Управление процессом закупки и реализации лома черных металлов на основе прогнозирования цен тема диссертации по экономике, полный текст автореферата

Ученая степень
кандидата экономических наук
Автор
Крюкова, Екатерина Михайловна
Место защиты
Москва
Год
2011
Шифр ВАК РФ
08.00.05
Диссертации нет :(

Автореферат диссертации по теме "Управление процессом закупки и реализации лома черных металлов на основе прогнозирования цен"

На правах рукописи

КРЮКОВА Екатерина Михайловна

УПРАВЛЕНИЕ ПРОЦЕССОМ ЗАКУПКИ И РЕАЛИЗАЦИИ ЛОМА ЧЕРНЫХ МЕТАЛЛОВ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ ЦЕН

08.00.05 - Экономика и управление народным хозяйством, специализация - экономика, организация и управление предприятиями, отраслями, комплексами (промышленность)

АВТОРЕФЕРАТ

4856366

диссертации на соискание ученой степени кандидата экономических наук

2 4 033 2011

Москва-2011

4856366

Работа выполнена в Московском имени Н.Э. Баумана

государственном техническом университете

Научный руководитель доктор экономических наук, доктор

технических наук, профессор Орлов Александр Иванович

Официальные оппоненты: доктор экономических наук, доцент

Харитонова Екатерина Николаевна

кандидат экономических наук, доцент Мельников Владимир Игоревич

Ведущая организация: Московский государственный

технологический университет «Станкин»

Защита состоится J4-03 _2011 г. в /и'РОчасоъ на заседании Диссертационного совета Д 212.141.13 Московского государственного технического университета имени Н.Э. Баумана по адресу: 105005, Москва, 2-я Бауманская ул., д.5.

Ваш отзыв на автореферат в 1 экз., заверенный печатью, просим высылать по указанному адресу.

С диссертацией можно ознакомиться в библиотеке Московского государственного технического университета имени Н.Э. Баумана.

Автореферат разослан «(?3» 02^ 2011 г. Телефон для справок: (499)267-09-63

Учёный секретарь

Диссертационного Совета Д 212.141.13 К.Э.Н., доц.

Петриченко Т.В.

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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, A.A. Горчаковым, И.В. Орловой. Дж. Ханк, А. Райте, 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 Ю.В. Сидельникова, A.B. Танасовой, B.C. 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, C.B. Супрун, А.Е. Семина, JI.A Коновалова, В.Я. Медикова, A.A. 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);

- Заседаниях 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, 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 153 страницы основного текста, 53 рисунков и 33 таблиц, состоит из введения, трех глав, заключения, библиографического списка из 103 наименований, приложений.

2. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель, задачи диссертации, научная новизна, практическая значимость, представлены основные результаты, выносимые на защиту, приведена информация об апробации, публикациях и структуре работы.

В первой главе «Анализ состояния и перспектив развития российского рынка лома черных металлов» рассмотрены основные тенденции в использовании, заготовке, ценообразовании на лом вторичных металлов в России.

На сегодняшний день лом черных металлов является важнейшим металлургическим сырьем. Проведенный анализ позволяет выделить следующие особенности развития рынка металлолома:

- растет объем потребления лома в России: связано с ростом объемов выплавки стали, а также изменением структуры сталеплавильного производства, развитием новых технологий выплавки, разливки и прокатки стали;

- ограниченное количество ресурсов металлолома в России приводит к дефициту материала в условия существенного роста потребности на рынке;

- происходит укрупнение отрасли вторичных металлов и усиление рыночных игроков;

- из-за изменения структуры образования лома увеличивается доля легковесного лома, влекущего за собой увеличение затрат на переработку;

- рассредоточенность лома на больших территориях приводит к необходимости заготовки металлолома с дальних расстояний и росту затрат на транспортировку;

- растут закупочные цены на лом черных металлов.

Структуру рынка металлолома можно представить в виде взаимосвязи важнейших участников рынка: ломосдатчиков, поставщиков и потребителей лома (рис.1). Система ценообразования на рынке выглядит следующим образом. Металлургические заводы и комбинаты устанавливают цены на металлолом, исходя из потребности производства и наличия остатков лома на складах, формируется закупочная цена потребителя (для поставщика - цена реализации на комбинат). С учетом величины закупочных цен потребителей, поставщики комбинатов устанавливают закупочные цены для

ломоперерабатывающих предприятий в регионах. В свою очередь, ломоперерабатывающие предприятия устанавливают цены закупки лома на площадках у ломосдатчиков.

