Содержание к диссертации
Введение
Глава 1. Анализ состояния и перспектив развития российского рынка лома черных металлов . 8
1.1. Роль лома черных металлов в металлургическом производстве 8
1.2. Основные тенденции на рынке лома черных металлов 11
1.3. Особенности ценообразования на рынке лома черных металлов 25
Глава 2. Разработка организационно-экономических моделей для прогнозирования цен на лом черных металлов 39
2.1. Планирование и прогнозирование как функция управления 39
2.2. Методы организационно-экономического прогнозирования 42
2.3.Подготовка и анализ исходных данных для построения моделей 45
2.4. Разработка модели множественной регрессии для прогнозирования ценна металлолом 57
2.5.Использование методологии Бокса-Дженкинса для прогнозирования цен на металлолом 63
2.6. Методы экспертных оценок в прогнозировании цен на лом черных металлов 81
2.7. Особенности прогнозирования в условиях неопределенности. 90
Глава 3. Совершенствование управления процессом закупки и реализации металлолома 104
3.1. Этапы разработки стратегии поведения на рынке поставщика металлолома 104
3.2. Разработка и реализация региональной политики закупки и реализации лома черных металлов 111
Выводы 142
Список литературы 145
Приложение 1 155
- Основные тенденции на рынке лома черных металлов
- Особенности ценообразования на рынке лома черных металлов
- Методы организационно-экономического прогнозирования
- Разработка и реализация региональной политики закупки и реализации лома черных металлов
Введение к работе
Актуальность темы исследования. На сегодняшний день в условиях роста выплавки стали, модернизации и технического переоснащения металлургического производства лом черных металлов является важнейшим металлургическим сырьем. Рост потребности российской металлургии в металлоломе, с одной стороны, и ограниченное количество вторичных ресурсов, с другой, создают дефицит лома на рынке. Это в свою очередь сопровождается ростом конкуренции за сырье, усилением и укрупнением рыночных игроков, ростом цен на лом черных металлов.
Ключевым фактором повышения эффективности деятельности ломоперерабатывающей организации является оценивание рыночной конъюнктуры и дальнейшей динамики закупочных цен металлургических заводов на металлолом. Назрела необходимость в проведении исследований, направленных на использование организационно-экономических методов и разработку моделей прогнозирования цен на металлолом, предназначенных для оптимизации управления процессом закупки и реализации. Данная диссертационная работа посвящена такому исследованию.
Применение организационно-экономических методов и моделей даст возможность оценить тенденции и перспективы развития рынка лома черных металлов, учесть влияние различных рыночных факторов, понять динамику цен на металлолом. Система прогнозирования позволит ломоперерабатывающему предприятию эффективно распределять объемы металлолома по направлениям отгрузки, а также по времени, исходя из минимальных цен закупки и максимальных цен реализации. Это обеспечит поставщику лома высокую рентабельность деятельности.
Степень изученности и разработанности проблемы. Большой вклад в разработку методов, ориентированных на прогнозирование экономических процессов, был сделан Дж. Ханком, А. Райтсом, Д. Уичерном, Ф. Адамсом, М. Барроном, Д. Таржеттом, Дж. Боксом, Г. Дженкинсом, А. И. Орловым, Ю.В. Сидельниковым, Дж. Мартино, А.А. Горчаковым, И.В. Орловой. Дж. Ханк, А. Райтс, Д. Уичерн, А.И. Орлов, Д. Амстронг, Р. Клемен на первый план выводят проблему построения прогнозов на основе комбинирования статистических методов и методов экспертных оценок. Особую роль в развитии прогностики играют прикладные исследования Т.А. Баландиной, Ю.В. Сидельникова, А.В. Танасовой, В.С. Муравьевой, В.А. Цыбатова, В.И. Тиняковой, свидетельствующие о постоянном поиске новых подходов. Анализ этих работ позволил сформировать научную базу применения методов и разработки моделей прогнозирования в отрасли лома черных металлов.
Для понимания современных тенденций развития отрасли вторичных металлов были рассмотрены работы Л.П. Макарова, С.В. Супрун, А.Е. Семина, Л.А Коновалова, В.Я. Медикова, А.А. Ищенко, Д.Н. Лыкошева и другие. В процессе исследования особое внимание уделялось советскому опыту управления подотраслью лома черных металлов.
