Библиографическое описание:

Кирхмеер Л. В., Бекеев Р. С. Моделирование и прогнозирование динамики производства нефтепродуктов в России // Молодой ученый. — 2015. — №21. — С. 391-395.

 

В статье рассматривается состояние нефтеперерабатывающей промышленности России, и изучаются итоги ее функционирования за 2014 г. Происходит построение статистически значимой динамической модели производства нефтепродуктов и прогнозирование будущих периодов, при этом с помощью соответствующих критериев выявляется наличие тенденции в исследуемом временном периоде.

Ключевые слова: нефтеперерабатывающая промышленность, нефтепродукты, бензин, временной ряд, прогнозирование, тенденция, модель.

 

Тема статьи представляется крайне актуальной, поскольку производство нефтепродуктов является одной из важнейших составляющих производства кокса, нефтепродуктов и ядерных материалов России, а доходы, получаемые от данной экономической деятельности, играют немалую роль при формировании государственного бюджета и торгового баланса страны.

Российская промышленность по производству кокса, нефтепродуктов и ядерных материалов является одной из крупнейших в мире. По общему объему переработки нефти Россия входит в пятерку мировых лидеров, уступая лишь США и Китаю.

В удельном весе нефтепродуктов, произведенных в России в 2014 году, автомобильный бензин составляет 13,3 %, дизельное топливо — 26,1 % и 26,6 % приходится на мазут (рисунок 1). Для сравнения: в США выход бензина составляет более 46 %, дизельного топлива — 27 %, мазута — всего 4 %.

Можно заметить, что в России, больший удельный вес приходится на мазут. Данная ситуация объясняется низкой глубиной переработки нефти. При этом данный показатель в период с 1990–2014 г.г. фактически не увеличился и в настоящий момент составляет 72,4 %, что значительно ниже уровня развитых стран, где этот показатель достигает 95 %. Все это вытекает из специфики развития отрасли в годы СССР, когда считалось важным увеличение объемов добычи нефти, большая часть которой экспортировалась за границу. На нефтеперерабатывающих заводах в основном функционировали установки по первичной переработки с каталитическим риформингом бензина и неглубокой гидроочисткой дизельного топлива, а вторичнымуглеводородам уделялось гораздо меньше внимания.

Рис. 1. Удельный вес нефтепродуктов в России и США за 2014 год, %

 

Следует отметить, что анализ динамики российского нефтяного экспорта за длительный период свидетельствует о существенном усилении экспортной ориентации нефтяного сектора: удельный вес экспорта нефти и нефтепродуктов повысился с 47,7 % в 1990 г. до 73,2 % в 2014 г. Таким образом, именно экспортная пошлина фактически является основным налогом на нефтяной сектор. В 2014 году, при стандартных ставках налогов, размер экспортной пошлины составлял почти 50 % и более чем вдвое превышал размер налога на добычу полезных ископаемых. Однако с 2015 года начата структурная перестройка системы налогообложения нефтяного сектора, а именно произошло значительное снижение таможенных пошлин на нефть и нефтепродукты, и компенсирующее повышение размера налога на добычу полезных ископаемых.

В 2014 году, нефтегазовые доходы составили 51,3 % от общей суммы дохода федерального бюджета, равного 14 496,14 млрд. рублей. При этом, удельный вес таможенных пошлин на нефтепродукты в нефтегазовых доходах приходится 20,03 %, что составляет 1 489,4 млрд. рублей. Также, следует отметить, что в 2014 году по сравнению с 2013 годом наблюдается рост доходов федерального бюджета на 0,6 п.п. к ВВП, который в основном получен за счет роста доли нефтегазовых доходов. На данное увеличение оказали влияние такие факторы, как рост курса доллара США по отношению к рублю, с 31,8 рублей/долл. до 38,0 рублей/долл., а также увеличение объемов экспорта нефтепродуктов на 9,2 %, вследствие чего,изучение динамики производства нефтепродуктов и ее прогноз является крайне необходимым в настоящее время.

