Моделирование и анализ регионального рынка нефтепродуктов тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Моделирование и анализ регионального рынка нефтепродуктов"

Проскурин Александр Олегович

МОДЕЛИРОВАНИЕ И АНАЛИЗ РЕГИОНАЛЬНОГО РЫНКА НЕФТЕПРОДУКТОВ (НА ПРИМЕРЕ ИВАНОВСКОЙ ОБЛАСТИ)

Специальность 08 00 13 - Математические и инструментальные методы

экономики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

111111111111111111111

ООЗШ46Э6

Иваново 2008

Работа выполнена в ГОУ ВПО «Ивановский государственный химико-технологический университет»

Научный руководитель: доктор технических наук, профессор

Зайцев Виктор Александрович

Официальные оппоненты:

доктор экономических наук Ермолаев Михаил Борисович

кандидат экономических наук Тальянов Сергей Юрьевич

Ведущая организация. ГОУ ВПО «Ивановский государственный

энергетический университет»

Защита состоится 15 марта 2008 г в 11 часов на заседании диссертационного совета Д 212 063 04 в ГОУ ВПО «Ивановский государственный химико-технологический университет»

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Ивановский государственный химико-технологический университет»

Автореферат разослан «14» февраля 2008 г

Ученый секретарь диссертационного совета

СЕ Дубова

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы исследования

Рыночная экономика представляет собой неразделимую совокупность огромного числа частных рынков, большинство из которых может быть идентифицировано по двум признакам 1) по товарам, которые там движутся, и 2) по территории, где преимущественно осуществляется его функционирование

В ряду таких рынков рынок нефтепродуктов, точнее, его сегмент, относящийся к купле-продаже автомобильных бензинов, представляется весьма значимым, своеобразным и перспективным «Бензиновая составляющая» является неотъемлемым элементом затрат практически любой отрасли экономики Поэтому состояние данного рынка, - прежде всего, ценовой аспект, - существенным образом влияет на общую конъюнктуру потребительского рынка страны и региона

Продолжающийся рост мировой экономики, в том числе и российской, стимулирует наращивание использования нефти во всех секторах экономики, включая производство нефтепродуктов и горючесмазочных материалов для нужд транспорта, отраслей промышленности и электроэнергетики

Вместе с тем, развитие российского нефтяного комплекса сталкивается с целым рядом проблем национального и регионального масштаба, пути решения которых представляются далеко неоднозначными Действительно глубокое исследование рынка нефтепродуктов должно базироваться не только на описаниях и обобщениях post factum, а на современных научных методах, позволяющих с достаточной степенью точности прогнозировать развитие ценовых, интеграционных, глобальных тенденций и предвидеть последствия вмешательства государства в те или иные сферы рынка

Поэтому тема диссертации, определяющая главным методологическим инструментом исследования регионального рынка нефтепродуктов экономико-математическое моделирование, является важной и актуальной

Степень разработанности проблемы

Теоретическим аспектам и отдельным вопросам развития нефтяного комплекса посвящены труды многих зарубежных и отечественных ученых К Хуберта, С А -М Бактиари, А Витце, Д.Агуреева, О Дельмана, В Кузьмина, А Мухина и др

Математическое моделирование товарных рынков развивалось в в работах Р Алена, П Самуэльсона, И Розенмюллера, М Интрилигатора,

КЭнгеля, Дж Эванса, Л Канторовича и многих других В плане статистического анализа, прогнозирования и кластеризации данных отметим работы С А Айвазяна, П Доугерти, В С Мхитаряна, П Андерсона, Дж Кембелла, Ч Мюллера, Дж Кима и других

Целью диссертационного исследования является анализ регионального рынка автобензинов на основе системы экономико-математических моделей теоретического и прикладного характера

Для достижения указанной цели поставлены и решены следующие

задачи

- характеристика современного рынка нефтепродуктов,

- анализ особенностей российского рынка нефтепродуктов и рынка нефтепродуктов Ивановской области,

- выявление роли и места вертикально-интегрированных компаний в функционировании рынка нефтепродуктов,

- построение оптимизационной модели деятельности ВИНК на основе задачи выпуклого программирования,

- построение динамической модели ценообразования на автобензины и прогнозирование цен на среднесрочную перспективу,

- построение и анализ регрессионной модели формирования розничной цены бензина в регионе,

- кластерный анализ территориально-функциональных показателей АЗС в Ивановской области,

- формулировка основных выводов и рекомендаций по государственному управлению региональным рынком светлых нефтепродуктов

Предметом исследования является экономико-математическое моделирование регионального рынка нефтепродуктов

Объектом исследования является рынок автобензинов Ивановской области

Информационной базой исследования послужили официальные статистические данные облкомстата Ивановской области и Российской Федерации, материалы периодической печати, Интернет-ресурсы, материалы мониториша регионального рынка светлых нефтепродуктов, проведеннот о Ивановским отделением Федеральной антимонопольной службы

Теоретической и методологической основой исследования явились труды зарубежных и отечественных экономистов-математиков по моделированию а оварных рынков, работы и пособия по статистическому

анализу временных рядов, кластерному и корреляционно-регрессионному анализу взаимосвязей между факторами

Научная новизна диссертационного исследования состоит в следующем

сформулированы основные принципы математического моделирования регионального рынка нефтепродуктов как специфического товарного рынка,

- выявлены особенности функционирования автобензинового рынка Ивановской области и России в целом,

- разработан и исследован ряд модификаций абстрактной модели регионального рынка нефтепродуктов, содержащей и не содержащей управляющий элемент,

- проведена многокритериальная кластеризация автозаправочных станций Ивановской области,

- построена и исследована система экономегрических моделей динамики цен на автомобильные бензины

Практическая значимость результатов исследования

Предложенный в работе комплекс экономико-матемап ических моделей может быть использован государственными структурами федерального и регионального уровней для анализа состояния и определения перспектив развития рынка нефтепродуктов, а также для разработки стратегии и тактики мероприятий по его регулированию

Отдельные результаты исследований использованы в учебном процессе в Ивановском государственном химико-технологическом университете, а также при разработке учебно-методической литературы по дисциплинам "Методы и модели экономики" и "Эконометрика"

Апробация работы Основные теоретические положения диссертации отражены в трех статьях, обсуждались на научно-практической конференции «Экономика и менеджмент» в Санкт-Петербурге, на научных семинарах кафедры экономики и финансов ИГХТУ

Публикации По теме диссертации опубликовано 4 работы общим объемом 2,6 п л , в том числе авторские 2,6 п л