Цель и задачи исследования. Цель настоящей работы заключается в разработке организационно-экономических моделей для прогнозирования цен на металлолом, направленных на совершенствование управления процессом закупки и реализации лома черных металлов.
Для достижения поставленной в работе цели необходимо решить следующие задачи:
- выявить основные тенденции и перспективы развития отрасли лома вторичных металлов в России;
- на основе анализа временных рядов цен на металлолом выбрать конкретные методы прогнозирования;
- выявить основные факторы, определяющие изменение закупочных цен металлургических предприятий на лом черных металлов, и особенности региональной политики закупки и реализации металлолома;
- разработать организационно-экономические модели для оценки влияния факторов и прогнозирования цен;
- апробировать разработанные модели на примере прогнозирования закупочных цен на лом черных металлов ОАО «Магнитогорский металлургический комбинат».
Объект и предмет исследования. Объектом исследования является организационно-хозяйственная деятельность предприятий, занимающихся закупкой, переработкой и реализацией лома вторичных металлов.
Предметом исследования являются вопросы выбора организационно-экономических методов и разработки моделей прогнозирования цен, предназначенных для совершенствования управления процессами закупки и реализации лома черных металлов.
Теоретическая и методологическая основа исследования. Теоретическую основу диссертации составляют научные труды отечественных и зарубежных авторов в области экономики и организации производства, прогнозирования, организационно-экономического моделирования, экспертного оценивания, стратегического планирования развития предприятий.
Информационную базу исследования составляют монографии, публикации в печати, материалы в сети Интернет, материалы семинаров и научно-практических конференций, статистические данные ОАО «Российские железные дороги» по перевозкам лома черных металлов, статистика внешней торговли металлоломом Федеральной таможенной службы РФ. При анализе практики работы ломоперерабатывающих предприятий использовались данные бухгалтерской и управленческой отчетности.
Научная новизна заключается в разработке моделей организационно-экономического прогнозирования цен на металлолом с целью совершенствования управления процессом закупки и реализации лома черных металлов. Основные результаты исследования, обладающие научной новизной, состоят в следующем:
1) На основе анализа состояния и перспектив развития российского рынка лома черных металлов выявлены основные тенденции в использовании, заготовке, ценообразовании в отрасли: дефицит металлолома в условиях роста объемов потребления, изменение структуры лома, укрупнение отрасли и усиление рыночных игроков, рост цен на металлолом.
2) Найдены и изучены важнейшие факторы, определяющие изменение цен на лом черных металлов на российском рынке: поставка металлолома на внутренний рынок и на экспорт, планы потребления лома заводами и остатки на складах копровых цехов, цены на материал на экспортных рынках и цены на готовую продукцию металлургических предприятий.
3) Впервые применены организационно-экономические методы прогнозирования и разработаны модели для решения задачи прогнозирования цен на лом черных металлов, позволяющие эффективно управлять процессом закупки и реализации металлолома.
4) Обоснована необходимость дифференцированного подхода к ценообразованию на региональных рынках лома черных металлов. Разработаны критерии для анализа регионов, а также методика выбора оптимальных направлений поставки лома из регионов с целью получения наибольшей прибыли.
Практическая значимость работы определяется возможностью использования организационно-экономических методов и моделей для проведения прогнозных расчетов в процессе выработки и обоснования управленческих решений. Применение полученных разработок позволит ломоперерабатывающему предприятию адекватно реагировать на рыночные изменения, распределять объемы металлолома по направлениям отгрузки, оптимизировать региональную политику закупки и реализации лома.
Апробация и реализация результатов исследований. Основные положения диссертации докладывались и получили положительную оценку на научно-практических конференциях, в том числе на:
- III Всероссийской молодежной конференции по проблемам управления;
- XV Международной конференции студентов, аспирантов и молодых ученых «Ломоносов»;
- III Всероссийской научно-методической конференции «Корпоративное управление» (Пенза, 2008);
- 67 Научно-технической конференции, посвященной 75-летию МГТУ им. Г.И. Носова;
- Заседаниях семинара Лаборатории экономико-математических методов в контроллинге НУК ИБМ и кафедры «Экономика и организация производства» МГТУ имени Н.Э. Баумана.
