УДК 330.42

DOI 10.24411/2413-046Х-2019-16031

ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫЕ НЕЙРОННЫЕ СЕТИ В ЗАДАЧАХ ОПРЕДЕЛЕНИЯ ТРЕНДОВ

APPLYING GENERATIVE
ADVERSARIAL NETWORK TO THE PROBLEM OF TREND DETERMENITION

Сухань Андрей
Александрович, аспирант 2го курса департамента анализа данных, принятия
решений и финансовых технологий Финансового университета при правительстве РФ, suchan_andrei@mail.ru

Sukhan Andrei Aleksandrovich, graduate student of the 2nd course
of the Department of Data Analysis, Decision Making and Financial Technologies
of the Financial University under the Government of the Russian Federation

Аннотация: Глубинное
обучение (DML) в
последнее время достигло большого успеха во многих областях благодаря его хорошим
результатам в обработке и принятии решения на больших данных. Оно широко
используется в финансовых областях, таких как прогнозирование фондового рынка,
оптимизация портфеля, обработка финансовой информации и стратегии исполнения
сделок. Прогноз фондового рынка и построение эффективных торговых стратегий на
нем – это самые популярные способы применения DML в области финансов. В этой статье автор
предлагает новую архитектуру условной генеративно-состязательной нейронной сети
(CGAN) с многоуровневым
персептроном (MLP) в качестве дискриминатора и долговременной кратковременной
памятью (LSTM) в качестве генератора для определения трендов. Генератор LSTM
построен для извлечения зависимостей из данных на фондовом рынке и
генерирования данных в тех же распределениях c индикацией тренда, в то время как дискриминатор, разработанный
на MLP, стремится различать реальные данные от сгенерированных. Автор использует
дневные данные по 696 акциям в широком диапазоне торговых дней и пытается найти
начало и конец тренда по ходу движения цены. Экспериментальные результаты
показывают, что CGAN
может дать многообещающие результаты при решении подобных задач по сравнению с
другими моделями машинного обучения.

Summary: Deep machine learning (DML) has recently
achieved great success in many areas due to its good results in processing and
decision making on big data. It is widely used in financial areas, such as
stock market forecasting, portfolio optimization, financial information
processing, and transaction execution strategies. Forecasting the stock market
and building effective trading strategies on it are the most popular ways to
use DML in the area of finance. In this article, the author proposes a new
conditional generative adversarial neural network (CGAN) architecture with a
multilevel perceptron (MLP) as a discriminator and a long-term short-term
memory (LSTM) as a generator for trend detection. The LSTM generator is built
to extract dependencies from data in the stock market and generate data in the
same distributions with a trend indication, while the discriminator based on MLP
seeks to distinguish real data from generated one. The author uses daily data of
696 stocks in a wide range of trading days and tries to find the beginning and
end of the trend along the price movement. Experimental results show that CGAN
can give promising results when solving similar problems compared to other
machine learning models.

Ключевые слова: машинное обучение, генеративно-состязательные нейронные сети, биржа, тренд, управление активами, LSTM.

Keywords: machine learning, generative adversarial neural network, stock market, trend, asset management, LSTM.

Генеративно-состязательные сети (GAN) развиваются очень быстро для
решения задач обучения с учителем, так и для без него. Этот метод был предложен
в 2014 году Я. Гудфеллоу из Университета Монреаля [1]. Основная идея — это
обучение пары сетей в постоянном соревновании друг с другом. Популярной
аналогией может послужить конкуренция между фальшивомонетчиком и банкиром.
Фальшивомонетчик, который выступает генератором (G) в GAN, хочет создать поддельные купюры, которые нельзя будет отличить
от настоящих. Банкир в свою очередь, являющийся дискриминатором (D), пытается разобрать
подделки и настоящие деньги друг от друга. В течении буквально пары лет этот
метод нашел свое применение в задачах семантической сегментации изображений,
анализа медицинской информации, распознавании материалов, анализе временных
рядов.

Очень важно также то, что генератор никогда не получает реальные данные, на вход подается только случайный вектор (источник энтропии, иногда интерпретируется как пространство скрытых переменных, latent space). Единственный способ для него обучаться – это только взаимодействие с дискриминатором. Дискриминатор же получает на вход либо созданный генератором данные, либо объект реальной обучающей выборки. Ошибка обучения дискриминатора рассчитывается на знании того, откуда пришли данные. По идее, в процессе обучения (рис.1) генератор обучается распределению исходной выборки и начинает создавать данные все более близкие к реальным в то время, как дискриминатор становится все более точным в распознавании подделки от оригинала.

GAN сети обучаются одновременно, обновляя распределение дискриминатора (D, синяя прерывистая линия), которое показывает вероятность принадлежности распределения генератора (G, зеленая линия) к распределению реальных данных (черная точечная линия). Нижняя горизонтальная линия – это область определения, из которой выбирается z (в этом случае равновероятно). Горизонтальная линия выше – область определения для x. Стрелочки показывают сопоставление x = G (z). В последней итерации (d) дискриминатор не может отличить реальных данные от сгенерированных (т.е.

Сети, которые лежат в основе генератора и дискриминатора, обычно представляют собой многослойный сети, состоящие из сверточных и полносвязных слоев (рис. 2). D и G должны отличаться, так что не обязательно, чтобы они были полностью обратимыми. Так как задача генератора состоит в сопоставлении пространства скрытых переменных в пространство данных, то можно это записать в виде

где

это выборка из пространства скрытых переменных,

настоящие данные,

обозначает размерность. В случае дискриминатора
нужна функция сопоставления данных в вероятность их принадлежности к истинным:

X — реальный объект предметной области (например, рисунок); Z — источник случайного шума; G — нейронная сеть генератора; X’ — искусственно сгенерированные данные, мимикрирующие реальные; OR — случайный выбор одного из двух входов; D — нейронная сеть дискриминатора;

GAN не первая генеративная модель, однако Гудфеллоу с
соавторами предложили оригинальный метод состязательного обучения таких
моделей, когда две сети “соревнуются” в решении противоположных задач.

Исследователи выделяют несколько вариаций изначальной идеи
генеративно-состязательных сетей:

• Полносвязные
  GAN — изначально предложенная архитектура, где генератором и
  дискриминатором служат многослойные сети прямого распространения;
• Сверточные
  GAN (deep convolutional GAN, DCGAN) — используют многослойные сверточные
  сети. Являются логичным развитием идеи GAN в применении к задачам синтеза
  изображений. Недостатком сверточных генеративных состязательных сетей является
  более долгий процесс обучения модели;
• Условные
  GAN (Conditional
  GAN, CGAN) – архитектура (рис. 3), в которой как генератору, так и
  дискриминатору на вход дополнительно подается вектор, указывающий на класс
  объекта. Такие сети могут генерировать условное распределение выборки, с
  указанием конкретного класса. Таким образом, они используются для моделирования
  мультимодальных распределений;

• Состязательные
  автокодировщики (Adversarial Autoencoders, AAE). Автокодировщики — это
  сети, состоящие из двух частей — кодировщика и декодера, которые обучаются
  детерминистическому отображению из пространства данных в пространство скрытых
  переменных (обычно гораздо меньшей размерности) и обратному отображению.
  Состязательное обучение используется для оптимизации, схожей с вариационными
  автокодировщиками и обычно используется для придания пространству скрытых
  переменных осмысленной организации в терминах предметной области;
• GAN с
  моделями вывода (ALI, BiGAN) — расширяют функциональность GAN механизмом
  вывода скрытых переменных из объекта предметной области. обычные GAN могут
  сгенерировать правдоподобный объект из случайного вектора в пространстве скрытых
  переменных (latent space). Две независимо предложенные архитектуры
  состязательного обучения выводу (adversarial learning inference) и
  двунаправленных GAN (Bidirectional GAN) предоставляют механизм нахождения
  обратного преобразования, что может быть полезно для задач выделения признаков.
  Однако, на сегодняшний день, надежность таких методов серьезно ограничена.

Поиск новых областей применения генеративно-состязательных
сетей является в данный момент очень активной областью исследования. Они уже
хорошо себя зарекомендовали в таких областях, как классификация изображений,
генерация изображений по текстовому описанию, преобразование изображений,
повышение разрешения. И в 2018 году генеративно-состязательные сети остаются
активно развивающейся методикой машинного обучения.

Однако за время своего существования,
генеративно-состязательные сети выявили существенные проблемы в использовании,
такие как коллапс модели (ситуация при которой генератор выдает один объект при
любых значениях входов), нестабильность обучения, отсутствие общепринятых
подходов к оценке эффективности.

Искусственные нейронные сети доказали свою эффективность в
решении многих задач, однако эта эффективность в большой мере зависит от умения
подбирать правильную архитектуру сети под каждую конкретную задачу анализа
данных.

При проектировании архитектуры сети эксперт сталкивается с
необходимостью принять множество решений, как количественных, так и
качественных, от реализации которых напрямую зависит производительность
результирующей модели. Среди них такие как: выбор количества слоев, количества
нейронов в каждом слое, выбор функции активации, использование рекуррентных и
сверточных слоев. В процессе такого проектирования задачей эксперта является
балансирование между вариативностью модели и склонностью к переобучению.
Существует еще и внешние факторы, которые необходимо брать в расчет:
располагаемая вычислительная мощность, временные рамки решения задачи и т. д.

Пространство возможных нейронных сетей (рис. 4), в котором
ведется поиск, огромно. При проектировании нейронных сетей специалисты
пользуются определенными эвристическими правилами и инструментами диагностики,
однако полноценной методологией такой поиск назвать сложно, это скорее
творческий процесс.

В среде высокочастотной торговли, понимание направления
движения рынка очень важно для управления рисками портфеля [2]. Целью данного
исследования является попытка определить нахождение в тренде в каждый
конкретный момент времени. Задача можно сформулировать математически следующим
образом.

Пусть

– набор базовых индикаторов (цена открытия, цена закрытия, минимальная цена, максимальная цена, объем) и

– индикатор тренда (1 – тренд есть, 0 – тренда нет) на дневных интервалах за день t (t = 1,2,…,T). Факт нахождения в тренде или нет был размечен экспертными трейдерами. Имея данные за последние N дней

наша задача определить

Есть несколько исследований, оценивающих эффект от разной длины окна T = [7,12,40], но все они решали проблему предсказания
цены [3, 4]. Мы все же введем это переменной, чтобы можно было протестировать
различные значения на практике, так как у нас не прогнозирование, а
классификация.

Для задачи определения трендов будем использовать условные GAN (CGAN), так как они очень хорошо справляются с задачей разделения данных на классы (есть тренд, нет тренда) [5]. Получить CGAN можно из путем добавления в генератор и дискриминатор дополнительной информации y (рис. 5). y может быть любой вспомогательной информацией, в нашей задаче же это будет индикатор наличия тренда.

В этом случае минимакс игра сетей может быть описана в виде:

Обучение G заключается в том, чтобы обмануть дискриминатор и приблизиться к реальным данным [6]. Поэтому генератор должен снижать функцию потерь таким образом, чтобы D не смог отличить сгенерированные данные

от настоящих

Таким образом

где

В случае обучения D задача состоит в понимании того, что пришло на вход —

или

тогда функция потери будет иметь вид:

Тренировка генератора и итератора проходит итеративно [7]. Весь процесс можно описать в алгоритме:

1. Выбираем m элементов шума

из распределения

2. Выбираем m элементов реальных данных

из распределения

3. Обновляем дискриминатор путем максимизации градиента

4. Выбираем m элементов шума

из распределения

5. Обновляем генератор путем минимизации градиента

Для обучения модели нужно сначала подготовить данные [8]. В
датасете данные представлены для 696 бумаг с 28 января 2005 года по 13 сентября
2017 года. Общее число строк составляет 1 648 918. Для каждой бумаги
представлено 5 факторов:

• Цена открытия
• Цена закрытия
• Максимальная цена внутри дня
• Минимальная цена внутри дня
• Объем торгов

 Данные были размечены
на наличие тренда экспертами. Так как в определенные даты мнения расходились,
то первым шагом определим основное мнение по принципу большинства. Если
большинства нет, то считаем, что тренда в этот день нет. В результате получим
финальный набор данных для каждой бумаги.

На графике зеленым отмечены периоды
с наличием тренда, а красным – с отсутствием

Как видно из рисунка 6, не во всех местах тренд размечен правильно. Как было сказано выше, обучение будем проводить скользящими окнами в M дней (рис. 7), для которого будем определять факт наличия тренда в последней точке. Внутри окна данные нормализуем

и исключим первое значение, так как все факторы будут равны 1.

Зеленая полоска — это весь набор данных по бумаге, синяя полоска – дни, на основе которых будем делать вывод о наличии тренда в желтой полоске. В нашей задаче N = 1, так как определять
тренд будем только в последней точке окна.

Для анализа результатов обучения взглянем на график,
показывающий динамику ошибки генератора и дискриминатора (рис. 8). На этом
графике нас интересует две линии — динамика ошибки генератора и соотношение
ошибки дискриминатора с пороговым значением 0,5. В идеальном случае, при
обучения генеративных состязательных сетей мы должны видеть плавное снижение
ошибки генератора со стремлением к нулю сверху, а также стремление ошибки
дискриминатора значение 0,5 снизу. В классическом подходе нас интересует
конечное значение ошибки генератора, так как состязательное обучение
используется для тренировки генератора для воспроизведения правдоподобных
образцов.

В нашем случае задача обратна классической, мы используем генератор
для обучения дискриминатора способности распознать заданный шаблон.
Соответственно, нас не удовлетворяет классическая динамика стремления ошибки
дискриминатора к 0,5, то есть ситуация случайного дискриминирования при низкой
ошибке генератора. Наша задача сводится к попытке заставить дискриминатор
снижать ошибку неопределенно долго. Одновременно с этим мы хотим иметь как
можно более низкую ошибку генератора, так как дискриминировать образцы, далекие
от натуральных нецелесообразно для данной задачи.

По графику данного обучения мы видим, что с увеличением
количества шагов ошибка дискриминатора плавно уменьшается, и в конце обучения
переходит пороговое значение. Что, казалось бы, говорит об успешности обучения.
Однако в тоже самое время ошибка генератора растет неопределённо, то есть
обучение генератора расходится само по себе. В таком случае о результативности
обучения говорить не приходится, так как дискриминатор обучается на
неправдоподобных шаблонах.

Однако, при значениях ошибки дискриминатора меньше 0,5 он
оказывает обучающее давление на генератор, в чем, собственно и заключается
состязательность обучения. В данном примере мы видим продолжительную динамику
дискриминатора, что может дать нам надежду на то, что хорошо обученный
дискриминатор позволит снизиться ошибки генератора.

В результате такого обучения, тренд определяется очень
«шумно» — слишком часто точки сменяют класс с трендовых на нетрендовые (рис. 9).

Дальнейшими шагами по улучшению могут быть:

1. Определение тренда экспертами не по большинству
   голосов, а путем вероятностного подхода. Таким образом можно уйти от бинарности
   понятия тренда к вероятности его наличию, что в теории должно упростить
   обучение дискриминатора и генератора
2. В качество нейронной сети использовать другую
   комбинацию слоев. Возможно лучший результат покажет комбинация LSTM сеть
   в качестве слоев
3. В качестве функции ошибки использовать
   аккуратность определения направления движения (DPA)

где

Литература

1. Goodfellow, I.J., Pouget-Abadie, J.,
   Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A.C., Bengio, Y.
   Generative adversarial nets, in: Advances in Neural Information Processing Systems
   // 27-я Ежегодная конференция
   нейронных систем 2014, С. 2672–2680.
2. Box G.E.P., Jenkins G.M. Time series
   analysis: Forecasting and control // Journal of Time, 31 (1976), С. 238-242.
3. Kang Zhang, Guoqiang Zhong, Junyu Dong,
   Shengke Wang, Yong Wang. Stock Market Prediction Based on Generative
   Adversarial Network.
4. Ding, X., Zhang, Y., Liu, T., Duan, J.
   Deep learning for event-driven stock prediction, in: Proceedings of the
   Twenty-Fourth International Joint Conference on Artificial Intelligence //
   IJCAI 2015, С. 2327–2333.
5. Xingyu Zhou, Zhisong Pan, Guyu Hu, Siqi
   Tang, Cheng Zhao. Stock Market Prediction on High-Frequency Data Using
   Generative Adversarial Nets // Mathematical Problems in Engineering, 2018, С.7-10
6. Shuntaro Takahashi, Yu Chen, Kumiko
   Tanaka-Ishii. Modeling financial time-series with generative adversarial
   networks
7. Rather A.M., Agarwal A., Sastry V.N.
   Recurrent neural network and a hybrid model for prediction of stock returns //
   Expert Syst. Appl., 42 (2015), С. 3234-3241
8. Tsantekidis, A., Passalis, N., Tefas,
   A., Kanniainen, J., Gabbouj, M., Iosifidis, A. Forecasting stock prices from
   the limit order book using convolutional neural networks // 19-я IEEE Конференция по
   бизнес информатике, CBI 2017, С. 7–12.

DOI 10.24411/2413-046Х-2019-16030

Проект программы повышения эколого-экономической эффективности субъекта РФ: инфраструктурный аспект

The draft program to improve the environmental and economic efficiency of the region of the Russian Federation: the infrastructure aspect

Васильев Александр Николаевич, аспирант, Нижегородский Государственный Инженерно Экономический Университет (г. Княгинино), itetatet@gmail.com

Мордовченков Николай Васильевич, д.э.н., профессор, Нижегородский Государственный Инженерно-Экономический Университет, infra-wm@yandex.ru

Vasilev Alexander Nikolaevich, graduate student, Nizhny Novgorod State Engineering Economic University (Knyaginino)

Mordovchenkov Nikolai Vasilevich, Doctor of Economic Sciences, Professor, Nizhny Novgorod State University of Engineering and Economics

Аннотация: В работе предложен проект программы повышения эколого-экономической эффективности субъекта РФ призванный улучшить эколого-экономическую обстановку на мезоуровне за счет повышения эффективности управления коммерческой недвижимостью. В зависимости от специфики региона программа будет требовать корректировки с учетом отличительного уровня экономического и экологического состояния территории, особенностей расположения и региональной правовой инфраструктуры. По нашему мнению, процесс повышения экономической и экологической эффективности управления коммерческой недвижимостью (далее – КН) является многоуровневым, многоаспектным и многофакторным, затрагивающим наряду с решением инфраструктурных проблем самого предприятия эндогенность, так и внешних инфраструктурных проблем.

