Содержание к диссертации
ВВЕДЕНИЕ 4
1. МЕТОДОЛОГИЯ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО
МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ИЗМЕНЕНИЯ УРОЖАЙНОСТИ
СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР 13
1.1. Экономико-математическое моделирование динамики
урожайности сельскохозяйственных КУЛЬТУР 13
Теоретические основы учета неопределенности при планировании урожайности сельскохозяйственных культур 13
Особенности экономических временных рядов урожайности сельскохозяйственных культур 16
Оценка прогнозируемости временных рядов урожайности на основе R/Sанализа 19
Факторы изменчивости урожайности зерновых
сельскохозяйственных культур 22
1.1.5 Выявление гщклической структуры временного ряда с помощью
автокорреляционной функции 25
Методики прогнозирования урожайности сельскохозяйственных культур с использованием математических моделей 27
Методические подходы к оцениванию рисков неурожайности сельскохозяйственных культур на основе моделирования временных рядов 39
Выводы по разделу 45
2. РАЗРАБОТКА МЕТОДИКИ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В УСЛОВИЯХ ЗАСУШЛИВОГО КЛИМАТА. 46
2.1. Особенности производства зерновых культур в засушливых
условиях как объекта моделирования 46
4.1.1 Агрометеорологические условия и факторы зернового
производства в условиях Волгоградской области 46
2.1.2 Экономика зернового производства на примере ООО «Гелио-Пакс-
Агро 5» Новониколаевского района Волгоградской области 49
2.2. Оценка прогнозируемости ВР урожайности сельскохозяйственных
культур на примере Волгоградской области 55
2.2.1. Особенности распределения многолетних уровней урожайностей
в условиях Волгоградской области 55
'Автокорреляционный анализ ВР урожайности основных зерновых культур в Волгоградской области 62
Фрактальный анализ ВР урожайности сельскохозяйственных культур с помощью разработанных программных средств 63
2.3. Построение моделей динамики урожайности зерновых культур в
засушливых условиях 73
2.3.1. Адаптивное прогнозирование динамики урожайности зерновых
культур: 73
Моделирование динамики урожайности на основе учета цикличности ВР 77
Моделирование урожая зерновых на основе метода наименьших модулей 80
3. ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР
С ИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННЫХ МОДЕЛЕЙ 85
3.1. Инструментальная поддержка кратко- и среднесрочного
прогнозирования 85
3.2.1. Модели краткосрочного прогнозирования урожайности зерновых
культур 85
3.2.3 Реализация комбинированных тренд-циклических моделей для
среднесрочного прогнозирования урожайности 94
Критерии оценки качества моделей динамики урожайности.... 101
Повышение эффективности зернового производства на основе
пронозирования УРОЖАЙНОСТИ 104
3.3.1. Эконометрическое оценивание риска неурожая
зерновых культур 104
4
3.3.3 Оптимизация структуры посевных площадей на основе
пронозирования урожайности 109
ЗАКЛЮЧЕНИЕ 114
БИБЛИОГРАФИЧЕСКИЕ
ИСТОЧНИКИ 116
ПРИЛОЖЕНИЯ 135
Введение к работе
Планирование и прогнозирование сельскохозяйственного производства невозможны без достоверного прогнозирования динамики урожайности сельскохозяйственных культур как основного технико-экономического показателя его эффективности.
Величина урожайности определяется комплексом социально-экономических факторов различной природы и подвержена существенной изменчивости, особенно в условиях засушливого климата. Многообразие различных подходов, методов, методик прогнозирования и инструментальных средств для их поддержки только подчеркивает остроту проблемы получения достоверных прогнозов, отсутствие универсального инструментария и необходимость совершенствования и адаптации известных методов для использования в конкретных региональных условиях.
Общее число различных по своей природе факторов, влияющих на эффективность сельскохозяйственного производства, является весьма значительным и не всегда поддается количественному учету и формализации, что усложняет выбор методов моделирования. Построение экономических моделей и адекватное оценивание их параметров служит основой для экономического анализа и прогнозирования, создавая возможность для принятия обоснованных экономических решений.
Значительная изменчивость и межгодовые колебания уровней урожайностей основных сельскохозяйственных культур обуславливают необходимость учета и оценки экономических рисков, возникающую при прогнозировании.
Разработка методов прогнозирования урожайности сельскохозяйственных культур, учитывающих её выраженный циклический характер, и адекватных региональным условиям, использующих наглядные и реализуемые на ПК экономико-математические модели, позволит повысить качество плани-
рования и управления аграрным производством и землепользованием на различных уровнях, его эффективность в целом и является важной социально-экономической задачей.