Положения диссертационной работы были апробированы и внедрены на базе ЗАО «Профит» и его дочерних и зависимых обществ: ОАО «Башвтормет», ОАО «Челябвтормет», ООО «Вторметтрэйд», а также на ОАО «Магнитогорский металлургический комбинат». Разработанные в диссертационной работе модели используются для целей прогнозирования цен на лом черных металлов, служат основой при подготовке бюджетов предприятий на период, применяются для обоснования управленческих решений. Основные результаты исследования используются в учебном процессе Научно-учебного комплекса «Инженерный бизнес и менеджмент» Московского государственного технического университета им. Н.Э. Баумана при разработке учебных программ, подготовке учебной литературы, чтении лекций, проведении семинарских занятий и лабораторных работ по дисциплине «Эконометрика». Реализация результатов диссертационной работы подтверждена соответствующими актами внедрения.
Результаты исследования изложены в 7 работах диссертанта, в том числе 3 статьи в рецензируемых научных журналах списка ВАК. Общий объем печатных работ 2 п.л.
Объем и структура работы. Диссертация содержит 154 страницы основного текста, 51 рисунок и 33 таблицы, состоит из введения, трех глав, заключения, библиографического списка из 109 наименований, приложения.
Основные тенденции на рынке лома черных металлов
Лом черных металлов в основном используется в качестве металлургического сырья для выплавки стали. В мировой практике практически каждая третья тонна стали выплавляется на базе переплавки лома черных металлов. В России для выплавки стали ежегодно потребляется свыше 20-22 млн. тонн стального лома. Причем на долю предприятий черной металлургии приходится потребление около 90% ресурсов лома черных металлов [43]. Потребление лома в сталеплавильном производстве, во-первых, определяется динамикой производства стали.
Крупнейшими потребителями стального лома в России являются 20 металлургических предприятий, с объемом потребления свыше 20 млн тонн металлолома в год (табл. 2). По итогам 2007 года суммарное потребление внутреннего рынка составило 21,4 млн. тонн металлолома. Прирост объемов поставок за период 2005-2007 гг. составил 4,2 млн. тонн (+124,4%). Увеличение потребления обусловлено реализацией металлургическими предприятиями программ по увеличению выплавки стали, по реконструкции и модернизации сталеплавильных мощностей [21].
Наибольший прирост потребления обеспечен следующими производителями стали: - ОАО «ММК». Запуск в эксплуатацию электросталеплавильного цеха мощностью 2 млн. тонн стали в год [40]. - ЗАО «Ревдинский ММЗ». Запуск второго электросталеплавильного цеха, рост выплавки стали до 2 млн. тонн в год [52]. - ОАО «Амурметалл». Запуск второй электропечи мощностью 1 млн. тонн. Продолжается реализация программы технического перевооруэюения сталеплавильного производства [44]. - ОАО «МЗ им. А.К.Серова». Запуск электропечи мощностью 750 тыс. тонн стали в год. Вывод мартеновского производства [46]. - ОАО «Оскольский ЭМК». Реконструкция электросталеплавильных печей, направленная на увеличение производительности [88]. - ОАО «АМЗ», ЗАО «Волга-ФЭСТ», ОАО «ТагМет». Реализуется программа реконструкции сталеплавильных мощностей [49, 19, 85, 87].
Таким образом, потребление металлолома также определяется структурой сталеплавильного производства, развитием новых технологий выплавки, разливки и прокатки стали. Сегодня на смену мартеновскому производству стали в мировой металлургии пришли кислородно-конвертерный и электросталеплавильный процессы (см. рис. 1.2). Если первый имеет ограничение по применению металлолома, то второй базируется преимущественно на потреблении стального лома [44]. По прогнозам доля выпуска в электропечах к концу 2010 года оставит 28%, в 2015 году - 32-35%, в конвертерах в период 2010-2015 гг. - 65-68%. Мартены на предприятиях черной металлургии практически ликвидируются, сохранятся только на неспециализированных заводах других отраслей [72].
Современные конвертерный и электросталеплавильный процессы ориентированы на 100% непрерывную разливку стали, что существенно сокращает образование оборотного лома в процессе производства (не более 10-20% по отношению к объему полученного проката). В настоящее время потребность черной металлургии в ресурсах лома практически в 2 раза превышает объем внутризаводского оборота металлолома [44]. Доля разливки стали на машинах непрерывного литья заготовки в 2010 году выйдет на уровень 76-79%, к 2015 году - 80-97% [84, 2].
