Структурные модели равновесия и комбинированные авторские модели

Модели равновесия представлены большой группой моделей, анализирующих ключевые факторы спроса и предложения на сырьевых рынках, связи между ко­торыми выстраиваются на экономических законах и закономерностях (рис.

Представленные модели равновесия в целом включают в себя общие характе­ристики класса структурных моделей, а также моделей общего и частичного рав­новесия (п. 2.1.3). Особенности применения таких моделей для прогнозирова­ния цен мировых цен на сырьевых рынках имеет свои особенности, что подтвер­ждается, в том числе значительной диверсификацией моделей частичного равновесия.

1. Несмотря на растущую популярность нелинейных моделей прогнозирова­ния, а также многочисленные эмпирические подтверждения более высокого ка­чества подгонки (предсказательной способности) нелинейных моделей прогно- 118 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 119

Рис. 2.4. Классификация распространенных моделей прогнозирования цен на сырье

2.3. Инструментарий прогнозирования мировых цен на сырье

Рис. 2.5. Основные группы моделей равновесия

зирования^[77] наиболее распространенными моделями прогнозирования на рынке сырья по-прежнему являются линейные модели.

2. В условиях прогнозирования сырьевых рынков отчасти стирается жесткое разделение на модели общего и частичного равновесия. Эти модели практически не применяются в чистом виде и включают в себя элементы друг друга.

Практически все распространенные модели равновесия при прогнозировании цен сырье базируются на исходном значении прогнозных темпов мирового эконо­мического роста на соответствующий период, на основе которого определяется ожидаемая динамика платежеспособного спроса на сырье ключевых мировых эко­номик (рынков).

Более того, практика применения таких моделей развивается в сторону по­вышения их комбинированности и сопряженности с моделями других классов, в частности неструктурных моделей. Это, например, допущения о неизменности государственных политик (в области энергосбережения и применяемые техно­логии в мировой экономике), использование для установления закономерностей и взаимозависимостей в динамике показателей, составляющих эмпирические данные (входящая в модель информация).

3. Ввиду популярности применения моделей равновесия на рынках сырья су­ществует большое количество авторских интерпретаций таких моделей. Они представляют, как правило, комбинацию инструментов прогнозирования из различных моделей и разрабатываются отдельными институтами и исследовате­лями для повышения прогностической способности первых.

С. 43—51.

4. Модели равновесия на рынке сырья, как правило, построены на динамиче­ских системах достижения равновесия на общем рынке или его отдельных сег­ментах. Результатом прогнозирования, как правило, является равновесная цена, которая сложится на рынке при взаимодействии спроса и предложения, динами­ка которых тоже прогнозируется в совокупности определяющих их факторов. Однако в некоторых случаях современные интерпретации моделей прогнозиро­вания ограничиваются прогнозом наиболее вероятной динамики цен на сырье или существенных, определяющих динамику цены факторов. В зависимости от модели такими факторами могут выступать производство сырьевых ресурсов или их потребление, поведение стран импортеров и экспортеров, торговля фьючерс­ными контрактами, спецификация участников торговли, их ценовые ожидания, торговая активность и др.

В отношении переменных объектов прогнозирования в подавляющем большин­стве случаев учитывается спрос (по отраслям и в разрезе страновых групп — ОЭСР, ОПЕК, СНГ, группа развивающихся стран, стран с переходной экономи­кой и т.д.).

Слабые стороны таких моделей:

— недостаточная определенность горизонта прогнозирования (сложности с точной оценкой периода времени, в течение которого предложение уравновесит спрос);

— ухудшение прогностической способности таких моделей в условиях несо­вершенного рынка (олигополии, монополии, дуополиии и др.) и неэкономиче­ских факторов (государственные политики, структуры рынка и др.)^[78];

— низкий уровень практического применения полученных результатов из-за большого разброса сценарных условий;

— «географическая привязанность» моделей рынков, их меньшая универ­сальность, различные сорта одного и того же вида сырья, различные условия до­бычи и др.

Несмотря на выделенные недостатки, данный класс моделей является опре­деляющим в прогнозировании цен на сырьевых рынках. Данные модели прогно­зирования применяются большинством институтов, компаний, ассоциаций, го­сударственных органов (см. табл. 2.23, 2.25) и являются общими по объекту про­гнозирования — мировой рынок в совокупности сырьевых рынков или рынок соответствующего сырьевого товара.

Направление развития и устранение недостатков

Современное направление развития моделей и практика их применения направ­лены на устранение недостатков, которое достигается:

— использованием дополнительных элементов и методов прогнозирования (пересмотр предыдущих тенденций, ретроспективный анализ, оценка чувстви­тельности спроса к ценам на сырье, учет прогнозов других институтов и др.);

— периодическим пересмотром факторов структуры модели из-за сложноус­танавливаемой системы факторов спроса и предложения, меняющихся во внеш­них условиях;

— обязательным введением сценарных условий с выделением наиболее веро­ятного сценария (реже — установление вероятности реализации описываемых сценариев);

— эволюцией в сторону описательно-разъяснительного характера представ­ления факторной схемы анализа, нежели обоснования количественного резуль­тата прогноза;

— значимостью микроэкономической составляющей моделирования, т.е.

Модели равновесия, в свою очередь, условно можно разделить на две под­группы: модели общего равновесия и модели частичного равновесия.