Основным фактором успеха деятельности поставщиков металлолома является понимание рыночной конъюнктуры, дальнейшей динамики закупочных цен металлургических комбинатов на металлолом. Это позволит ломоперерабатывающим организациям эффективно распределять объемы металлолома по направления отгрузки, а также распределять потоки лома по времени, исходя из минимальных цен закупки и максимальных цен реализации, что обеспечит поставщику лома высокую рентабельность деятельности.

Поставщики металлолома

Ломоперерабатывающие предприятия,

имеющие прямые договора с потребителями: переработка лома, хранение и непосредственная поставка на заводы

Ломоперерабатывающие предприятия,

осуществляющие поставку через транзитные организации

Транзитные предприятия

Покупка, транспортировка

Трейдеры

Покупка

Потребители металлолома

Рис. 1. Участники рынка лома

На этом этапе возникает необходимость разработки системы прогнозирования цен на металлолом.

Во второй главе «Разработка организационно-экономических моделей для прогнозирования цен на лом черных металлов» рассмотрены основные методы прогнозирования и разработаны модели для прогнозирования цен на металлолом.

После анализа временных рядов цен на лом, а также факторов, влияющих на их динамику, для прогнозирования решено было остановиться на применении метода множественной регрессии и моделях сезонного смешанного авторегрессионного скользящего среднего Бокса-Дженкинса.

Наилучшие результаты дает модель множественной регрессии:

У=а+Ь1Х1+Ь2Х2+ЬзХз+ ....+Ь„хп,

где У - зависимая переменная (цена на лом марки ЗА), х,- - независимые переменные (факторы), Ь, - регрессионные коэффициенты.

Главными критериями отбора факторов являются точность, достоверность, оперативность получения информации, а также возможность их прогнозирования. Исходя их этих требований, для построения модели были отобраны следующие факторы:

• Поставка лома на ОАО «ММК», тыс. тонн (х/).

• Поставка лома на внутренний рынок, тыс. тонн (хг).

• Поставка лома на экспорт, тыс. тонн (хз).

• Цены на лом, Турция, $/т (х4).

• Остаток лома на ОАО «ММК», тыс. тонн (х^).

• Цены на арматуру, склад производителя, руб./т с НДС (х6).

Факторы измеряются один раз в месяц. Все расчеты проводятся на

примере крупнейшего потребителя металлолома в стране - ОАО «Магнитогорский металлургический комбинат». В дальнейшем предполагается проводить аналогичные расчеты по различным сталепроизводителям России.

Исходные данные принимаем за период 2003-2007 гг. Решаем уравнение регрессии, определяем регрессионные коэффициенты:

У=-455,22-0,8ху+1,39хг0,58х3+12,2хД0,34луК),0&Сй.

Коэффициент множественной корреляции для модели составляет Л2=0,96. Что означает, что отобранные факторы на 96% объясняют дисперсию зависимой переменной - цены на лом черных металлов. Проверка прогноза (рис. 2) показала, что организационно-экономическая модель достаточно хорошо описывает динамику цен в течение года. Средняя относительная ошибка не превышает 2,9%. Есть все основания использовать ее для долгосрочного прогнозирования. Прогнозирование на краткосрочные периоды требует ежемесячного пересчета для уточнения модели.

Высокие ошибки по некоторым периодам объясняются воздействием факторов, которые сложно учесть с помощью математики.

Рис. 2. Оценка прогноза закупочных ОАО «ММК» на лом марки ЗА

Модели АШМА (Бокса-Дженкипса) для прогнозирования используют информацию, содержащуюся в самих исходных рядах данных. Методология Бокса-Дженкинса предполагает итеративный подход к определению допустимой модели среди общего класса моделей (рис. 3).

Рис. 3. Стратегия выбора модели по методу Бокса-Дженкинса

Из взаимодействия теории и практики выбирается полезный класс моделей. Пробная модель сопоставляется с историческими данными, чтобы проверить, точно ли она описывает ряды. Модель считается приемлемой, если остатки, в основном, малы и распределены случайно. Если заданная модель неудовлетворительна, процесс повторяется с использованием новой, улучшенной модели. Подобная итеративная процедура повторяется до тех пор, пока не будет найдена удовлетворительная модель. С этого момента модель может быть использована для целей прогнозирования.