Все это ведет к значительному росту потребности металлургической промышленности в ломе черных металлов, поставляемом специализированными ломоперерабатывающими предприятиями. Согласно официально заявленным программам развития сталепроизводителей объем потребления лома в России к 2012 году может приблизиться к величине 40-45 млн. тонн в год [77]. Прирост потребления за счет реконструкции и модернизации имеющихся производственных мощностей составит порядка 14 млн. тонн (см. табл. 3), за счет строительства новых металлургических мини-заводов - более 16 млн. тонн (см. табл. 4).
Даже если некоторые из заявленных проектов не будут реализованы по каким-либо причинам (политическим, из-за недостатка финансирования, из-за недостатка ресурсообеспечения производства и прочее), потребность рынка в ломе черных металлов будет стремительно расти.
Особенности ценообразования на рынке лома черных металлов
Во времена СССР подотрасль лома черных металлов была полностью под контролем государства. Заготовку, переработку и поставку лома черных металлов в стране осуществляло Всесоюзное промышленное предприятие — ВПО «Союзвторчермет». Объединение «Союзвторчермет» являлось единым производственно-хозяйственным комплексом, состоящим из производственных объединений, заводов и промышленных предприятий Вторчермета (см. рис. 1.5). В объединении «Вторчермет» действовало свыше 100 производственных объединения и предприятия [99, 100]. С целью учета образования и использования лома черных металлов все предприятия ежегодно предоставляли статистическую отчетность по следующим формам. - Статистическую отчетность по форме № 9-сн «Исполнительный баланс лома и отходов черных металлов» составляли все предприятия, имеющие производство чугуна, стали, проката, труб, метизов, литья, изделий дальнейшего передела, а также предприятия, строительные организации и прочие хозяйства, сдающие Вторчермету не менее 100 т лома и отходов черных металлов в год. Статистическими органами на основе первичных отчетов по форме составлялись исполнительные балансы по всему Союзу, министерствам, республикам и экономическим районам (форма № 9-сн «Исполнительный баланс лома и отходов черных металлов»). - Форма № 6-сн «Отчет о поступлении, расходе и остатках лома и отходов черных и цветных металлов». - Форма № 7-сн «Отчет о поступлении, использовании и сдаче лома и отходов черных металлов». - Форма № 18-тп «Отчет о работе ломоперерабатывающего оборудования и подготовке лома к переплаву».
Предприятия Вторчермета составляли статистическую отчетность по формам № 1-лом «Отчет о заготовке лома и отходов черных металлов», № 2-лом «Отчет о поставке лома и отходов черных металлов» и № 4-лом «Отчет о заготовке и поставке лома и отходов легированных сталей» [12, 36, 99, 102].
Наличие статистической отчетности позволяло отследить динамику образования металлолома по различным источникам, а также динамику его использования. На сегодняшний день главным источником информации по движению объемов металлолома является железнодорожная база ОАО «Российские железные дороги». Предполагается, что порядка 90-95% всего объема поставок металлолома осуществляется железнодорожным транспортом. Однако это не всегда позволяет делать правильные выводы. Например, на заводах южных регионов (ЗАО «ВМЗ «Красный Октябрь», ОАО «Волжский трубный завод» и другие) объем металлолома, поставляемого автотранспортом, достигает 30-40%.
В СССР централизованно по всей структуре Вторчермета разрабатывалось два вида цен: заготовительные и сбытовые (прейскурант № 01-03). Сбытовые цены устанавливались в зависимости от соотношения металлургической ценности жидкого передельного чугуна и металлолома. Определение соотношения производилось исходя из сравнения технико-экономических показателей работы сталеплавильных агрегатов (удельный расход металлошихты, длительность плавки, величина угара, производительность, удельный расход добавочных материалов, расходы по переделу) с учетом капитальных вложений в металлургическое производство.
Сегодня ситуация изменилась: на смену нормативам, и централизованному управлению пришли рыночные отношения, вошло в оборот понятие «рынок вторичных металлов». Актуальным осталось сопоставление цены металлолома с ценами другого металлургического сырья - стремление к более широкому использованию металлолома в черной металлургии экономически оправдано, пока он выдерживает ценовую конкуренцию с добываемой железной рудой, железосодержащими шихтовыми материалами, передельным чугуном и железом прямого восстановления.
Поставки металлолома осуществляются как на внутренний рынок, так и на экспорт. Единого индикатора цен на металлолом на мировом рынке на сегодняшний день не существует.
