Файл: Прогнозная оценка спроса на рынке товаров (услуг) (Обзор методик оценки и прогнозирования спроса).pdf

Из данного графика можно видеть, что показатель ВРП растет, особенный подъем выделяется у регионов Центрального федерального округа (ЦФО). Исходя из этого, можно предположить, что в данном округе спрос на нефтепродукты наибольший. В то же время, несмотря на рост номинального ВВП, реальный ВВП может снижаться. Для более подробного анализа ВВП сравним темпы его прироста с инфляцией (табл. 3)

Таблица 3

Сравнение темпов роста агрегированного ВРП по округам с дефлятором ВВП

По данным таблицы можно заметить:

1. До 2016 года ВРП регионов ЦФО, который приносит наибольший вклад в структуре ВВП России, практически весь перекроется инфляцией при оценке его реального значения, за исключением 2013 года. Это свидетельствует о том, что бизнес в ЦФО практически не рос, а значит и не росли и его транспортные расходы. Как следствие, можно предположить, что спрос на бензин и дизель также находился в стагнации.
2. В 2017 году прирост ВРП регионов ДФО, СЗФО, СКФО меньше или равен дефлятору ВРП. Это также негативно сказывается на бизнесе. Объемы продукции не повышаются, экономика стагнирует. Вероятно, спрос на нефтепродукты также не растет.

Далее, рассмотрим прирост заработной платы населения (табл. 4).

Таблица 4

Прирост заработной платы населения

Исходя из данных, в 2015 году средняя заработная плата понизилась. Это связано с падением рубля с середины 2013 года. Население начинает тратить меньше денег, меньше потребляет, следовательно, спрос на бензин и дизель падает.

Еще один фактор, влияющий на спрос на бензин и дизель – это продажи автомобилей (рис. 2):

Рис. 2 Продажи автомобилей

По графику видно, что в 2015 году продажи новых автомобилей были ниже, чем в 2016, что подтверждает меньшее потребление населения в 2015 году. В 2018 продажи выросли, однако средний прирост – около 5%, что практически равняется инфляции. Значит, количество продаваемых фирмами и покупаемых населением и частными организациями автомобилей не растет.

Таким образом, макроэкономические параметры дают предполагать стагнацию спроса на бензин и дизель. Рассмотрим, как он себя ведет на самом деле. Для этого рассмотрим показатель отгрузки бензина и дизеля (рис. 3,4)

Рис. 3. Отгрузка дизельного топлива, тыс. тонн

Рис. 4. Отгрузка бензина, тыс. тонн

Показатель отгрузки формируется по юридическим лицам, осуществляющим производство нефтепродуктов. При этом, учитываются не только продажи частным лицам, но и передача на заправки, склады перепродающих организаций и т. д. В целом этот показатель можно использовать как совокупный спрос на бензин или дизель для производящих нефтепродукты компаний, находящихся в конкретном федеральном округе.

Следует отметить, что преобладание тех или иных федеральных округов на графиках связано с территориальным нахождением завода и с потреблением конечного продукта в определенном округе. В целом ситуация на оптовом рынке дизельного топлива и бензина стабильная, у первого даже замечается прирост в объемах отгрузки. Связано это с переходом топлива для транспорта на дизель: водоходные суды переходят с мазута на дизель, автобусы – с бензина. Кроме того, увеличивается бизнес, обслуживаемый грузовиками, большая часть которых передвигается на дизеле.

Для оценки же потребительского спроса на бензин и дизельное топливо, который является частью ВВП, можно рассмотреть показатель розничной торговли бензином и дизельным топливом. В одном литре примерно 0,769 кг дизельного топлива и 0,735 бензина. Поделив среднюю цену дизельного топлива и бензина в литрах на соответствующие коэффициенты, мы получим стоимость одного килограмма, а поделив еще на 1 000 000 – стоимость одной тысячи тонн. После этого поделить розничную продажу в рублях на полученные цены, приведя показатели розничной продажи к объему дизеля и бензина конечного потребления. Итоги можно видеть на рис 5 и 6.

Рис. 5. Официальный объем розничной продажи дизельного топлива, тыс. тонн.

Рис. 6. Официальный объем розничной продажи бензина, тыс. тонн

В то же время данные по розничной продаже имеют пропуски и, вероятно, не вся розничная продажа бензина и дизельного топлива. отслеживается органами официальной статистики. Действительно, продажи бензина и дизельного топлива н могут быть в тысячу раз меньше оптовой. Поэтому, далее в работе за показатель спроса на нефтепродукты взят объем отгрузки.

2.2 Оценка спроса на бензин в краткосрочном будущем

Информация об объеме отгрузки бензина в будущем могут быть полезны для заводов-производителей автобензина и организаций, занимающейся его перепродажей, при моделировании плановой выручки. Продажи компаний могут оцениваться как доля в общей отгрузке по округу. Цель данного раздела – прогноз по месяцам на текущий год объема отгрузки автобензина в краткосрочном периоде. Умножив данные прогнозы на средний удельный вес отгрузки компании в общей отгрузке по федеральному округу, можно получить примерную сумму выручки компании при ее планировании.