Дж. Бокс и Г.М. Дженкинс выделяют несколько классов моделей. Модели авторегрессии. В этой модели текущее значение процесса выражается как конечная линейная совокупность предыдущих значений процесса и ошибки е,. Авторегрессионная модель порядка р AR(p) имеет вид: Y,=(po+(piY,_i+ <p2Y,.2+...+ <ррУ,-р+£„

где Y,- отклик (зависимая переменная) в момент времени t, Yt-i, Yt-2,---, Yt-p - отклик при значениях моментов времени t-l, t-2,..., t-p соответственно,

<р0, <p¡, <р2,..., <рр - оцениваемые коэффициенты, коэффициент сро связан со средним (i соотношением <pn^=iu(l-<pi-<p2-...-<pp),

в, - ошибки в предыдущие моменты времени, которые в момент t включены в отклик Y¡.

Модели скользящего среднего дают прогноз значения Y¡, основываясь на линейной комбинации ограниченного числа прошлых ошибок. Процесс со скользящим средним порядка q - MA(q) задается уравнением: Yt=£t-COl£t-r CÜ2et-2---<X>q£t-q,

где Y,- отклик (зависимая переменная) в момент времени t, s, - ошибки в предыдущие моменты времени, которые в момент t включены в отклик Y„

coj, cü2, ..., соq - оцениваемые коэффициенты (могут быть положительными и отрицательными, в сумме не обязаны давать единицу).

Смешанные модели авторегрессии - скользящего среднего ARMA(p, q) делают прогноз, который зависит как от текущего и прошлого значения отклика Y, так и от текущих и прошлых значений величины ошибки: Y,=<Po+<PlY,-l+ (p2Y,.2+...+ (ppY,.p+st-(o¡E,.r OJ2^,-2-■■■- (OqEt-q. Авторегрессионные интегральные модели со скользящим средним ARIMA(p,d,q). Здесь d определяет разностный порядок - замена исходного ряда рядом разности с целью преобразования нестационарного ряда в стационарный (на практике d равно 0, 1 или 2). Общий вид модели:

Y,=tp¡Y,.¡+ (p2Yt-2+...+ rppidYi-p-d+£t-a>i£,.r а>2£,-2-.~-coqe,-q. Сезонные модели. Сезонные данные временных рядов обладают отчетливой структурой, которая повторяется каждый год. Коэффициенты автокорреляции и частной автокорреляции подобных данных будут отлично от нуля при небольших интервалах запаздывания (внутригодовые связи) и при интервалах, кратных периоду сезонности S (междугодовые связи).

Сезонные данные описываются с помощью мультипликативных моделей ABlMA(p,d,q)(P,D,Q)s, где р - авторегрессионные слагаемые; d - разности; q -

слагаемые скользящего среднего; Р — сезонные авторегрессионные слагаемые; О - сезонные разности на интервале Q — слагаемые сезонного скользящего среднего.

Для целей прогнозирования сезонная модель представляется в виде:

У,=Ф*1 У, _;+...+Ф*р»У, -р*+£г&*1 .д., где неизвестные

параметры заменены их оценками (этапы расчета оценок приведены в тексте диссертации).

Уже визуальный анализ рядов цен, а также исследование коэффициентов автокорреляции позволяют заключить, что ряд является нестационарным (имеется тренд), а также можно обнаружить сезонную структуру цен. Поэтому принято решение использовать сезонную модель.

Поскольку при определении подходящей модели на основе структуры автокорреляция и частной автокорреляции возникла неопределенность, было просчитано более тридцати моделей различного вида.

Решающими факторами при выборе моделей для прогнозирования были простота (т.е. минимальное количество параметров), а также наименьшая величина ошибки. Исходя из этого, было отобрано 3 модели:

• АШМА(1,0,0)(1,1,1)6

У,=0,647У1.,+У1.6-0,0803(У,.б-У,.7)+178,137+8,-0,9132е,.6

Среднеквадратическая ошибка 430 руб./т.

• АЫМА(1,0,0)(1,1,1)9

У,=0,651 У,.,+у,.г0, 5618(У1.ГУ,.10) +375,53+ег0,8507е(.9

Среднеквадратическая ошибка 418 руб./т.

• АШМА (2,0,0)(1,1,1)9

У1=0,7523Уг1-0,1569У1.2+У1_9-0,5225(У,.гУ1-ю)+421,25+ег0,8361Е,.9

Среднеквадратическая ошибка 419 руб./т.