Модели общего равновесия

Представляют собой модель равновесия мировой экономики в целом, в составе которой выделяются сырьевые рынки широкого спектра (энергоресурсы, продо­вольствие, металлы). Прогнозы цен на сырье во всех моделях взаимоувязаны с ожидаемыми темпами роста экономики. Данные модели ориентированы на ус­ловия достижения конкурентного равновесия^[79].

Все модели общего равновесия выстраиваются на единой теоретической ос­нове — модели общего равновесия Вальраса применительно к анализу экономи­ческих политик. Данная модель дает широкий инструментарий для учета взаи­модействия между экономическими силами (направляющими факторами) на системной основе.

Вопросами вывода идей теории Вальраса на эмпирический уровень занима­лись многие известные ученые (математики и экономисты) XX и XXI вв. В на­стоящее время применение этих идей развивается по двум направлениям — по­строение крупных масштабных глобальных моделей общего экономического равновесия и построение моделей отдельных отраслевых рынков.

Типовая модель создается на основе классических оптимизационных моделей (модель Эрроу—Дебре) и основана на следующих базовых направлениях опти­мизации: максимизация прибыли, минимизация издержек, максимизация по­лезности. Описывает поведение основных секторов и отраслей экономики и рав­новесие на рынках товаров и услуг, а также факторов производства (труд, капи­тал, энергоресурсы). Включает модули, описывающие различные сектора экономики со стороны спроса и предложения. Данная модель относится к клас­су статических двухуровневых моделей (две группы факторов производства — труд и капитал).

Для моделей общего экономического равновесия характерна следующая структура модели прогнозирования: определенное количество потребителей со сво­ей структурой предпочтений определяют функцию спроса на каждый товар из ис­ходного набора. Общий рыночный спрос равен сумме индивидуальных величин спроса. При этом спрос зависит от всех цен на товары. Как данность принимается закон Вальраса: при любом уровне цен объем потребительских расходов равен до­ходам потребителей. Спрос на сырье является частью общего спроса.

Предложение описывается производственной функцией, связанной с техно­логией производства. Производственная функция является основным инстру­ментарием прогнозирования. В различных прикладных моделях общего равно­весия данная функция может определяться функцией¹, построенной на приме­нении функций постоянной (Constant Elasticity of Substitution, CES)^{[80] [81]} или переменной эластичности замещения, либо функцией Кобба—Дугласа^[82] при максимизации прибыли производителем.

Важным инструментарием моделирования при таком подходе являются функции эластичности (прежде всего эластичность замещения факторов произ­водства, эластичности по доходам и ценам), их выбор часто определяет специ­фику используемых функций спроса и предложения (производства). Сложность заключается в выборе функциональной формы, при которой учитываются зна­чения ключевых параметров модели, и при этом сохраняются установленные на начальном уровне экономические связи между входящими и исходящими пара­метрами модели (генерирующий временные ряды механизм).

Критическое значение для прогностических способностей таких моделей имеет подбор значений параметров функций. Наиболее часто используемой процедурой является калибровка (подбор значений ключевых показателей систе­мы в новом равновесном состоянии), она обеспечивает новую спецификацию модели.

При этом не существует возможности статистической проверки новой спе­цификации. В этом, по заключению многих исследователей, состоит основная слабость моделей общего равновесия в отличие от неструктурных моделей, кото­рые часто впадают в другую крайность — упрощение модели объекта прогнози­рования для углубления статистической спецификации (выявленных зависимо­стей и закономерностей в прошлом).

Подробный анализ прикладных моделей общего равновесия представлен, например, в сборнике статей известных экономистов У. Баумоля, Р. Солоу, К. Боулдинга, У. Самюэлса и др., посвященных оценке состояния экономиче­ской науки в конце XX в¹.

На практике данные модели представлены прежде всего комплексными мак­роэкономическими моделями общего равновесия Всемирного банка и МВФ. Прогнозирование осуществляется на нескольких этапах — от прогноза по от­дельным странам к глобальному макроэкономическому прогнозу в различных сценарных условиях (МВФ) или от прогноза по отдельным мировым рынкам (секторам) к общему прогнозу развития мировой экономики (Всемирный банк).

Комплексные модели прогнозирования, построенные на базовой модели об­щего равновесия, на уровне прогнозирования по отдельным рынкам допускают применение отдельных моделей прогнозирования, в том числе построенных на условиях частичного равновесия как на конкурентном, так и неконкурентном рынке, а также модифицированных вариантов моделей равновесия, представ­ленных в так называемых авторских моделях, в которых комбинируются различ­ные методы прогнозирования, типичные для структурных, неструктурных и ка­чественных моделей.

В структуре моделей обеспечивается использование данных двух уровней — макроэкономические (агрегированные) и микроэкономические (модели поведе­ния фирм, домохозяйств, индивидуумов в экономике).

Так, Всемирный банк в составе общего прогноза выделяет около 20 сырьевых моделей (рынок минерального сырья, сельскохозяйственной продукции), от­дельно — рынок энергоресурсов, разрабатываемых различными авторами с ис­пользованием различных моделей и подходов к прогнозированию^{[83] [84]}.

В отношении сырьевых сегментов обеспечивается комплексное прогнозиро­вание по отдельным сырьевым рынкам в рамках заданного сценария развития, а на основе математического анализа обеспечивается достижение равновесия во времени на всех рынках (система уравнений).