Summary: The article proposed a draft program to improve the environmental and economic efficiency of the region of the Russian Federation designed to improve the environmental and economic situation at the meso level by improving management efficiency commercial real estate. Depending on the specifics of the region, the program will require adjustments taking into account the distinctive level of the economic and ecological condition of the territory, the particular location and regional legal infrastructure. In our opinion, the process of increasing the economic and environmental efficiency of commercial real estate management is multilevel, multidimensional and multifactorial, affecting, along with the resolution of infrastructure problems of the enterprise itself, as well as external infrastructure problems.

Ключевые слова: государственно-частное партнерство, инфраструктура, коммерческая недвижимость,  переработка отходов,   эколого-экономическая безопасность.

Keyword: public-private partnership, infrastructure, commercial real estate, waste processing, environmental and economic security.

В
соответствии с 42 статьей Конституции РФ[1] установлено, что каждый гражданин
РФ имеет право на благоприятную окружающую среду. 72 статья Конституции
устанавливает совместное ведении Российской Федерации и субъектов РФ
Законодательства  об охране окружающей среды.
В связи с этим благоприятная экологическая обстановка является одной из
приоритетных задач руководства региона. Между тем, как показывает международный
опыт, введение современных конкурентоспособных экологических технологий для
реализации полного спектра экономического потенциала требует создания
благоприятных экономико-правовых условий и мер государственной поддержки на
альтернативной основе.

Помимо
усилий региональных органов государственной власти успех природоохранных
мероприятий, на мезоуровне, зависит от деятельности муниципалитетов, степени
участия частного капитала, государственно-частного партнерства, исходя из
локального характера показателей развития коммерческой недвижимости (КН),
взаимодействие её осуществляется с уровня муниципалитета (М), на уровни
территорий и округов (ТО) и центрально-консолидированными образованиями (ЦКО),
что интерпретировано в виде графической модели:

Для
организации эффективного взаимодействия государственных структур и органов
субъекта РФ необходимо формировать единое правовое и эколого-экономическое
пространство, вместе с тем, в процессе выстраивания эколого-экономической
стратегии развития природоохранной инфраструктуры управления объектами КН
требуется тщательное изучение приоритетных (кардинальных) направлений
(инфрастади). При этом реализация мер государственной поддержки будет
эффективным исключительно в случае комплексного-системного подхода включающего
в себя нормативно-правовое обеспечение, государственно-частное партнерство и
меры материального и морального стимулирования.

При
разработке программы было определено, что первоначальным этапом её реализации
должны выступать системный анализ и комплексная экспертиза
эколого-экономического состояния территории. Так выделение региона в реестре
территориально-экономических образований осуществляется путем составления
картограммы или атласа инфраструктурного потенциала с использованием системы
рейтингов по каждому элементу системы (сами объекты КН, объекты инфраструктуры)
обслуживания и функционирования объектов коммерческой недвижимости на всех
этапах их жизненного цикла (строительство, функционирование, модернизация,
реконструкция, снос и утилизация).

Основная цель программы –
Обеспечить снижение негативного воздействия на окружающую среду и повышение
экономической эффективности эксплуатации объектов коммерческой недвижимости за
счет реализации природоохранных мероприятий в сфере услуг

Задачи, стоящие перед
инфраструктурной программой:

1. Провести
комплексно-системный анализ (финансово-экономического мониторинга) по
формированию оценочного критерия эколого-экономического, ресурсного потенциала
региональной рыночной инфраструктуры обслуживания коммерческой недвижимости во
исполнении сбалансированной рыночной экономики

2. Осуществить
эколого-экономический, правовой и маркетинговый мониторинг объектов
коммерческой недвижимости и обслуживающей инфраструктуры с целью выявления
факторов (внутренних и внешних) сбалансированности мезоинфраструктуры.

3. Проведение оценки
экономической эффективности различных моделей управления природоохранной
деятельности обслуживающей инфраструктуры объектов коммерческой недвижимости на
альтернативной основе

4. Логически-структурный
анализ источников негативного воздействия на окружающую среду объектов КН и
совершенствование обслуживающих систем и механизмов.

5. Формирование
экономически обоснованного сценария и проектирование эколого-экономической
инфраструктуры на этапе системного подхода и поэлементно.

6. Проработка мер
комплексного оздоровления эколого-экономического потенциала мезоинфраструктуры
с выделением отдельных элементов с сохранением цельности и надежности
экосистемы.

7. Повышение
экологической эффективности воспроизводства и доставки до потребителя
электрической и тепловой энергии

8.   Повышение энергоэффективности объектов КН

9. Стимулирование
введения рецикличности отходов на объектах КН

10. Формирование
инфраструктуры вывоза и утилизации отходов

11. Создание системы
«зеленых офисов»

12. Реализация изменений
в региональном законодательстве направленные на поддержку и стимулирование
развития механизомов повышения экономической и экологической эффективности
природоохранной деятельности на мезоуровне

Государственный заказчикКоординатор программы – Министерство
экологии и природных ресурсов субъекта федерации, иные службы и ведомства
региона

Важнейшие целевые
индикаторы и показатели– обеспечение
устойчивого развития всех экосистем региона, включая:

• снижение выбросов загрязняющих веществ в атмосферный воздух от объектов тепло-энергетического комплекса за счет введения энергосберегающих технологий и перехода на альтернативные источники энергии;
• обеспечение рецикличности отходов образовывающихся при эксплуатации коммерческой недвижимости;
• создание благоприятных условий труда для сотрудников – резидентов объектов коммерческой недвижимости;
• создание комфортных условий для жизни и здоровья населения субъекта РФ;
• сохранение и расширение потенциала экспорта энергоресурсов в другие субъекты РФ и доходной части бюджета за счет сокращения неэффективного потребления энергии на внутреннем рынке;

Сроки
и этапы реализации программы – программа состоит из 2
этапов продолжительностью 5 лет каждый. Таким образом срок реализации программы
составляет 10 лет

Объемы
и источники финансирования. Всего на реализацию
природоохранных мероприятий и проектов рециклирования отходов производства и
потребления необходимо использовать:

• средства федерального бюджета (в т.ч. средства в рамках национальных проектов «экология», «экологическая безопасность»,  «умный город» и т.д.),
• средства бюджетов субъекта Российской Федерации (целевые средства, полученные в бюджет субъекта РФ за счет платы за негативное воздействие на окружающую среду, средства экономического стимулирования малого и среднего бизнеса, средства на строительство, модернизацию и реконструкцию и т.п.)
• внебюджетные источники, за счет реализации государственно-частного партнерства в части трансформации и модернизации муниципальной инвестиционной и инновационной инфраструктуры, стимулирование частных (индивидуальных) средств собственников объектов КН.

Объемы и источники
финансирования ежегодно уточняются при формировании Федерального бюджета на
соответствующий год.

Управление
реализацией Программы и контроль за ходом ее выполнения — Механизм
реализации Программы заключается в планировании, реализации и мониторинге
выполнения программных мероприятий всеми её Государственными заказчиками,
контроле за достижением показателей и выделенных ресурсов для реализации
мероприятий Программы

Нормативно-правовое
обеспечение Программы – Федеральное законодательствво [1][2][3][4][5][6][7][8]
и нормативно-правовые акты субъекта РФ

Ожидаемые
конечные результаты реализации Программы и показатели ее
социально-экономической эффективности

• создание и функционирование интерактивной карты эколого-экономического состояния территорий региона с реестром коммерческой недвижимости;
• количество объектов КН обеспеченные тепло и электро энергией с использованием альтернативных источников, увеличилось — на 40%;
• замещения органического топлива за счет производства энергии на основе использования возобновляемых источников для обеспечения объектов КН сократилось не менее 20% от показателей контрольного года за весь срок реализации Программы.

По
мнению авторов статьи эколого экономическую программу целесообразно разделить
на 3 этапа.

I направление развития
Программы включает в себя изучение и анализ эколого-экономической ситуации в
регионе. Территориальное положение региона с учетом экономических (наличие на
близлежащих территориях инфраструктуры по сбору, транспортировке, заготовке и
переработке вторсырья и энергоресурсов) и экологических (трансграничное
загрязнение атмосферы, водных ресурсов, путей движения (траектория) отходов
производства и потребления) связей, наличие межрегиональных резервов. Анализ
спроса и предложения включает в себя оценку КН и обслуживающей инфраструктуру
программу призвано оценить уровень и перспективу эколого-экономического
развития региона. Итогом данного этапа программы является создание
интерактивной карты территории региона с делением на зоны и подробным перечнем
информации, в т.ч.:

• соблюдение оптимального баланса между экономически эффективным функционированием объектов КН и экологически ориентированным, приоритетным и устойчивым развитием региона;
• учет запросов населения и бизнеса в количественных и качественных характеристиках объектов КН региона;
• соотношение уровня предоставляемых услуг на объектах КН и размера неудовлетворенного спроса на арендные услуги в регионе;
• обеспеченность объектов КН региона материально-техническими ресурсами и степенью функционирования комплекса с привлечением инвестиций (в т.ч., зарубежных) в регион.

На основании приведенной
градации определяется рейтинг каждой территории. Это позволит выделить наиболее
перспективные с точки зрения реализации концепции зеленого офиса КН. По
результатам создания интерактивной карты станет возможным провести  эколого-экономически обоснованную тарификацию
дальнейших работ.

II направление развития программы —
Нормативно-правовое обеспечение, включающее в себя составление инструкций:

1. Разработку
   «Положение о работе комиссий по разработке механизмов повышения
   экономической эффективности природоохранной деятельности»
2. Внесение
   изменений в архитектурный план развития региона. Включает в себя следующие
   задачи и приоритеты:

• «повышение экологической эффективности воспроизводства и доставки электрической и тепловой энергии» до потребителя;
• «развитие рецикличности отходов на эксплуатируемых объектах. Минимизировать процент отходов, направляемых на размещение недвижимости»;
• «сформировать инфраструктуру вывоза и утилизации отходов производства и потребления»;
• «приоритет развития отдается объектам КН, имеющим проработанную природоохранную концепцию развития».

Подготовить нормативно — правовой акт «о повышении экологической эффективности тепло и энергоснабжения территорий», вводящий поэтапный запрет на эксплуатацию мазутных и угольных котельных. Запрет предлагается разделить на 2 этапа по 5 лет каждый: на 1 этапе — запрет ввода новых объектов в эксплуатацию, на 2 этапе полный запрет на ввод новых, точечных, объектов тепло и энергоснабжения с использованием невозобновляемых ресурсов (за исключением газа) в городах с численностью более 100 000 человек

Добавить в градостроительную концепцию требований по энергоэффективности вновь построенных объектов КН.

Обеспечить выпуск постановления по региону обязывающего региональных операторов сформировать инфраструктуру по сбору и переработке отходов

Законодательно выделить объекты КН, использующие наилучшие доступные технологии и осуществляющие процесс раздельного сбора отходов в отдельную группу

С целью совершенствования рекламационной работы ввести типовые формы договора на поставку тепло и электро энергии на объекты КН, на поставку раздельно собранных отходов объектов КН типовую форму договора аренды, используемую при размещении организаций государственной власти, муниципалитета, позволяющие сократить объем отчетных документов, автоматизировать и механизировать анализ результатов действия программы и обеспечить надлежащий контроль

Учитывать форс-мажорные обстоятельства экономически обоснованные резервы и возможности

III направление развития программы
включает в себя следующие меры стимулирования:

1. Требование
   к региональным операторам по обращению с отходами – формировать надежную и
   мобильную инфраструктуру по сбору и переработке отходов
2. Обеспечить
   приоритетность выделения земельных участков под строительство объектов КН
   использующих наилучшие доступные «зеленые» технологии
3. Предоставление
   льготных кредитов организациям осуществляющим сбор, обработку и переработку
   наиболее часто встречающихся отходов
4. Создание
   логистической инфраструктуры, на базе региональных операторов, по
   транспортировке и накоплению отходов с объектов КН
5. Размещение
   организаций социальной инфраструктуры, органов государственной власти только на
   объектах аттестованных по отечественной и международной системам ИСО 14001 (ISO 14001) и участвующих в пилотном
   проекте по раздельному сбору отходов.
6. Предоставление
   льготных государственных субсидий на строительство объектов тепло и
   энергоснабжения, использующих наилучшие доступные технологии и альтернативные
   источники энергии.
7. Предоставление
   приоритета выделения земельных участков под строительство объектов тепло и
   энергоснабжения, использующих наилучшие доступные технологии и альтернативные
   источники энергии.
8. Организовать
   пилотный проект, совместный с региональными операторами, собственниками КН и
   государственным участием по раздельному сбору отходов на объектах КН региона.
   Формируется перечень объектов КН, участвующих в пилотных проектах. При этом
   региональный оператор по обращению с отходами осуществляет централизованный
   вывоз раздельно собранных отходов с использованием оптимальной
   транспортно-логистической инфраструктуры с точки зрения лага по времени
   накопления минимальной партии раздельно собранных отходов.
9. Проводить
   аудиторские и контроллинговые проверки на предприятиях-поставщиках тепло и
   электроэнергии на объекты КН на соответствие экологическим требованиям
   Программы и действия системы менеджмента качества (по утвержденному графику)
10.  Организовать и проводить совещания и видео
    конференции с собственниками объектов КН, арендаторами, обслуживающими объекты
    КН организациями посвященные повышению экономической эффективности
    природоохранной деятельности
11. Обеспечить
    общественный доступ к интерактивной карте, обеспечить широкое общественное
    обсуждение вопросов реализации Программы
12. Создать
    систему постоянного повышения квалификации (профессиональное обучение, тренинги
    на предприятии и за пределами предприятия) и мотивации сотрудников, обслуживающих
    объекты КН, сотрудников арендаторов объектов КН.
13. Обеспечить
    освещение в СМИ информации о реализации пилотного проекта. Провести компанию по
    повышению экологической «чистоты» и сознательности населения региона.
    Обеспечить также, с технологической точки, зрения повышение знаний населения в
    части раздельного сбора отходов и возможностей мотивации.
14. Реализовать
    программу по сдаче раздельно собранных отходов населения на базе объектов КН в
    рамках пилотного проекта по раздельному сбору отходов региональными операторами
    — экспертами

Таким
образом, итоги реализации данной программы охватывают основные источники
негативного воздействия от эксплуатации объектов КН, обеспечивая комплексный
системный подход, что создает реальные условия по стандартизации и сертификации
экосистемы качества рецикличности отходов. Вместе с тем это благоприятно
сказывается на эколого-экономической безопасности региона и страны в целом.

Библиографический список

1.         Конституция (Основной Закон) Российской
Федерации: [Принята общенародным голосованием в 1993г.] // Российская газета. –
1993. — № 248.

2.         Водный кодекс Российской Федерации №
74-ФЗ: [Принят Гос. Думой 12 апреля 2006 г. // Российская газета. —   № 4087 от 8 июня 2006 г.

3.         Гражданский кодекс Российской
Федерации: Часть первая — четвертая: [Принят Гос. Думой 23 апреля 1994 года,]
// Федеральный выпуск №4255 от 22 декабря 2006 г.

4.         Земельный кодекс Российской Федерации.
Федеральный закон от 25.10.2001. № 136-ФЗ // Электронный ресурс:
Информационно-правовой консорциум «Кодекс».

5.         Об отходах производства и потребления.
Федеральный закон от 24.06.1998 № 89–ФЗ

6.         Об охране атмосферного воздуха.
Федеральный закон от 02.04.1999 № 96–ФЗ

7.         «Об охране окружающей среды.
Федеральный Закон №7-ФЗ: [Принят Гос. Думой 10 января 2002 г.] // Российская
газета. —  № 2874 от 12 января 2002 г.

8.         Кодекс Российской Федерации об
административных правонарушениях. Федеральный Закон № 195-ФЗ

9.         Уголовный кодекс Российской Федерации.
Федеральный Закон № 63-ФЗ от 13.06.1996

10.       Монреальский Протокол 1987 г.
(дополнение к Венской Конвенции 1985 г.) по веществам, которые разрушают
озоновый слой, UKTS 19 (1990), cm.977; 26 ILM (1987), 1550;

11.       Романова К.А. Экологическое право (2
тома)  Н.Н. изд-во ВГИПУ, 2009, с.674

12.       Википедия, свободная энциклопедия. –
режим доступа: http://ru.wikipedia.org. – заглавие с экрана

13.
Гринпис России, официальный сайт – режим доступа:
http://www.greenpeace.org/russia/ru. — заглавие с экрана

14.       Мониторинг социально-экономического
развития Российской Федерации по состоянию на 10 мая 2019 года – электронные
данные – режим доступа: http://www.economy.gov.ru.
– заглавие с экрана

15.
Федеральная служба государственной статистики режим доступа:  http://www.gks.ru

DOI 10.24411/2413-046Х-2019-16028

ОЦЕНКА ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ИНВЕСТИЦИОННЫМ ПОРТФЕЛЕМ

Печенова Евгения Андреевна, магистрант, Финансовый университет при Правительстве РФ, Россия, г. Москва

Аннотация:
Современный
этап развития общества характеризуется беспрерывными изменениями окружающей
среды и свободной деловой конкуренцией на рынке капиталов за привлечение
инвестиций. Каждая компания старается привлекать как можно больше инвестиций
для осуществления эффективной деятельности, и, наконец, добиваться положительного
результата своего экономического развития. В свою же очередь, задачами
современного инвестора выступает оценка привлекательности компании, принятие
правильных инвестиционных решений, и оценка эффективности своих инвестиций.

Как уже
было упомянуто, в современном мире наблюдаются постоянные изменения. Они
происходят настолько быстро, что ключевой задачей становится не только выбор
финансовых инструментов для инвестирования, а также постоянная оценка
эффективности своих инвестиций и изменение структуры своего инвестиционного
портфеля. Стоит отметить, что никакой профессиональный инвестор не полагается
на удачу. Вместо этого, он всегда имеет четкую стратегию, описанную в цифрах, а
также всегда пересматривает свой портфель.

Ключевые слова: инвестиционный портфель, управление
инвестиционным портфелем, коэффициент Трейнора, коэффициент Шарпа, индекс
Дженсена

Процесс управления инвестициями можно условно
разделить на следующие этапы:

1. Установление
инвестиционной политики

2.
Анализ и оценка инвестиционных возможностей

3. Формирование
диверсифицированного инвестиционного портфеля

4.
Пересмотр портфеля

5. Оценка
эффективности управления портфелем

Далее мы
подробно остановимся на каждом шаге этого процесса.

Установление инвестиционной политики является первым и очень
важным шагом в процессе управления инвестициями. Что мы подразумеваем под
инвестиционной политикой? Инвестиционная политика – это определение инвестором
своих инвестиционных целей. Инвестиционной политика индивидуальна для каждого инвестора,
она должна учитывать являются ли вложения долгосрочными или нет, склонен ли
инвестор к риску или предпочитает быть консервативным и так далее. Цели
политики должны быть четко оговорены.   Например,
инвестиционная политика может определить, что целевой показатель средней
доходности инвестиций должен составлять 15%, а риск при этом может быть не
более 10%.

