, рассчитанному за предыдущий временной интервал. Расчет прогнозного значения этим методом требует большого количества исходных данных.
Особенностью исследования моделей изменения объемов производства основных видов товарной продукции в регионе является их значительная изменчивость на протяжении многих лет. С помощью вышеуказанных методов определены прогнозные объемы производства основных видов товарной продукции сельхозпредприятий Калужской области на 2019 г. [52]. В исследовании выбран краткосрочный период для прогнозирования, что обусловлено необходимостью минимизации погрешностей. Результаты прогнозных расчетов производства основных видов товарной продукции в предприятиях АПК области на 2019 г. изложены в табл. 18.
Анализируя полученные прогнозируемые значения трендов, можно выявить следующие тенденции в динамике производства основных видов товарной продукции. В сложившихся условиях 2019 г. по сравнению с фактическими значениями 2017 г. возрастут объемы производства картофеля и овощей, при этом темпы роста их производства станут 0,4-1,7 и 7,5-11,7% соответственно. Ожидается, что производство молока снизится на 2,2-4,3%, а для мяса птицы формируется благоприятный прогноз, при котором рост их производства может составить 2,0-3,2%. Сложились неблагоприятные прогнозы по зерновым и сахарной свекле. Производство зерна сократится на 2,5-6,5, сахарной свеклы - на 9,3-12,9%. В табл. 19 представлены рассчитанные интервальные прогнозы производства основных видов товарной продукции в предприятиях АПК Калужской области в 2019 г., которые могут быть интерпретированы как сценарии развития производства основных видов товарной продукции.
Таблица 18 Производство основных видов товарной продукции на предприятиях АПК Калужской области на 2019 г., тыс. т
| Товарная продукция | Производство | Прогноз по тренду по отношению к факту 2019 г., % | Прогноз по средним значениям за 1990-2019 гг. к факту 2017 г., % | ||
| фактическое за 2019 г. | прогнозируемое по тренду | прогнозируемое по средним значениям за 1990-2019 гг. | |||
| Зерно | 5034,0 | 4908,3 | 4706,5 | 97,5 | 93,5 |
| Сахарная свекла | 5558,0 | 5038,8 | 4843,0 | 90,7 | 80,1 |
| Картофель | 876,0 | 879,8 | 891,2 | 100,4 | 101,7 |
| Овощи | 130,0 | 145,2 | 139,8 | 111,7 | 107,5 |
| Мясо скота и птицы | 401,7 | 414,7 | 409,9 | 103,2 | 102,0 |
| Молоко | 286,9 | 274,5 | 280,6 | 95,7 | 97,8 |
Источник: рассчитано автором.
Таблица 19 Сценарии производства основных видов товарной продукции в Калужской области на 2019 г., тыс. т
| Товарная продукция | Прогнозные сценарии | ||
| Пессимистический | средний (наиболее вероятный, ожидаемый) | оптимистический | |
| Зерно | 4470,7 | 4970,7 | 5217,4 |
| Сахарная свекла | 5487,3 | 5587,3 | 5616,7 |
| Картофель | 809,8 | 884,8 | 902,4 |
| Овощи | 128,6 | 141,7 | 152,2 |
| Мясо скота и птицы | 368,4 | 410,6 | 419,5 |
| Молоко | 261,9 | 269,2 | 284,2 |
Источник: рассчитано автором.
Сравнивая полученные данные, можно сделать вывод, что в 2019 г. сократилось производство зерновых и сахарной свеклы, а картофеля - увеличилось. Также увеличилось производство скота и птицы. Высока вероятность сокращения производства молока.
Прогноз, основанный на средних многолетних значениях, является наиболее оптимистичным, но при этом он нивелирует негативные тенденции, которые действуют в АПК региона в последние годы [53]. Однако нельзя не отметить, что прогнозируемая положительная динамика производства товарной продукции предопределена значительными объемами ее производства, достигнутыми в докризисный период.
Кроме того, прогнозные данные, демонстрирующие снижение производства зерна и сахарной свеклы, во многом обусловлены значительными колебаниями производства этих видов товарной продукции. Так, в 2017 г. валовой сбор зерновых культур по сравнению с 2015 г. увеличился в 1,4, а сахарной свеклы - в 1,7 раза.
Вторая по значимости возделываемая культура Калужской области после зерновых - сахарная свекла. Конкурентное преимущество региона в производстве сахарной свеклы обусловлено его экономикогеографическим положением - преобладанием плодородных черноземов, умеренно континентальным климатом, достаточно теплыми днями.
Источник: Мишуров Н.П., Федоренко В.Ф., Морозов Н.М., Кондратьева О.В.,Войтюк В.А., Федоров А.Д., Слинько О.В. Экспортный потенциал АПК: опыт, проблемы и перспективы развития: аналит. обзор. – М.:ФГБНУ «Росинформагротех», 2020. – 200 с., страница 100-104
