Распоряжение Коллегии ЕЭК от 09.06.2020 № 70 "Об утверждении Методологии прогнозирования развития агропромышленных комплексов государств – членов Евразийского экономического союза"

В соответствии со статьями 18 и 95 Договора о Евразийском экономическом союзе от 29 мая 2014 года:

1. Утвердить прилагаемую Методологию прогнозирования развития агропромышленных комплексов государств – членов Евразийского экономического союза.

2. Установить, что Методология, утвержденная настоящим распоряжением, используется в целях расчета Евразийской экономической комиссией прогнозных показателей развития агропромышленных комплексов государств – членов Евразийского экономического союза для рекомендации их к использованию государствами-членами при разработке прогнозных балансов спроса и предложения по сельскохозяйственной продукции, продовольствию, льноволокну, кожевенному сырью, хлопковолокну и шерсти.

3. Настоящее распоряжение вступает в силу с даты его опубликования на официальном сайте Евразийского экономического союза.

Прогноз развития агропромышленных комплексов государств – членов Евразийского экономического союза (далее – государства-члены), отражающий экономическое развитие сельскохозяйственного производства и рынка основных агропродовольственных товаров, формируется на среднесрочный (5 лет) и долгосрочный (10 лет) периоды с корректировкой показателей раз в 2 года.

Оценка экономического развития сельского хозяйства государств-членов осуществляется по перечню основных показателей и продукции агропромышленного комплекса согласно приложению N 1.

Результаты прогнозирования используются при формировании балансов спроса и предложения в соответствии с Методологией расчета прогнозных балансов спроса и предложения государств – членов Евразийского экономического союза по сельскохозяйственной продукции и продовольствию, льноволокну, кожевенному сырью, хлопковолокну и шерсти (приложение к Рекомендации Коллегии Евразийской экономической комиссии от 6 сентября 2016 г. N 15) (далее – Методология расчета прогнозных балансов).

Для целей настоящей Методологии используются понятия, которые означают следующее:

"базовая продукция сельского хозяйства" – продукция, предназначенная для удовлетворения основных потребностей в пище и сельскохозяйственном сырье, полученная в процессе ведения сельского хозяйства, а также в процессе первичной переработки, которая не приводит к видоизменению ее главных свойств и назначения;

"взаимная торговля" – ввоз и вывоз товаров между государствами-членами;

"взаимная торговля (ввоз)" – ввоз на территорию государства-члена с территории другого государства-члена товаров, которые добавляются к запасам материальных ресурсов государства-члена;

"взаимная торговля (вывоз)" – вывоз с территории одного государства-члена на территорию другого государства-члена товаров, которые уменьшают запасы материальных ресурсов государства-члена;

"внешняя торговля" – импорт и экспорт товаров между государством-членом и третьими странами;

"внешняя торговля (импорт)" – ввоз на территорию государства-члена с территории третьей страны товаров, которые добавляются к запасам материальных ресурсов государства-члена;

"внешняя торговля (экспорт)" – вывоз с территории государства-члена на территорию третьей страны товаров, которые уменьшают запасы материальных ресурсов государства-члена;

"продукт переработки сельскохозяйственной продукции" – продукт, полученный в результате переработки продукции сельского хозяйства.

Прогноз по базовой продукции сельского хозяйства формируется в разрезе следующих показателей:

посевные (посадочные) площади (тыс. га);

поголовье скота и птицы на начало года (для скота – тыс. голов, для птицы – млн. голов);

производство (тыс. тонн, яйца – млн штук, кожевенное сырье – тыс. штук, овцы и козы – в убойном весе, хлопковолокно, льноволокно и шерсть – тонн);

внешняя торговля (импорт и экспорт) (тыс. тонн, яйца – млн штук, кожевенное сырье – тыс. штук, баранина, хлопковолокно, льноволокно и шерсть – тонн);

взаимная торговля (ввоз и вывоз) (тыс. тонн, яйца – млн штук, кожевенное сырье – тыс. штук, баранина, хлопковолокно, льноволокно и шерсть – тонн);

внутреннее использование (тыс. тонн, яйца – млн штук, кожевенное сырье – тыс. штук, баранина, хлопковолокно, льноволокно и шерсть – тонн);

уровень самообеспеченности (%).

Данные по взаимной торговле (ввозу) одного государства-члена формируются по данным взаимной торговли (вывоза) других государств-членов.

Прогноз по продуктам переработки сельскохозяйственной продукции (сахару белому и маслам растительным) формируется в разрезе следующих показателей:

производство (тыс. тонн);

внешняя торговля (импорт и экспорт) (тыс. тонн);

взаимная торговля (ввоз и вывоз) (тыс. тонн);

внутреннее использование (тыс. тонн);

уровень самообеспеченности (%).