Определение
толерантности инвестора к риску является самой важной задачей. Очевидно, что
каждый инвестор хотел бы получить наивысшую возможную доходность. Именно
поэтому, цели инвестора должны быть точно сформулированы еще «на берегу», не следует
устанавливать свои инвестиционные цели как просто «заработать много денег». Иначе,
в большинстве случаев, при таком раскладе, вы рискуете остаться ни с чем.

Анализ и оценка инвестиционных возможностей. После создания
инвестиционной политики, когда определены цели инвестора и определены
потенциальные категории финансовых активов для включения в инвестиционный
портфель, можно проанализировать имеющиеся типы инвестиционных возможностей. Основными
подходами к анализу таких возможностей являются технический анализ и
фундаментальный анализ.

Технический
анализ включает анализ рыночных цен в попытке предсказать будущие колебания цен
для конкретных финансовых активов, обращающихся на рынке. Этот анализ исследует
тенденции исторических цен и основан на предположении, что эти тенденции или
закономерности повторяются в будущем.

Фундаментальный
анализ в его простейшей форме ориентирован на оценку внутренней стоимости финансового
актива. При сопоставлении внутренней стоимости и рыночной стоимости финансовых
активов можно определить, какие активы недооценены, а какие переоценены.  

Таким
образом, второй шаг включает в себя определение тех конкретных финансовых
активов, в которые можно инвестировать.

Формирование диверсифицированного
инвестиционного портфеля является следующим шагом в процессе управления
инвестициями. Инвестиционный портфель — совокупность собранных воедино
различных инвестиционных возможностей, служащих инструментом для достижения
конкретной инвестиционной цели инвестора. Диверсификация означает формирование
портфеля для снижения или ограничения риска инвестиций. Можно выделить два метода
диверсификации:

• случайная диверсификация, когда несколько доступных финансовых
  активов помещаются в портфель наугад;
• объективная диверсификация, когда финансовые активы выбираются в
  портфель после инвестиционных целей и с использованием соответствующих методов
  анализа и оценки каждого финансового актива.

Теория
управления инвестициями сосредоточена на вопросах объективной диверсификации
портфеля, и профессиональные инвесторы, в свою очередь, всегда следуют
установленным инвестиционным целям, когда собирают свой портфель и управляют им.

Пересмотр портфеля. Этот этап процесса
управления инвестициями относится к периодическому пересмотру трех предыдущих
этапов. Это необходимо, поскольку со временем инвестор с долгосрочным
горизонтом инвестиций может изменить свои инвестиционные цели, а это, в свою
очередь, означает, что портфель инвестиций в настоящее время может быть не
оптимальным и даже противоречить новым установленным инвестиционным целям.
Инвестор должен сформировать новый портфель, продавая некоторые активы в своем
портфеле и покупая другие.

Могут
быть и другие причины для пересмотра существующего портфеля. Cо временем цены на активы меняются, а это
означает, что некоторые активы, которые были привлекательными в свое время,
могут потерять свою инвестиционную привлекательность. Таким образом, инвестор должен
продать один актив, чтобы купить другой, более привлекательный в это время, в
соответствии с его оценкой. Периодическая переоценка инвестиционных целей и
портфелей на их основе необходима, поскольку внешняя среда и финансовые рынки
постоянно изменяются. Рыночная глобализация предлагает инвесторам новые
возможности, но в то же время управление инвестициями становится все более
сложной задачей с растущей неопределенностью.

Оценка эффективности управления портфелем предполагает периодическое
определение того, как осуществлялось управление портфелем, с точки зрения не
только полученного дохода, но и риска. Таким образом, для того, чтобы оценить,
насколько эффективно было управление портфелем, нужно определить такие величины
как доходность и риск портфеля, а также их соотношение.

В
настоящее время можно выделить три набора инструментов измерения соотношения
риска и доходности, которые помогают нам в оценке наших портфелей. Это коэффициенты
Трейнора, Шарпа и Дженсена.

Коэффициент Трейнора. Джек Л. Трейнор был первым,
кто предоставил инвесторам комплексный показатель оценки эффективности
портфеля, который включал не только доходность финансового актива, но и риск.
Он предположил теорию, что на самом деле существуют две составляющие риска:
риск, вызванный колебаниями на фондовом рынке, и риск, связанный с колебаниями
отдельных ценных бумаг.

Коэффициент
Тейнора рассчитывается по следующей формуле:

где:

– средняя доходность инвестиционного портфеля;

– средняя доходность безрискового актива;

– рыночный риск
инвестиционного портфеля.

Числитель определяет премию за риск, а знаменатель соответствует риску портфеля. В свою очередь,

рассчитывается так:

где:

– ковариация между доходностью инвестиционного портфеля и доходностью рынка;

– дисперсия доходности рынка.

Результирующее значение Teynor ratio представляет собой доходность портфеля на единицу риска. Очевидно, что, чем выше коэффициент, тем лучше и эффективнее было управление портфелем.

Стоит
помнить, что этот показатель действительно эффективен для оценки только
диверсифицированных портфелей, так как в расчетах учитывает только систематический
риск.

Коэффициент Шарпа. Этот коэффициент почти
идентичен коэффициенту Трейнора, за исключением того, что показатель риска в
данном случае — стандартное отклонение портфеля. То есть, данный коэффициент
рассматривает не только системный риск (рыночный, бета), но и несистемный.

Коэффициент
Шарпа можно легко определить как:

– средняя доходность инвестиционного портфеля;

– средняя доходность безрискового актива;

– стандартное отклонение доходностей инвестиционного портфеля (риск портфеля).

Мы еще
раз обнаруживаем, что лучший портфель не обязательно тот, у которого самый
высокий доход; это тот, у которого самый высокий доход, скорректированный на
риск.

Коэффициент Дженсена.
Названный в честь его создателя, Майкла К. Дженсен, коэффициент Дженсена
вычисляет избыточную доходность, которую портфель генерирует, над ожидаемой
доходностью. Эта мера доходности также известна как альфа. Формула расчета
этого коэффициента следующая:

где:

– средняя доходность инвестиционного портфеля;

– средняя доходность безрискового актива;

– среднерыночная доходность;

– рыночный риск инвестиционного портфеля.

Индекс
Дженсена измеряет, насколько коэффициент доходности портфеля связан с
возможностью инвестора повысить доходность выше среднего, скорректированную на
рыночный риск. Чем выше коэффициент, тем лучше корректировка с учетом риска.
Портфель с неизменно положительной избыточной доходность будет иметь
положительную альфу, а портфель с неизменно отрицательной избыточной возвратом
будет иметь отрицательную альфа.

Стоит
помнить, что никакой профессиональный инвестор не полагается на удачу. Вместо
этого, он всегда имеет четкую стратегию, описанную в цифрах (определяет
допустимый риск, ожидаемую доходность, временной горизонт и т.д). Разумный
инвестор всегда пересматривает свой портфель.

Таким
образом, мы выяснили, что для эффективного управления портфелем финансовых
активов необходимо проводить постоянную оценку эффективности портфеля. Другими
словами, это один из этапов непрерывного процесса управления инвестициями,
который состоит из нескольких стадий: установление инвестиционной политики,
анализ и оценка инвестиционных возможностей, формирование диверсифицированного
инвестиционного портфеля, пересмотр портфеля, и оценка эффективности управления
портфелем. Цикл повторяется снова и снова.

Для
того, чтобы оценить, эффективность управления портфелем, нужно оценить такие
величины как доходность и риск портфеля, а также их соотношение. В этом нам
могут помочь несколько инструментов – коэффициенты Шарпа, Тейнора и Дженсена.
Зная значения данных коэффициентов и их оптимальные границы, можно делать
суждения о пересмотре портфеля или же о дальнейшем его использовании.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1) Байдерина Д.П., Шепелев И.Г. Оценка и
управление инвестиционным портфелем, Управление инвестициями и инновациями,
2017. – 23-29 с.

2) Берзон Н.И., Дорошин Д.И. Особенности применения
показателей эффективности финансовых инвестиций, Оценка инвестиций, 2012. –
21-33 с.

3) Валинурова Л.С., Казакова О.Б. //
Инвестирование: теория и практика: учебник — Москва: КНОРУС, 2017. — 410 с.

4) Помыткина А.В., Соколова Т.М.1 Бритикова Е.А. Оценка и
эффективности управления инвестиционным портфелем, Вестник научно-технического
творчества молодежи Кубанского ГАУ, 2017. – 32-35 с.

5) Оценка эффективности инвестиций,
инвестиционного портфеля, акций на примере в EXCEL – [Электронный
ресурс] – Режим доступа: http://finzz.ru/ocenka-effektivnosti-investicij-analiz-akcij-investicionnogo-portfelya-na-primere-v-excel.html

6) K. Levisauskait,
Investment Analysis and Portfolio Management // Leonardo da Vinci programme
project, Vytautas Magnus University, 2010

7) Measure Your
Portfolio’s Performance –
[Электронный ресурс] – Режим доступа: https://www.investopedia.com/articles/08/performance-measure.asp

DOI 10.24411/2413-046Х-2019-16027

Экономико-статистическая характеристика условий труда в рамках оценки использования трудового потенциала Казахстана

IN THE EVALUATION OF THE USE OF
LABOR POTENTIAL OF KAZAKHSTAN

Бекхожаева Айгуль Кожахметовна, к.э.н., доцент КГУ имени Коркыт Ата, Казахстан,
город Кызылорда

Едилбаев Нуржан Баскосканович, м.э.н., КГУ имени Коркыт Ата ,Казахстан, город
Кызылорда

Жусупов Айболат Ертаевич, м.э.н., КГУ имени Коркыт Ата ,Казахстан, город
Кызылорда

Рахметбекова Жадра Шайзадакызы, м.э.н., КГУ имени Коркыт Ата ,Казахстан, город Кызылорда

Bekkhozhaeva Aigul Kozhakhmetovna, Ph. D., associate Professor of Korkyt ATA KSU, Kazakhstan, Kyzylorda city

Edilbaev Nurzhan Basosquamous, M.E.n., Korkyt ATA KSU ,Kazakhstan, Kyzylorda city

Zhusupov Aibolat Ertaevich, M.E.n., Korkyt ATA KSU ,Kazakhstan, Kyzylorda city

Rahmatalla Jadra Sysadmin, M.E.n., Korkyt ATA KSU ,Kazakhstan, Kyzylorda city

Аннотация: В статье проведен экономико-статистический анализ факторов полного и эффективного использования трудового потенциала. В рамках статистического анализа были изучены условия труда, травматизма на производстве, а также приведена группировка основных направлений исследования условий труда. В статье дана статистическая характеристика условий труда, в частности динамика и структура работающих в неблагоприятных условиях труда в региональном разрезе, по видам экономической деятельности, формам собственности.

Summary: The article presents an economic and statistical analysis of the factors of full and effective use of labor potential. As part of the statistical analysis were studied working conditions, injuries in the workplace, as well as the grouping of the main directions of the study of working conditions. The article presents the statistical characteristics of working conditions, in particular, the dynamics and structure of workers in unfavorable working conditions in the regional context, by economic activities, forms of ownership.

Ключевые слова: условия труда, статистический, анализ, трудовой, потенциал, показатели, динамика, структура,  производственный, травматизм.

Keywords: working Conditions, statistical, analysis, labor, potential, indicators, dynamics, structure, production, injuries.

В рамках статистического
анализа использования рабочей силы организация труда, ее совершенствование выступает
как условие наиболее полного и эффективного использования трудового потенциала.

Высокое качество рабочей
силы — лишь предпосылка к высокой эффективности производства. Для ее реализации
необходимо, чтобы труд работника был хорошо организован, чтобы у
него не было перерывов в работе по организационно-техническим причинам, чтобы поручаемая
ему работа соответствовала профессиональной
подготовке и уровню квалификации, чтобы работнику были созданы
нормальные санитарно-гигиенические условия труда, обеспечивающие нормальный
уровень интенсивности труда.

Вопросы нормирования труда,
условий труда и производственного травматизма изложены в отдельных
статьях закона Республики Казахстан о труде.

Согласно ст. 1 п. 3 Закона
о труде в Республике Казахстан к вредным (особо вредным) условиям
труда относятся условия труда, при которых воздействие определенных
производственных факторов приводит к снижению работоспособности
или заболеванию работника либо отрицательному влиянию на здоровье его
потомства; к опасным (особо опасным) — условия труда, при которых воздействие
определенных производственных факторов приводит в случае несоблюдения
правил охраны труда к внезапному резкому ухудшению здоровья или
травме работника либо его смерти. В соответствии со ст. 7 п. 1.3
работник имеет право на условия труда, отвечающие требованиям безопасности и
гигиены. Нормальная продолжительность
рабочего времени не должна превышать 40
часов в неделю, (ст. 45 п. 2 3-на), а для работников, занятых на тяжелых физических
работах с вредными условиями труда — не более 36 часов в неделю
(ст.46, п.1.2. 3-на).

Особое место в
статистическом исследовании процесса использования рабочей силы
занимает изучение условий труда, травматизма на производстве
и профессиональных заболеваний. Условия труда оцениваются в группировке по
следующим направлениям:

• по отраслям промышленности;
• по условиям труда;
• по полу;
• по видам компенсаций и льгот за работу в неблагоприятных условиях труда;
• по областям.

При анализе работающих во
вредных и опасных условиях труда выделяются: условия, не
отвечающие санитарно-гигиеническим требованиям (нормам) —
работа при повышенных уровнях шума и ультра или инфразвука, вибрации,
запыленности и загазованности воздуха; тяжелый физический труд;
работа на оборудовании, не отвечающем требованиям безопасности.

Агентством Республики
Казахстан по статистике проводятся ежегодные обследования
предприятий по вопросам условий труда и производственного
травматизма.

По результатам обследования
условий труда в отраслях промышленности в неблагоприятных условиях
работали 19,5%, в том числе в промышленности — 28,7%, на
транспорте — 11,5%, в строительстве — 8,8%.

В качестве обобщающего показателя определяется численность занятых в неблагоприятных и вредных условиях труда на 1000 работающих. Динамика этого показателя в целом по экономике в региональном разрезе представлена в табл. 1.

Анализируя данные табл. 1., следует отметить,
что почти во всех областях республики (кроме Атырауской, Западно-Казахстанской,
Карагандинской, Кызылординской областей и г. Астана) прослеживается тенденция роста
доли занятых во вредных условиях.

Анализ структуры занятых во вредных и опасных
условиях труда по отдельным видам экономической деятельности показывает, что
она более подвижна у мужчин, чем у женщин, о чем свидетельствуют приведенные
расчеты.

К работникам, занятым в неблагоприятных
условиях труда, относятся лица, которые пользовались хотя бы
одним из установленных видов компенсаций и льгот.

Вместе с тем сумма затрат на компенсации за
работу во вредных и опасных условиях труда сократилась в 4,3
раза.

Выплаты компенсаций производятся
непосредственно из региональных бюджетов.

Одним из направлений анализа факторов
формирования и использования трудового потенциала является
изучение условий труда на предприятиях различных форм собственности.

По данным таблицы можно сказать, на
предприятиях с негосударственной формой собственности доля работников, занятых
в неблагоприятных условиях труда была выше, чем на государственных
предприятиях.

Изучение условий труда, производственного
травматизма, позволяет проводить государственную политику,
направленную не только на снижение уровня заболеваемости и смертности
на производстве, но и на поддержание и реабилитацию пострадавших, что,
в конечном счете, благоприятно сказывается на демографической ситуации.

Особое внимание надо уделять улучшению
социально-бытовой сферы, повышению уровня эффективности
социального обеспечения рабочих, занятых в условиях опасных и вредных
для здоровья и жизни.

В региональном разрезе
наибольшее число пострадавших при несчастных случаях на
производстве отмечается в Восточно-Казахстанской,
Карагандинской, Павлодарской, Северо-Казахстанской, Акмолинской
областях.

Как показывает опыт анализа мировой и отечественной
практики, неблагоприятные условия труда не только имеют
отрицательные социальные последствия, но и являются важнейшими
барьерами на пути роста производительности труда и качества продукции.

Согласно Программе Правительства республики Казахстан на 2015-2020 годы, утвержденной Указом Президента
Республики Казахстан от 28 марта 2015 года №827 в ближайшие годы будут
реализованы мероприятия по совершенствованию
трудового законодательства, направленные на урегулирование объемов сверхурочных работ во вредных и опасных условиях труда.

Список литературы

1. Буланов
В.С , Волгина Н.А. Рынок труда: Учебник для студентов вузов по спец. «Экономика
труда и др.экон. спец.»/ Под общ. ред. Буланова, B.C., Волгина H.A.-2-e изд.,
перераб. и доп М.:Экзамен,2013.-478с.

2.Ефимова М.Р., Бычкова С.Г. Статистика населения и
трудовых ресурсов. Учебноеппособие.,М.:ГУУ,2002.
3. Досманбетов Б.С. Статистика населения Казахстана. Алматы: РИК, 2013.-155с.

4.
Досманбетов Б.С. Трудовой потенциал и рынок труда Казахстана. -Алматы: РБК, 2014,-192с.

5. Регионы
Казахстана в 2017г. — Статистический сборник, Астана, 2018.-99 с.

6.Казахстан в
цифрах. — Статистический ежегодник, -Астана, 2017.-102с.

УДК 339.13

DOI 10.24411/2413-046Х-2019-16023

АНАЛИЗ ДЕЯТЕЛЬНОСТИ И ПУТИ ПОВЫШЕНИЯ КОНКУРЕНТОСПОСОБНОСТИ ПРЕДПРИЯТИЯ

ANALYSIS OF ACTIVITIES AND WAYS TO IMPROVE THE COMPETITIVENESS OF THE ENTERPRISE

Бунчиков О.Н., доктор экономических наук, профессор кафедры экономики и менеджмента Донского государственного аграрного университета, Ростовская область

Bunchikov O.N.,  Doctor of  Economics, Professor Department of Economics and Management, Don State Agrarian University, Rostov Region

Сафонова С.Г., кандидат экономических наук, доцент, заведующая кафедры экономики и менеджмента Донского государственного аграрного университета, Ростовская область

Safonova S.G., Candidate of Economic Sciences, Associate Professor, Head of the Department of Economics and Management, Don State Agrarian University, Rostov Region

Шейхова М.С., кандидат экономических наук, доцент кафедры экономики и менеджмента Донского государственного аграрного университета, Ростовская область

Sheikhova M.S., Candidate of Economic Sciences, Associate Professor, Department of Economics and Management, Don State Agrarian University, Rostov Region

Аннотация: В статье рассматривается производственно-экономическая деятельность одного из крупнейших в Южном Федеральном Округе мясоперерабатывающего предприятия ООО «РКЗ — Тавр». Проведен анализ  динамики производства продукции, деятельности конкурентов по производству мясной продукции на Юге России, намечены пути по дальнейшему развитию мясоперерабатывающего предприятия ООО «РКЗ — Тавр».