Международная практика прогнозирования мировых цен на финансовых рынках 125

Таблица 2.23. Модели общего равновесия, применяемые при прогнозировании цен на нефть ведущими международными организациями

126 Международная практика прогнозирования мировых цен на финансовых рынках

Международная практика прогнозирования мировых цен на финансовых рынках 127

128 Международная практика прогнозирования мировых цен на финансовых рынках

Окончание табл. 2.23

Международная практика прогнозирования мировых цен на финансовых рынках 129

¹ Commodities Market Outlook / The World Bank. Global Economic Prospects, 2014. P. 25.

² Boughton J. M. Modeling the World Economic Outlook at the IMF: A Historical Review / IMF. Working Paper. 2007. P. 3.

³ Mensbrugghe D. LINKAGE Technical Reference Document. Version 7.1 / The World Bank. Development Prospects Group (DECPG). March 2011.

⁴ Labys VJ. C. Recent Developments in Commodity Modeling / The World Bank. Working Papers. October 1998. P. 96.

⁵ Cm.: ibid. P. 5.

⁶ Cm.: ibid. P. 29—30.

⁷ Cm.: ibid. P. 66.

³ Mensbrugghe D. Op. cit.

130 Международная практика прогнозирования мировых цен на финансовых рынках

⁹ BaffesJ., Burns A., Osorio-Rodarte I., Mensbrugghe D. Macroeconomic Environment and Commodity Markets: a Longer-Term Outlook. Chapter 5 /ed. by P. Conforti. Looking Ahead in World Food and Agriculture: Perspectives to 2050. Rome : FAO, 2011. P. 31.

¹⁰ Cm.: Labys W. C. Op. cit. P. 23—24, table 2 P. 37.

¹¹ Cm.: ibid. P. 23—24, 30—32, 36.

¹² Подробнее см.: Pesenti P. The Global Economy Model: Theoretical Framework / IMF. Staff Papers. 2008. Vol. 55. No 2.

¹³ Boughton J. M. Op. cit. P. 5.

¹⁴ Genberg H., Martinez A., Salemi M. The IMF WE0 Forecast Process / IMF. Independent Evaluation. February 2014. P. 7.

¹⁵ Cm.: Commodity Price Outlook & Risks. IMF. 12 November 2013. www.imf.org.

Модели частичного равновесия

Модель частичного равновесия представляет собой модель равновесия на кон­кретном сырьевом рынке (энергоресурсы, продовольствие, металлы). Такие мо­дели, как правило, формируются для каждого вида сырья отдельно. Равновесие на рынке конкретного товара рассматривается вне зависимости от влияния дру­гих рынков.

Ввиду специфики рынков отдельных видов сырья: возможной неконкурент­ности, монополии (олигополии) производителя, возобновляемости (невозоб­новляемости) ресурсов, зависимости от природных явлений, катаклизмов, осо­бенностей ценообразовательного процесса (биржевые рынки), географии рын­ков производства и сбыта модели этой подгруппы чрезвычайно разнообразны (табл. 2.24).

Наиболее распространенные модели частичного равновесия, применяемые на сырьевом рынке, представлены в составе пяти групп — (1) модели рынка,

(2) модели пространственного равновесия, (3) оптимизационные модели, (4) мо­дели динамических систем, (5) модели «затраты—выпуск» (рис. 2.5).

(1) Модели рынка (базовая модель)

Базовой моделью сырьевого рынка, используемой в прогнозировании моделями данной подгруппы, можно считать так называемую стандартную модель сырье­вого рынка (Standard Commodity Model, SCM)¹. На ее основе разрабатываются прикладные модели частичного равновесия для прогнозирования цен на сырье.

Она отражает особенности моделей частичного равновесия и их приближен­ность к специфике сырьевых рынков. Это:

— больший акцент на сторону предложения, определяемого, прежде всего производственными возможностями (условия добычи);

— расширение параметров функции спроса и предложения за счет инженер­но-технических и инновационных факторов (учет товаров-заменителей), а функции предложения — за счет агрономических или геологических факторов;

— как правило, низкая эластичность предложения по отношению к сложив­шемуся уровню цен и спросу, использование запасов как балансирующего спрос и предложение фактора.

Модель объекта прогнозирования в стандартной модели (SCM) выстраивает­ся на основе следующих подходов:

— выделение трех основных составляющих прогнозирования цен на сырье — спрос, предложение, запасы, и учет их взаимодействия в процессе формирования равновесной цены на конкурентном или неконкурентном рынке;

— определение функции спроса на сырье в зависимости от следующих суще­ственных переменных: сложившегося уровня цен на сырье, показателей эконо­мической активности, динамики цен на товары-заменители, возможности появ-

132 Международная практика прогнозирования цен на финансовых рынках

Таблица 2.24. Классификация моделей частичного равновесия

Международная практика прогнозирования цен на финансовых рынках 133

134 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 135

136 Международная практика прогнозирования цен на финансовых рынках

Окончание табл. 2.24

¹ Область применения приводится в соответствии с: Labys V/. С. Recent Developments in Commodity Modeling / The World Bank. Working Papers. October 1998. P. 57.

² Было разработано в конце 1940-х гг. американским математиком Джорджом Бернардом Данцигом (George Bernard Dantzig). Представляет мате­матическую модель достижения пространственно-временного равновесия. Применялось во многих направлениях бизнеса — управлении производст­вом, региональном, межрегиональном и международном планировании, оценке проектов. В области экономического планирования данный метод был впоследствии расширен за счет включения инвестиционной модели, в которой установление оптимальной концентрации производственной активно­сти и синхронизация инвестиционной емкости (потенциала) достигались за счет минимизации общих издержек (сумма инвестиционных, операционных и транспортных расходов) — см.: Takayama Т., Hashimoto Н. A Comparative Studly of Linear Complementarity Programming Models and Linear Programming Models in Multi-Regional Investment Analysis / The World Bank. Working Paper No. 1984-1. February 2004. P. 1.