Несмотря на то, что попытки создать работающие биржевые инструменты на стальном рынке предпринимаются различными площадками уже несколько лет, биржевые цены пока нельзя назвать индикаторами рынка. Первым серьезным проектом стал запуск торгов фьючерсными контрактами на стальную заготовку на Лондонской бирже металлов (LME) в 2008 году, однако до сих пор эти цены не стали определяющими для рынка. Куда более успешным стал опыт Шанхайской фьючерсной биржи: объем торгов
стальными контрактами только за первые два дня работы превысил годовой объем Лондона. Стальными контрактами торгуют и в США. Товарная биржа Чикаго запустила в прошлом году контракты на холоднокатаную листовую сталь. Предпринимались попытки начать торговлю и железорудным сырьем. Несмотря на интерес к биржевой торговле стальной продукцией со стороны самих бирж, реальный сектор скептически относится к этой идее. Дело в том, что стальную продукцию сложно унифицировать, ведь существует более тысячи марок стали.
Лом черных металлов пока вообще нельзя назвать биржевым товаром. Фьючерсные контракты на металлолом были запущены только в 2009 году на Международной стальной бирже (World Steel Exchange) в Чикаго. Однако объемы торгов пока настолько малы, что не отражают реальной ситуации на мировом рынке торговли ломом черных металлов.
Структуру российского рынка лома можно представить в виде взаимосвязи важнейших участников рынка: ломосдатчиков, поставщиков и потребителей лома (рис. 1.6). Ломосдатчики - это юридические лица и физические лица, которые утилизируют машины, оборудование, проводят их демонтаж и отгружают поставщикам. Поставщики в свою очередь, подразделяются на предприятия, имеющие собственные ломозаготовительные площадки и осуществляющие на них сбор и переработку лома (ломоперерабатывающие предприятия), и на транзитные организации, которые не имеют собственных площадок, а просто осуществляют транспортировку и реализацию металлолома производителям стали. Замыкают эту цепочку потребители лома — металлургические комбинаты и заводы, которые осуществляют приемку, складирование лома в копровых цехах и подготовку для сталеплавильного процесса [18, 60, 69, 37, 39].
Методы организационно-экономического прогнозирования
Статистические методы прогнозирования. Начнем классификацию с методов прогнозирования временных рядов. Под временным рядом понимают значения экономической величины (или величин), выраженной как функция времени. При этом время является дискретным, в противном случае говорят о случайных процессах, а не о временных рядах. Обычно в поведении временного ряда выявляют две основные компоненты - тренд и отклонения от тренда. Под трендом понимают детерминированную зависимость от времени, которую выявляют тем или иным способом сглаживания (например, экспоненциального сглаживания) либо расчетным путем, в частности, с помощью метода наименьших квадратов. Другими словами, тренд — это очищенная от случайностей основная тенденция временного ряда. В вероятностно-статистических методах под трендом понимают математическое ожидание временного ряда (как функцию времени).
Временной ряд обычно колеблется вокруг некоторой достаточно простой функции от времени, причем отклонения от нее иногда обнаруживают правильность. Часто это связано с естественной или назначенной периодичностью, например, сезонной или недельной, месячной или квартальной. Иногда наличие периодичности и тем более ее причины не ясны, и задача эконометрики — выяснить, действительно ли имеется периодичность [67].
Временной ряд может быть многомерным (число зависимых переменных больше одной)- и одномерным. Для анализа временного ряда наиболее часто используется метод наименьших квадратов. Методы наименьших модулей, метод Чебышёва и иные применяются реже. Применяются также эвристические приемы: метод скользящих средних, метод экспоненциального сглаживания.
Регрессионный анализ предназначен для восстановления зависимость определенной величины (или нескольких величин) от других величин. Он используется для прогнозирования различных экономических величин -объема инвестиций, уровня затрат, финансовых результатов, объемов продаж и т.п. Многомерная регрессия, в том числе непараметрическая регрессия на основе использования непараметрических оценок плотности распределения -основной на настоящий момент эконометрический аппарат прогнозирования.
Адаптивные методы прогнозирования позволяют оперативно корректировать прогнозы при появлении новых точек. Выделяют адаптивные методы оценивания параметров моделей и адаптивные методы непараметрического оценивания.
Используют и более специальные модели, такие, как модель авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений [67]. Для построения прогнозов с использованием отобранных методов полезны компьютерные статистические технологии: Minitab, Statistica [11, 94].