Summary: The article discusses the production and economic activities of one of the largest meat processing plants in the Southern Federal District, OOO RKZ-Tavr. The analysis of the dynamics of production, the activities of competitors in the production of meat products in the South of Russia, the ways for the further development of the meat processing enterprise LLC «RKZ-Tavr».

Ключевые слова: мясная продукция, конкуренция, ассортимент колбасных изделий, эффективность производства колбасных изделий, мясоперерабатывающих комбинатов, снижение себестоимости, увеличение прибыли и рентабельности производства мясной продукции.

Key words: мeat products, competition, assortment of sausages, production efficiency of sausages, meat processing plants, cost reduction, increase in profits and profitability of meat production.

ООО
Ростовский колбасный завод «Тавр»  в
настоящее время по праву считается одним из крупнейших мясоперерабатывающих
предприятий на Юге России по производству мясной продукции. Его история берет
начало в далеком 1932 году когда на окраине города Ростова-на-Дону была открыта
небольшая фабрика-кухня по производству колбасных изделий для близлежащих
районов города.

С
течением времени мясокомбинат «Тавр» становится одним из самых больших
мясоперерабатывающих предприятий Ростовской области и удельный вес колбасных
изделий в структуре всей мясной продукции завода достиг семидесяти процентов.
Благодаря качеству своей продукции мясоперерабатывающий комбинат «Тавр» начал
поставки мясных изделий в город Москву для политического руководства нашей
страны.

В
настоящее время Группа компаний  «Тавр»
производит более двухсот пятидесяти видов мясной продукции для потребителей, из
них сто сорок видов колбас сырокопченых, свыше сорока разновидностей
полукопченых, а также варено-копченых колбас, 
ассортимент сарделек и сосисок представлен более чем сорока
разновидностями. Предприятие производит также более 50 видов вареной колбасы,
ассортимент ветчины достигает пятнадцати видов, и свыше двадцати пяти
разновидностей различных деликатесов. Кроме этого ежегодно мясоперерабатывающий
комбинат «Тавр» обновляет и расширяет свой ассортимент за счет внедрения в
производство новых видов мясной продукции.

ООО
Ростовский колбасный завод «Тавр» является коммерческим предприятием, поэтому
основной его целью является получение прибыли. Для достижения этой цели,
предприятие занимается такими направлениями своей деятельности, как переработка
различных видов мяса скота и птицы, производство различных мясных изделий, в
том числе различных ассортиментных групп колбас, мясных полуфабрикатов, также
предприятие участвует в посреднической и коммерческой, торгово-закупочной, и
иных видах деятельности.

ООО
мясоперерабатывающий комбинат «Тавр», в установленном законом порядке,  также вправе проводить различные формы
внешнеэкономических операций, а так же заключать договора и осуществлять
сотрудничество и принимать участие в иной форме с международными общественными,
кооперативными и иными организациями.

В настоящее
время, на рынке мясных и колбасных изделий в Южном Федеральном Округе,
мясоперерабатывающий комбинат «Тавр», безусловно является одним из лидеров.

В
последнее время мясоперерабатывающий комбинат «Тавр» в ходит в

многофункциональный холдинг,
который называется «ГРУППА АГРОКОМ», в котором кроме мясоперерабатывающих
предприятий, находятся фирмы и организации производящие табачную продукцию,
агропромышленные и другие предприятия. 

 В настоящее время в состав так называемого
мясного бизнес- направления холдинга существует замкнутый цикл производства,
так как в него входят предприятия по производству мяса скота, свиней и птицы
(Открытое Акционерное Общество «Батайское»), мясоперерабатывающие предприятия
(МПК «ТАВР» и «Новороссийский»), предприятия по забою скота, а так же
разветвленная фирменная розничная торговая сеть, по реализации мясной продукции
холдинга, — «Тавровские мясные лавки». 

 
Мясоперерабатывающий комбинат «Тавр» в процессе своей
производственно-экономической деятельности, использует международные стандарты
качества ISO-9001, кроме этого, на всех этапах технологической цепочки
производства мясной продукции, на предприятии существует многоэтапная система
проверки качества производимой продукции, со стороны ветеринарно-санитарных
служб и соответствующих лабораторий. Все это способствовало тому, что
мясоперерабатывающий завод «Тавр», стал единственным на Юге России, кого
всемирная организация включила в свои, так называемые «зеленые» списки.

Весь ассортимент мясоперерабатывающих
предприятий «Тавр» в настоящее время составляет более одной тысячи четырехсот
ассортиментных наименований продукции из мяса.

В таблице 1 представлен состав и
структура выпуска товарной продукции мясокомбината «Тавр», за 2015-2017 годы.

Анализ данных таблицы 1
свидетельствует о том, что удельный вес товарной продукции в общей структуре
производимой мясоперерабатывающим комбинатом «Тавр» продукции, за три года
практически не изменился. Так, наибольший удельный вес в структуре производимой
продукции мясокомбинатом составила товарная группа сосисок и сарделек (15,55 –
18,16%),  на втором месте по объему
выпускаемой мясной продукции находятся вареные колбасы, их удельный вес
составляет от 9,44% — 11,36%, на третьем и четвертом месте находятся полукопченные
и сырокопченые колбасы, с удельным весом 5,28% — 4,82% и 3,59% и 3,17%
соответственно. Такое расположение удельного веса товарных мясных групп в общем
объеме производимой мясной продукции мясоперерабатывающего комбината «Тавр»,
объясняется тем, что сосиски, сардельки и вареные колбасы относятся к тем
товарным группам мясной продукции производимой мясокомбинатом «Тавр» которые
более доступны по ценовому сегменту, для большинства потребителей мясной
продукции, в сравнении с такими группами как полукопченые и тем более
сырокопченые колбасы.  По группам сосисок
и сарделек объем производства вырос за три года на 2,61%, удельный вес вареных
колбас увеличился на 1,92%, в то время за такой же аналогичный период объем
производства полукопченых и сырокопченых колбас сократился на 0,46% и 0,42%
соответственно. В современных рыночных условиях объем производимой
предприятиями продукции напрямую зависит от ее реализации на рынке, тем более
такой скоропортящейся как продукты питания. Поэтому увеличение удельного веса
более дешевых групп мясных изделий и падение объемов производства более
дорогих, говорит о том, что уровень доходов населения нашего региона снижается,
и те потребители, которые покупали раньше более дорогие колбасы, либо стали
покупать более дешевую мясную продукцию, либо стали покупать полукопченые и
сырокопченые колбасы значительно реже.

Проведенный анализ других групп
мясных изделий которые не представлены в таблице 1, показывает, что наибольшую
долю в структуре производимых мясных продуктов мясоперерабатывающим комбинатом
«Тавр» в 2017 году составляют: мясо жилованное (17,69%), свинина (18,73%).

Многие рецепты производства мясной
продукции на мясокомбинате «Тавр» разработаны технологами мясокомбината, но
также и производится продукция которая соответствует государственным стандартам
России в этой отрасли.

Довольно большой товарный ассортимент,
высокое качество и большой спрос на рынке мясной продукции
мясоперерабатывающего комбината «Тавр», объясняется тем, что при производстве
своей продукции предприятие использует в основном местное высококачественное
сырье и новейшие инновационные технологии, позволяющие максимально снизить
себестоимость своей продукции при неизменно высоком качестве, что позволяет на
рынке реализовывать свою продукцию по достаточно приемлемым ценам, обеспечивая
мясокомбинату «Тавр» стабильную прибыль. 

География покупателей продукции
мясоперерабатывающего комбината «Тавр» довольно обширна, так как колбасы и
другая мясная продукция предприятия активно потребляются не только на
территории Ростовской и Волгоградской областей, Краснодарского и
Ставропольского краев, республиках Северного Кавказа, но также и в Крыму,
потребителями Ленинградской, Воронежской и Самарской областей. 

Рассмотрим основные показатели
деятельности ООО «РКЗ — Тавр» за 2015-2017гг. , которые представлены в таблице
2.

Анализ данных таблицы 2 свидетельствует о том, что
выручка в 2016 году составила 7539313 тыс. руб., что на 3,98% меньше, чем в 2015
году. Это произошло в связи с уменьшением валовой продукции в 2016 году на 18,54%
по сравнению с 2015 г.

Вместе с тем в 2017 году валовое производство
сократилось на 7,33% по сравнению с 2016 г. за счет сокращения численности
работников, как занятых непосредственно в производстве (-11,35 %), так и
непромышленного персонала (-23, 81 %). Соответственно в 2017 году и
отработанное время уменьшилось на 16,45 % по сравнению с 2016 годом.

Стоимость основных производственных
фондов в 2016 году составила 209081 тыс. руб., что на 7,41 % больше, чем в 2015
году. Стоимость оборотных производственных фондов в 2017 году составила 2135161
тыс. руб., что на 5,40 % меньше, чем в 2016 году. В 2016 году стоимость
оборотных фондов составила 2257009 тыс. .руб., что на 3,04% меньше, чем в 2015
году.

Структура и динамика затрат на
производство продукции ООО «РКЗ — Тавр» за 2015-2017 гг. представлена в таблице
3.

Анализ данных таблицы 3 свидетельствует о том, что,
основную часть затрат предприятия составляют материальные затраты на
производство. Так, в 2017 году они составили 5685425 тыс. руб., что на 2,16%
меньше, чем в 2016 году. Расходы на амортизацию в 2017 году составили 24535
тыс. руб., что на 16,34% меньше, чем в 2016 году.

Мясной
бизнес «ГРУППЫ АГРОКОМ» в 2017 году развивался весьма успешно. Так, объем
производства колбасных изделий и полуфабрикатов в 2017 году увеличился по
сравнению с 2016 годом на 6,2 тыс. тонн и составил 50,1 тыс. тонн. Финансовые
итоги деятельности Группы компаний «ТАВР» за 2017 год составили 5,8 млрд.
рублей, что на 1,6 млрд. больше показателей прошлого года. Компания упрочила
свои позиции в регионах ЮФО.

В юбилейный
для себя год ГК «ТАВР» организовывала множество маркетинговых и рекламных
акций, одной из самых значимых стала акция ««ТАВР»- Золотой век!». В акции
приняло участие свыше 18000 человек из различных регионов ЮФО, были разыграны
три путевки по «Золотому кольцу» России, 50 пароварок, 100 золотых подвесок и
главный приз — автомобиль «PEUGEOT 206». По случаю юбилея была приурочена
необычная экспозиция: первая и единственная в мире выставка картин из мясных
изделий «ТАВР», которая была зарегистрирована как мировой рекорд, занесенный в
Книгу Гиннеса.

Рассмотрим
основных производителей мясной продукции в Ростовской области, которые
представлены в таблице 4.

На основании данных, приведенных в
таблице 4, можно сделать неоспоримый вывод о том, что ООО «РКЗ — Тавр» имеет
множество конкурентов в Ростовской области. Более наглядно рассмотрим
конкурентное положение ООО «РКЗ — Тавр» на рисунке 1.

Исходя из
данных, представленных на рисунке 1, можно сделать вывод о том, что ООО «РКЗ –
Тавр» занимает уверенную позицию на рынке производителей мясной продукции
Ростовской области, охватывая две трети рынка.

В условиях
меняющихся потребительских предпочтений главная задача ООО Ростовского
мясоперерабатывающего завода «ТАВР»- выпуск высококачественной продукции, а
также сохранение положительной динамики роста и намеченных планов продаж.
Необходимо своевременно отслеживать цены на сырье и гибко регулировать цены на
выпускаемую продукцию.

В последние
два года наметилась тенденция к увеличению выпуска продукции среднего ценового
сегмента и снижение продукции в дорогом сегменте. На данный момент для компании
важно понимать свою текущую рентабельность и не быть убыточной.

Так, в 2017
году ГК «ТАВР» произвели и реализовали 
52 тыс. тонн колбасных изделий и около тысячи тонн полуфабрикатов. Рост
показателей возможен в случае вытеснения конкурентов ООО «РКЗ — ТАВР» на рынке
Южного федерального округа, которые не в состоянии выдержать жесткое
воздействие кризиса.

Также в
планах компании работа с новыми ассортиментными матрицами при сотрудничестве с
сетями. Это означает увеличение доли упакованной продукции, в том числе и
групповой (транспортной) упаковки, что позволяет минимизировать потери при
транспортировке и продлить сроки хранения выпускаемой продукции.

Список
используемой литературы

1. Бунчиков О.Н., Сафонова С.Г.. Шейхова М.С., Насиров Ю.З. Основные тенденции развития и роль продовольственного сектора Ростовской области в обеспечении продовольственной безопасности / Бунчиков О.Н., Сафонова С.Г.. Шейхова М.С., Насиров Ю.З. // Московский экономический журнал. 2018.-№4-С.51-62
2. Гайдук В.И., Гришин Е.В., Бунчиков О.Н., Мирошников Д.М. Факторная среда развития отраслей промышленного сектора экономики / Гайдук В.И., Гришин Е.В., Бунчиков О.Н., Мирошников Д.М.//Политематический сетевой электронный  научный журнал Кубанского государственного аграрного университета. 2016.-№119-С.1036-1052
3. Сафонова С.Г. Особенности функционирования и развития агропромышленного комплекса Ростовской области / С. Г. Сафонова, К. А. Абрамова // Вестник Донского государственного аграрного университета. — 2019. — № 1-2 (31).  — С. 86-90.
4. Сафонова С.Г. Маркетинг инноваций в АПК / С. Г. Сафонова, М. С. Шейхова / Современное состояние и приоритетные направления развития аграрной экономики и образования : материалы Международной научно-практической конференции. пос. Персиановский. —  2019. — С. 221-225.
5. Шейхова М.С. Механизмы разработки товарной политики предприятий АПК с учетом конкурентных преимуществ / М.С. Шейхова, В.А. Стельмаченок // Вестник Донского государственного аграрного университета. — 2019. — № 1-2 (31). — С. 90-94.
6. Шейхова М.С. Теоретические основы формирования товарно-рыночных стратегий предприятий АПК в контексте их конкурентных преимуществ / М.С. Шейхова, И.А. Авдеенко / Современное состояние и приоритетные направления развития аграрной экономики в условиях импортозамещения:  материалы Международной научно-практической конференции. — 2016. — С. 147-151.

УДК 657.352

DOI 10.24411/2413-046Х-2019-16022

Кластеры как инструмент управления агробизнесом Кабардино-Балкарской Республики

CLUSTERS AS INSTRUMENT OF MANAGEMENT OF AGROBUSINESS
OF KABARDINO-BALKAR REPUBLIC

Работа
выполнена при поддержке гранта РФФИ № 18-010-00947
«Разработка методологии формирования системообразующих инновационных
агропромышленных кластеров в условиях роста инвестиционного потенциала
однотипных региональных экономик»

Шогенцукова Залина Хасановна, кандидат экономических наук, доцент, заместитель директора института права, экономики и финансов КБГУ, профессиональный аудитор, ФГБОУ ВО «Кабардино-Балкарский государственный университет им. Х.М. Бербекова» (КБГУ), г. Нальчик, E-mail: zsh27@yandex.ru

Гедгафова Ирина Юрьевна, кандидат
экономических наук, доцент, заместитель директора института права, экономики и
финансов КБГУ, профессиональный аудитор, ФГБОУ ВО «Кабардино-Балкарский
государственный университет им. Х.М. Бербекова» (КБГУ), г. Нальчик

Мирзоева Жанна Мухарбиевна, кандидат
экономических наук, доцент, заместитель директора института права, экономики и
финансов КБГУ, профессиональный
бухгалтер, ФГБОУ ВО «Кабардино-Балкарский государственный университет им. Х.М.
Бербекова» (КБГУ), г. Нальчик

Шогенцуков Али Хасанович, начальник отдела
Экономики и развития предпринимательства местной администрации Баксанского
муниципального района Кабардино-Балкарской Республики

Shogentsukova Zalina Khasanovna, candidate of economic Sciences, associate Professor, Deputy Director of the Institute of law, Economics and Finance, a professional auditor, Of the «Kabardino-Balkar
state University. After H. M. berbekov» (KBSU), Nalchik, E-mail:
zsh27@yandex.ru

Hedgerow Irina, candidate of
economic Sciences, associate Professor, Deputy Director of the Institute of
law, Economics and Finance, professional auditor, Of the «Kabardino-Balkar
state University. After H. M. berbekov» (KBSU), Nalchik

Mirzoeva Zhanna Mukharbievna, candidate of economic Sciences, associate Professor, Deputy Director of
the Institute of law, Economics and Finance, professional accountant, Of the
«Kabardino-Balkar state University. After H. M. berbekov» (KBSU),
Nalchik

Shogentsukov Ali Hasanovich, Head of the Department of Economy and business development of the local administration of the Baksan municipal district of Kabardino-Balkar Republic

Аннотация: Статья посвящена исследованию понятия кластера и его использования как инструмента управления повышения эффективности деятельности агропромышленным комплексом Кабардино-Балкарской Республики. Рассматриваются предпосылки и особенности кластеризации АПК как в отдельном регионе, так и в России в целом. Реализация кластерной политики  в области сельского хозяйства России является инновационным подходом развития отрасли и повышения конкурентоспособности производимой продукции на рынке, повышения эффективности производственного процесса и т.д. В статье исследована модель «тройной спирали», используемой при создании и функционировании кластеров в сфере АПК.

Исследование кластеров, как инструмент
управления АПК отдельного региона, в частности Кабардино-Балкарской Республики,
позволяет выявить факторы, обуславливающие необходимость данного процесса с
одной стороны, а также выявлять резервы и иные возможности для общего развития
эффективности АПК России и активации внедрения инновационных механизмов  в сельское хозяйство.

Summary:
The Article is
devoted to the study of the concept of cluster and their use as a management
tool to improve the efficiency of the agro-industrial complex of the
Kabardino-Balkaria Republic. The prerequisites and features of agribusiness
clustering both in a separate region and in Russia as a whole are considered.
The implementations of the cluster policy in the field of agriculture in Russia
are an innovative approach to the development of the industry and improve the
competitiveness of products in the market, improve the efficiency of the
production process, etc. The article investigates the model of «triple
helix» used in the creation and functioning of clusters in the field of
agriculture.