Структура диссертации. Диссертация состоит из введения, трех глав, содержащих 11 параграфов, заключения, библиографического списка использованной литературы и приложений

2. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, раскрыта степень разработанности проблемы Сформулированы цель, задачи, объект и предмет диссертационного исследования Определены теоретическая и методологическая база, теоретическая и практическая значимость работы, научная новизна и положения, выносимые на защиту

В первой главе «Теоретические аспекты анализа рынка нефтепродуктов» исследуются основные тенденции развития мирового и российского рынка нефтепродуктов, отмечена роль вертикально-интегрированных нефтяных компаний в мировом и российском нефтяном комплексе, приведена краткая характеристика рынка нефтепродуктов Ивановской области

Нефть была, есть и в обозримом будущем останется основным источником первичной энергии, потребление которой неуклонно расширяется в связи с дальнейшим развитием мировой экономики Одновременно растет использование нефти и нефтепродуктов в качестве сырья для химической промышленности, что, как известно, экономически более оправданно и эффективно по сравнению с прямым энергетическим использованием углеводородов

Доля нефти в общем потреблении энергоресурсов непрерывно растет 3 % в 1900, 5 % перед 1-й мировой войной - 17,5 % накануне 2-й мировой войны - 24% в 1950, 41,5% в 1972, 48% в 2004 Мировая добыча нефти в настоящее время (2006) составляет около 3,8 млрд т (30 млрд бареллей) в год Также растет и потребление нефти - за последние 35 лет оно выросло с 20 до 30 млрд баррелей в год и практически сравнялось с объемами ее добычи

Несмотря на то, что в течение последних 30 лет роль мирового рынка нефти в мировой экономике оставалась исключительно высокой, сам рынок вследствие различных геополитических процессов претерпевал практически революционные изменения трансформировалась его структура, степень либерализации, принципы ценообразования

С начала 90-х годов, ситуация на российском рынке нефтепродуктов во многом определяется деятельностью крупных вертикально-интегрированных нефтяных компаний (ВИНК)

При упразднении Госкомнефтепродукта СССР начался процесс активного создания в различных регионах РФ ВИНК В их состав были включены региональные предприятия нефтепродуктообеспечения с сетью автозаправочных станций Привлекательность регионов определялась местоположением нефтеперерабатывающих предприятий и нефтепроводов, а также концентрацией потребителей - промышленных

предприятий, имеющих возможности оплаты «живыми» деньгами В 1996-1999 годах одним из дополнительных инструментов влияния на рынки сбыта стали соглашения ВИНК с региональными администрациями Более чем половина субъектов Российской Федерации заключили подобного рода соглашения, в том числе и Ивановская область В результате сложилась ситуация, когда отдельные нефтяные компании, по сути определяли обстановку на рынке отдельных регионов через привязку остальных хозяйствующих субъектов к своей инфраструктуре хранения и сбыта нефтепродуктов, что не могло не сказаться на состоянии оптового и розничного рынка нефтепродуктов

В целом оптовое звено рынка нефти и нефтепродуктов в период до 1999 года можно охарактеризовать как регионально-монопольное, так как в соответствующих регионах доминировала, как правило, только одна ВИНК Например, в Ивановской области в качестве такой компании выступало ОАО «Славнефть»

Монополизация рынка осуществлялась через оптовое звено, а в ряде случаев — через использование транспортной инфраструктуры Вместе с тем была достаточно высока конкуренция в розничной сети Однако в условиях ценового кризиса 1999 юда независимые продавцы нефтепродуктов были поставлены нефтяными компаниями в условия товарного дефицита требованием о приобретении только крупных партий продукции на условиях полной предоплаты Вследствие чего, независимые продавцы вынуждены были покупать продукцию по завышенным ценам, что отражалось на уровне цен в розничной торговле В свою очередь предприятия нефтепродуктообеспечения ориентировались на устанавливаемые таким образом рыночные цены Во многих случаях в работе независимых продавцов наблюдались перебои, а доля ВИНК в розничной торговле существенно возрастала Соответственно, изменялись и показатели концентрации на оптовом рынке в пользу ВИНК Продажа нефтепродуктов в рамках ВИНК часто организовывалась через цепочки собственных компаний-посредников, что создавало условия игры на повышение оптовых и розничных цен, в том числе путем создания искусственного дефицита, вне зависимости от реального состояния товарного рынка Другой важной причиной перебоев с обеспечением внутреннего рынка нефтепродуктами в рассматриваемый период стал рост мировых цен на нефть, что стимулировало нефтяные компании к увеличению экспортных поставок в ущерб внутреннему рынку

С 2000 года условия работы на оптовом и розничном рынке нефтепродуктов изменились Устойчиво формируется тенденция создания олигопольных рынков, где основную долю на рынке занимают две-три

нефтяные компании, каждая из которых может не подпадать под формальные признаки доминирования Однако очевидно, что такая «дружественная» конкуренция» негативно сказывается на независимых конкурентах и потребителях

Что касается рынка нефтепродуктов Ивановской области, то его можно отнести к высококонцентрированным Главенствующую роль на нем в настоящее время выполняет ОАО «Славнефть-Ярославльнефтепродукт» На конец 2005 года в Иванове и области действовали 128 АЗС, в том числе в областном центре - 35 При этом на долю ОАО «Славнефть-Ярославльнефтепродукт» приходилось 61 АЗС, в том числе - 16 в самом Иванове По объемам же реализации бензина доля монопольной компании в Ивановской области еще выше - в период 20042005 гг примерно 70-75%

Во второй главе «Оптимизационная модель деятельности ВИНК и математический инструментарий исследования» мотивация деятельности нефтяной компании на рынке нефти и нефтепродуктов рассматривается на основе экономико-математического моделирования При этом в модели учитываются и рычаги государственного вмешательства в развитие рынка

Исходя из неоклассического принципа, предположим, что основной целью ВИНК является получение максимальной прибыли в долгосрочной перспективе Учитывая, что доходная часть Л компании складывается из трех источников экспорта сырой нефти, выручки от оптовой реализации нефтепродуктов с нефтебазы, выручки от розничной реализации нефтепродуктов на АЗС, а затраты С связаны с добычей, переработкой и гранспортировкой нефти и нефтепродуктов, можем получить следующее выражение для валовой прибыли

ОТт^Я-С^тах, (1)

п п

К = Ро,1 Уехр + Е +ИГР, ХГ> > (2)

1=1 <=1

С = Срг(г) + С№ой(*) + £сЩк0#>) +£(х,) +£(хг,) + ГС, (3)