Не всегда статистические методы прогнозирования используются в чистом виде. Часто их включают в виде важных элементов в комплексные методики, предусматривающие сочетание статистических методов с другими, например, экспертными оценками. Экспертные методы прогнозирования. Для принятия решения, например, об экономических, социальных, экологических и иных проектах, в том числе требующих крупных инвестиций, в случае чрезвычайной сложности системы (объекта прогнозирования), его новизны, недостаточной полноты информации и невозможности полной математической формализации процесса необходимо обратится к методам экспертных оценок [68]. Отдельно остановимся на различных методах экспертного прогнозирования ниже.
Особое место в классификации методов прогнозирования занимают комбинированные методы, которые предполагают одновременное использование различных методов прогнозирования. Использование комбинированных методов особенно актуально для сложных социально-экономических систем, когда при разработке прогноза показателей каждого элемента системы могут быть использованы различные сочетания методов прогнозирования. Разновидностью комбинированных методов можно считать эконометрическое моделирование, в которых экономико-математическое моделирование сочетается со статистическими методами оценивания параметров и проверки гипотез.
Ошибка прогноза не зависит от сложности применяемого метода. Точность зависит от отдаленности прогноза по времени (месяц, квартал, год) и типа данных. Результаты модели необходимо периодически проверять и корректировать для получения адекватных результатов.
Перед использованием конкретного метода на практике необходимо произвести оценку на соответствие поставленным целям: оценить ошибку прогнозирования (сравнение величин ошибок по разным методам прогнозирования позволит выбрать оптимальный), а также оценить является ли метод простым в применении и доступным для тех, кто будет принимать решения [94].
Первым этапом в процессе прогнозирования выступает сбор данных. Точность любого прогноза ограничивается достоверностью тех данных, на которых он построен. Для оценки, будут ли имеющиеся данные полезны для решения поставленной задачи, можно использовать следующие четыре критерия [88]. 1. Данные должны быть достоверными и точными. 2. Данные должны быть значимыми. Данные должны отражать те обстоятельства, для анализа которых они используются. 3. Данные должны быть согласованными. Если обстоятельства, в отношении которых собирались данные, изменились, необходимо внести соответствующие корректировки. 4. Данные должны собираться через определенные интервалы времени.
Направления сбора информации определяются факторами, влияющими на цену металлического лома. Особую благодарность за помощь в отборе факторов, влияющих на изменение цен на металлолом, а также в выборе статистического аппарата для целей прогнозирования цен на металлолом выражаем Юсупову Д.Р.- (начальнику отдела маркетинга ЗАО «Профит», к.т.н.) и Баландиной Т.А. (заведующей кафедрой Экономики и управления ГОУ ВПО «МГТУ им. Г.И. Носова», доц., к.э.н.). Баландиной Т.А. было положено начало исследования в области применения различных организационно-экономических методов (корреляционно-регрессионного метода, трендового анализа, моделей Бокса-Дженкинса) для целей прогнозирования цен на лом черных металлов в 2005 году. Важнейшие из факторов представлены в таблице 9.
Разработка и реализация региональной политики закупки и реализации лома черных металлов
ЗАО «Профит» представляет собой группу ломоперерабатывающих предприятий в различных регионах России. Поэтому следующим .фактором, определяющим эффективность деятельности поставщика металлолома, является- разработка. региональной политики. Необходимы дифференцированный подход к анализу каждого региона и разработка грамотной ценовой политики в рамках региональных рынков [96].
ЗАО «Профит» полностью обеспечивает потребность ОАО «ММК» в металлоломе. Для этих целей разрабатываются ценовые предложения (прайсы) в разрезе регионов. Прежде чем выставить прайсы, необходимо провести региональный анализ, выявить основные характеристики и особенности каждого региона, выбрать приоритетные с точки зрения поставок на ОАО «ММК» региональные рынки.
Одним из важнейших факторов при выборе региона поставки лома поставщиком выступает величина железнодорожного тарифа на доставку одного вагона металлолома на комбинат. Большинство сталепроизводителей устанавливают ценники на металлолом с учетом железнодорожного тарифа, то есть приобретают материал непосредственно на станции назначения, при этом все расчеты с ОАО «Российские железный дороги» за перевозку лежат на поставщике металлолома.