В рамках настоящей статьи проиллюстрируем этапы анализа динамики производства нефтепродуктов на примере автомобильного бензина (рисунок 2).

Цель анализа динамики производства автомобильного бензина сводится к прогнозированию будущих или прошлых значений по уже имеющимся данным, вследствие чего необходимо выявить и описать тренд-составляющую.

Рис. 2. Динамика производства автомобильного бензина в России за 2014 год, млн.т.

 

В качестве метода выявления наличия тенденции во временном ряду производства бензина был использован метод сравнения средних уровней.В результате получаем фактическое значение t-статистики Стьюдента равной 4,13 при расчетном уровне значимости равным 0,04, все это указывает на наличие тренд

Для построения и прогнозирования динамики производства нефтепродукта в России за период 1990–2014 гг. был выбран метод экспоненциального сглаживания с учетом тренда.

В данном методе учитывается локальный линейный тренд, имеющийся во временных рядах. В этом случае предполагается, что прогноз может быть получен в виде выражения:

ŷt = Lt + pTt,

где Ltи Tt — текущие оценки коэффициентов адаптивных полиномов первой степени.

Согласно модели Холта, коэффициенты полинома первой степени определяются выражениями вида:

Lt = αyt + (1- α)(Lt-1 Tt-1); Tt = γ (Lt Lt-1) + (1 + γ)Tt-1,

где α, γ — параметры экспоненциального сглаживания.

В процессе прогнозирования возникает проблема определения начального значения тренда а1. Согласно работам Лукашина Ю. П. автора Адаптивных методов краткосрочного прогнозирования временных рядов, для точной оценки начального значения необходимо построить линейный тренд используя первые 8–10 уровней временного ряда.

Реализация данного способа была проведена в пакете STATICTICA, после чего были получены следующие результаты, представленные в таблице 1.

Таблица 1

Результаты оценивания линейного тренда ряда динамики производства автомобильного бензина

Показатели

Параметры уравнения

Стандартная ошибка параметров уравнения

t(6)

p-уровень

Свободный член

41,43

1,94

21,35

0,000

t

-2,15

0,38

-5,60

0,001

 

Определив из показателей таблицы 1 значение параметра а1 = -2,15, используем его в качестве одного из начальных уровней при построении прогнозов.

Второй проблемой при построении модели Холта является выбор оптимальных констант, при этом задача усложняется в виду увеличение числа констант до двух.

Решается вышеуказанная проблема посредством использования процедуры «Поиска на сетке решений»,представленной в пакете STATICTICA. Данная процедура была выполнена в двух вариантах, при а1 = 0 и при а1 = -2,15 и полученные результаты представлены в таблице 2.

Таблица 2

Варианты поиска оптимальных констант для модели Холта ряда динамики производства автомобильного бензина

Показатели

Вариант № 1 при а1= 0

Вариант № 2 приа1 =-2,15

№ модели

81

79

78

81

Alpha

0,9

0,9

0,9

0,9

Gamma

0,9

0,7

0,6

0,7

Средняя ошибка

-0,01

0

0,17

0,09

Абсолютная средняя ошибка

1,15

1,11

1,05

1,26

Сумма квадратов отклонения

58,28

59,79

53

54,44

Средние квадраты

2,33

2,39

2,12

2,17

Процент средней ошибки

0,18

0,25

0,72

0,45

Процент абсолютная средняя ошибка

3,73

3,58

3,4

3,66

Примечание: Жирным шрифтом выделены минимальные значения приведенных показателей

 

Как видим, из приведенных в таблице 2 результатов, приемлемыми являются модели 81, 79 для первого варианта и модели с номером 78 и 81 для второго варианта.

Для определения наилучшей модели был построен прогноз по всем выбранным четырем моделям, приведенный в таблице 3.