Международная практика прогнозирования цен на финансовых рынках 137

³ Подробнее см.: Такауата Т., Judge G. G. Spatial and Temporal Price and Allocation Models. Amsterdam, 1971.

⁴ Модель пространственного равновесия европейского энергетического рынка, представляющая результаты прогнозирования по 35 европей­ским странам. Включает отдельные подмодули по электричеству, ТЭЦ, РЭС, газ биотопливо. Прогнозируется энергетические балансы, инвестиционные издержки, цены и эмиссия парниковых газов по каждой стране. Используется совместно уполномоченными дирекциями Еврокомиссии: Directorate- General for Mobility and Transport и Directorate-General for Energy (DG TREN) для разработки сценариев и прогнозов, включенных в серию публикаций Energy Outlook for the EU.

⁵ Модель пространственного равновесия мирового энергетического рынка. Прогнозирует цены на энергоресурсы, мировой энергетический ба­ланс, эмиссию парниковых газов. Разработана и используется европейским исследовательским институтом Institute of Energy Policy and Economics IEPE (LEPII-CNRS). Применяется для исследования мирового предложения энергоресурсов и долгосрочного влияния энергетических политик.

⁶ Подробнее см.: Labys V/. С. Op. cit. Р. 14—16.

⁷ См. Dammertand Palaniappan (1985) — глобальная модель добычи, переработки меди и изготовления из нее продукции; Langston (1983) — мо­дель нефтегазового комплекса Мексиканского залива; Kwang-Ha (1981) — модель отрасли электроэнергетики в Южной Корее, Jung Suh (1982) — мо­дель нефтехимической отрасли в Южной Корее.

³ Требование целочисленное™ означает, что используемые в модели переменные могут принимать только целые значения. Для моделирования сырьевых рынков выполнение критерия целочисленное™ достигается при использовании двух значений переменных — О или 1, что означает наличие или отсутствие производственных возможностей (возможность производства одного или двух видов продуктов из одного вида сырья или производство одного продукта несколькими способами).

⁹ Hogan and Weyant (1983).

¹⁰ Разработана Лоуренсом Робертом Клейном (Lawrence Robert Klein), получившим нобелевскую премию «за создание экономических моделей и их применение к анализу колебаний экономики и экономической политики».

¹¹ Модель американского энергетического рынка, представляющая результаты прогнозирования по угольному рынку, рынку электроэнергии, рынку нефти, газа, возобновляемых источников энергии. Дополнительные прогнозные модули — транспортный, жилой, производственный, коммерче­ский сектор, транспортировка энергоресурсов.

¹² Применительно к прогнозированию цен, устанавливаемых ОПЕК реализована в работах Гилберта (Gilbert), 1978.

¹³ Salant et al. (1981).

¹⁴ Kolatad et al. (1983).

¹⁵ Hnyilicza, Pindyack (1976), Farzin (1986), Marquez (1984).

¹⁶ Pindyack (1978), Cremer and Weitzmen (1976).

¹⁷ Подробнее см.: Forrester J. V/. Industrial Dynamics—After the First Decade // Management Science, INFORMS. Vol. 14. No. 7. Theory Series. March 1968. P. 398—415.

¹³ Meadows, 1970.

¹⁹ Модель Медоуза (Meadows, 1970) первоначально применялась на рынках мяса бройлеров, крупного рогатого скота, свиней. В последующем Га­мильтон (Hamilton, 1979) применил ее на рынке угля, Choucri, 1981 — к рынку нефти, Стронгмэн (Strongman, 1976) — к рынку меди, общая модель Линн- мана (Linneman, 1976) — к рынку сельскохозяйственного сырья.

²⁰ Базовая модель была предложена Василием Леонтьевым в 1966 г. (публикация Input-Output Economics).

138 Международная практика прогнозирования цен на финансовых рынках

²¹ Крюгер (Kruegar, 1976) — модель объясняет, как будущее потребление черных и цветных металлов может быть спрогнозировано комбинацией прогнозов значений коэффициентов материалопотребления, которые связывают материальное потребление отдельных отраслей со спросом на про­изводство этой отрасли. Составляющие моделирования включают: заимствованные из макроэкономических прогнозов оценки значений ВВП, оценоч­ные коэффициенты материалопотребления на единицу продукции соответствующих отраслей и таблицу «затраты—выпуск», с помощью которой эконо­мические значения конвертируются в производственные и, соответственно, в показатели потребления материалов.

²² Роуз и Колк (Rose and Kolk, 1987) — модель спроса на энергоресурсы по видам сырого производства энергоресурсов и продуктов их переработ­ки, учитывает влияние новых технологий и макроэкономические условия.

²³ Симпсон (Simpson, 1980) — модель, анализирующая влияние новых видов сельскохозяйственного экспорта на экономический рост стран с раз­вивающейся экономикой.

²⁴ Имеется в виду конвертирование потоков потребляемой в экономической системе продукции в сырьевые эквиваленты, необходимые для ее производства (по всей производственной цепочке). Конвертирование осуществляется по модели Василия Леонтьева.