,=1 1=1

где г — общий объем добычи нефти за некоторый период времени, ограниченный нефтяными запасами и возможностями добывающего оборудования некоторой величиной

г<А, (4)

и - общее число видов нефтепродуктов, производимых компанией, к — общее число технологических способов производства нефтепродуктов, Уехр " общий объем экспорта нефти

Уехр<г, (5)

у,„ - общий объем нефти, остающийся внутри страны,

Ут^- объем нефти, направляемый компанией на переработку 7-м способом

Ъ$=Ут, (6)

х1/1 - объем нефтепродукта г-го вида, получаемого при переработке нефти

объема у^ ;-м способом и связанный с последним производственной функцией

я^ЛО^). «=1> л 7-1. Л (7)

хи', и хг, - соответственно объемы нефтепродукта г-го вида, реализуемые на оптовом и розничном рынках

хм>,+хг,=х„

где

*,=2>,°\ (8)

Рой, гр, - соответственно цена экспортируемой нефти, оптовая цена нефтепродукта г—го вида, розничная цена нефтепродукта г-го вида, Срг(г), С1г01!(г) - издержки, связанные с добычей и транспортировкой сырой нефти (по трубопроводу),

^и3огк (Ум )" издержки переработки нефти по 7-му технологическому способу,

С/гбОО11 издержки, связанные с транспортировкой

нефтепродуктов г-го вида соответственно до нефтебазы (как правило,

железнодорожным транспортом) и до АЗС (как правило, автомобильным

транспортом),

ГС1 — постоянные издержки

Дополнительные предпосылки связаны, во-первых, с неотрицательностью переменных, присутствующих в модели

2>0, уех^0, ^ >0 (/=1, ,*), хи>,>0, хг>0 (1=1, ,«), (9) и, во-вторых, со свойствами производственных функций и функций издержек, которые, по крайней мере, следует считать непрерывными

Еще одно уточнение касается ценовых параметров модели роЛ, м>р„ гр, , значения которых формируются в разных конкурентных условиях Так цена экспортируемой нефти р01Ь по-видимому, может считаться совершенно конкурентной и практически не зависит от объемов

экспорта нефти данной компанией Оптовые цены нефтепродуктов учр, в большинстве российских регионов формируются в условиях олигополии и, следовательно, зависят от объемов реализации на оптовом рынке нефтепродуктов компаний-конкурентов

где т — число таких компаний-конкурентов Наконец, розничные цены на региональном рынке в зависимости от конкретной ситуации могут формироваться и как совершенные, и как олигопольные, и как монопольные

Для Ивановской области, где как на оптовом, так и на розничном рынках доминирует «Славнефть», имеет место случай монополии Поэтому цены м'р, и гр, являются функциями, зависящими соответственно от объемов продаж хи>, и хг,

*РГ ™Р>( хм,), грг гр,( ) (10)

Наконец, еще одно уточнение модели связано с учетом налоговой нагрузки на деятельность компании, которая в данном случае весьма значительна Было бы вернее в качестве целевой функции компании рассматривать не валовую, а чистую прибыль, остающуюся в распоряжении ВИНК после уплаты налогов, т е

АГР| = Я-С-Т шах , (11)

п п

Т = тх г + г2 Уехр+т3 (]►>/>, хихг^ + т^Р.-С), (12) 1=1 /=1

где Т], т2, т3, т4 - соответственно налог на добычу полезных ископаемых, государственная пошлина, акциз на торговлю нефтепродуктами и налог на прибыль

Примерное величины упомянутых статей доходов и расходов, например, для ОАО «Лукойл» в 2006 году следующие 54% составляют налоговые выплаты, 27% - операционные и капитальные затраты, 11% -затраты на транспортировку и 8% - прибыль акционера При этом доля государства в доходах от реализации нефти и нефтепродуктов достигает 65%

Таким образом, описанная модель деятельности компании, включающая целевую функцию (11), а также набор ограничений и связывающих условий (2)-(10), (12), представляет собой классическую многомерную задачу математического программирования Решением этой задачи является вектор

_ , * * т* | к)* * * * * л

$ — > Уекр 1Ут >

евклидова пространства размерности (2п+к+2) Содержательно решение задачи может быть интерпретировано как цепь ответов на вопросы,

сколько добывать нефти, сколько ее экспортировать за рубеж, каким образом распределить оставшуюся нефть по технологическим способам переработки, и, наконец, в какой пропорции распределить готовые нефтепродукты для оптового и розничного рынка.

Так как ограничения задачи представляют собой замкнутое ограниченное множество, а целевая функция является композицией функций, непрерывных на этом множестве, в силу известной теоремы Вейерштрасса, решение данной задачи существует. Сам процесс решения предлагается вести численными методами.

Третья глава «Статистический анализ ценообразования н реализации нефтепродуктов на региональном рынке» посвящена статистическому исследованию динамики важнейшего показателя - цен на автобензины, а также анализу объемов розничной реализации автобензинов на АЗС по территориальному признаку на основе кластеризации хозяйствующих субъектов.

Статистической базой данного исследования послужила помесячная динамика цен на бензин Р-92 в Ивановской области в период 2000-2005 гг.

Выбор для анализа бензина марки Р-92 обусловлен его наиболее значительной долей в структуре потребления автобензинов в регионе и в России в целом. Предварительный анализ показал, что динамика цен на другие марки бензина практически не отличается от рассматриваемой.

Таким образом, исходные данные были представлены в виде временного ряда из 72 уровней (рис. }).

2,00 ■

8'?888855;5Е588 8 8«885 8 888З ! ? 8 3 8 ! ! !

Рис. 1. Динамика цен на бензин Р-92 в Ивановской области в 2000-2005 гг.2

1 www.slavneft.ru

На основе данного временного ряда была построена тренд-сезонная модель, описывающая динамику цен на бензин Р-92 с целью осуществления прогноза на среднесрочную перспективу.

При этом одновременно рассматривался ряд модификаций таких моделей, различающихся как видом трендовой компоненты, так и характером вхождения в модель сезонной составляющей (аддитивным или мультипликативным).

Как оказалось, наилучшим статистическим качеством обладает мультипликативная тренд-сезонная модель с «усеченным» квадратическим трендом. Однако для прогнозирования было решено использовать модель с линейным трендом, построенным по данным 20032005 гг.

Таблица I .

Результаты параметризации модели динамики цен (2003-2005 гг.)

Вид Оценка параметров Я2 sig Р

Линейная у = а0 + а,/ а0= 8,241 а, =0,215 6,45-10"" 1,79-10'22 0,941 1,79-10"22

Рис. 2. «Сезонния волна» цен на автобензин Р-92 в Ивановской области в период 2003-2005 гг.