The study of clusters as an instrument of agribusiness
management in a particular region, in particular the Kabardino-Balkaria
Republic, allows to identify the factors causing the need for this process on
the one hand, as well as to identify reserves and other opportunities for the
overall development of the efficiency of the Russian agribusiness and the
activation of the introduction of innovative mechanisms in agriculture.

Ключевые
слова: кластеры,
урожайность в овощеводстве, селекция, современные технологии,
«продовольственная безопасность», АПК, растениеводство, животноводство, модель
«тройной спирали», модернизация, селекция.

Keywords:
clusters, productivity in vegetable growing,
selection, modern technologies, «food security», agriculture, crop
production, animal husbandry, «triple helix» model, modernization, selection.

Кластерный подход «как инструмент развития» в России был
принят Министерством экономического развития и торговли РФ в начале 2006 года.
В системе нормативно-правового регулирования можно выделить два документа
раскрывающих кластерный подход:

1. Согласно  Методическим рекомендациям  по 
   реализации  кластерной  политики 
   в  субъектах  Российской 
   Федерации  (утв.  Минэкономразвития  РФ, 
   письмо № 20615-ак/д19 от 26.12.2008 г.) 
   раскрывается понятие «территориальный 
   кластер – объединение  предприятий,  поставщиков 
   оборудования,  комплектующих,  специализированных  производственных  и 
   сервисных  услуг,
   научно-исследовательских  и  образовательных  организаций, 
   связанных  отношениями
   территориальной близости и функциональной 
   зависимости  в  сфере  производства 
   и реализации товаров и услуг» [1].
2. Согласно пункту 3  ст. 
   2  Федерального закона от
   22.07.2005 г. № 116-ФЗ (в ред. от 13.07.2015 г.) «Об особых экономических зонах
   в Российской Федерации» «кластер  –  совокупность 
   особых  экономических зон одного
   типа или нескольких типов,  который  определяется 
   правительством  Российской  Федерации, 
   и  управление которым  осуществляется  одной 
   управляющей  компанией» [2].

Предпосылками
применения кластеров, как инструмента повышения эффективности управления
агробизнесом в стране и в отдельных её регионах, для которых АПК является
приоритетным направлением развития, выступают:

• деградация старой системы управления
  или фактическое отсутствие «единого пространства» управления процессом
  производства сельхозпродукции;
• необходимость участия страны в
  решении глобальных внешнеэкономических проблем: продовольственное обеспечение и
  общая «продовольственная безопасность» страны через активизацию развития
  сельского хозяйства (АПК) по обеспечению населения продуктами питания; а также
  создание рабочих мест и т.д.;
• рост населения и обострение проблем
  «продовольственной безопасности»  внутри 
  страны и по отдельным её регионам;
• совершенствование сотрудничества между
  финансовыми институтами и иными участниками АПК путем создания агрокластеров  для повышения информированности о
  нововведениях и потенциальных возможностях;
• аккумулирование усилий и ресурсов с
  целью повышения эффектности развития отрасли. 

Использование механизмов
кластеризации с целью повышения эффективности управления в отдельных отраслях
сельского хозяйства России, позволяет подходить к процессу стратегически и
вовлекать инновационные и цифровые технологии в агропромышленном комплексе
(АПК) страны.    

Кластеризация в агропромышленном комплексе, как страны в
целом, так и отдельных регионов (например, Кабардино-Балкарской Республики),
может способствовать:

• аккумуляции или объединению в единое
  пространство, т.е. «кластер» ресурсов (материальных, технологических,
  информационных, и иных) различных участников в единую инфраструктуру
  сельскохозяйственного производства;
• выработке единых путей и
  согласованного алгоритма агропромышленного сотрудничества между участниками,
  для обеспечения инновационного и 
  производственного роста отрасли;
• приобщение к единому пространству,
  т.е. кластеру как таких участников как производителей, потребителей  и иных заинтересованных участников, так и
  научных центров с целью применения инновационных технологий в процессе
  производства и продвижения сельхозпродукции.

Теоретические основы кластеризации были заложены А. Маршалом,
который исследовал вопросы концентрации специализированных производств в
отдельных районах и принципы географического районирования, основы которых
«стали опорными в кластерной теории». Исследование кластерной политики нашло
свое отражение и в научной литературе. Путем обобщения, можно выделить ряд авторов,
рассматривающих различные аспекты применения кластеризации АПК в российской
практике:

• Б.С.
  Ястермский, который еще в 1920 г. рассматривал 
  кластеры как «статический подход на примере хозяйствования в аграрной
  сфере экономики». Он выделял критерии группировки районов в «зависимости от вида
  деятельности: … в земледельческих районах это площадь земельных участков, а
  там, где преобладало животноводство – численность скота» [10];
• методологию
  и теорию районирования и специализации, заложенные в основу формирования
  кластеров, рассматривали в своих работах 
  Скворцов А.И., Кондраков Н.Д. и другие;
• современная
  трактовка «кластеров» в сфере АПК исследованы в работах Аблеева А.М., Фроловой
  О.А и т.д.    

Одним из основных сложностей развития и реформирования АПК
России после перехода к рыночным отношениям в начале 90-х годов, как справедливо
отмечают Рязанова О.Е., Максимова Т.П., является «сокращение площадей
обрабатываемых сельскохозяйственных земель более чем на 40 млн.га.; снижение
урожайности основных зерновых культур, резкому снижению уровня жизни на селе и
сокращению сельского населения» [11]. На первоначальных этапах, из-за
отсутствия системности, проведение активного процесса развития АПК в стране
было невозможно. Важнейшим стимулом активизации АПК как в России в целом, а
также в отдельных его регионах, по нашему мнению, является систематизация
процесса: через активное участие государства, государственных органов, путем
совершенствования национальной системы законодательства в сфере сельского
хозяйства, государственной поддержки аграрного сектора, а также применение
инновационных механизмов и новых технологий в управлении и организации АПК. Но
одних этих усилий недостаточно, необходимым становится активизация участия в
данном процессе самих аграриев страны, представителей агробизнеса, а также
различных научно-исследовательских институтов, т.е. осуществления процесса
развития АПК России не только вертикально, но и горизонтально.

Кроме названных факторов, при определении механизмов развития
АПК России, сложной проблемой была зависимость аграрной сферы экономики страны
от импорта из-за отсутствия соответствующих отечественных технологий
производства, организации и управления АПК. Кроме того, как справедливо
отмечает Максимова Т.П., «необходимость поиска внутренних механизмов решения …
проблемы в долгосрочной перспективе с тем, чтобы иметь «внутренний иммунитет» и
«защитные механизмы» к любым внешнеполитическим и экономическим вызовам»» [12]. Процесс развития АПК России
необходимо осуществлять с учетом как национальных интересов страны, путем
создания «подушки безопасности», т.е. активного развития и модернизации
российского агропромышленного комплекса с внедрением современных и
инновационных технологий, так и развивать основные направления участия
Российской Федерации в мировой
системе АПК, реализация которых возможно в рамках кластерной политики сельского
хозяйства.      

Выбор кластера, как инструмента управления агропромышленным
комплексов в РФ и реализации кластеризации в отдельно взятом регионе (например,
Кабардино-Балкарской Республике), позволяет решать такие проблемы в сфере
сельского хозяйства как: повышение конкурентоспособности  производимой и перерабатываемой продукции
(работ, услуг); ускорение процессов внедрения новых технологий и инноваций в
процессе производства и организации управления в различных  отраслях экономики; повышение эффективности
развития малого и среднего предпринимательства; мотивация активного
сотрудничества государства, в лице муниципальных, региональных и федеральных
органов власти, представителей бизнеса и различных научных институтов. Агропромышленные
кластеры в современной экономике выступают «детерминантами устойчивого развития
аграрной сферы национальной экономики» [13, стр. 17].

Путем обобщения различных трактовок в экономической литературе, можно дать следующее определение: «агропромышленный кластер» – географически и территориально обособленное «единое пространство», «инновационная платформа» объединения и взаимодействия между участниками как в производственной сфере, сфере управления различными процессами в отрасли, а также активное внедрение инноваций, современные технологий и разработок, позволяющих развивать АПК отдельных регионов и России в целом. Актуальность внедрения цифровых технологий и инноваций регламентировано в Указе Президента РФ от 9 мая 2017 года № 203 «О Стратегии развития информационного общества в РФ на 2017-2030 годы», который выступает основой реализации в российской практике кластеризации АПК и реализации концепции «цифровой кластер» в рамках программы «Цифровой экономики РФ». 

Одним из основных характеристик перехода к инновационным
механизмам и приемам в экономических системах, является формирование
определенной среды, обеспечивающей устойчивое развитие мировой и национальных
экономик: путем преобразования сетевых и горизонтальных связей между основными
участниками экономических систем. Данное преобразование реализуется путем
перехода от модели командно-административной (статичной) и
индустриально-рыночной (называемой в научном сообществе «двойной спиралью») к
постиндустриальной экономике («тройной спирали»). Именно попытки применения
модели «тройной спирали» в АПК России, по нашему мнению, может способствовать
построению и развитию «новой» системы, среды повышения эффективности управления
процессами сельского хозяйства как страны в целом, так и в отдельных регионах,
в рамках реализации кластерной политики.

Основными участниками экономических отношений в современных
условиях, в том числе, и в сфере агропромышленном комплексе выступают:

• государство,
  т.е. местные, региональные, муниципальные государственные и иные органы власти;
• бизнес-структуры,
  т.е. производители, посредники, продавцы продукции (работ, услуг) и иные
  организации (учреждения, фирмы, предприятия), осуществляющие свою деятельность
  в сфере бизнеса;
• научные
  институты (высшие учебные учреждения, научно-исследовательские центры и
  институты в области исследования и разработок и т.д.).  

Концепция «тройной спирали» т.е. партнерства между всеми тремя основными участниками: государством, бизнес-структурой и  научными институтами, появилась в середине 90-х годов в работах Генри Ицковица (Стэндфордский университет, США)  и Лойета Лейдесдорфа (Амстердамский университет, Нидерланды). Предложенная ими модель «тройной спирали» предполагает «особую» роль университетов (научных институтов) в области разработки и применения инноваций и  определения направления повышения эффективности управления и развития экономических систем. При этом «модель тройной спирали» возможно реализовать только при тесном взаимодействии университетов, частных предприятий (представителей бизнеса) и государства, с целью создания «новой» экономической системы, институциональных и общественных форм  производства, перепроизводства; передачи и применения знания.

Внедрению инноваций в АПК
при формировании агрокластеров способствует, как справедливо отмечают
Бондаренко Н.Е. и Максимова Т.П., «тесное взаимодействие и сотрудничество
представителей трех институциональных секторов – науки, бизнеса и власти» [13, стр. 16]. Такое участие и
сотрудничество при создании и функционировании кластеров в АПК России и
отдельных его регионах, дает возможность «вовлекать в процесс коэволюции»,
сближать и аккумулировать ресурсы и инновации для обеспечения кластера  как динамичной и саморазвивающейся системы.

Каждая из сторон «троевластья»
выступает автономно отдельными участниками, деятельность которых направлена на
разработку и применение инноваций, научно-практических разработок,
предпринимательских проектов. Бондаренко Н.Е. и Максимова Т.П. уточняют, что
«пересечение трех секторов (власти, бизнеса и науки) становится новым
механизмом достижения консенсуса и универсальной институциональной матрицей для
инновационного роста» [13, стр. 16].

Как справедливо отмечает Г.
Ицковиц «спираль – это
попытка визуально представить изменчивое и гибкое взаимодействие. Хитрость
состоит ещё и в том, что в модели незримо присутствует четвёртый элемент –
время, вокруг которого, изменяясь и развиваясь, вьются все три спирали» [7].
Нельзя однозначно определить четкое направление развития спирали или степень
участия каждой из сторон в той или иной сфере применения концепции «тройной
спирали», поскольку сочетание факторов и инструментов,  в том числе и инновационных, может быть
различной.  

Применение концепции «тройной
спирали» при создании и функционировании кластеров в АПК России или отдельно
взятом регионе (например, Кабардино-Балкарской Республике) позволит реализовать
следующие мероприятия:

• аккумуляция усилий трех основных субъектов
  общественных, социально-экономических и иных сфер отношений,  в том числе и агропромышленного комплекса
  России, с целью существенного снижения степени неопределенности в отрасли и
  затрат участников процесса создания и производства сельхозпродукции, путем
  обеспечения экономии и наиболее эффективного выстраивания процесса управления
  ресурсами и т.д.;
• варианты компиляции ресурсов участников тройной
  спирали (науки, власти и бизнеса) могут быть различными и индивидуальными под
  конкретный проект, отрасль, регион, страну и т.д. От сочетания комбинации
  ресурсов, производственных масштабов и научного потенциала могут зависеть итоги
  реализации: создание нового «продукта» АПК; обновление процесса производства
  или управления в отдельных отраслях сельского хозяйства, путем применения новых
  технологий, например, тепличного производства в овощеводстве; применение
  цифровых технологий при селекции и т.д.
• объединение усилий трех секторов дает
  возможность в рамках создания агропромышленных кластеров формировать матрицу
  или «коллективную модель» путем активного внедрения инноваций в процесс
  производства. В рамках данной матрицы, при пересечении интересов, ресурсов или
  иных усилий его участников, а точнее представителей бизнеса, науки и   власти,
  «каждый из институтов обеспечивает систему производства знаний за счет создания
  гибридных институциональных форм» [14,
  стр.286].

Использование «модели
тройной спирали» в АПК,  как справедливо
отмечают ряд авторов, «стало основой инновационных и кластерных программ во
многих странах» [13, стр. 16]. Для того, чтобы создание и
использование кластеров в современной экономике считалось инновационным, в
экономической литературе формируется мнение о необходимости учета такого
фактора как «сетевые связи (модели)».

Как справедливо отмечают Бондаренко Н.Е. и Максимова Т.П. «очевидные черты агропромышленных кластеров  наблюдаются на мезоуровне отдельных регионов» [13]. Одним из базовых основ создания и развития кластеров в Кабардино-Балкарской Республики, по нашему мнению, выступает модель (матрица) «тройной спирали» – локальной системы сотрудничества и объединения усилий и ресурсов: государства (региональные и муниципальные органы власти), бизнеса (средние и малые компании и предприятия) и наука (научные институты – университеты, научные центры и т.д.) (см. рис. 1).

Применение на практике базовой модели «тройной спирали» в АПК КБР может способствовать увеличению степени внедрения инноваций, модернизации и обновлению технологии производства в созданных и функционирующих в республике агропромышленных форм хозяйствования, а также объединить их в единую систему с целью налаживания безотходных способов производства продукции, внедрения современных высокотехнологических бизнес-процессов, активизации механизмов защиты окружающей среды, создания «высокопроизводительных рабочих мест», т.е. кадровое обеспечение путем обучения и повышения квалификации и прочие. Все данные факторы развития АПК возможно реализовать по нашему мнению, в рамках создания и функционирования отраслевых кластеров сначала в отдельных регионах России, затем на уровне страны в целом. В рамках кластеров происходит сочетание работ не только различных форм хозяйствования (т.е. малых и средних предприятий с крупными агрохолдингами) в области сельского хозяйства региона, но и вовлечение научного сообщества региона, а также активизация государственной поддержки основных приоритетных направлений социально-экономического развития  КБР, в том числе и АПК (см. рис. 2). 

Кроме
выделенных на рис. 2  участников модели
«тройной спирали», ряд авторов [13], рекомендуют выделять как
отдельного участника – финансовые институты. В рамках создания кластера в
агропромышленном комплексе региона, появляется возможность создания  единого пространства объединения ресурсов и
возможностей для общего развития сельского хозяйства России, начиная
преобразования с регионов. Формирование кластеров в регионах РФ становиться
наиболее эффективным процессом, поскольку именно их территориальная
обособленность способствует оперативности решения различных проблем.

Кластеризация агропромышленного комплекса Кабардино-Балкарской Республики обеспечит включение механизмов перенесения и мультипликации полученных положительных тенденций в другие отрасли и сферы региона. Процесс создания и использования кластера, как эффективный инструмент управления АПК и агробизнеса КБР, необходимо рассматривать как проект на уровне региона, состоящий из реализации множества мероприятий и этапов. Формирование зон кластеров должно сопровождаться активным внедрением научно-промышленных и технологических достижений; созданием общей инфраструктуры, обеспечивающей принятие и реализацию различных категорий организационных и управленческих решений различных уровней управления производственной и перерабатывающей промышленности, а также достижение наибольшей эффективности от сотрудничества в рамках кластера.

С
помощью кластеризации АПК региона возможно создание условий, для развития
сельского хозяйства, начиная с конкретного региона, переходя к общероссийским
показателям в сфере АПК. Одним из основных стимулов развития  АПК 
является продовольственная безопасность, которая выступает «основой
экономического и научно-технического развития страны, региона, а также
определяет благосостояния и здоровье населения» [15]. При этом очевидно, что достижение
оптимального уровня продовольственной безопасности в стране возможно путем
активизации развития агропромышленной сферы страны, поскольку сельское
хозяйство способно обеспечить население России необходимым количеством
продуктов питания, поэтому развитие АПК входит в состав приоритетных
национальных проектов как регионов, там и в России в целом.   

Одним из основных конкурентных преимуществ Кабардино-Балкарской
Республики (КБР) является агропромышленный комплекс республики.
Агропромышленный комплекс Кабардино-Балкарской Республики составляет 30,6 % валового
регионального продукта республики (ВПР), и представлен следующими основными
направлениями:

• животноводство
  (молочное, мясное, овцеводство, птицеводство);
• растениеводство
  (производство зерна, овощеводство, садоводство, виноградарства и прочие виды);
• переработка
  сельскохозяйственной продукции (консервная промышленность, производство
  молочных продуктов, производство напитков, переработка мясопродуктов, прочие
  виды).

В табл. 1 представлены данные по объему продукции АПК
республики по основным направлениям.

Из табл. 1 видно, что продукция АПК КБР имеет тенденцию к
повышению и составляет в среднем 5 % ежегодно. В структуре продукции АПК по
направлениям на растениеводство приходится наибольший удельный весь (56,9 % в
2016 г. и 56,1 % в 2017 г.), но темп роста в животноводстве наиболее эффективен
и составляет 12,6 % в 2017 г. по сравнению с 2016 г. 

Структура продукции АПК республики по категориям хозяйств
представлена в табл. 2.

Наибольший удельный вес по выпуску сельскохозяйственной
продукции в КБР приходится на такие категории, например как подсобные хозяйства
населения.

Агропромышленный комплекс КБР выступает важнейшим сегментом региональной
экономики «от состояния и развития которого зависит не только продовольственная
и финансовая безопасность жителей но и социально-экономическое развитие
региона» [3].