ления и внедрения технических инноваций в области синтетических замените­лей и др.;

— определение функции предложения в зависимости от следующих пере­менных: сложившегося уровня цен, показателей производительности, агроно­мических или геологических факторов;

— использование дополнительного механизма корректировки предложения в виде учета влияния прошлых ожиданий цен на величину предложения, а также изменение запасов сырья в качестве балансирующего фактора;

— применение распространенного для моделей равновесия сценарного под­хода к прогнозированию.

(2) Модели пространственного равновесия

Наиболее распространенным вариантом моделей частичного равновесия, нахо­дящим широкое практическое применение, является пространственно-времен­ная модель ценового распределения (Spatial and Temporal Price and Allocation, STPA)¹ — применяется в моделях PRIMES^{[85] [86]}, POLES^[87] европейских институтов.

Построена на базе SCM, но с учетом транспортных и инвестиционных состав­ляющих, оказывающих влияние на производственный процесс. При этом значитель­ная роль (в отличие от моделей общего равновесия, микроэконометрический анализ которых в большей степени связан с анализом поведенческих закономерностей эко­номических агентов — см. выше) придается эмпирическим составляющим — ана­лизу пространственных потоков для оценки взаимосвязей между спросом, предло­жением и транспортными издержками, и торговыми потоками на рынках сырья.

Потоки спроса и предложения, распределяемые территориально, приводятся в соответствие стремлением к минимизации транспортных издержек. Усложне­ние проводится по линии учета различных уровней переработки продукции и стадий производственного процесса (от добычи сырья до реализации на рынке), потребностей в инвестициях и производственных возможностях, использования условия максимизации доходов для приведения рынка в равновесие.

В подавляющем большинстве случаев моделирование равновесного состоя­ния рынка реализуется программными методами: линейное (Linear Programming, LP^[88]), квадратичное (Quadratic Programming, QP) и линейное дополнительное

программирование (Linear Complementarity Programming, LCP) и т.д. С данным подходом вступает в противоречие подход Всемирного банка, утверждающего, что методы программного моделирования на рынке сырья менее применимы из- за недостаточно высокой динамики трансграничных торговых потоков¹. Тем не менее Всемирный банк активно использует возможности программного модели­рования как дополнительного метода прогнозирования в своих моделях общего равновесия (см. табл. 2.23).

(2.1) Модели смешанного целочисленного программирования

(Mixed Integer Programing, MIP)^{[89] [90]}

Реализуются программными методами: линейного программирования (Linear Programming, LP). Применение моделей связано с моделированием, как прави­ло, отраслей в целом.

Выделены в отдельную группу ввиду того, что представляют альтернативную методологию математического определения равновесия сырьевых систем при выборе проектов, производстве и транспортировке продукции с использованием целочисленных переменных, а также допускают формирование нескольких рас­пространенных разновидностей моделей прогнозирования^[91].

В целом представляют расширенный вариант пространственно-времен­ной модели ценового распределения (STPA), дополненный альтернативными возможностями производства продукции из одного вида сырья или производства одного вида продукции несколькими способами. Равновесие спроса и предложе­ния достигается посредством минимизации дисконтированных затрат на удов­летворение специальных рыночных условий за период действия модели, на­пример, выбор уровня активности применения следующих факторов: измене­ние производственных мощностей, направлений поставок, импорта и экспорта, объемов собственного использования сырья, трудовых и иных ма­териальных ресурсов.

(2.2) Гибридные программные модели

Являются разновидностями модели смешанного целочисленного программиро­вания. Включают смешанные подходы, заимствованные из других моделей в на­правлении интеграции экономических (на стороне спроса) и инженерных (на стороне предложения) факторов, а также учет взаимовлияния сырьевого рынка и макроэкономических условий в национальной экономике.

Комбинированная модель энергоресурсов (Combined Energy Model)^[92]— ком­пьютеризированный теоретический метод достижения равновесия между со­

ставляющими модели: взаимосвязанными подмодулями и процессами в интере­сах максимизации заданной функции на базе метода итерации.

Распространенное практическое применение — Project Linked System¹ (LSP) — национальные экономики представляют субмодели, которые приво­дятся в соответствие на базе общего торгового равновесия. Условия равновесия — приведение в соответствие макроэкономических условий и составляющих тор­говой системы (модель сырьевого рынка, SCM) на базе метода итераций.

На LSP базировалось построение известных моделей National Energy Modeling System (NEMS)² Управления энергетической информации США (EIA).

(3) Оптимизационные модели

Применяются для условий неконкурентного рынка, учитывают факторы его ин­ституциональной организации. Спрос и предложение анализируются в связи с оп­тимизацией добычи по степени истощения ресурсов и поведением картеля (ОПЕК).

Модель оптимизации ресурсов (Resource Optimization Model, ROM) — при­водит в соответствие (оптимизирует) допустимое истощение природных ресур­сов, управляемое поведением олигополистического рынка и процессами согла­сования цен.

Полярными по отношению к Модели оптимизации ресурсов являются Дина­мические микроэконометрические модели чистой монополии и дуополии в условиях неизменной институциональной структуры рынка (Cartel—Fringe Model) (на базе работ Штакельберга, Нэша—Курно).

Модель Штакельберга (Stackelberg Model) — учитывает взаимодействие в ин­тересах максимизации прибыли участников двух типов: 1 — устанавливающие цену и принимающие количество товаров и 2 — принимающие цену и устанав­ливающие количество товаров³.