Прогноз цен, выполненный на основе построенной модели, хотя и дап несколько завышенные результаты в последние месяцы, однако в целом относительная ошибка оказалась незначительной - около 2,1%. Кроме того, следует заметить, что реальная динамика цен на бензин в этот период диктовалась не только экономическими, но и политическими мотивами, связанными с установлением моратория на цены на

автомобильное топливо между правительством страны и крупнейшими отечественными ВИНК

Анализ временных рядов, хотя и используется часто для прогнозирования развития различных процессов во времени, не предполагает выявление причинно-следственных связей между факторами На следующем этапе исследования с помощью методов корреляционно-регрессионного анализа мы попытались выявить факторы, воздействующие на динамику цен на автобензины, а также определить наиболее адекватную форму такого воздействия

В данной работе рассматривались три формы регрессионных моделей линейная, лог-линейная и логарифмическая В нашем случае в качестве результирующей переменной у выступает цена на бензин Р-92 (РР) в Ивановской области

При выборе объясняющих переменных (факторных признаков) мы руководствовались, во-первых, содержательными соображениями, учитывая объективное воздействие того или иного фактора на цену бензина, во-вторых, наличием соответствую щей информации по данному показателю К сожалению, доступная статистическая база оказалась не столь объемной и не вполне синхронной, как хотелось бы

В результате предварительного анализа были выделены три факторных показателя

ОР - мировая цена на нефть Urals, долл /барр ,

ICP — индекс потребительских цен (данные СПС «Консультант Плюс»), IVR — индекс объема реализации (данные, предоставленные региональным УФАС)

Исследование было оформлено в виде специальной методики построения и анализа эконометрических моделей ценообразования на автобензины, включающей проведение предварительного корреляционного анализа и построения ряда однофакторных и двухфакторных моделей указанных выше типов

В результате были отобраны среди однофакторных моделей логарифмическая модель

In (РР) = -6,192 +1,96\п(1СР) (13)

Оценка a^l.96 показывает, что увеличение индекса потребительских цен на 1% сопровождалось в рассматриваемом периоде увеличением цены на автобензин в Ивановской области в среднем примерно на 2%

Оценка аналогичного логарифмического уравнения, связывающего динамику мировых цен на нефть с динамикой цены на бензин, дает коэффициент эластичности, равный примерно 0,65

Среди двухфакторных моделей наилучшей с точки зрения F-критерия является логарифмическая модель

1п(.РР) = 1,216 + 0,335 In(OP) + 0,121 In (IVR) (14)

Если же брать в расчет статистическую значимость параметров регрессии (sig t) при том же уровне а=0,05, то единственной моделью, удовлетворяющей эгому требованию, является лог-линейная модель с переменными IPC и IVR

ЫРР) = 1,338 + 0,009/РС + 0,15 IVR (15)

Содержательная интерпретация формальных результатов регрессионного анализа

Таким образом, каждый из трех рассматриваемых показателей вносит свою лепту в формирование стоимости автомобильного топлива в порядке убывания степени тесноты взаимосвязи — индекс потребительских цен, мировые цены на нефть, совокупный объем реализации бензина на региональном рынке При этом характер взаимодействия во всех трех случаях не слишком отличается от линейного

Как объясняющая переменная индекс потребительских цен фигурирует во всех статистически качественных уравнениях регрессии Это говорит о том, что динамика цены автомобильного топлива в целом синхронна общему росгу цен на потребительские товары Отличие лишь в юм, что наклон первой кривой круче

Более высокие темпы роста цен на автобензин по сравнению с темпами роста потребительских цен в целом в рассматриваемом периоде, по-видимому, обусловливаются влиянием прочих факторов И в частности, значительным ростом сырьевой составляющей автомобильного бензина - нефти Не стоит, однако, преувеличивать силу такого влияния В 2006 году изменение мировых цен на нефть отнюдь не было монотонным Цены же на автомобильное топливо по-прежнему либо неуклонно росли, либо на время замирали (в зимний период)

Наконец, влияние третьего фактора — объемов реализации - на наш взгляд, связано в основном с сезонным характером интенсивности использования автомобилей Большая интенсивность использования влечет больший спрос на бензин, а больший спрос диктует большую цену предложения

В заключении главы на основе кластерного анализа рассматривается проблема оптимизации территориального размещения автозаправочных станций Ивановской области

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в журналах по списку ВАК

1 Проскурин А О Регрессионный анализ ценообразования на региональном рынке нефтепродуктов // Вестник ИНЖЭКОНА Серия Экономика, вып. 2(15), 2007 - С 362-366

Прочие публикации

2 Проскурин А О Проблемы развития регионального рынка нефтепродуктов // Сборник научных трудов «Экономика и менеджмент», вып 3 , СПбГТЩТУ), СПб , ИК «Синтез», 2007 - С 49-50

3 Проскурин А О Динамика ценообразования на автобензин в Ивановской области статистическое моделирование // Проблемы экономики, финансов и управления производством Сборник научных трудов вузов России Вып 21 -Иваново ИГХТУ,2007,с 142-144

4 Проскурин А О Оптимизационная модель вертикально-интегрированной нефтяной компании // Проблемы экономики, финансов и управления производством Сборник научных трудов вузов России Вып 24 -Иваново ИГХТУ,2008,с 142-144

Подписано в печать 12 02 2008 Формат 60x84 1/16 Бумага писчая Уел печ л 1,00 Уч-изд л 1,03 Тираж 100 экз Заказ 1079

ГОУ ВПО Ивановский государственный химнко-технологический университет

Отпечатано на полиграфическом оборудовании кафедры экономики и финансов ГОУ ВПО «ИГХТУ» 153000, г Иваново, пр Ф Энгельса, 7

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Проскурин, Александр Олегович

Введение

Глава 1. Теоретические аспекты анализа рынка нефтепро- 9 дуктов

1.1. Характеристика современного рынка нефти и нефте- 9 продуктов

1.2. Вертикальная интеграция российского нефтяного комплекса

1.3. Обзор российского рынка автобензинов

1.4. Качественный анализ рынка нефтепродуктов Иванов- 34 ской области

Глава 2. Оптимизационная модель деятельности винк и математический инструментарий исследования

2.1. Теоретическая модель вертикально-интегрированной нефтяной компании

2.2. Статистический инструментарий исследования сто- 44 хастических зависимостей в рыночной среде

2.3. Кластерный анализ в задачах экономического анализа

Глава 3. Статистический анализ ценообразования и реализации нефтепродуктов на региональном рынке

3.1. Анализ динамических рядов цен на нефтепродукты в 56 Ивановской области

3.2. Корреляционно-регрессионный анализ ценообразова- 64 ния на нефтепродукты

3.3. Статистический анализ соотношения оптовых и роз- 71 ничных цен на бензины

3.4. Перспективы развития рынка автомобильного бензи- 77 на России и Ивановской области

Диссертация: введение по экономике, на тему "Моделирование и анализ регионального рынка нефтепродуктов"

Актуальность темы исследования

Рыночная экономика представляет собой неразделимую совокупность огромного числа частных рынков, большинство из которых может быть идентифицировано по двум признакам: 1) по товарам, которые там движутся, и 2) по территории, где преимущественно осуществляется'его функционирование.