Основными факторами, способствующими развитию АПК
Кабардино-Балкарской Республики, являются:

• природные
  условия и ресурсный потенциал республики. Природные и климатические условия в
  республике позволяют активно развивать садоводство, овощеводство, скотоводство
  и овцеводство;
• накопленный
  практический опыт развития АПК республики, в частности, переработка овощей,
  фруктов, винограда; выращивание кукурузы и т.д.
• способность
  отрасли в обеспечении потребностей не только внутреннего рынка, но и
  потребности в сельхозпродукции в других регионах России.

Ресурсный потенциал КБР в области земельных угодий, трудового
обеспечения производственного процесса в области АПК в сочетании с внедрением
достижений научно-технического развития и инноваций может существенно
способствовать росту общего уровня эффективности агробизнеса как в регионе, так
и в стране. Кроме названных факторов, важным стимулом развития АПК КБР согласно
государственной программе [5], является «решение вопросов
импортозамещения», который  частично
решается в рамках производства плодов, овощей и продукции по их переработке.

Для развития АПК к каждому проекту в области сельского
хозяйства необходимо подходить как к инвестиционному проекту. Положения о
необходимости развития агропромышленного комплекса, как одного из приоритетных
национальных проектов, заложены как на федеральном, так и на региональном
уровне, в нормативно-правовых документах, в частности:

1. Стратегия государственной национальной политики РФ на период до 2025 г. (утв. Указом Президента РФ от 19 декабря 2012 г. № 1666).
2. Стратегия социально-экономического развития Северо-Кавказского федерального округа до 2025 года (утв. Распоряжением Правительство РФ от 6 сентября 2010 г. №1485-р).
3. Стратегия развития Кабардино-Балкарской Республики до 2034 г. (утв. Распоряжение Правительства КБР от 24 августа 2018 г. №500-рп).
4. Государственная программа Кабардино-Балкарской Республики «Экономическое развитие и инновационная экономика» на 2014 — 2020 годы (утв. Постановлением Правительства КБР от 29 января 2012 г № 1-ПП).
5. Государственная программа Кабардино-Балкарской Республики «Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия в КБР» на 2014 — 2020 годы (утв. Постановлением Правительства КБР от 19 марта 2015 г № 54-ПП).

В состав основных приоритетных направлений развития
агропромышленного  комплекса, согласно
Стратегии развития КБР до 2034 г. [3], которые можно реализовать путем
кластеризации сельского хозяйства на уровне региона  входят:

• «создание
  условий для сохранения и воспроизводства используемых сельским хозяйством
  природных ресурсов, поддержку почвенного плодородия;
• повышение
  уровня производства основных видов высококачественных продуктов питания и
  повышение эффективности функционирования АПК;
• развития
  максимальной переработки сельскохозяйственной продукции;
• совершенствования
  научного обеспечения АПК, создания условий для внедрения инноваций» [3].

Развитию АПК КБР способствует и поддержка государства путем
создания условий и механизмов привлечения инвестиций, реализация поддержки
сельскохозяйственных производителей и иных участников аграрной сферы   финансовыми и кредитными ресурсами через
реализацию государственных программ и т.д. В этих условиях происходит
сотрудничество между представителями государства и бизнеса, но достижение
эффективности АПК республики усилиями только государства и бизнеса, без учета
инновационных механизмов в условиях активной цифровизации как мировой, так и
национальных экономик невозможно. Рациональное внедрение в аграрную сферу
цифровых технологий и достижений научно-технического развития возможно через
приобщение к АПК представителей научного сообщества. Сочетание усилий
представителей трех ветвей: государства, бизнеса и науки; единой модели
«тройной спирали» рассмотренной ранее, как раз и дает тот эффект и стимул
развития агропромышленного комплекса.

В области агропромышленного комплекса Кабардино-Балкарской
Республики можно выделить следующие основные направления реализации
приоритетных инновационных
проектов, заложенные в документах, принятых на уровне региона [4; 5; 3]:

• создание
  новых и совершенствование функционирующих в регионе высокотехнологических
  тепличных комплексов, способных обеспечить круглогодичное выращивание свежих
  овощей;
•  строительство новых, и переоснащение
  существующих современных фруктохранилищ, 
  плодохранилищ, а также с встроенным холодильным оборудованием;
•  создание птицеводческого комплекса по
  производству и переработке мяса индейки, бройлера и других видов птиц;
• закладка
  садов по интенсивной технологии;
• строительства
  заводов по переработке мясной и плодоовощной продукции;
• создание
  селекционно-семеноводческого центра и другие.

Все данные направления реализации приоритетных инновационных проектов в
области агропромышленного комплекса КБР требуют применения современных
технологий и инновационного подхода к развитию отрасли. Применение современных
технологий и аккумуляция всех объектов, субъектов и основных составляющих
процесса производства в сельском хозяйстве возможно путем кластеризации, т.е.
объединения усилий и технологий в единый комплекс «производственного
пространства», участники которого работают над созданием продукции,
качественной и конкурентоспособной в отрасли, регионе, стране или мире.  Кластеризация в сельском хозяйстве различных
регионов России обусловлена необходимость управления процессом производства
сельскохозяйственной продукции. Грамотное сочетание различных видов
деятельности в отдельных отраслях  в
процессе производства продукции, с применением кластеров,  дает возможность, как обеспечить, так и
повысить конкурентные преимущества производимой продукции за счет применения
цифровых технологий. 

По оценкам специалистов в Кабардино-Балкарской Республике можно выделить
следующие направления АПК, имеющие предпосылки по реализации кластерной
политики, т.е. создания кластеров:

• животноводческая
  отрасль – активно развивающаяся в республике производство мясной и молочной
  продукции;
• рост
  производства зерновых культур и подсолнечника – традиционная специализация
  республики, тенденции развития отрасли, позволит активизировать сдвиги в
  структуре производстве продукции смеженных отраслей АПК;
• производство
  и переработка овощей, природные и климатические условия республики дают
  возможность создания овощных комплексов, активное развитие тепличных
  комплексов.

Кабардино-Балкарская
Республика имеет все предпосылки активизации кластерной политики в аграрной
сфере, существуют и создаются условиях для развития кластерных технологий
развития регионального АПК. Результатом реализации кластерной политики АПК на
уровне КБР могут быть следующие:

• модернизация существующей системы АПК
  республики и кооперация имеющих ресурсов всех возможных участников
  производственного процесса;
• активное внедрение цифровых,
  научно-технологических и иных инноваций в АПК республики;
• налаживание сетевых и горизонтальных
  связей между участниками, начиная от процесса прогнозирования и закладки новых
  производств, заканчивая производством, переработкой  и реализацией сельскохозяйственной продукции;
• активация участия малых и средних
  предприятий в АПК республики.

Литература

1. Методические рекомендации по реализации  кластерной  политики  в  субъектах  Российской  Федерации,  утв.  Минэкономразвития  РФ от  26  дек.  2008  г.  N  20615-ак/д19. [Электронный ресурс] // Офиц. сайт Министерства экономического развития  Российской Федерации.  URL:  http://economy.gov.ru/minec/activity/sections/innovations/development/doc1248781537747   
2. Об особых экономических зонах в Российской Федерации  [Электронный  ресурс]:  федеральный  закон  от  22.07.2005  N  116-ФЗ  (ред.  от  13.07.2015) //  КонсультантПлюс:  сайт  –  URL:  http://www.consultant.ru/document/cons_doc_law_54599/ 
3. Указ Президента РФ от 9 мая 2017 года № 203 «О Стратегии развития информационного общества в РФ на 2017-2030 годы»
4. Стратегия развития Кабардино-Балкарской Республики до 2034 г. (утв. Распоряжение Правительства КБР от 24 августа 2018 г. №500-рп)
5. Постановление Правительства Кабардино-Балкарской Республики «О Государственной программе КБР «Экономическое  развитие и инновационная экономика» от 17 января 2012 г. № 1-ПП [Электронный ресурс]  https://economy.kbr.ru/activities/investpolicy/respub_celevie_prog/17243
6. Постановление Правительства Кабардино-Балкарской Республики «О Государственной программе КБР «Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия в КБР» на 2014-2020 г.» от 19 марта 2015 г. № 54-ПП Официальный сайт Портала Правительства Кабардино-Балкарская Республика. [Электронный ресурс] http://pravitelstvo.kbr.ru/oigv/minselhoz/postanovl_pravit_kbr_po_apk/
7. Тройная спираль. Университеты – предприятия – государство. Инновации в действии / Генри Ицковиц; пер. с англ. под ред. А.Ф. Уварова. Томск: Изд-во ТГУ систем управления и радиоэлектроники, 2010. 238 с.
8. Кабардино-Балкария в цифрах. Краткий статистический сборник, 2018 г. Официальный сайт Портала Правительства Кабардино-Балкарская Республика. // http://pravitelstvo.kbr.ru/kbr/o_kabardino_balkarskoy_respublike/kabardino_balkariya_v_tsifrakh.php
9. Официальный сайт Паспорт Кабардино-Балкарской Республики https://invest.kbr.ru/o-regione/ekonomika/
10. Ястремский Б.С. Связь между элементами крестьянского хозяйства в 1917 и 1919 годах. //Вестник статистики, 1920, стр. 19-21
11. Рязанова О.Е., Максимова Т.П. Трансформация аграрной сферы экономики РФ: концептуальные подходы. Монография //Москва, 2015 – 301с.
12. Максимова Т.П. Институциональные факторы рыночной трансформации форм хозяйствования в аграрной сфере экономики. //Экономика, статистика и информатика. Вестник УМО. 2011. № 3. С. 16-23
13. Бондаренко Н.Е., Максимова Т.П. Модель «тройной спирали» как механизм инновационного развития агропромышленных кластеров РФ. //Инновации и инвестиции. № 9. 2016. С.14-20
14. Шапкин И.Н. и др. Экономическая история: взгляд из XXI века. Институциональные аспекты теории и практики хозяйственной жизни: Монография. – М.: Вузовский учебник: ИНФРА-М, 2015 . – 288с.
15. Дышекова А.А.,  Шутко Н.Н. Обоснование предпосылок реализации кластерных технологий в продовольственном комплексе Кабардино-Балкарской Республики. //Региональная экономика. Теория и практика. 18 (111) — 2009

DOI 10.24411/2413-046Х-2019-16012

Региональные особенности российской безработицы

Regional features of Russian unemployment

Смоленцева
Елена Викторовна, старший
преподаватель кафедры экономики и менеджмента, Федеральное государственное
бюджетное образовательное учреждение высшего образования «Вятская
государственная сельскохозяйственная академия», РФ, г. Киров

Smolentceva Elena,senior lecturer of the Department of Economics and
management, Federal state budgetary educational institution of higher education
«Vyatka state agricultural Academy», Russian Federation, Kirov

Аннотация: Одной
изосновных угроз для национальной
безопасности страны является межрегиональная дифференциация уровней
безработицы. В статье представлена информация по динамике численности
безработных в целом по стране и в разрезе федеральных округов, уровня
безработицы в региональном разрезе. Рассмотрена структура безработных в
федеральных округах по полу, возрасту, месту проживания. Выявлены регионы с
наибольшим и наименьшим уровнем напряженности на рынке труда.

Summary: One of the main threats to the national security of
the country is the interregional differentiation of unemployment rates. The
article presents information on the dynamics of the number of unemployed in the
whole country and in the context of Federal districts, the unemployment rate in
the regional context. The structure of the unemployed in the Federal districts
by sex, age, place of residence is considered. The regions with the highest and
lowest levels of tension in the labor market were identified.

Ключевые слова: рынок
труда, безработица, рабочая сила, Россия, федеральный округ, регион

Keywords:
labor market,
unemployment, labor force, Russia, Federal district, region

Безработица
в России, в силу значительной территории и исторических особенностей развития,
имеет существенные различия в региональном разрезе. Российский рынок труда в
настоящее время характеризуется сохраняющейся дифференциацией регионов по
показателю регистрируемой безработицы, и ситуация с безработицей в региональном
разрезе остается резко полярной. Несомненной угрозой
целостности страны выступает усиление территориальных различий по уровню
безработицы [1].

Разделение регионов по уровню урбанизации, степени развития промышленности или сельского хозяйства, наличию полезных ископаемых, природно-климатическим условиям, состоянию производственной и социальной инфраструктуры – существенным образом влияет на численность населения в целом, и в том числе на численность безработного населения (таблица 1).

Численность
населения страны за рассматриваемый период увеличилась на 2,3%. Это связано с
присоединением в 2014 году Республики Крым и г. Севастополь. Это связано и
сростом численности населения Южного ФО, куда и вошли новые субъекты Федерации.

В
трех ФО наблюдается снижение численности населения – Приволжском, Сибирском и
Дальневосточном, что можно объяснить внутристрановой миграцией в районы более
комфортные для жизни населения. В этих же регионах, отмечается снижение
численности занятого населения. А вот сокращение численности безработных
наблюдается по всем 8 ФО. Связано это с тем, что происходит общее сокращение
численности безработных по стране на 24,3%.

В
структуре среднегодовой численности населения наибольшая доля приходится на
Центральный и Приволжский ФО, что связано с наибольшей плотностью населения и
размерами этих округов. В Дальневосточном ФО проживает чуть больше 4%
населения, что объясняется сложными природно-климатическими и рельефными
условиями, влияющими на низкую заселенность региона.

Структура
численности рабочей силы по ФО практически повторяет структуру населения страны
в целом. А вот структура безработных по регионам отличается от первых двух
показателей. По численности безработных первое место в стране занимает
Приволжский ФО, за ним располагается Сибирский ФО. Особенности формирования
хозяйственного комплекса этих регионов определяют значительные показатели
уровня безработицы в них. Хотя, необходимо отметить, что динамика численности
безработных в этих регионах имеет положительную тенденцию к снижению. Так, на
долю Приволжского ФО в 2005 году приходилось 22,2% от количества безработных по
стране в целом, а на 2017 год – этот показатель снизился на 4,2 п.п.

Кроме
непосредственно безработных целесообразно рассматривать такую категорию
населения как потенциальная рабочая сила, то есть люди, не работающие на данный
момент времени, но которые хотят работать. На конкретный момент времени они
могут не иметь возможности активного поиска работы в силу ряда обстоятельств.

Совокупный
показатель безработицы и потенциальной рабочей силы определяется соотношением
суммарной численности безработных и потенциальной рабочей силы к расширенной
концепции рабочей силы, которая определяется суммированием рабочей силы и
потенциальной рабочей силы (таблица 3) [2].

Наибольшая
численность потенциальной рабочей силы в 2017 году отмечается в Сибирском ФО.
Он же находится на втором месте в России по уровню безработицы – 7,3%, что на
2,2 п.п выше среднего по стране значения. Самый высокий уровень безработицы –
11%, более чем в два раза от среднего, отмечается в Северо-Кавказском ФО. Эта
ситуация обусловлена высокой степенью самозанятости населения в личных
хозяйствах, высокой развитостью теневого сектора, а также отчасти и желанием
трудиться именно в этих сферах. Региональные программы формирования новых
рабочих мест должны учитывать и эту склонность местного населения. Другой
компактный ареал безработицы локализуется на юге Восточной Сибири (Тыва, Бурятия,
Читинская область). С позиций территориальной целостности страны чрезвычайно
важно, что высокой безработицей поражены национальные окраины страны (в списке
из 10 самых “безработных” – 9 национально-территориальных образований, в том
числе семь северокавказских плюс Калмыкия) [1].

Наименьший
показатель уровня безработицы в Центральном ФО. Основной причиной этого
является то, что это староосвоенная территория, в которой расположены многие
старопромышленные районы и промышленные узлы [3]. Выгодное экономико-географическое
положение, наличие развитой промышленности и сельского хозяйства, многообразие
и хорошее состояние транспортной инфраструктуры обеспечивают достаточное
количество рабочих мест в регионе.

Как
правило, с наибольшими трудностями при поиске работы сталкиваются жители села,
где ограничено количество и вариативность рабочих мест. Также на количество
безработных влияет половозрастной состав населения региона (таблица 4).

Наибольшая
доля безработных мужчин наблюдается в Северо-Западном ФО – 54,8%, а по женщинам
максимальный показатель в Северо-Кавказском ФО, что связано с историческими
традициями региона, а также отсутствием рабочих мест для женщин на Кавказе.

В
разрезе городского и сельского населения, можно отметить, что во всех
федеральных округах, кроме Северо-Кавказского, большая часть безработных
проживают в городах. Самые высокие показатели в таких округах как Уральский,
Северо-Западный и Центральный, что объясняется высоким уровнем урбанизации этих
территорий, и изначально незначительной долей сельского населения.

В
Северо-Кавказском ФО уровень урбанизации составляет 49,6%, это означает, что
более половины населения региона проживает на сельских территориях. И как следствие
этого здесь отмечается наивысший по стране уровень безработицы у сельского
населения – 57,6%.

Критерий
возраста также влияет на уровень безработицы в регионах. Отсутствие рабочих
мест для молодежи влияет на отток этой категории рабочей силы в крупные города
центра России (таблица 5).

В
целом по стране наибольшая доля безработных приходится на возрастные группы
20-29 и 30-39 лет – 34,4% и 23,8% соответственно. Среди молодежи до 30 лет
самые высокие показатели безработицы отмечаются в Северо-Кавказском ФО – 41,8%.
Но в этом же регионе самые невысокие показатели безработицы у граждан в
возрасте старше 40 лет. Таким образом, среди федеральных округов России самая
«молодая» безработица – 33,4 средний возраст безработных – на Северном Кавказе.

Образование
также является важным фактором, определяющим уровень безработицы (таблица 6).

По
уровню образования безработных выделяются такие регионы как Южный ФО – в нем
самый большой удельный вес безработных, имеющих высшее образование – 26%.
Северо-Западный ФО и Уральский ФО характеризуются наивысшим удельным весом
безработных со средним профессиональным образованием – 46,0% и 45,7%
соответственно. Это объясняется структурой расширенной концепции рабочей силы и
преобладанием в структуре экономики этих регионов промышленного производства,
которое изначально использовало рабочих со средним профессиональным
образованием. В Северо-Кавказском ФО наибольшая доля безработных приходится на
граждан, имеющих среднее общее образование – 47,5%.

Уровень
безработицы, определенный в рамках выборочных обследований рабочей силы,
значительно отличается от показателя уровня безработицы, определенного по
данным Федеральной службы по труду и занятости (таблица 7).

По
показателям уровня безработицы, рассчитываемом с помощью разных методов, можно
отметить, что официальные статистические данные характеризуются меньшими
значениями, что объясняется несовершенством методики сбора информации.