Таблица 3

Прогнозные значения по экспоненциальным моделям динами производства бензина

Варианты моделей

2013

2014

2015

2016

% относительной ошибки

Фактические значения

38,8

38,4

-

-

-

Alpha=0,9 Gamma=0,9 (а1 = 0 и y1=40,9)

39,4

39,6

38,3

38,0

0,18

Alpha=0,9 Gamma=0,7 (а1 = 0 и y1=40,9)

39,2

39,7

38,5

38,6

0,25

Alpha=0,9 Gamma=0,6 (а1 = -2,15 и y1=40,9)

39,1

39,7

38,7

38,8

0,72

Alpha=0,9 Gamma=0,9 (а1 = -2,15 и y1=40,9)

39,47

39,69

38,3

38,0

0,45

 

Как видим из приведенных в таблице 3 данных, наиболее приближенным к фактическим данным является прогноз по модели с параметрами Alpha=0,9 и Gamma=0,6 (а1 = -2,15 и y1 = 40,9), при этом и среднеквадратическое отклонение получено минимальным. Но при этом, процент средней относительной ошибки был получен высокий. Если выбирать прогнозную модель на основе данного показателя, то наилучшей стоит признать модели — Alpha = 0,9 и Gamma = 0,9 (а1 = 0 и y1 = 40,9) с наименьшим процентом относительной ошибки.

Результат прогноза динамики производства автомобильного бензина в России на 2016 год представлен на рисунке 3.

Рис. 3. Прогноз динамики производства автомобильного бензина на 2016 год, млн.т.

 

Таким же способом были спрогнозированы значения динамики производства дизельного топлива и мазута, которые представлены в таблице 4.

Таблица 4

Прогнозные значения по экспоненциальным моделям динами производства дизельного топлива и мазута

Параметры

Автомобильный бензин

Дизельное топливо

Мазут

α

0,9

0,9

0,9

γ

0,9

0,9

0,9

2015

38,3

81,3

79,9

2016

38,0

86,1

81,4

 

Таким образом, на основе спрогнозированных моделей, можно сделать вывод, что динамика производства автомобильного бензина будет постепенно падать, однако в тоже время, объемы переработки сырой нефти в дизельное топливо и мазут будут иметь стабильный рост. Отсюда следует, что в настоящее время промышленность производства кокса и нефтепродуктов в России характеризуется достаточно низкой глубиной переработки нефтяного сырья. При этом, в силу сокращения экспортных пошлин, можно сделать вывод о сокращении субсидирования нефтеперерабатывающей отрасли, что создаст реальные стимулы к ее модернизации и повышению глубины переработки нефти, вследствие чего, ситуация в стране может кардинально измениться.

 

Литература:

 

  1.                Адушев М. Н. Современные проблемы нефтеперерабатывающей промышленности России / М. Н. Адушев // Вестник пермского университета, 2015 № 1 (24). — С. 55–67.
  2.                Овсянников В. А. Сравнительный анализ динамики темпов роста (снижения) добычи полезных ископаемых России и США в 1970–2013 гг. / Цыпин А. П., Овсянников В. А. // ФӘн-наука. 2014. № 8 (35). С. 7–10.
  3.                Прокофьев В. А. Предпосылки и условия развития детерминированного факторного анализа (проблемы науки «экономический анализ») / В. А. Прокофьев, В. В. Носов, Т. В. Саломатина // ЭТАП: Экономическая теория, Анализ, Практика. — 2014. — № 4. — С. 134–145.
  4.                Цыпин А. П. Оценка доли иностранного капитала в промышленности России / А. П. Цыпин, В. А. Овсянников // Молодой ученый. 2014. № 12 (71). С. 195–198.
  5.                Цыпин А. П. Периодизация временного ряда добычи нефти в России / А. П. Цыпин // Инфраструктурные отрасли экономики: проблемы и перспективы развития. 2014. № 5. С. 151–156.

Обсуждение

Социальные комментарии Cackle