При расчете объемов показателей торговли (внешней, взаимной) в натуральном выражении учитываются объемы продуктов переработки сельскохозяйственной продукции в пересчете в исходный сельскохозяйственный продукт по коэффициентам, предусмотренным приложением N 4 к Методологии расчета прогнозных балансов.

Уровень самообеспеченности государства-члена (УСi) определяется как отношение объема собственного производства соответствующего вида продукции к его внутреннему использованию и выражается в процентах:

где:

Пi – производство i-го вида продукции агропромышленного комплекса государства-члена;

ВИi – внутреннее использование i-го вида продукции агропромышленного комплекса государства-члена.

Прогнозирование осуществляется в 4 этапа: подготовительный, расчетный, экспертная корректировка расчетных параметров прогнозирования, уточнение прогноза развития агропромышленных комплексов государств-членов на этапе реализации.

В рамках подготовительного этапа формируется соответствующая база исходных (базовых) данных по показателям и продукции по перечню, предусмотренному приложением N 1 к настоящей Методологии, с использованием официальной статистической информации государств-членов, данных таможенной статистики, а также данных Евразийской экономической комиссии и других официальных источников.

Для выявления основных тенденций при построении линий тренда в качестве исходной информации используются фактические данные с различными временными периодами, предшествующими прогнозному периоду:

за период не менее 15лет;

за период не менее 10 лет;

за период не менее 5 лет.

Для показателей торговли в качестве исходных данных используются фактические данные начиная с 2012 года.

В целях повышения точности прогнозных оценок база исходных (базовых) данных индикативных показателей может быть сформирована отдельно по каждой категории хозяйств с последующим суммированием показателей по государству-члену.

Расчетный этап базируется на применении системы взаимосвязанных и последовательно применяющихся инструментов прогнозирования, позволяющих прежде всего провести оценку объемов производства сельскохозяйственных товаров в каждом государстве-члене.

В рамках данного этапа проводятся оценка и экстраполяция тенденций развития индикативных показателей на основе построения линий тренда(линейного, логарифмического, экспоненциального, степенного), определяющие параметры соответствующих временных функций на основе соответствующих показателей за предыдущие годы.

Метод экстраполяции предусматривает выполнение следующих процедур.

Установление цели и задачи исследования, анализ объекта прогнозирования.

Верификация исходных данных прогнозируемого показателя.

Работы в рамках этой процедуры начинаются с проверки временного ряда, в результате которой устанавливаются полнота ряда (наличие данных за каждый год (месяц, квартал) ретроспективного периода) и сопоставимость данных, и при необходимости проводится приведение данных к сопоставимому виду. Если временной ряд представлен не полностью, то необходимо недостающие данные определить с помощью методов интерполяции в зависимости от характера протекания временного процесса.

Наряду с этим осуществляется также формирование массива функций, который в последующем будет использован для выбора вида математической модели.

Фильтрация исходного временного ряда.

В результате этой процедуры устраняются случайные возмущения (флуктуации), возникающие под воздействием неучтенных факторов или ошибок измерения относительно наиболее вероятного протекания временного процесса, и тем самым исключается искажающее влияние случайных колебаний на выбор вида регрессии. Фильтрация исходного временного ряда включает в себя его сглаживание и выравнивание.

Сглаживание применяется для устранения случайных отклонений из экспериментальных значений исходного временного ряда и более удобного представления исходного временного ряда без изменения его числовых значений.

Сглаживание производится с помощью функций, применяемых в отношении группы опытных точек.

Простая скользящая средняя определяется по следующей формуле (для расчетов может быть использован инструмент анализа данных "Скользящее среднее" из инструментов анализа Microsoft Excel):

где:

Ysmat– сглаженное значение показателя в году t;

Yt– исходное значение показателя в году t;

n – сглаживающий интервал (расчеты выполняются в вариантах интервалов 3 и 5 лет).

Экспоненциальное сглаживание применяется для выравнивания особенно сильно колеблющихся динамических рядов. Данный метод позволяет давать обоснованные прогнозы на основании рядов динамики, имеющих умеренную связь во времени, и обеспечивает более полный учет показателей, достигнутых в последние годы. Сущность метода заключается в сглаживании временного ряда с помощью взвешенной скользящей средней, в которой значения подчинены экспоненциальному закону.

Экспоненциально взвешенная скользящая средняя определяется по следующей формуле (для расчетов может быть использован инструмент анализа данных "Экспоненциальное сглаживание" из инструментов анализа MicrosoftExcel):

Yemat = a × Yt + (1 – a) × Yemat – 1,

где:

Yemat – сглаженное значение показателя в году t;

Yt – исходное значение показателя в году t;

a – сглаживающая константа (0,7).