Уязвимость
населения при поисках работы, как уже отмечалось выше, в значительной степени
зависит от места проживания и пола (таблица 8).

Самые
низкие показатели уровня безработицы по все выделенным категориям населения в
Центральном ФО. У мужчин и у женщин в Северо-Кавказском ФО показатель уровня
безработицы в два раза выше, чем в среднем по стране. Также два округа –
Северо-Кавказский и Сибирский характеризуются максимальными показателями уровня
безработицы у городского и сельского населения.

В
связи с современными проблемами в российской экономике произошло уменьшение
спроса на рабочую силу, многие предприятия были ликвидированы, что в свою
очередь повысило напряженность на рынке труда (таблица 9).

Наиболее
высокий уровень занятости можно отметить в Центральном ФО и Северо-Западном ФО
– свыше 68%. Коэффициент напряженности представляет собой отношение
среднегодовой численности безработных (по методологии МОТ) к среднегодовому
числу вакансий, сообщенных работодателями в органы службы занятости населения.
Минимальное значение этого показателя в Дальневосточном ФО – 1,2. Это связано с
относительно небольшим количеством безработных в регионе и достаточно большим количеством
имеющихся вакансий.

Максимальные
значения практически всех показателей напряженности на рынке труда отмечаются в
Северо-Кавказском ФО. Коэффициент напряженности превышает среднее значение по
стране более чем в четыре раза. Поиск работы в этом регионе также значительно
продолжительнее, чем в сравнении со средним значением по стране, или с
показателями других федеральных округов.

По
региональным данным, ситуация на рынке труда большинства субъектов Российской
Федерации в среднесрочный период может характеризоваться постепенным снижением
уровня безработицы, однако темпы ее сокращения будут незначительными [4].

Регулирование
безработицы в России осуществляется сразу по нескольким направлениям, одним из
основных которых является обеспечение равных возможностей всем резидентам
Российской Федерации независимо от гражданства и возраста [5].

Таким образом, резюмируя вышесказанное, можно
отметить, что основной задачей государства в области снижения напряженности
региональной безработицы должно являться принятие мер и законов, направленных
прежде всего на сглаживание межрегиональной дифференциации в развитии регионов,
создании условий для развития малого бизнеса, повышения конкурентоспособности
молодежи на рынке труда.

Список литературы

1. Клюев, Н.Н. Российские контрасты (межрегиональные различия по социально-экономическим параметрам) [Текст]/ Н.Н. Клюев//Известия Российской Академии Наук. Серия географическая. – 2010. — № 6. – с. 25 – 39.
2. https://www.garant.ru/products/ipo/prime/doc/71222398/
3. http://www.geogcentury.ru/gecents-302-1.html

DOI 10.24411/2413-046Х-2019-16011

Безработица в Российской Федерации: оценка и особенности

Unemployment in the Russian Federation:
assessment and features

Смоленцева
Елена Викторовна, старший
преподаватель кафедры экономики и менеджмента, Федеральное государственное
бюджетное образовательное учреждение высшего образования «Вятская
государственная сельскохозяйственная академия», РФ, г. Киров

Smolentceva Elena,senior lecturer of the Department of Economics and
management, Federal state budgetary educational institution of higher education
«Vyatka state agricultural Academy», Russian Federation, Kirov

Аннотация: Безработица
является ключевым индикатором рынка труда. В статье рассматривается современный
уровень безработицы и его основные характеристики. Анализируется регистрируемая безработица. Рассматривается состав безработных по
полу, возрасту, уровню образования. Дается характеристика численности
безработных по семейному положению, причинам увольнения, опыту работы,
продолжительности поиска работы. Выделяются основные особенности безработицы в России.

Summary: Unemployment is a key indicator of the labour market.
The article deals with the current level of unemployment and its main
characteristics. The registered unemployment is analyzed. The composition of
the unemployed by sex, age, level of education is considered. The
characteristic of the number of unemployed by marital status, reasons for
dismissal, work experience, duration of job search is given. The main features
of unemployment in Russia are highlighted.

Ключевые слова: безработица, Россия, рынок труда, показатели, население. 

Keywords: unemployment, Russia, labor market, indicators, population.

Безработица определяет состояние рынка труда и
характеризует экономическую ситуацию в стране, поэтому объективная оценка ее
уровня и динамики дает возможность сравнить определенные показатели
экономической безопасности страны с их пороговыми значениями.

Для российской экономики понятие безработицы является
относительно новым, в 90-е годы реформирование экономической системы привело к
тому, что практически каждый 10-й экономически активный гражданин столкнулся с
угрозой потери работы. Наиболее сложным оказался 1998 год – был отмечен уровень
безработицы 13,3% [1]. В течение последующих 20 лет уровень безработицы
варьировался, но уже не превышал 10% (таблица 1).

На данный момент можно утверждать, что количество
безработных в России стабильно уменьшается с 2000-го года. Всплески
нетрудоустроенности наблюдались только в кризисные года: 2009 и 2015.

Причины безработицы в России связаны, как правило, с
падением цен на нефть — основным экспортным товаром страны, составляющим
большую часть федерального ВВП: если цены падают, уровень безработицы растет,
но верно и обратное.

По методологии МОТ [5] показатель безработицы
определяется отношением численности безработных в возрасте 15-72 лет к
численности экономически активного населения (занятых и безработных)
соответствующего возраста. Но поскольку не все безработные регистрируются в
службе занятости, помимо показателя безработицы рассчитывается также показатель
регистрируемой безработицы. Формула расчета аналогична, только вместо
численности всех безработных берется численность безработных,
зарегистрированных в государственной службе занятости. Рассмотрим долю
зарегистрированных безработных в общей численности безработных в динамике
(таблица 2).

За период с 2000 года по 2017 численность безработных
сократилась на 3733 тыс. человек или на 48,5%. А численность безработных,
зарегистрированных в государственной службе занятости, уменьшилась на 25,2%.
При этом до 2005 года доля зарегистрированных безработных в общей их
численности наибольшая – каждый третий безработный был на учете службы
занятости, но затем этот показатель начинает снижаться, и к 2017 году лишь
каждый пятый безработный регистрируется в государственной службе
занятости.  Такую ситуацию можно
объяснить высоким уровнем бюрократизации в службе занятости, сложностью
постановки на учет, низким пособием по безработице.

Под потенциальной рабочей силой понимают людей,
которые в настоящий момент не заняты, но заинтересованы в получении
оплачиваемой работы, но которых сложившиеся условия ограничивают в активном
поиске работы. Совокупный показатель безработицы показывает отношение суммы
численности безработных и потенциальной рабочей силы к расширенной концепции
рабочей силы, рассчитанный в процентах [6]. Совокупный показатель безработицы в
гендерном разрезе рассмотрим в таблице 3.

Таким образом, уровень участия мужчин в рабочей силе
на 15,6 п.п выше, чем у женщин. При этом также выше и общий уровень занятости,
что определяется традиционными для России особенностями. Совокупный показатель
безработицы в целом практически одинаков.

Целесообразно рассмотреть структуру безработных граждан
по различным критериям. Это позволит выявить основные тенденции формирования
этой группы населения и причины динамики численности различных категорий
(таблица 4).

В 2005-2014 году росла доля мужчин в структуре
безработного населения страны. Но в целом численность безработных и их удельный
вес в гендерном аспекте в последние годы существенно не изменялась. Хотя
уровень участия в рабочей силе у мужчин на 10-15% выше, чем у женщин (таблица
5).

В среднем от 71 до 76 % мужчин относят к рабочей силе
страны, примерно такие же цифры определяют их уровень занятости. К 2017 году
возрастает уровень участия женщин в рабочей силе до 63,3%   с 60,0% в 2000 году.

У женщин уровень занятости ниже и находится в пределах
60%, что объясняется тем, что между мужской и женской безработицей существуют
не только количественные, но и качественные различия: большинство безработных
мужчин достаточно быстро находят работу, в то время как основная масса женщин,
вытесненных из общественного производства, теряет её практически навсегда [3].

Наиболее уязвимыми с точки зрения поиска работы
являются несколько категорий граждан – это женщины, студенты, пенсионеры и
сельское население (таблица 6).

Общая численность безработных по сравнению с 1992
годом увеличилась на 2%, наибольший прирост оказался среди лиц, проживающих в
сельской местности. Это связано прежде всего с тем, что после 90-х гг. начался
резкий спад сельского хозяйства и ликвидация большого количества
сельскохозяйственных предприятий. И к началу 2000-х гг. численность безработных
сельских жителей увеличилась в три раза. С 2014 г. безработное население
сельских территорий находится примерно на одинаковом уровне, а по сравнению с
2010 годом его численность снизилась на 27%. Численность безработных среди
студентов, обучающихся и пенсионеров снижается, что связано с современной
ситуацией – когда студенты и пенсионеры в силу недостаточных доходов ищут
подработки. Если в 1990-х годах крайне редко студенты очной формы обучения
техникумов и вузов работали, то в настоящее время все больше студентов и
учится, и работает.

Существенной проблемой в снижении уровня безработицы в
целом является решение вопроса с молодежной безработицей. В 2017 году среди
молодежи в возрасте 15 – 24 года безработными являлись 860,8 тыс. человек. А их
удельный вес в общей численности безработных составил 21,7% (таблица 7).
Положительной тенденцией является снижение этой доли с 27,8% в 2005 году, или
на 6,1 п.п.

Наивысшая доля безработных приходится на население в
возрасте 30 – 39 лет от 21 до 24%. Самые низкие показатели у старших возрастных
групп – населения старше 60 лет, что связано с их незначительной долей в
экономически активном населении. Уровень безработицы у мужчин в возрасте до 25
лет и от 50 до 60 лет выше, чем уровень женской безработицы, а вот с возрастной
категорией 25 – 40 лет ситуация обратная. Уровень мужской безработицы меньше в
среднем на 2 п.п.

Городская и сельская безработица разновозрастных категорий
населения также отличаются. Сельская безработица, как правило, в два раза выше,
чем городская (таблица 8).

Самые высокие показатели как городской, так и сельской
безработицы приходятся на молодежь в возрасте 15 – 19 лет – в 2017 году 29,6% и
28,6% соответственно. Для города такая ситуация связана с отсутствием опыта
работы у молодежи, который требуют работодатели, а для села – с отсутствием
рабочих мест. Наблюдается общая тенденция – чем старше становится человек, тем
ниже уровень безработицы.

Образовательный уровень всегда имел существенное
влияние на формирование рынка труда, и как следствие на уровень безработицы
(таблица 9).

Численность безработных с высшим образованием в
динамике с 2005 года увеличилась на 19,1%, в том числе у мужчин на 18,2%, и у
женщин на 20,6%. Численность безработных с прочими видами образования
снижается. Наибольшее снижение отмечается у безработных, имеющих основное общее
образование, и не имеющих общего образования – на 51,5 % и 56,3%
соответственно. Численность безработных со средним профессиональным
образованием снижается практически на 20%, это связано как с получением этой
категорией населения высшего образования, так и переориентацией требований
рынка труда.

В 2017 году наибольший удельный вес в структуре
безработных приходится на лиц со средним общим образованием – 29,1%. Самый
низкий показатель у населения без образования, что связано с небольшой
численностью этой категории. С 2005 года заметно увеличивается доля безработных
с высшим образованием, что объясняется двумя основными причинами – возрастанием
общей численности населения с высшим образованием и кризисными явлениями в экономике,
когда значительное количество специалистов с высшим образованием осталось без
работы. Причем доля безработных женщин с высшим образованием на 7,8 п.п.
больше, чем у мужчин, это еще раз подтверждает гендерные особенности российской
безработицы.

Помимо возраста, места поселения, уровня образования
состав безработных можно охарактеризовать и семейным положением (таблица 10).

На 2017 год в численность безработных, состоящих в браке, составила 2027 тыс. чел., или 51,1 % от общей численности безработных. Самые низкий удельный вес среди безработных приходится на вдов (вдовцов) и разведенных граждан. Это объясняется тем, что в семье один из супругов может обеспечивать семью полностью, а одинокие люди вынуждены искать работу для обеспечения своих жизненных потребностей, не надеясь на чужую помощь.

В динамике по годам доля безработных, состоящих в
браке, постоянно возрастает. Но если в среднем по безработным этот рост
составляет 2,1%, то по женщинам этот рост составил 3,6%. При этом доля
безработных, не состоящих в браке, существенно снижается – на 4,3%.

Одним из основных требований к потенциальному
работнику, как правило, является требование определенного опыта конкретного
вида деятельности. Для большинства молодых людей, или лиц, потерявших работу в
связи с переориентацией рынка труда, именно это обстоятельство является
препятствием для устройства на работу.

Численность безработных, ранее имеющих опыт работы, в
2017 году составила 2963 тыс. человек, по сравнению с 2005 годом она
уменьшилась на 973 тыс. человек, в том числе за счет уменьшения численности
безработных мужчин на 503 тыс. человек и безработных женщин на 470 тыс.
человек. Наблюдается снижение численности безработных, уволенных по сокращению
штатов, либо в связи с ликвидацией предприятия практически в два раза. Это
связано с кризисными явлениями в экономике 2008 — 2010 гг. Причем, численность
женщин, потерявших работу по этим причинам, сократилась более чем в два раза –
на 105,7%, в отличие от мужчин – у которых произошло снижение численности на
64,2%. В структуре безработных четверть ранее не имела опыта работы (таблица 11).

В структуре причин увольнения с работы также
происходят изменения. В целом по безработным наблюдается снижение доли
безработных, выбывших в связи с сокращением штатов и закрытием предприятий – с
22,6% до 16,3%. А вот удельный вес уволившихся по собственному желанию,
напротив – возрастает – на 1,4%. Такая же тенденция наблюдается в гендерном
разрезе безработных. Но, необходимо отметить рост удельного веса безработных,
ранее не имеющих опыта работы. То есть это в основном молодежные группы,
заканчивающие образование. При этом, за последние три года – доля безработных,
не имеющих опыта, у мужчин увеличивается – на 1,3 п.п, а у женщин этот
показатель уменьшается на 0,6 п.п, а по сравнению с 2014 годом – на 1,8 п.п.
Это, скорее всего, можно объяснить более высокими требованиями к уровню
заработной платы у мужчин, которые они предъявляют в начале своей трудовой
деятельности.

Профессиональная деятельность граждан очень часто
является фактором, влияющим на уровень безработицы. В настоящее время люди,
имеющие экономическое, юридическое, психологическое образование все чаще
сталкиваются с проблемами при поиске работы по соответствующей профессии.
Поэтому логично рассмотреть уровень безработицы по видам занятости (таблица 12).

Таким образом, в структуре безработных по видам
занятости наибольшая доля в 2016 году приходится на работников сферы
обслуживания и торговли, охраны граждан и собственности – 15,6%. Также
значительная доля приходится на неквалифицированных рабочих и рабочих
промышленности, строительства и транспорта – 13,5% и 12,6% соответственно.

В гендерном аспекте также наблюдаются различия – у
мужчин наибольшая доля безработных относится к квалифицированным рабочим
промышленности, строительства и транспорта – 19,2%. А у женщин это работники
сферы обслуживания и торговли. Такая ситуация объясняется традиционным для
страны распределением сфер занятости между мужчинами и женщинами. Эта же
причина влияет на минимальные показатели удельного веса безработных по половому
составу. Так, у мужчин наименьший показатель – 0,7% приходится на служащих,
занятых подготовкой и оформлением документации, учетом и обслуживанием. Вполне
естественно, что в этой сфере и абсолютная численность мужчин наименьшая.

А вот у женщин – минимальные показатели среди таких
категорий как квалифицированные работники сельского хозяйства – 1,7%, и
руководителей – 2,4% (таблица 13).

Таким образом, максимальный уровень безработицы в
целом отмечается у неквалифицированных рабочих – 8,3%, при среднем значении по
стране 5,5%. Показатели меньше среднего значения уровня безработицы по стране
можно отметить в таких группах как руководители, специалисты всех уровней
квалификации, квалифицированные работники сельского и лесного хозяйства. И в
данном случае не наблюдается существенных отклонений в зависимости от гендерных
различий.

На уровень безработицы все вышерассмотренные факторы
оказывают определенное влияние. Рассмотрим совокупность ряда факторов,
определяющих число и структуру безработных граждан. К ним можно отнести и
возраст безработных, и наличие опыта и причины незанятости (таблица 14).

Давая характеристику среднестатистического
безработного, можно отметить, что это человек в возрасте 30 – 49 лет, имеющий
опыт работы и уволившийся по собственному желанию, либо в связи с сокращением штатов
или ликвидацией предприятия. Такой характеристикой обладает каждый второй
безработный.

Для человека, потерявшего работу, или только
приступающего к трудовой деятельности важное значение имеет длительность поиска
работы, или иначе – продолжительность безработицы (таблица 15).

Среднее время поиска работы в 2016 году составило 7,6
месяца. Наибольший показатель у пенсионеров по инвалидности – поиск работы у
них занимает в среднем свыше 10 месяцев, а наименьший у студентов-очников.
Студенты более быстро находят места работы по причине более низких требований к
месту, должности, условиям труда и уровню заработной платы. Также молодежь
более мобильна, вследствие чего имеет большую вариативность в поиске работы.
Наиболее продолжителен поиск работы оказывается для пенсионеров, как для
вышедших на пенсию по возрасту, так и по инвалидности.

Самая высокая продолжительность поиска работы за
период с 2005 по 2016 год отмечалась в 2005 году – 39% безработных находились в
поиске работы более одного года. Затем их удельный вес начал снижаться и к 2016
году составил 29,6% (таблица 16).

В 2016 г. 29,6 % безработных искали работу более 12 мес. (застойная безработица). Это довольно длительный период, что объясняется конкуренцией на рынке труда и занятости, а также его ограниченностью, особенно в регионах [4]. Среди обучающихся очной формы обучения 63,2 % находят работу в среднем за 3 месяца. Что касается пенсионеров по старости, то 22,6 % среди них находят работу в среднем за полгода-год. А для более чем половины пенсионеров по инвалидности этот срок увеличивается и составляет более года. Государству необходимо принимать меры в области помощи в поиске и предоставлении работы наиболее уязвимым в этом аспекте категориям граждан.

Продолжительность поиска работы зависит не только от
возраста, но и от пола (таблица 17).

Если рассматривать динамику с 2005 года, можно
отметить сокращение продолжительности поиска работы у мужчин на 0,9 месяца, а у
женщин на 1,2 месяца. Юноши в возрасте 15 – 19 лет находят работу быстрее, чем
девушки в аналогичном возрасте. Эта же ситуация складывается для возрастной
группы 60 – 64 года. Для прочих возрастных категорий принципиальной разницы в
продолжительности поиска работы для мужчин и женщин нет. Она колеблется в
среднем от 0,2 до 0,6 месяца.