Модель Нэша—Курно (Nash—Cournot) использовалась для объяснения по­ведения рынка нефти⁴ и угля⁵.

Также активно применялись: 1) в моделировании предложения нефти в раз­личных интерпретациях механизма взаимодействия стран — членов ОПЕК и ос­тальных стран⁶; 2) в моделировании нефтяного рынка как монополистического или картельного с элементами конкуренции⁷.

¹ Разработана Лоуренсом Робертом Клейном (Lawrence Robert Klein), получившим нобелевскую промию «за создание экономических моделей и их применение к анализу колебаний экономики и эконо­мической политики».

₂

Модель американского энергетического рынка, представляющая результаты прогнозирования по угольному рынку, рынку электроэнергии, рынку нефти, газа, возобновляемых источников энергии. До­полнительные прогнозные модули — транспортный, жилой, производственный, коммерческий сектор, транспортировка энергоресурсов..

³ Применительно к прогнозированию цен, устанавливаемых ОПЕК реализована в работах Гилберта (Gilbert), 1978.

⁴ Salant at al. (1981).

⁵ Kolatad at al. (1983).

⁶ Hnyilicza, Pindyack (1976), Farzin (1986), Marquez (1984).

⁷ Pindyack (1978), Cremer and Weitzmen (1976).

(4) Модели динамических систем

Включают поведенческие модели, близкие к эконометрическим с учетом специ­фики сырьевых рынков и системного анализа технологических факторов. Исход­ная модель — модель динамических производственных циклов Форестера (Industrial Dynamics Approach of Forrester), использованная Медоузом для создания Модели динамических сырьевых циклов (Dynamic Commodity Cycle, DCC): запасы — ба­лансирующий фактор, производители и потребители свободны в использовании информации о текущих и прошлых ценах для формирования будущих ожиданий.

Ограничение применения —виды сырья, отличающиеся цикличностью про­изводства и ценовой динамики^[93].

(5) Модели «затраты—выпуск»

Отличаются простой теоретической основой, связывающей производство про­дукции и затраты со спросом на промежуточные и конечные продукты. Учитыва­ет процесс, который конвертирует сырьевые товары в промежуточные и конеч­ные продукты. Имеется в виду конвертирование потоков потребляемой в эконо­мической системе продукции в сырьевые эквиваленты, необходимые для ее производства (по всей производственной цепочке). Конвертирование осуществ­ляется по модели Василия Леонтьева. Применительно к сырьевому рынку общая модель «затраты—выпуск» позволяет учитывать связь между затратами, произ­водством и технологиями, макроэкономическими показателями.

Универсальной модели нет, существуют отдельные модели для рынков мине­ральных и энергоресурсов, продовольствия.

Составляющие моделирования включают: заимствованные из макроэконо­мических прогнозов оценки значений ВВП, оценочные коэффициенты мате­риалопотребления на единицу продукции соответствующих отраслей и таблицу «затраты—выпуск», с помощью которой экономические значения конвертиру­ются в производственные и, соответственно, в показатели потребления мате­риалов.

Типичными примерами практики применения таких моделей являются: мо­дели ОПЕК, EIA, других исследовательских организаций и институтов, модели энергетического сектора ЕС, модели отраслевых объединений, ассоциаций, кон­сультантов (табл. 2.25), отдельно — так называемые авторские модели.

В отношении переменных объектов прогнозирования в подавляющем большин­стве случаев учитывается спрос (по отраслям и в разрезе страновых групп — ОЭСР, ОПЕК, СНГ, группа развивающихся стран, стран с переходной экономи­кой и т.д.). Основные факторы спроса — транспортная инфраструктура; динами­ка материало- и энергопотребления; развитие альтернативных видов сырья, мо­дернизация производственных мощностей. В факторах предложения, как прави­ло, учитываются: объем извлекаемых запасов, потребность в инвестициях для поддержания темпов добычи, оценка запасов.

Международная практика прогнозирования цен на финансовых рынках 143

Таблица 2.25. Распространенные модели частичного равновесия в прогнозировании цен на сырье, применяемые организациями и институтами

144 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 145

146 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 147

148 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 149

150 Международная практика прогнозирования цен на финансовых рынках

Международная практика прогнозирования цен на финансовых рынках 151

¹ Факторы спроса и факторы предложения (п. 2.1—2.3 и 3.1—3.3) отметим как типичные и оцениваемые в подавляющем большинстве прогнозов. При описании дальнейших прогнозов цен на энергоносители подробно приводятся факторы, отличные от отмеченных.

² World Oil Outlook. OPEC. 2007—2013. www.opec.org.

³ Фактические разработчики прогноза: лаборатория ЕЗМ-Lab Института коммуникации и компьютерных систем Национального технического уни­верситета Афин, Греция (Institute of Communication and Computer Systems at the National Technical University of Athens, ICCS-NTUA); Международный ин­ститут прикладного системного анализа (International Institute for Applied Systems Analysis, NASA); EuroCARE.

⁴ Cm.: Capros B. and others. EU Energy, Transport and GHG Emissions Trends to 2050. Reference Scenario 2013 / European Commission Directorate- General for Energy, Directorate-General for Climate Action and Directorate-General for Mobility and Transport. December 2013.

152 Международная практика прогнозирования цен на финансовых рынках

⁵ Динамическое равновесие в описываемой модели подразумевает нахождение статической равновесной точки для каждого из периодов, но по­вторение этой операции во времени в соответствии с динамическими взаимосвязями.