Проверка показала, что все три модели дают хорошие результаты при прогнозировании на ближайшие несколько периодов. Рост ошибки прогнозирования по мере увеличения периода прогноза обусловлен тем, что начало периодов падения и всплесков цен из года в год не полностью совпадают, поэтому целесообразно проверять модель ежемесячно и пересчитывать по мере поступления новых фактических данных на следующие периоды прогнозирования.

Одной из основных сложностей в получении точных прогнозов экономических показателей являются неожиданные и важные сдвиги в ключевых экономических факторах, а также влияние социально-экономических факторов, которые невозможно учесть с помощью статистических методов. Очевидно, что для корректировки прогноза, для принятия обоснованных решений в области ценообразования важно также опираться на опыт, знания и интуицию специалистов. Для этих целей используются методы экспертных оценок. В диссертации рассмотрены основные этапы экспертного прогнозирования, предложена экспертная технология прогнозирования цены на лом черных металлов.

Известно, что все организационно-экономические модели целесообразно применять только в относительно стабильных социально-экономических

условиях. Экономический кризис, развернувшийся в 2008 году, привел к тому, что в конце 2008 - начале 2009 года модели перестают «работать». В диссертации рассмотрены основные факторы, определившие развитие ситуации в этот период в металлургии в целом и на рынке металлолома в частности, и обоснованы причины высоких ошибок прогнозирования. Единственным способом устранения ошибок становится корректировка математического прогноза с использованием мнения экспертов. При этом в условиях нестабильности важно чаще пересматривать прогнозные показатели, планы и бюджеты - ежемесячной корректировки становится недостаточно.

В третьей главе «Совершенствование управления процессом закупки и реализации лома черных металлов» обоснованы все этапы, предшествующие принятию эффективного управленческого решения поставщиком металлолома (рис. 4).

Рис. 4. Этапы разработки стратегии поведения на рынке Первым этапом в процессе разработки стратегии поставщика металлолома на рынке является прогнозирование цен. При этом лучшие результаты дает комбинирование результатов различных организационно-экономических методов и моделей: метода множественной регрессии, моделей Бокса-Дженкинса, методов экспертного прогнозирования.

Когда менеджеры сталкиваются с необходимостью принятия решения в неопределенной ситуации, их способности к прогнозированию становятся критическим фактором всего процесса принятия решения. Поэтому очень важно суметь включить результаты прогнозирования в имеющуюся у

предприятия процедуру принятия решения для того, чтобы помочь менеджменту правильно оценить информацию, касающуюся будущего, и принять наилучшее решение из всех возможных. Для этих целей полезны метод сценариев, а также техника построения дерева решений для наглядного представления различных вариантов решений.

Далее в работе обоснована необходимость регионального ценообразования на рынке металлолома. В условиях дефицита лома на рынке, а также растущей конкуренции за сырье, региональный радиус поставки металлолома потребителям - металлургическим комбинатам растет. Поэтому еще одним фактором, определяющим эффективность деятельности поставщика металлолома, является дифференцированный подход к анализу каждого региона заготовки лома и разработка грамотной ценовой политики в рамках региональных рынков.

Для этих целей разработана методика выбора приоритетных регионов и отобраны важнейшие факторы, характеризующие региональные рынки лома:

1. Удаленность региона от потребителя (тарифное расстояние).

2. Наличие потенциальных запасов лома и текущий объем ломообразования в регионе.

3. Структура конкуренции в регионе - наличие крупных конкурентов и их доля заготовки на рынке.

В качестве примера проведен анализ двух регионов - Московской области и Алтайского Края, с точки зрения целесообразности поставки металлолома на ОАО «ММК».

Анализ приоритетности и сравнение закупочных цен на металлолом с ценами конкурентов позволит ЗАО «Профит» выработать стратегию деятельности на региональных рынках с целью обеспечения в полном объеме потребности ОАО «ММК» в металлоломе. Для оптимизации поставок металлолома из регионов потребителям с целью получения большей рентабельности предлагается использовать задачу линейного программирования, которая будет учитывать следующие факторы: остатки металлолома на площадке в регионе, объем спроса потребителей, цены металлургических заводов, стоимость доставки лома потребителям.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

В ходе проведенного исследования, исходя из ранее сформулированных целей и задач, были получены следующие результаты:

1. Анализ текущего состояния рынка металлолома позволил выявить основные тенденции и перспективы развития отрасли лома черных металлов, в том числе:

- растет объем потребления лома в России: связано с ростом объемов выплавки стали, а также изменением структуры сталеплавильного производства, развитием новых технологий выплавки, разливки и прокатки стали;

- ограниченное количество ресурсов металлолома в России приводит к дефициту материала в условия существенного роста потребности на рынке;

- происходит укрупнение отрасли и усиление рыночных игроков;

- из-за изменения структуры образования лома увеличивается доля легковесного лома, влекущего за собой увеличение затрат на переработку;

- рассредоточенность лома на больших территориях приводит к необходимости заготовки металлолома с дальних расстояний и росту затрат на транспортировку;

- растут закупочные цены на лом черных металлов.

2. Установлены факторы, влияющие на изменение цены на лом черных металлов. Для построения организационно-экономических моделей отобраны следующие: объем поставки лома на внутренний рынок и на экспорт, цены на металлолом на экспортных рынках, поставка и остаток лома на складе металлургического комбината, цены на готовую продукцию металлургического производства.

3. Впервые разработаны организационно-экономические модели для прогнозирования цен на металлолом. Все модели апробированы на примере цен ОАО «Магнитогорский металлургический комбинат». Модель, построенная методом множественной регрессии, дает наименьшую ошибку прогнозирования - 2,9%. Для наибольшей точности целесообразно комбинировать результаты различных методов организационно-экономического прогнозирования: метода множественной регрессии, моделей Бокса-Дженкинса, а также методов экспертного прогнозирования.

4. Обоснована необходимость дифференцированного подхода к установлению цен на металлолом в различных регионах страны. Для этих целей разработана методика выбора приоритетных регионов и отобраны важнейшие факторы, характеризующие региональные рынки лома.

Анализ приоритетности и сравнение закупочных цен на металлолом с ценами конкурентов позволит поставщику металлолома разработать стратегию деятельности на региональных рынках с целью обеспечения поставок металлолома потребителям в полном объеме, а также выбрать оптимальное направление поставки лома из регионов для получения большей рентабельности.

5. Полученные результаты исследования апробированы и используются на конкретных предприятиях. Внедрение полученных разработок позволит поставщику металлолома оперативно реагировать на рыночные изменения, удерживать «лидерство» на региональных рынках, оптимизировать потоки металлолома как по времени закупки и реализации, так и по направлениям отгрузки.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

1. Крюкова Е.М. Тенденции и перспективы рынка лома черных металлов // ЭКО. - 2009. - №3. - С. 129-141. - 0,5 п.л.

2. Крюкова Е.М. Применение методов организационно-экономического прогнозирования в отрасли лома черных металлов// Заводская лаборатория. Диагностика материалов. - 2008. - Т.74. - №7. - С. 67-72. - 0,5 п.л.

3. Крюкова Е.М. Особенности ценообразования на рынке лома черных металлов // Электрометаллургия. - 2008. - №5. - С. 40-46. - 0,5 п.л.

4. Крюкова Е.М. Применение модели ARIMA для прогнозирования цен на металлолом // Труды III Всероссийской молодежной конференции по проблемам управления/ Под ред. Д.А. Новикова, З.К. Авдеевой. - М.: ИПУ РАН, 2008. - С. 132-133. - 0,1 п.л.

5. Крюкова Е.М. Способы контроля над рынком: особенности сетевой организации предприятий (на примере ОАО «ММК») // Материалы докладов XV Международной конференции студентов, аспирантов и молодых ученых «Ломоносов» / Отв.ред. И.А. Алешковский, П.Н. Костылев. - М.: Издательство МГУ, 2008. - С. 74-75. - 0,1 п.л.

6. Крюкова Е.М. Место планирования и прогнозирования в системе управления предприятием // Корпоративное управление: Сборник статей III Всероссийской научно-методической конференции. - Пенза, 2008. - С. 50-52. -0,2 п.л.

7. Крюкова Е.М. Сырьевая безопасность металлургических предприятий // Экономика, социология и право. - 2009. - №4. - С. 36-37. - 0,1 п.л.

Подписано к печати 02.02.11. Заказ № 78 Объем 1,0 печ.л. Тираж 100 экз. Типография МГТУ им. Н.Э. Баумана 105005, Москва, 2-я Бауманская ул., д.5 (499) 263-62-01