В ряду таких рынков рынок нефтепродуктов, точнее, его сегмент, относящийся к купле-продаже автомобильных бензинов, представляется весьма значимым, своеобразным и перспективным. «Бензиновая составляющая» является неотъемлемым элементом затрат практически любой отрасли экономики. Поэтому состояние данного рынка, - прежде всего, ценовой аспект, -существенным образом влияет на общую конъюнктуру потребительского рынка страны и региона.

Продолжающийся рост мировой экономики, в том числе и российской, стимулирует наращивание использования нефти во всех секторах экономики, включая производство нефтепродуктов и горюче-смазочных материалов для нужд транспорта, отраслей промышленности и электроэнергетики.

Вместе с тем, развитие российского нефтяного комплекса сталкивается с целым рядом проблем национального и регионального масштаба, пути решения которых представляются далеко неоднозначными. Действительно глубокое исследование рынка нефтепродуктов должно базироваться не только на описаниях и обобщениях post factum, а на современных научных методах, позволяющих с достаточной степенью точности прогнозировать развитие ценовых, интеграционных, глобальных тенденций и предвидеть последствия вмешательства государства в те или иные сферы рынка.

Поэтому тема диссертации, определяющая главным методологическим инструментом исследования регионального рынка нефтепродуктов-экономико-математическое моделирование, является важной и актуальной.

Разработанность темы исследования

Теоретическим аспектам и отдельным вопросам развития нефтяного комплекса посвящены труды многих зарубежных и отечественных ученых: К.Хуберта, С.А.-М. Бактиари, А.Витце, Д.Агуреева, О.Дельмана,

B.Кузьмина, А.Мухина и др. В отдельную группу следует выделить прикладные исследования В.Ю. Алекперова, Т.В Амиян, Ю.М. Малышева, А.Ф. Брюгемана, А. Хамадуллина, А. Кочеткова, B.C. Шарифова, а также группы "ИнфоТЭК" под руководством Р.А. Танкаева Работы данной- группы носят отраслевой характер, в них обобщен опыт, накопленный в данной области в странах с высокоразвитой рыночной экономикой, рассмотрены базовые подходы, имеющие весомое перспективное значение для формирования российской концепции маркетинга рынка нефтепродуктов [2,26,52,61,103].

Математическое моделирование товарных рынков развивалось в работах Р. Алена, П.Самуэльсона, И Розенмюллера, М Интрилигатора, К.Энгеля, Дж. Эванса, JI. Канторовича и многих других. В плане статистического анализа, прогнозирования и кластеризации данных отметим работы

C.А. Айвазяна, П. Доугерти, B.C. Мхитаряна, П. Андерсона, Дж. Кембелла, Ч. Мюллера, Дж. Кима и других.

В литературе почти не разработаны вопросы, касающиеся регионального рынка автобензинов, кроме нескольких статей в печатных и электронных изданиях. Можно также отметить достаточно регулярно появляющиеся в Интернете платные аналитические обзоры и исследования рынков нефти, нефтепродуктов, автобензинов, выполненные различными маркетинговыми агентствами и консультационными компаниями [ 112,121].

Цели и задачи исследования

Целью диссертационного исследования является анализ регионального рынка автобензинов на основе системы экономико-математических моделей теоретического и прикладного характера.

Для достижения указанной цели поставлены и решены следующие задачи:

- характеристика современного рынка нефтепродуктов;

- анализ особенностей российского рынка нефтепродуктов и рынка нефтепродуктов Ивановской области;

-выявление роли и места вертикально-интегрированных компаний в функционировании рынка нефтепродуктов;

-построение оптимизационной модели деятельности ВИНК на основе задачи выпуклого программирования;

- построение динамической модели ценообразования на автобензины и прогнозирование цен на среднесрочную перспективу;

- построение и анализ регрессионной модели формирования розничной цены бензина в регионе;

- кластерный анализ территориально-функциональных показателей АЗС в Ивановской области;

- формулировка основных выводов и рекомендаций по государственному управлению региональным рынком светлых нефтепродуктов.

Предмет и объект исследования Предметом исследования является экономико-математическое моделирование регионального рынка нефтепродуктов

Объектом исследования является рынок автобензинов Ивановской области.

Теоретическая и методологическая база исследования Теоретическую и методологическую основу исследования составили печатные и электронные работы, касающиеся проблем нефтедобывающей и нефтеперерабатывающей промышленности, деятельности крупнейших вертикально-интегрированных нефтяных компаний, качества и стоимости автомобильного топлива в России и Ивановском регионе; труды зарубежных и отечественных экономистов-математиков по моделированию товарных рынков; работы и пособия по статистическому анализу временных рядов, кластерному и корреляционно-регрессионному анализу взаимосвязей между факторами.

Информационная база исследования

Информационными источниками диссертационной работы послужили официальные статистические данные облкомстата Ивановской области и Российской Федерации, материалы периодической печати, Интернет-ресурсы, материалы мониторинга регионального рынка светлых нефтепродуктов, проведенного Ивановским отделением Федеральной антимонопольной службы.

Научная новизна диссертационного исследования Диссертационная работа содержит следующие положения, обладающие признаками научной новизны:

- сформулированы основные принципы математического моделирования регионального рынка нефтепродуктов как специфического товарного рынка;

- выявлены особенности функционирования автобензинового рынка Ивановской области и России в целом;

- разработан и исследован ряд модификаций абстрактной модели регионального рынка нефтепродуктов, содержащей и не содержащей управляющий элемент;

- проведена многокритериальная кластеризация автозаправочных станций Ивановской области;

- построена и исследована система эконометрических моделей динамики цен на автомобильные бензины.

Практическая значимость результатов исследования Предложенный в работе комплекс экономико-математических моделей может быть использован государственными структурами федерального и регионального уровней для анализа состояния и определения перспектив развития рынка нефтепродуктов, а также для разработки стратегии и тактики мероприятий по его регулированию.