Для линейной экстраполяции уравнение линии тренда будет иметь следующий вид:

Yt = at×t + b1,

где:

Yt – значение показателя в году t;

at, b1– коэффициенты линейного ряда.

Для экспоненциальной экстраполяции, характеризующей ускоренный (взрывной) рост фактора прогнозирования, уравнение линии тренда будет иметь следующий вид:

Yt = а1 × bet,

где:

Yt – значение показателя в году t;

а1, bet – коэффициенты экспоненциального тренда.

Логарифмическая линия тренда применяется при моделировании характеристик, значения которых вначале быстро меняются, а затем постепенно стабилизируются, уравнение линии тренда будет иметь следующий вид:

y =c×ln(x) + b,

где:

b, c– константы.

В отдельных случаях может также использоваться степенная экстраполяция, уравнение линии тренда которой имеет следующий вид:

y = c × xb,

где:

b, c – константы.

При необходимости (наличии точек перегиба) может быть использована полиноминальная функция.

В соответствии с указанными формулами на основе значений показателя за предыдущие годы рассчитываются параметры указанных функций.

Значение показателя прогнозируется на 10 лет на основе полученных параметров. Аналогичные расчеты проводятся по показателям предыдущих лет с меньшим временным интервалом (10 и 5 лет), что позволяет более объективно учесть последние тенденции при дальнейшей экстраполяции и экспертной оценке.

Оценка качества модели прогнозирования.

В рамках этой процедуры проводится математическая (статистическая) оценка качества модели прогнозирования. Для этого несколько задействованных моделей сравниваются по показателям суммы квадратов отклонения расчетных прогнозных значений, полученных на основании модели, от фактических значений. Для применения выбирается модель с наименьшим отклонением от фактических значений.

Прогнозирование осуществляется по основным аппроксимирующим функциям экстраполяции:

линейной;

логарифмической;

экспоненциальной;

степенной.

По каждой аппроксимирующей функции экстраполяции (по фактическим данным с различным временным интервалом) прогнозные расчеты проводятся:

по фактическим данным;

по экспоненциальной взвешенной средних данных;

по скользящей средней данных за 3 года;

по скользящей средней данных за 5 лет.

В процессе выполнения данного этапа расчетные параметры развития производства подлежат корректировке на основании экспертной оценки с учетом факторов, действие которых в исходном (базовом) периоде не было выраженным или имеет средне- и долгосрочный характер. Целесообразно применять метод консенсус-прогноза, предполагающий вычисление средних прогнозных значений на основе оценок нескольких экспертов. Экспертная корректировка расчетных параметров прогнозирования проводится в государствах-членах и представляется в Департамент агропромышленной политики Евразийской экономической комиссиидля формирования сводного прогноза производства.

В качестве основы при проведении экспертной оценки расчетных параметров прогнозирования следует использовать показатели государственных программ развития сельского хозяйства государств-членов, прогнозы социально-экономического развития государств-членов и прогнозы развития мирового агропродовольственного рынка. В частности, в растениеводстве к таким показателям и прогнозам относятся планируемый севооборот сельскохозяйственных культур, предполагаемая трансформация земельных угодий, степень внедрения интенсивных технологий выращивания сельскохозяйственных культур, планируемый уровень внесения удобрений, крупные инвестиционные проекты по развитию производства в прогнозном периоде, конъюнктура национальных и мирового рынков.

Экспертная оценка влияния основных факторов, которые следует принимать во внимание при определении тенденций развития агропромышленного производства и которые имеют значение для всех государств-членов, осуществляется в соответствии с перечнем согласно приложению N 2.

Для оценки параметров агропромышленного производства следует суммировать выставленные баллы по всем факторам (учитывая знак при соответствующей оценке) и разделить их на количество учтенных факторов. Рассчитанная величина используется в качестве процента корректировки значения, полученного в результате экстраполяции динамических рядов.

На данном этапе проводится оценка выполнения прогнозных показателей на основе фактических данных, полученных за первый отчетный год, и уточнение прогноза развития агропромышленных комплексов государств-членов с соответствующим замещением исходных данных для прогнозирования (с ежегодным сдвигом исходного (базового) и прогнозного горизонтов на 1 год). Например, в качестве исходных данных могут использоваться данные за 9 базовых лет и 1 год прогнозного периода.

Последующая экстраполяция исходных данных и экспертная оценка расчетных параметров прогнозирования осуществляются в соответствии с настоящей Методологией.

* Определяется по 5-бальной шкале.