Данные по отгрузке бензина взяты с сайта официальной государственной статистики. Значения отгрузки приведены по месяцам с января 2011 год по апрель 2019 года отдельно для каждого округа.

Для начала, рассмотрим временной ряд месячных данных по отгрузке автомобильного бензина в тысячах тонн протяженностью с января 2011 года по апрель 2019 года в целом по России (рис.7):

Рис.7 Отгрузка бензина

При визуальном анализе ряда можно заключить, что явного восходящего тренда нет, ряд колеблется около одной величины, равной приблизительно 300. В то же время, можно заметить большую волатильность ряда, что может подразумевать непостоянство дисперсии. Объяснить это можно тем, что данные разделены по округам и значения отгрузки могут зависеть от региона или округа. В этом графике «смешаны» данные и по графику можно увидеть высокую волатильность, вызванную высокими значениями данных, очевидно, для Центрального округа. Это свидетельствует о том, что в совокупности по России отгрузку автобензина оценивать нельзя.

Коррелограмму ряда можно видеть на рис. 8:

Рис. 8. Коррелограмма ряда отгрузки по всей России.

Из нее видно, что автокорреляционная функция ряда (ACF) сначала медленно спадает, затем снова растет, почти не затухая и меняя при этом знак, после чего сопровождается еще одним скачком в значениях. Такое поведение АСF может свидетельствовать о нестационарности ряда.

Таким образом, чтобы избежать излишней волатильности, «выбивания» значений ряда из общей картины, а также проблем, связанных с возможно нестационарным рядом, следует рассматривать отдельные временные ряды для каждого округа. На рис. 12 приведен график ряда для Центрального федерального округа:

Рис. 9. Отгрузка автобензина в Центральном федеральном округе (январь 2010 – апрель 2019)

В целом, тренда опять не наблюдается, видна некоторая сезонность. Кроме того, одно наблюдение – 249 тыс. тонн – явно выделяется на фоне остальных. Данный факт может повлиять на среднее значение, но незначительно: с наблюдением – 788 тыс. тонн, без него – 783 тыс. тонн. В дополнение, для построения модели временного ряда скользящего среднего, он должен быть непрерывным, поэтому убирать данное наблюдение нельзя.

Проверим ряд на стационарности. Для этого проведем тест на наличие единичного корня – расширенный тест Дики-Фуллера с константой, без тренда для значений уровня (рис. 10):

Рис. 10. Проверка теста на наличие единичного корня

Нулевая гипотеза о том, что ряд нестационарный, отвергается уже на значении уровня. Также, рассмотрим график коррелограммы (рис. 11):

Рис. 11. Коррелограмма отгрузки автобензина в Центральном федеральном округе (январь 2010 – апрель 2019)

Характерные особенности коррелограммы можно заметить в том, что автокорреляционная функция (ACF) начинается с положительного значения и резко обрывается после второго порядка, затем меняется ее знак. Частная автокорреляционная функция (PACF) убывает неравномерно. Такие черты могут говорить о возможности построения модели скользящего среднего второго порядка МА(2), характеристики которой приведены в таблице 5:

Таблица 5

Модель МА(2) для ряда отгрузки автобензина в Центральном федеральном округе (январь 2010 – апрель 2019).

Модель в целом значима на 5% уровне значимости, коэффициенты перед регрессорами значимы даже на 1% уровне значимости, однако коэффициент детерминации меньше 4%, что говорит о низкой подгонке модели. Кроме того, коэффициент перед константой намного больше, чем перед МА(2).

Рассмотрим коррелограмму остатков модели (рис. 12):

Рис.12. Коррелограмма остатков модели МА(2) для ряда отгрузки автобензина в Центральном федеральном округе (январь 2010 – апрель 2019).

И автокорреляционная функция, и частная автокорреляционная функция говорит о наличии автокорреляции первого порядка. Добавим переменную авторегрессии AR(1) (табл. 6):

Таблица 6

Модель ARМА(1, 2) для ряда отгрузки автобензина в Центральном федеральном округе (январь 2010 – апрель 2019).

По приведенным данным можно сказать, что данная модель лучше предыдущей: модель в целом теперь значима на даже 1% уровне значимости, коэффициент перед AR(2) оказался значим на 5% уровне значимости, коэффициент детерминации R² увеличился до 9%. Кроме того, информационные критерии Шварца и Акайке стали меньше. Рассмотрим коррелограмму остатков (рис):

Рис. 13. Коррелограмма остатков модели

По коррелограмме также можно сделать вывод, что модель подобрана верно, так как автокорреляция остатков не наблюдается.

Проведем тест на гетероскедастичность (рис. 14)