Отдельные результаты исследований использованы в учебном процессе в Ивановском государственном химико-технологическом университете, а также при разработке учебно-методической литературы по дисциплинам "Методы и модели экономики" и "Эконометрика".

Апробация работы. Основные теоретические положения диссертации отражены в трех статьях; обсуждались на научно-практической конференции «Экономика и менеджмент» в Санкт-Петербурге, на научных семинарах кафедры экономики и финансов ИГХТУ.

Публикации

По теме диссертации опубликовано 4 работы общим объемом 2,6 п.л., в том числе авторские 2,6 п.л.

Структура диссертации Диссертация состоит из введения, трех глав, содержащих 11 параграфов, заключения, библиографического списка использованной литературы и приложений.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Проскурин, Александр Олегович

Все выводы в регрессионном анализе (в эконометрическом исследовании) строятся на основании имеющихся исходных статистических данных типа: где хР иyi — значения соответственно j—й объясняющей переменной (/= 1,., т) и результирующего показателя, зарегистрированные на z-м наблюдении.

Экономические данные вообще и данные настоящего исследования подразделяются на два вида: перекрестные данные (cross - section data) и временные ряды (time series). Перекрестные данные - это данные, по какому — либо экономическому показателю, полученные для разных однотипных объектов (районов, регионов); /- обозначение для соответствующего объекта. При этом либо все данные относятся к одному и тому же моменту времени, либо их временная принадлежность несущественна. Временные ряды - данные, характеризующие один и тот же объект (регион), но в различные момент времени («такты»). Здесь i — номер периода времени, к которому привязаны соответствующие данные.

Решение задачи построения качественной модели регрессии (вообще эконометрической модели), соответствующей эмпирическим данным и целям исследования, является достаточно сложным и многоступенчатым процессом. Достаточно условно его можно разбить на три этапа:

1) выбор независимых переменных, существенно влияющих на зависимую величину, а также выбор формы уравнения регрессии (этап спецификации);

2) определение параметров выбранной модели (этап параметризации);

3) анализ качества модели и проверка ее адекватности эмпирическим данным, совершенствование модели (этап верификации).

Спецификация модели — первый и важнейший шаг эконометрического исследования. От того, насколько удачно решена проблема спецификации решающим образом зависит успех всего исследования. Проблема спецификации включает в себя: а) определение конечной целей моделирования (прогноз, имитация различных сценариев социально-экономического развития анализируемой системы, управление); б) определение списка экзогенных и эндогенных переменных; в) определение типа модели и вида связи между переменными; г) формулировка исходных предпосылок и априорных ограничений относительно случайной составляющей 8, а также взаимосвязи объясняющих переменных.

В частности для классической регрессионной модели требуется выполнение семи условий [7, 18].

1) Математическое ожидание случайного отклонения 8; равно нулю для всех наблюдений:

M(Sf)=0, .,п.

2) Гомоскедастичность (постоянство дисперсии отклонений):

D (£/)=D (Sj)-с? для любых наблюдений i и j.

3) Отсутствие автокорреляции, т.е. случайные отклонения е{ и £}• являются независимыми друг от друга для всех

Г 0, если j; =cov(/?„*,) = 1 2 . .

J (cr , если i — j.

4) Случайное отклонение должно быть независимо от объясняющих переменных: сг = 0.

5) Модель является линейной относительно параметров.

6) Отсутствует мультиколлинеарность, т.е. между объясняющими переменными отсутствует строгая (сильная) линейная зависимость.

7) Ошибки £;•, /=1,.,п, имеют нормальное распределение (£-~Лг(0,сг)).

Спецификация опирается на имеющиеся экономические теории, специальные знания или на интуитивные представления исследователя об анализируемой экономической системе.

На втором этапе построения регрессионной модели происходит оценивание ее параметров с целью достижения оптимального соответствия модели эмпирическим данным. Одним из самых распространенных приемов проведения этапа параметризации является метод наименьших квадратов (МНК).

Его суть состоит в минимизации суммы квадратов отклонений наблюдаемых значений зависимостей переменной у от ее значений у, получаемых по уравнению регрессии:

Q = t {уI - у,)2 = i (У, - /(о-;*/0,., я,00))2 -> min5 где ' /=i /=1 а - вектор оцениваемых параметров.

Адекватная реализация МНК существеннейшим образом зависит от вида функцииДа , jc,(1),., xf"*), а также исходных предпосылок модели. Скажем, процесс оценки параметров классических регрессионных моделей, линейных по параметрам, полностью формализован и содержится во многих стандартных пакетах прикладных программ.

Как правило, первое оцененное уравнение очень редко является удовлетворительным во всех отношениях. Обычно приходится постепенно подбирать формулу связи и состав объясняющих переменных, анализируя. на каждом этапе качество оцененной зависимости (этап верификации). Этот анализ включает статистическую и содержательную составляющую. Провер- . ка статистического качества регрессионного уравнения состоит из следующих элементов: проверка статистической значимости каждого коэффициента уравнения; л проверка общего качества уравнения регрессии (R , /^-статистика); - , проверка свойств данных, выполнение которых предполагалось при оценивании уравнения (проверка наличия автокорреляции остатков, их гомоскедастичности, проверка мультиколлинеарности объясняющих переменных).

Под содержательной составляющей анализа качества понимается рассмотрение экономического смысла оцененного уравнения регрессии: действительно ли значимыми-оказались объясняющие факторы, важные с точки зрения теории - положительны или отрицательны коэффициенты, показывающие направление воздействующих факторов; попали ли оценки коэффициентов регрессии в предполагаемые из теоретических соображений интервалы.

2.3. Кластерный анализ в задачах экономического анализа

При анализе и прогнозировании социально-экономических явлений исследователь довольно часто сталкивается с многомерностью их описания. Это происходит при решении задачи сегментирования рынка, прогнозирования конъюнктуры рынка отдельных товаров, изучении и прогнозировании экономической депрессии и многих других проблем.

Методы многомерного анализа - наиболее действенный количественный инструмент исследования социально-экономических процессов, описываемых большим числом характеристик. К ним относятся кластерный анализ, таксономия, распознавание образов, факторный анализ.

Кластерный анализ наиболее ярко отражает черты многомерного анализа в классификации, факторный анализ — в исследовании связи.