Сумма железнодорожного тарифа зависит от тарифного расстояния — расстояния от станции отгрузки лома в регионе (для расчета выбираются станции максимальной отгрузки на комбинат из региона) до станции назначения, с которой материал поступает непосредственно в копровое производство комбината. В таблице 22 видно, что среднее расстояние поставки 1 тонны металлолома в направлении ОАО «Магнитогорский металлургический комбинат» (Челябинская область) увеличилось с 912 км в 2005 году до 1 310 км в 2008 году.
Годовые ресурсы амортизационного лома в России оцениваются в 40-45 млн. тонн [83]. При этом нужно учитывать, что не все ресурсы металла, закончившего срок службы, используются. Часто они остаются неизвлеченными, несобранными и безвозвратно теряются.
Исходя из этого, недостаточно оценивать потенциальные запасы металлолома, необходимо учитывать ежегодные объемы заготовки металлолома в регионах. Учитывая, что по разным данным порядка 90-95% всех поставок российского лома осуществляется железнодорожным транспортом, принимаем объем заготовки лома в регионах равным объему отгрузки металлолома по данным ОАО «Российские железные дороги».
По итогам 2008 года лидерами заготовки металлолома в России являются следующие регионы (табл. 25): Москва и Московская область (11,1%), Свердловская (5,4%), Челябинская (4,0%), Самарская (3,7%), Саратовская области (3,3%), Республики Башкортостан (3,1%), Татарстан (2,6%).
Потребление металлофонда по регионам России [80] Потребление металлолома российскими сталеплавильными предприятиями из регионов России неоднородно. Суммарная потребность металлургических предприятий в ломе черных металлов на текущий момент (без учета реализации заявленных программ комбинатов) составляет около 24,4 млн. тонн (таблица 26). Из них 46,3% приходится на комбинаты Уральского региона - ОАО «ММК» (19,2%), ЗАО «Ревдинский МЗ» (9,8%), ОАО «ЧМК» (4,6%), ОАО «Уральская сталь» (3,9%) и другие.
Интенсивность конкуренции напрямую зависит от цены закупки у ломосдатчиков. Чем выше стоимость закупки в регионе, тем сильнее конкуренция между ломоперерабатывающими предприятиями. Кто из них может без потери финансовой устойчивости предложить большую цену закупки, тот имеет конкурентное преимущество и способен обеспечить больший объем закупаемого лома.
Конкуренция между трейдерами и транзитными организациями происходит за счет следующих факторов: - Цены покупки у ломоперерабатывающей организации. - Активного маркетинга. - Устойчивых связей с потребителями. - Устойчивых связей с ломоперерабатывающими предприятиями. - Финансовой политики (предоплата, оплата по факту, и др. финансовые условия).
Крупные потребители, диктующие ситуацию на рынке, устанавливают различные цены закупки лома в зависимости от объема, чем больше объем, тем выше цена покупки. Это приводит к серьезной конкуренции между трейдерами или транзитными организациями. Главным аргументом становится величина наценки, которую может обеспечить трейдер для своих поставщиков — ломоперерабатывающих или транзитных организаций. 2) Конкуренция между потребителями лома, в том числе экспортными. Конкуренция между потребителями происходит за счет следующих факторов: - Цены покупки. Устойчивых связей с трейдерами, транзитными и ломоперерабатывающими организациями. - Финансовой политики (предоплата, оплата по факту, и др. финансовые условия). - Картельных соглашений между потребителями. - Политических методов (лоббирование законодательных актов, например, экспортных пошлин, внутрирегиональные административные барьеры и т.д.). Основными конкурентами ЗАО «Профит» на рынке лома черных металлов с точки зрения обеспечения потребности ОАО «ММК» являются организации холдингового типа, объединяющие сеть хорошо оборудованных предприятий по сбору и переработке лома в регионах. К ним относятся собственные ломоперерабатывающие активы металлургических предприятий: Группа НЛМК (ЗАО «Ревдинский ММЗ» и ОАО «НЛМК») -ООО «Вторчермет НЛМК», Группа «Эстар» - ЗАО «Ломпром», ОАО «Северсталь» - ООО «Северсталь-Втормет», Группа «МеталлИнвест» - ООО «УралМетКом», ОАО «ЧТПЗ» - ЗАО «ЧТПЗ-Мета», Группа ЕВРАЗ - ООО «СибМетХолдинг» и другие. В 2008 году через ломоперерабатывающие активы российских комбинатов прошло более 70% всего потока металлолома в стране, поставлено на внутренний рынок.