⁶ Информация с сайта основного разработчика модели, http://www.e3mlab.ntua.gr.

⁷ The PRIMES Energy System Model Summary Description / National Technical University of Athens. European Commission Joule-Ill Programme. 2011.

P. 3.

⁸ Cm.: Ibid. P. 4.

⁹ Теория адаптивных ожиданий, в отличие от теории рациональных ожиданий, предусматривают формирование ожиданий только на основании на­блюдения развития этих величин в прошлом.

¹⁰ The BP Energy Outlook, British Petrolium. www.bp.com.

¹¹ Outlook for Energy 2007—2014, Exxon Mobil, corporate.exxonmobil.com.

¹² www.ajmdeloitte.ca/price-forecasts/archives.html.

¹³ Crude Oil Forecast, Markets & Transportation, Canadian Association of Petroleum Producers, www.capp.ca/forecast.

¹⁴ Long Term Outlook for Gas Demand and Supply 2007—2030. Eurogas. 2009. Eurogas Statistical Reports (Yearly 1998—2013); Eurogas Roadmap 2050, 2011. www.eurogas.org.

¹⁵ Annual Energy Outlook 2005—2010. http://www.eia.gov/analysis/reports.cfm?t=9999.

¹⁶ World Energy Outlook. IEA. 1994—2010. www.worldenergyoutlook.org/publications/2008-1994.

¹⁷ Agricultural Baseline Projections. USDA. 2005-2010. www.usda.gov.

Результаты прогнозирования и сами модели, как правило, периодически пе­ресматриваются из-за сложно устанавливаемой системы факторов спроса и предложения, влияния внешних условий.

Основные различия моделей

Различие проходит по линии математических моделей, используемых для нахож­дения равновесия (балансирования) спроса и предложения.

Модели различаются итоговыми прогнозными показателями: среднегодовая цена на нефть по корзине ОПЕК (OPEC Reference Basket (ORB)), на нефть марки Brent или WTI; периодами прогнозирования — среднесрочный на пять лет, дол­госрочный — четыре-пять последующих пятилетних периода от первого года пя­тилетнего периода среднесрочного прогноза или конкретные годы—свремен- ным лагом, кратным 5, начиная от 2015 г.

Выделяются отдельные прогнозные значения на конкретные годы внутри пе­риодов. Периодичность прогнозирования — ежегодно с корректировкой про­гнозируемого показателя или нерегулярные пересмотры при появлении неуч­тенных факторов спроса (предложения).

При этом в моделях используются различные дополнительные элементы про­гнозирования: пересмотр предыдущих тенденций, ретроспективный анализ, оценка чувствительности спроса к ценам на сырье, учет прогнозов других инсти­тутов.

Авторские комбинированные модели

Авторские комбинированные модели наиболее распространены в классе моде­лей частичного равновесия. Их появление связано с многочисленными попытка­ми улучшить прогностические способности моделей частичного равновесия, предназначенные для прогнозирования конкретных сырьевых рынков за счет применения дополнительных методов прогнозирования (в основном методов, относящихся к так называемым неструктурным моделям — модели оценки вре­менных рядов^[94] и других рядов данных), уточнения функций моделей и оптимиза­ции их структуры.

Движение цен на сырьевые товары моделируется как результат действия не­скольких фундаментальных факторов (переменных) Дополнительные перемен­ные используются для объяснения динамики цен на нефть (так называемые неф­тяные переменные: поведение ОПЕК, запасы нефти, ее потребление; «ненефтя­ные» переменные: экономическая активность, процентные ставки, курсы валют, другие цены на сырье).

Примеры наиболее распространенных авторских моделей на рынке нефти могут быть представлены четырьмя подгруппами моделей (табл. 2.26):

(1) Модели спроса и предложения

Модель, учитывающая факторы спроса на нефть в США — добычу нефти ОПЕК, реальный ВВП США и эластичность спроса на нефть по цене и доходу. Исполь­зуется GARCH для оценки волатильности цен на нефть, а также коинтеграцион­ный тест и модель ECM для оценки краткосрочных и долгосрочных зависимо­стей между спросом на нефть и ценами на нефть, реальным ВВП, ценами на нефть и уголь для определения эластичности спроса на нефть по цене и доходам. Использовались несколько сценариев сокращения добычи нефти ОПЕК¹. До­полнительно учитывались фьючерсные цены на нефть марки light sweet (NYMEX), предложение и потребление нефти, предложение денег^{[95] [96]}.

(2) Модель поведения ОПЕК

Оценивает и устраняет недостатки модели спроса и предложения, в частности, труднопредсказуемость поведения ОПЕК, ошибки в оценке будущих запасов, а также объемов предложения нефти странами — не членами ОПЕК ^[97] .

Модель поведения ОПЕК демонстрирует хорошие прогностические воз­можности на выраженном ценовом тренде без существенных скачков и измене­ний его направления. В остальных случаях прогностическая способность сни­жается.

(3) Модели запасов

Используют только одну переменную для объяснения динамики цен на нефть — извлекаемые запасы нефти ОПЕК^[98], расширяют модель за счет: 1) расчета премии (фактическая цена — оценочная); 2) тестирования зависимости премии от ряда переменных методом Грейнджера (учет разницы в ценах на наличном и фью­черсном рынках, спекуляции, производственные возможности ОПЕК, запасы бензина в США, мощности НПЗ США, процентные ставки, курс доллара к евро, разницы в ценах на другие сырьевые товары^[99]).