Первое применение кластерный анализ нашел в социологии. Название кластерный анализ происходит от английского слова cluster — гроздь, скопление. Впервые в 1939 был определен предмет кластерного анализа и сделано его описание исследователем Трионом. Главное назначение кластерного анализа - разбиение множества исследуемых объектов и признаков на однородные в соответствующем понимании группы или кластеры. Это означает, что решается задача классификации данных и выявления соответствующей структуры в ней. Методы кластерного анализа можно применять в самых различных случаях, даже в тех случаях, когда речь идет о простой группировке, в которой все сводится к образованию групп по количественному сходству [66,104].

Большое достоинство кластерного анализа в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков. Кроме того, кластерный анализ в отличие от большинства ма-тематико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов, и позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры,, когда показатели, имеют разнообразный вид, затрудняющий применение традиционных экономет-рических подходов.

В случае розничного рыка нефтепродуктов методы кластерного анализа предполагается использовать при классификации автозаправочных станций по территориальному признаку, а также в соответствии с объемами реализации на них различных видов светлых нефтепродуктов.

Формально задача кластерного анализа заключается в том, чтобы на основании данных, содержащихся во множестве X, разбить множество объектов G на т {т - целое) кластеров (подмножеств) Qi, Q2, Qm, так, чтобы каждый объект G, принадлежал одному и только одному подмножеству разбиения и чтобы объекты, принадлежащие одному и тому же кластеру, были сходными, в то время, как объекты, принадлежащие разным кластерам были разнородными.

Например, пусть G включает п АЗС некоторого региона, любая из которых характеризуется принадлежностью тому или иному хозяйствующему субъекту (F]), географическим расположением внутри области* (F2), объемами реализации различных видов автомобильного топлива (F3) и т.д. Тогда Xj (вектор измерений) представляет собой набор указанных характеристик для первой АЗС, Х2 - для второй, Х3 для третьей, и т.д. Задача заключается в том, чтобы разбить АЗС на однородные в некотором смысле кластеры.

Решением задачи кластерного анализа являются разбиения, удовлетворяющие некоторому критерию оптимальности. Этот критерий может представлять собой некоторый функционал, выражающий уровни желательности различных разбиений и группировок, который называют целевой функцией. Например, в качестве целевой функции может быть взята внутри-групповая сумма квадратов отклонения: где Xj - представляет собой измерения у-го объекта.

Для решения задачи кластерного анализа необходимо определить понятие сходства и разнородности.

Понятно то, что объекты г-ый и у-ый попадали бы в один кластер, когда расстояние (отдаленность) между точками Хх и Xj было бы достаточно маленьким и попадали бы в разные кластеры, когда это расстояние было бы достаточно большим. Таким образом, попадание в один или разные кластеры объектов определяется понятием расстояния между Хг и Xj из Ер, где Ер - р-мерное евклидово пространство. Неотрицательная функция d(Xt, Xj) называется функцией расстояния (метрикой), если: а) d(Xi, Xj) > 0, для всех Х1 и Xj из Ер б) d(Xu Xj) = 0, тогда и только тогда, когда X, = Xj в) d(Xu Xj) = d(Xjt X) г) d(Xit Xj) <d(Xu X]) + d(Xk, Xj), где Xj; Xt и Xk- любые три вектора из

Значение d(Xh Xj) для Х, и Xj называется расстоянием между Х{ и Xj и эквивалентно расстоянию между <7, и Gj соответственно выбранным характеристикам (Fh F2, F3, ., Fp).

Наиболее часто употребляются следующие функции расстояний:

Ер.

1. Евклидово расстояние р

2. /у - норма d1(Xi,XJ)= Y xki-Xfg. к=1

3. Сюпремум - норма к = 1,2, .,р р р тУ>

4. 1Р - норма dp(Xi, Xj) = Y xki - Xlg. k=l

Евклидова метрика является наиболее популярной. Метрика Ь наиболее легкая для вычислений. Сюпремум-норма легко считается и включает в себя процедуру упорядочения, а 1Р - норма охватывает функции расстояний 1,2,3.

Пусть п измеренийXj, Х2,., Хп представлены в виде матрицы данных размеромр хп: fx Л j j Х\2 \ Х\п

X = Х2\ Х22 •••Х2п

Хр2 ••'Хрп J

Тогда расстояние между парами векторов cl(Xl, X]) могут быть представлены в виде симметричной матрицы расстояний: f ° du 1 \ •••"in

D = d2\ 0 -dn

Kdn\ dn2 . 0 ,

Понятием, противоположным расстоянию, является понятие сходства между объектами Gt. и Gj. Неотрицательная вещественная функция S(Xt; Xj) = Sg называется мерой сходства, если : 1) 0<S(Xi, Xj) <1 для X;, *Xj 2 )S(Xi,X} = l 3) S(Xr, Xj) = S(Xj, XJ

Пары значений мер сходства можно объединить в матрицу сходства: f 1 ^12 • s = ^21 1 . " S2 n

Sn2 ' . lj

Величину Sy называют коэффициентом сходства. Алгоритмы кластерного анализа отличаются большим разнообразием. Это могут быть, например, алгоритмы, реализующие полный перебор сочетаний объектов или осуществляющие случайные разбиения множества объектов. В то же время большинство таких алгоритмов состоит из двух этапов.

На первом этапе задается начальное (возможно, искусственное или даже произвольное)-разбиение множества объектов на классы и определяется, некоторый математический критерий качества автоматической классификации. Затем, на втором этапе, объекты переносятся из класса в класс до тех пор, пока значение критерия не перестанет улучшаться.

Многообразие алгоритмов кластерного анализа обусловлено также множеством различных критериев, выражающих те или иные аспекты качества автоматического группирования. Простейший критерий качества непосредственно базируется на величине расстояния, между кластерами. Однако такой критерий не учитывает "населенность" кластеров — относительную плотность распределения объектов внутри выделяемых группировок. Поэтому другие критерии основываются.на вычислении средних расстояний между объектами, внутри кластеров. Но наиболее часто применяются критерии в виде отношений показателей "населенности" кластеров к расстоянию между ними. Это, например, может быть отношение суммы межклассовых расстояний к сумме внутриклассовых (между объектами) расстояний или отношение общей дисперсии данных к сумме внутриклассовых дисперсий и дисперсии центров кластеров.

Функционалы качества и конкретные алгоритмы автоматической классификации достаточно полно и подробно рассмотрены в специальной литературе. Эти функционалы и алгоритмы характеризуются различной трудоемкостью и подчас требуют ресурсов высокопроизводительных компьютеров. Разнообразные процедуры кластерного анализа входят в состав практически всех современных пакетов прикладных программ для статистической обработки многомерных данных.

Одним из наиболее распространенных методов кластеризации, используемый, в частности, в программе STATISTICA, является так называемый метод к-средних.