Степень разработанности проблемы
Проблемы совершенствования методологии экономико-
математического моделирования и прогнозирования урожайности сельскохозяйственных культур разрабатывались в трудах экономистов-аграриев С.А. Андрющенко, A.M. Гатаулина, А.В. Голубева, Е.П. Денисова, А.Д. Иоанно, Л.С. Воробьевой, Г.А. Бабкова, С.Н. Дементьева, О.В. Иншакова, М.Ю. Ксе-нофонтова, В.В. Милосердова, А.Н. Михайлова, B.C. Немчинова, СБ. Огнивцева, СО. Сиптица, А.В. Петрикова, В.Г. Раскина, И.Б. Загайтова, И.Г. Ушачева, Е.И. Царегородского, Л.П. Яновского, Дж. Франса, Д. Торнли и др.
Эконометрические и экономико-статистические методы прогнозирования агропромышленного производства, в том числе урожайности, рассматривались A.M. Дубровым, Е.И. Елисеевой, А.П. Зинченко, В.В. Ивантером, М.С Крассом, СА. Айвазяном, В.И. Мудровым, B.C. Мхитаряном, А.Н. Ильченко, В.А. Кардашем, И.А. Наталухой, А.И. Орловым, В.И. Калиничен-ко, Г.Н. Хубаевым, Э.Н. Крылатых, М.М. Юзбашевым, А.Н. Тырсиным, А.А. Черняевым, Е.М. Четыркиным, Э. Берндтом, К. Дугерти и другими исследователями.
Синергетические подходы к прогнозированию урожайности, в том числе методами нелинейной экономической динамики, разрабатывались И.Г. Винтизенко, В.А. Долятовским, В.И. Лебедевым, P.M. Нижегородцевым, В.А. Перепелицей, Е.В. Поповой, А.И. Пригожиным, Т. Андерсеном, Г. Дженкинсом, В.Б. Зангом, Э. Петерсом, Д. Фишером и другими отечественными и зарубежными учеными. Вопросы использования современных инструментальных средств и компьютерной поддержки прогнозирования рассматриваются А.Н. Васильевым, В.П. Дьяконовым, Р. Ивановским, Ю.Л. Кетковым, С Поршневым, Ю. Тарасевичем, Д. Химмельблау, Д. Кнутом и другими авторами.
В то же время, вопросы построения экономико-математических моделей прогнозирования динамики урожайности основных сельскохозяйственных культур, учитывающих региональные особенности агарного производства и возникающие при этом экономические риски, а также адаптация методов реализации и анализа разработанных моделей на ЭВМ требуют дополнительного решения.
Соответствие темы диссертации требованиям паспорта специальностей ВАК
Исследование выполнено в рамках п. 1.8 Паспорта специальностей ВАК «Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития» специальности 08.00.13 -Математические и инструментальные методы экономики.
Предмет и объект исследования
Предметом исследования являются процессы изменения урожайности зерновых культур в различных экономических условиях.
Объектом исследования являются сельскохозяйственные предприятия и экономические регионы, производящие зерно в условиях засушливого климата.
Цели и задачи исследования
Целью исследований является разработка и компьютерная реализация экономико-математических моделей для прогнозирования урожайности зерновых культур, учитывающих её априорную цикличность и особенности производства в засушливых климатических условиях.
Для реализации поставленной цели были сформулированы и решены следующие задачи:
- обосновать на-основе системного подхода особенности циклического процесса изменчивости урожайности зерновых культур в условиях засушливого климата и рациональные подходы к её экономико-математическому моделированию с учетом структуры временных рядов (ВР);
- провести анализ применимости метода наименьших квадратов (МНК)
для экономико-математического моделирования урожайности различных
зерновых культур в условиях засушливого климата;
- разработать методику экономико-математических моделирования
урожайности зерновых культур на основе оценивания параметров ВР уро
жайности зерновых культур с помощью метода наименьших модулей
(МНМ);
построить систему нелинейных моделей, учитывающих цикличность ВР урожайности, и разработать компьютерную систему поддержки решений при построении кратко- и среднесрочных прогнозов;
обосновать методику оценки рисков при прогнозировании величины урожайности различных зерновых культур в условиях засушливого климата.
Теоретико-методологическая основа исследования Теоретической и методологической основой явились диалектический метод, труды классиков экономической теории о закономерностях экономического развития, работы современных экономистов-аграриев. Использованы системно-статистический подход, включающий аналитический, корреляционно-регрессионный и экономико-математические методы, спектральный анализ, экспертное оценивание, элементы компьютерной математики.
Информационной и эмпирической базой исследования являются данные Федеральной службы государственной статистики (Росстат) и её территориального органа по Волгоградской области (Волгоградстат), инструктивные материалы российских ведомств, информационные ресурсы INTERNET, первичная информация о деятельности зернопроизводстводящих сельскохозяйственных предприятий Волгоградской области, а также оригинальные материалы автора.
Рабочая гипотеза диссертационного исследования Для повышения достоверности прогнозирования урожайности зерновых культур в условиях засушливого климата, известные экономико-математические модели требуют адаптации для учета таких особенностей ВР
9 урожайности, как выраженная цикличность и особенности закона распределения, что может быть достигнуто на основе подходов, альтернативных МНК.