(4) Модели несырьевых переменных

Использование так называемых разрывов и возможных случайных событий по примеру революции в Иране 1979 г., ирано-иракской войны 1980 г., кризиса ОПЕК середины 1980-х гг.

Реальная цена WTI определяется как функция от разрывов в мировом произ­водстве и реального эффективного курса доллара6 оценка модели на способ­ность к прогнозированию и зависимость цен на нефть от выделенных факто­ров — курса доллара и запасов нефти^[100];

Таблица 2.26. Распространенные авторские модели прогнозирования цен на нефть и их группы в составе моделей частичного равновесия на сырьевых рынках

Модель превосходит по точности модель случайных блужданий, но требует обязательного включения показателей запасов нефти, точность значения кото­рых существенно влияет на результаты прогнозирования.

Современные направления развития моделей прогнозирования цен на сырье

1. Прогнозирование цен на сырье является ключевой составляющей прогнозирова­ния мировой экономики и финансов. В настоящее время используется много мо­делей, как самостоятельных, имеющих конечной целью прогнозирование цен на сырье (ОПЕК, EIA, IEA, Citygroup, Delloite, ОАО «ЛУКОЙЛ» и др.), так и вклю­ченных в общие модели развития мировой экономики (МВФ, Всемирный банк, Минэкономразвития России и др.).

2. Важной тенденцией последних лет является отказ от конечного значения цен на сырье (прежде всего нефть) как итоговых результатов прогноза.

На примере прогнозов, которые носят более «частный» характер и применя­ются в деятельности профессиональных ассоциаций и крупных транснацио­нальных компаний, можно проследить стремление выстраивать прогноз тенден­ций в движении цен на сырье, нежели чем прогнозировать конкретные значения цен (Канадская ассоциация производителей нефти (Canadian Association of Petroleum Producers) и Бритиш Петролеум (British Petroleum, BP).

3. В последнее время в зарубежных научных школах растет интерес к альтер­нативным подходам к прогнозированию динамики мировых цен на сырье, в том числе как реакция на недостаточно высокую прогностическую способность рас­пространенных на рынке сырья моделей равновесия в условиях значительной финансовой составляющей их ценообразования (с использованием производ­ных финансовых инструментов):

• прогнозы на основе кросс-курсов доллара c основными валютами круп­нейших стран — экспортеров нефти (евро, канадский доллар, японская йена) — для сырьевых ресурсов¹;

• прогнозы реальных цен на энергоресурсы в режиме реального времени ² .

Это относительно новое направление в прогнозировании. Включает прогно­зирование, как правило, на краткосрочный период в помесячной или ежеквар­тальной разбивке. При этом составляющие основу прогноза макроэкономиче­ские факторы приводятся на основе специальных методик также к помесячной (ежеквартальной) разбивке³;

• прогнозы цен на основе ценовой динамики фьючерсных контрактов, опре­деляющих будущие цены на нефть в номинальном выражении⁴.

¹ См., например: Chen Y., Rogoff K., Rossi B. Can Exchange Prices Forecast Commodity Prices? // Quarter­ly Journal of Economics. August 2010. Vol. 125 Issue 3. P. 1145—1194; Kilian L. Exchange Rates and Monetary Fundamentals: What Do We Learn from Long-Horizon Regressions // Journal of Applied Econometrics. 1999.

№ 14. P. 491—510.

₂

См., например: Chinn M. D., Coibion О. The Predictive Content of Commodity Futures // Journal of Futu­res Markets. January 2013; French K. R. Detecting Spot Price Forecasts In Futures Price // The Journal of Business. April 1986. Vol. 59. No. 2; Bekiros S. D., Diks C. G. H. The Relationship between Crude Oil Spot and Futures Prices: Cointegration, Linear and Nonlinear Causality // Energy Economics. September 2008. Vol. 30. No. 5.

³ См., например: Baumeister C., Kilian L. Real-Time Forecasts of the Real Price of Oil / University of Mic­higan. Department of Economics. 2011; Baumeister C., Kilian L. Forecasting the Real Price of Oil in a Changing World: A Forecast Combination Approach / Bank of Canada. Working Paper. August 2013.

⁴ См.: Chinn M. D., Coibion О. The Predictive Content of Commodity Futures // Journal of Futures Markets. January 2013; French K. R. Detecting Spot Price Forecasts In Futures Price // The Journal of Business. April 1986. Vol. 59. No. 2; Bekiros S. D., Diks C. G. H. Op. cit.

4. Расширяются направления исследований по оценке применимости и сравнительной достоверности использования различных моделей прогнозиро­вания.

Наиболее активно вопросами применимости различных моделей построения прогнозов мировых цен (на примере сырой нефти и газа) занимается группа эко­номистов Федеральной резервной системы США^[101].

При этом решаются следующие вопросы построения прогнозных моделей:

— необходимость прогнозирования реальной или номинальной цены на ос­нове макроэкономических показателей;

— учет уровня инфляции;

— применимость использования в прогнозах ожиданий крупнейших потре­бителей нефти (на основе опрос-прогнозов);

— использование динамики цен на фьючерсные нефтяные контракты; совер­шенствование прогноза цен на нефть на основе темпов роста реального ВВП США.

Важным направлением таких исследований является использование цен на нефть в прогнозировании возможных периодов рецессии, а также отраслевых прогнозов. Здесь же — вопросы границ использования различных моделей про­гнозирования на различных временных горизонтах.

2.3.3.