Предполагается, что мы уже имеем гипотезы относительно числа кластеров (по наблюдениям или по переменным). Например, мы можем указать системе образовать ровно три кластера так, чтобы они были настолько различны, насколько это возможно. В общем случае метод k-средних строит ровно к различных кластеров, расположенных на возможно больших расстояниях друг от друга.

С вычислительной точки зрения этот метод может рассматриваться как дисперсионный анализ "наоборот". Программа начинает с к случайно выбранных кластеров, а затем изменяет принадлежность объектов к ним, чтобы: (1) - минимизировать изменчивость внутри кластеров, и (2) - максимизировать изменчивость между кластерами. Данный способ аналогичен методу "дисперсионный анализ (ANOVA) наоборот" в том смысле, что критерий значимости- в дисперсионном анализе сравнивает межгрупповую изменчивость с внутригрупповой при проверке гипотезы о том, что средние в группах отличаются друг от друга. В кластеризации методом к средних программа перемещает объекты (т.е. наблюдения) из одних групп (кластеров) в другие для того, чтобы получить наиболее значимый результат при проведении дисперсионного анализа (ANOVA).

Обычно, когда результаты кластерного анализа методом к средних получены, можно рассчитать средние для каждого кластера по каждому измерению, чтобы оценить, насколько кластеры различаются друг от друга. В идеале вы должны получить сильно различающиеся средние для большинства, если не для всех измерений, используемых в, анализе. Значения F-статистики, полученные для каждого измерения, являются другим индикатором того, насколько хорошо соответствующее измерение дискриминирует кластеры.

Глава 3. СТАТИСТИЧЕСКИЙ АНАЛИЗ ЦЕНООБРАЗОВАНИЯ И РЕАЛИЗАЦИИ НЕФТЕПРОДУКТОВ НА РЕГИОНАЛЬНОМ РЫНКЕ

3.1. Анализ динамических рядов цен на нефтепродукты в Ивановской области

Статистической базой данного исследования служит помесячная динамика цен на бензин Р-92 в Ивановской области в период 2000-2005 гг.

Выбор для анализа бензина марки Р-92 обусловлен его наиболее значительной долей в структуре потребления автобензинов в регионе и в России в целом. Предварительный анализ показал, что динамика цен на другие марки бензина (Н-80, П-95, С-98, ДТ) практически не отличается от рассматриваемой. Коэффициенты корреляции между соответствующими рядами колеблются в пределах от 0,987 до 0,994.

Таким образом, исходные данные представлены в виде временного ряда из 72 уровней (рис. 3.1).

Период

Рис. 3.1 .Динамика цен на бензин Р-92 в Ивановской области в 2000-2005 гг.

На основе данного временного ряда была построена тренд-сезонная модель, описывающая динамику цен на бензин Р-92 с целью осуществления прогноза на среднесрочную перспективу.

Как известно, построение тренд-сезонной модели предполагает выделение трех компонент временного ряда — трендовой (ut), сезонной (я,) и случайной (б(). Наиболее распространенными в практике статистических исследований являются аддитивная (3.1) и мультипликативная (3.2) модели: yt=ut+st+Et\ (3.1) y,=urs,-£n (3-2) где yt — уровни временного ряда.

Второй тип модели целесообразно использовать, когда сезонные колебания имеют тенденцию к увеличению с течением времени. Судя по графику, приведенному на рис. 3.1, изменение амплитуды сезонных колебаний цен, если и присутствует, то весьма незначительное. Поэтому, на наш взгляд, в качестве исходной модели следует выбрать аддитивную тренд-сезонную модель (3.1).

Тренд-сезонная модель была построена по приведенному ниже алгоритму.

1. Выбор и оценка трендовой компоненты.

Визуальный анализ динамики цен ограничивает выбор трендовой компоненты (кривой роста) следующими вариантами: линейный тренд: и, = а0 + axt; (3.3) полиномиальный: ut=a0+axt + . + amtm\ (3.4) экспоненциальный ut=ccQ-ea<, (3.5) где ос— параметры моделей, t- независимая переменная (время), t = 1, 2,., п.

При прочих равных условиях предпочтительнее выглядят первые два • ^ варианта, т.к. данные модели являются линейными по параметрам.

В качестве критерия окончательного выбора кривой роста рекомендуется использовать, во-первых, значение коэффициента детерминации R2, во-вторых, наличие статистической значимости параметров.

Оценка параметров производилась методом наименьших квадратов. Результаты параметризации отражены в табл. 1.

ЗАКЛЮЧЕНИЕ

В связи ростом автомобильного парка (как государственного, так и в большей степени частного) проблема производства качественного и доступного по цене автомобильного бензина является очень важной государственной задачей.

Известно, что сырьем для автомобильного топлива служит нефть. В первой главе дипломной работы предпринята попытка проанализировать мировой и российский рынок нефтепродуктов. Здесь:

1) обсуждены основные характеристики нефтедобывающей и нефтеперера s батывающей отраслей;

2) рассмотрены предпосылки вертикальной интеграции в нефтедобывающей и нефтеперерабатывающей отраслях;

3) приведены особенности российских ВИНК; г

4) рассмотрены методы работы ВИНК на рынке нефтепродуктов;

5) исследован российский и региональный (Ивановский) рынок автобензинов.

Во второй главе дипломной работы:

1) рассмотрена теоретическая модель оптимизации деятельности ВИНК;

2) исследован инструментарий;

3) приведены данные по производству и потреблению в России дизельного топлива;

4) проанализирован рынок автобензинов в Ивановском регионе;

5) предпринята попытка прогноза развития рынка автобензина России и Ивановской области с рассмотрением причин роста цен на автобензин и развития перспективных направлений усовершенствования добычи и переработки нефти.

В третьей главе проведен статистический анализ ценообразования на автобензины в Ивановской области на основе эконометрических моделей. Здесь:

1) произведен анализ динамики цен на автобензины в регионе в период 2000-2005 гг.;

2) построены два варианта тренд-сезонной модели динамики цен;

3) осуществлен прогноз цен на бензин марки Р-92 в Ивановской области на 2006 г. по разным вариантам моделей;

4) построены регрессионные модели факторного воздействия на динамику цен;

5) сделаны содержательные выводы по построенным моделям;

В результате выполненной работы были определены пути совершенствования добычи и переработки нефти, выявлены факторы, влияющие на цены на бензин, предложены модели расчета прогностических цен на бензин на 2006 год, показано, что прогноз цен на бензин марки Р-92 практически совпали с реальной ценой, что позволяет использовать эту методику расчета.