Основные положения, выносимые на защиту
Особенности динамических процессов вариации урожайностей зерновых культур в условиях засушливого климата, обусловленные совместным действием множества экзогенных факторов различной природы. Обосновано, что для адекватного прогнозирования динамики урожайности на основе экономико-математического моделирования необходимо выявление эндогенной структуры ВР, описывающую циклическое изменение урожайности.
Результаты предпрогнозного эконометрического анализа статистических распределений урожайностей различных зерновых культур в условиях засушливого климата. Выявлены группы видов культур, распределение урожайностей которых не соответствует нормальному закону и характеризуется наличием значимых «хвостов», что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях.
Методика построения нелинейных трендовых моделей урожайности с использованием выявленных спектральных характеристик и оценивания периодов циклических компонент на основе автокорреляционных функций с применением метода наименьших модулей (МНМ), позволяющего снизить средние линейные отклонения по сравнению с МНК.
Система разработанных нелинейных тренд-циклических моделей ВР урожайности, включающих циклические компоненты с различающимися периодами, и разработанная на основе компьютерной математики в среде MathCad система поддержки принятия решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
5. Методика оценивания вероятностей и уровня глубины рисков недополучения прогнозной урожайности в засушливых условиях, разработанная на основе полученных моделей динамики урожайности зерновых культур.
Научная новизна исследования состоит в выявлении на основе проведенного статистического анализа эконометрических особенностей ВР урожайности различных зерновых культур в условиях засушливого климата и разработке системы тренд-циклических моделей для её прогнозирования.
Конкретное приращение научного знания включает следующие положения:
Обосновано, что для адекватного моделирования и прогнозирования динамических процессов вариации урожайностей зерновых культур в условиях засушливого климата необходимо выявление эндогенной структуры временных рядов (ВР), описывающих циклическое изменение урожайности под действием множества социально-экономических, природно-климатических и технико-технологических факторов, что обеспечивает повышение достоверности её прогнозирования для обоснования рационального землепользования.
На основе предпрогнозного эконометрического анализа выявлены группы по видам зерновых культур, распределений урожайностей которых в условиях засушливого климата не соответствует нормальному закону, что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях и требует разработки методов и моделей, не основанных на МНК-оценках.
Разработана методика построения нелинейных тренд-циклических моделей урожайности с использованием выявленных пиков автокорреляционных функций и оценивания параметров трендовой и циклических компонент на основе метода наименьших модулей (МНМ), что позволило снизить индивидуальные и средние линейные отклонения для экономико-математических моделей урожайности зерновых культур.
Предложена система нелинейных тренд-циклических моделей ВР урожайности, включающих циклические компоненты с несколькими периодами, параметры которых определяют на основе автокорреляционных функций, и разработана компьютерная система поддержки решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
Обоснована методика и разработан алгоритм эконометрического оценивания рисков при прогнозировании урожайности на основе предложенных тренд-циклических моделей, что позволяет повысить обоснованность планирования объемов производства зерновой отрасли сельскохозяйственного производства.
Теоретическая и практическая значимость результатов исследования состоит в совершенствовании методики экономико-математического моделирования урожайности и выработке рекомендаций для совершенствования инструментария модельной поддержки решений, принимаемых органами управления сельскохозяйственным производством различного уровня на основе прогнозных моделей.
Апробация и внедрение результатов исследования Основные положения диссертационного исследования обсуждались на VI-IX региональных конференциях молодых исследователей Волгоградской области (Волгоград, 2001-2004), Международной научно-практической конференции «Актуальные проблемы развития АПК» (Волгоград, 2005), V Открытой научной конференции молодых ученых «Молодежь и экономика: новые взгляды и решения» (Волгоград, 2005), Всероссийском симпозиуме «Математические модели и информационные технологии в экономике» (Кисловодск, 2007), Региональной научно-практической конференции «Применение инновационных технологий в подготовке специалистов высшей квалификации для агропромышленного комплекса Волгоградской области» (Волгоград, 2008), на XII Международной научно-практической конференции НАЭКОР (Москва, 2008), на ежегодных научных конференциях профес-
12 сорско-преподавательского состава Волгоградской ГСХА (Волгоград, 2001-2009).
Разработки автора использованы при разработке элементов компьютерной системы анализа производственно-хозяйственной деятельности Комитета по сельскому хозяйству Администрации Волгоградской области, а также в учебном процессе экономического факультета Волгоградской сельскохозяйственной академии по дисциплинам «Эконометрика», «Информационные системы и технологии в экономике», «Экономико-математические модели», «Математическое моделирование производственных процессов и систем». Для защиты реализации разработанных способов прогнозирования поданы две заявки в Роспатент, находящиеся на этапе экспертизы.
Публикации
Основные результаты диссертационного исследования отражены в 7 опубликованных работах общим объемом 2,9 п.л., в т.ч. автора - 2,1 п.л.
Структура диссертационной работы. Диссертация включает введение, три раздела, заключение, библиографический список использованных источников, приложения. Диссертация выполнена на 140 страницах текста, содержит 22 рисунка, 19 таблиц. Список использованных источников содержит 199 наименования отечественных и зарубежных авторов.