Помимо продолжительности поиска работы важным фактором
является способ поиска работы для безработного населения (таблица 18).

В 2016 году в органы службы занятости обращалось 1186
тыс. человек. С 2005 года их численность сократилась на 44,3% или на 629 тыс.
человек. В том числе количество мужчин, обращающихся в органы службы занятости,
уменьшилось на 24,4%, а женщин соответственно на 42,2%. Но резко увеличилось
численность человек, искавших работу через СМИ и сеть Интернет – в 2,2 раза в
целом по безработным, и такой же рост наблюдается в гендерном разрезе – у
мужчин в 2,19 раза, у женщин в 2,23 раза. Численность граждан, использующих
другие варианты поиска работы, практически не менялась.

Необходимо уточнить, что сумма значений по строкам
больше итоговой суммы, но это связано с тем, что лица, ищущие работу, указывали
все способы поиска, которыми они пользовались. То есть человек мог, обратившись
в службу занятости, одновременно искать работу в интернете и обращаться к
родственникам и знакомым.

В 2016 году большая часть безработных предпочитала
поиск работы через СМИ, Интернет и путем обращения к родственникам и знакомым
(таблица 19).

Основные категории безработных, обращающиеся в
государственную службу занятости, находятся в возрастных границах 20 – 40 лет.
Минимальное количество пользуется услугами коммерческой службы занятости,
поскольку для такого варианта поиска необходимы определенные денежные затраты с
негарантированным результатом.

Таким образом, можно сделать вывод, что российская
безработица обладает определенными особенностями – ее уровень в последние годы
снижается, он заметно меньше, чем уровень безработицы в развитых странах.
Имеется специфика при расчетах уровня безработицы – не всегда реальный уровень
совпадает с данными Росстата. К тому же несбалансированность спроса и
предложения на российском рынке труда усугубляется структурной трансформацией
экономики, снижением потребности в работниках отдельных профессий. Для
улучшения ситуации государство должно принимать определенные меры по снижению
уровня реальной безработицы.

Список литературы

1. Безработица: от побед молодой Советской России до приметы времени Современной России [Электронный ресурс]: — Режим доступа: https://moneymakerfactory.ru/biznes-plan/bezrabotitsa-sovremennoy-rossii/
2. https://vuzlit.ru/18260/zhenskaya_bezrabotitsa_sostoyanie_tendentsii_prognozy
3. https://www.garant.ru/products/ipo/prime/doc/71620242/

DOI 10.24411/2413-046Х-2019-16010

Бедность как мировая проблема: оценка современного состояния

Poverty as a world problem: assessment of the current
state

Смоленцева
Елена Викторовна, старший
преподаватель кафедры экономики и менеджмента, Федеральное государственное
бюджетное образовательное учреждение высшего образования «Вятская
государственная сельскохозяйственная академия», РФ, г. Киров

Smolentceva Elena,senior lecturer of the Department of Economics and
management, Federal state budgetary educational institution of higher education
«Vyatka state agricultural Academy», Russian Federation, Kirov

Аннотация: Бедность
является общемировой проблемой, которая не может быть решена только усилиями
конкретных стран. В статье анализируется уровень бедности по таким показателям
как ВВП на душу населения, коэффициент Джини, выделяются страны с максимальными
и минимальными показателями порога бедности. Представлена информация по глубине
бедности, уровню недоедания в странах мира, а также по показателям уровня
человеческого развития.

Summary: Poverty is a global problem that cannot be solved by
the efforts of individual countries alone. The article analyzes the poverty
level on such indicators as GDP per capita, Gini coefficient, identifies
countries with maximum and minimum poverty threshold. Information is provided
on the depth of poverty, the level of malnutrition in the countries of the
world, as well as on indicators of human development.

Ключевые слова: бедность, измерение бедности, индекс Джини, порог бедности, многомерная бедность.

Keywords: poverty, poverty measurement, Gini index, poverty threshold, multidimensional poverty.

Генеральная Ассамблея ООН в резолюции 70/1 от 25
сентября 2015 года определила основные цели в области устойчивого развития. В
качестве первой цели рассматривается полная и повсеместная ликвидация нищеты в
мире во всех ее формах к 2030 году. Проблема бедности и нищеты это одна из
самых актуальных проблем в современном мире, причем наиболее острой она
является в развивающихся странах, где доля бедных зачастую составляет 60 – 70%
населения [4].

Единого подхода в определении бедности в государствах
мира нет, поэтому каждая страна определяет бедность своего населения по своим
стандартам, и сравнивать показатели бедности, рассчитанные разными методами,
просто, некорректно. Один и тот же гражданин, в зависимости от выбранных
критериев оценки, может оказаться по одним – бедным, по другим – таковым не
являться [6].

База данных Всемирного банка по вопросам бедности и
социальной справедливости содержит оценки по 168 странам, и в течение последних
10 лет ежегодно появлялись новые оценки примерно по 80 странам. В настоящее
время оценки масштабов бедности доступны по 1500 годичным массивам данных
наблюдений в различных странах — это более чем в три раза превышает показатели
начала 2000-х годов [1].

Наименьшая информация по уровню бедности имеется в
странах Океании и Африке (таблица 1). Наивысшие показатели – 88% стран обладают
такой информацией – в Европе. Там же наблюдается наибольший охват населения при
определении уровня бедности.

ВВП на душу населения – это такой параметр, который
означает внутренний валовый продукт, выпускаемый и генерируемый всем
государством в целом, делённый на общее число жителей данного государства. В
большинстве случаев именно данный параметр в совокупности с другими
используется Международным Валютным Фондом для оценки благосостояния той или
ной страны, то есть определения степени ее богатства или бедности по сравнению
с другими. Рассматриваемый параметр позволяет дать оценку без учета размера
территории, сезонных и конъюнктурных колебаний экономики.

ВВП на душу населения по паритету покупательной
способности призван учитывать соотношение цен в разных странах на товары и
услуги (таблица 2).

В 2018 году, как и в предыдущие годы, на первом месте
по ВВП на душу населения по паритету покупательной способности находится Катар.
Это объясняется крупнейшими запасами природного газа и нефти и эффективной экспортной
политики перенаправления и диверсификации поставок СПГ с европейского на
азиатский рынок, что позволяет газо- и нефтедобывающей отраслям минимизировать
риски колебания цен на энергоносители, а соответственно и валютных доходов
страны [8].

Второе место последние три года занимает Макао,
которое является специальным административным районом Китая.  Основу экономики Макао составляет туризм и
легкая промышленность. Наряду с Сингапуром Макао причисляют к
восточноазиатским тиграм за быстрый скачок экономики до уровня развитых стран [10].
 

Люксембург — одна из богатейших стран Европы с
высочайшим уровнем жизни. В городе Люксембург располагаются многие организации
ЕС. Благодаря выгодным условиям и офшорной зоне в столице размещены около 1
тыс. инвестиционных фондов и более 200 банков — больше, чем в любом другом
городе мира. До 2016 года Люксембург стабильно занимал вторую позицию в
рейтинге самых богатых стран.

Можно отметить определенную тенденцию – в ТОП-10 самых
богатых стран по ВВП находятся четыре страны 
– Катар, Бруней, ОАО и Кувейт – обладающие крупнейшими запасами
природного газа и нефти, четыре страны так называемой «старой Европы» —
Люксембург, Норвегия, Швейцария, Ирландия.

9 из 10 беднейших стран мира – это страны Африки
(таблица 3). Это объясняется как определенными историческими причинами, так и
современным состоянием экономики большинства стран африканского континента. К
основным причинам бедности стран Африки относятся особенности её природы,
стремительный рост населения, нескончаемые военные столкновения, возникающие
между странами и внутри стран.

Мадагаскар находится на 10 месте в списке самых
беднейших стран мира. На огромном острове живёт 22 миллиона человек и 69% из
них являются нищими. В период СССР Мадагаскар придерживался социалистического
курса развития, но МВФ резко его переменил. Он настоял на проведении
приватизации и внедрения новых экономических программ.

Но Мадагаскар так и не смог соответствовать западным
экономическим стандартам, а его экономика в основном представлена сельским
хозяйством, от которого она всецело зависит. Большинство трудоспособного
населения занята в аграрном секторе, а промышленность Мадагаскара развита
крайне слабо. Единственная надежда Мадагаскара – туризм, который сейчас
является существенным источником дохода страны.

Коэффициент Джини — это статистический показатель
степени расслоения общества относительно какого-либо экономического признака
(годовой доход, имущество, недвижимость) [5], используемый в
странах с развитой рыночной экономикой. В основном в качестве рассчитываемого
показателя берется уровень годового дохода. Коэффициент показывает отклонение
фактического распределения доходов в обществе от абсолютно равного их
распределения между населением и позволяет очень точно оценить неравномерность
распределения доходов в обществе.

Величина коэффициента Джини находится в пределах от 0
до 1. Чем больше его значение отклоняется от нуля и приближается к единице, тем
в большей степени доходы сконцентрированы в руках отдельных групп населения и
тем выше уровень общественного неравенства в государстве, и наоборот [5]. Индекс
Джини – это коэффициент, выраженный в процентах. Динамика индекса Джини по
странам мира представлена в таблице 4.

В Докладе о человеческом развитии 2016 года самые
высокие показатели индекса Джини отмечены в таких странах как ЮАР – 63,4%,
Гаити – 60,80% и Ботсване – 60,3%. Минимальные показатели – в Швеции – 23,00% в
2005 году.

Данные по индексу Джини в странах мира представлены с
учетом имеющейся статистической информации и данных обследований, которые
проводились в ряде стран. Среди представленных в таблице стран можно выделить
страны с максимальным индексом Джини в среднем за период с 2000 по 2016 год.
Максимальный показатель отмечается в Бразилии, но в динамике он показывает
снижение на 9,2 п.п., хотя Бразилия до сих пор остается в числе стран с самым
высоким уровнем неравенства доходов. В 2000 году страны с наиболее высоким
показателем индекса Джини среди обследованных стран являлись США и Российская
Федерация – 40,40 и 37,10% соответственно. В динамике за 15 лет эти показатели
изменились незначительно.

В 2010 году к странам с высоким уровнем неравенства
доходов можно отнести также Уругвай – 44,50%, Вьетнам – 39,30% и Турцию 38,80%.
Показатель индекса Джини в Турции возрастает и к 2016 году составляет 41,90%.

Среди обследованных стран минимальные показатели
индекса Джини отмечались в Словении – 25,4%, Украине – 25,50% и Чехии – 25,9%.

Доля 10% самых бедных в совокупном доходе страны
показывает какая часть совокупного дохода страны достается самым необеспеченным
слоям населения (таблица 5). Чем ниже этот показатель, тем, как правило,
большая часть населения находится в условиях крайней нищеты, и тем сложнее
ситуация с экономическим и социальным неравенством.

По доле в совокупном доходе 10% самого бедного
населения среди представленных стран можно отметить, что наибольшие значения
этого показателя характерны для стран бывших республик Советского Союза –
Казахстана, Украины, Молдавии, Беларуси – это объясняется сохранением
определенного уровня социальной защиты в этих государствах и отсутствием
значительного разрыва в уровне доходов, которое обусловливает минимальную
численность населения этих государств, проживающих в условиях крайней нищеты. При
этом в таком государстве как Замбия на 10% беднейшего населения приходится лишь
1% совокупного дохода.

На 10% самых богатых людей в богатых и бедных странах
может приходится разная доля совокупного дохода (таблица 6). Этот показатель
также характеризует уровень концентрации национального богатства и уровень
социального расслоения.

В 2015 году наивысший показатель наблюдался в Замбии –
там на 10% самых богатых людей приходилось 44,4% совокупного дохода. Значит, на
90% населения оставалось чуть более половины совокупного дохода. Также высокие
показатели отмечались в Бразилии – 40,4 и Турции – 33,5.

Минимальные значения этого показателя – в Словакии,
Словении и Украине.

Порог бедности — это сумма денег, официально
установленная в качестве минимального дохода, благодаря которому индивид или
семья в состоянии приобрести продукты питания, одежду и жилье [7]. Для каждой
страны определяется национальный порог бедности, поскольку страны мира сильно
отличаются по уровню жизни (таблица 7).

Среди стран еврозоны самые большие значения показателя
порога бедности в Люксембурге – 44441 евро. На уровне 25 – 30 тысяч евро порог
бедности в таких странах как Финляндия, Австрия, Бельгия, Франция, Нидерланды,
Германия. Минимальные значения для этого показателя в Литве, Латвии и Словакии
– от 6,5 тысяч евро до 8,7 тысяч евро.

С учетом различий в уровне жизни между США, Канадой,
странами ЕС и остальным миром – целесообразно рассматривать национальный порог
бедности за исключением этих стран (таблица 8).

В 2000 году максимальный показатель доли бедных по
национальному порогу бедности среди обследованных стран наблюдается в Бангладеш
и Беларуси – 48,9 и 41,9% соответственно. Но к 2016 году в Беларуси эта доля
снизилась в 7 раз – до 5,7%, а в Бангладеш – в два раза – до 24,3%. Но
максимальная доля бедных – свыше половины населения отмечается в Замбии
(таблица 9), что обусловливается не меняющейся ситуацией в большинстве стран
африканского континента. Самое низкое значение этого показателя в Турции –
1,6%.

Как и отмечалось ранее среди стран по наиболее высокой
доле бедного населения выделяются африканские страны и страны Латинской
Америки. Максимальные показатели в Бурунди – 64,9% и в Гондурасе – 60,9%.

Коэффициент бедности на уровне $ 1,90 в день — это
процент населения, живущего менее чем на $ 1,90 в день по международным ценам
2011 года. В результате пересмотра обменных курсов ППС показатели нищеты в
отдельных странах не могут быть сопоставлены с показателями нищеты, о которых
имелись более ранние данные.

16% населения в Гондурасе и 14,8% в Бангладеш живут на
сумму денег менее чем 1,9 доллара в день (таблица 10). Но можно отметить
положительную динамику с 1990 года – эта величина уменьшилась практически в два
раза.

К странам, в которых доля настолько бедного населения
также значительна, относят Боливию и Индонезию.

Это динамика коэффициента бедности по странам, в
которых проводились наиболее полные обследования за последние годы. Но
необходимо выделить страны, в которых эта информация доступна за период с 2010
по 2013 год (таблица 11).

Самые высокие показатели доли наиболее бедного
населения можно отметить в 2010-2012 гг. в Мадагаскаре, Малави и
Демократической Республике Конго – свыше 70%.

Важная характеристика бедности — это её глубина, т.е.
оценка того, насколько бедны люди, живущие ниже черты бедности. Она измеряется
как дефицит доходов бедных семей по отношению к прожиточному минимуму. Глубина
бедности в $1.90 в день (по ППС 2011) — средний дефицит дохода или потребления
от уровня бедности $1.90 в день, выраженная в процентах от прожиточного
минимума [3]. Рассмотрим масштабы распространения бедности по этому показателю
в таблице 12.

Данные в таблице и рейтинг показан по странам, по
которым проводилось обследование в 2016 году. Рассмотрим страны с максимальными
показателям глубины бедности за период 2000 по 2015 гг.

Самый высокий показатель глубины бедности в Танзании –
46,3%. Это означает, что населению этой страны не хватает примерно половины до
прожиточного минимума в 1,9 доллара США.

К показателям уровня бедности можно отнести долю
населения, находящегося в состоянии недоедания. Недоедание относится к
состоянию людей, чья калорийность питания постоянно ниже минимальной
диетической потребности в энергии для поддержания здорового образа жизни и
осуществления несложных физических работ с приемлемым минимальным весом тела
для соответствующего роста (таблица 14).

Общая численность голодающего населения уменьшилась в
таких странах как Индия, Китай, Эфиопия, Индонезия и Вьетнам. Наиболее
существенное снижение абсолютной численности голодающих – на 42,9% в Индонезии.
Негативные тенденции роста числа голодающих наблюдаются в Нигерии – на 126, 3%,
Уганде – на 72,0%, Афганистане – на 64,1%, Мадагаскаре – на 62,1% и в Йемене –
на 58,3%.

Среди рассматриваемых в таблице 14 стран максимальные
показатели доли голодающего населения в общей численности населения отмечаются
в КНДР – 43,1%, Мадагаскаре – 41,8% и Уганде – 40,1%. Причем в Мадагаскаре эта
доля значительно увеличилась за период с 2010 по 2017 год – на 10,5 п.п. Также
значительный рост доли голодающего населения в общей численности населения
отмечается в Уганде – на 10,6 п.п., Йемене – на 8,3 п.п., Афганистане – на 7,4
п.п. и Нигерии – на 5,3 п.п.

Благоприятная статистика по снижению доли голодающих в
общей численности населения наблюдается в Эфиопии – на 12,0 п.п., Индонезии –
на 7,0 п.п., Китае – на 4,0 п.п., Вьетнаме – на 3,6 п.п., Индии – на 2,8 п.п.

Самые критические показатели недоедания отмечаются в
странах Африки. Население, живущее ниже уровня минимального потребления энергии,
или распространенность недоедания — показывает долю населения, чей рацион
питания недостаточен для удовлетворения потребностей в энергии (таблица 15).

Динамика показателя распространенности недоедания
отражает рост проблем с обеспечением питанием практически во всех
представленных в таблице 15 странах. Положительная динамика снижения доли
голодающих наблюдается в Гаити, Замбии, Руанде, Мозамбике, Ботсване.

Индекс человеческого развития (ИЧР) – это
комбинированный индекс, измеряющий среднюю величину достижений в трех основных
измерениях развития человека: здоровья и долголетия, знаний и достойных условий
жизни [2]. Индекс человеческого развития и основные показатели неравенства
доходов представлены в таблице 16.

В странах с высоким уровнем человеческого развития квинтильный
коэффициент дохода более равномерен и находится в пределах 4-5, а вот в странах
со средним и низким уровнем человеческого развития он имеет больший разброс и
варьируется от 0,5 до 22,9. Такая же ситуация наблюдается с коэффициентом
Пальмы и коэффициентом Джини.

Многомерная бедность охватывает аспекты жизни
населения, которые не поддаются оценке с помощью стоимостных показателей:
здоровье, образование, условия жизни, личная безопасность, расширение прав и
возможностей и т.п.

Домохозяйство может иметь средний доход, но при этом
испытывать недостаток питьевой воды, не иметь доступа к качественным услугам
здравоохранения и образования, достойной работе, жить в регионе с высоким
уровнем преступности и/или неблагоприятном с точки зрения экологии. В этом
случае человек испытывает депривации — лишение доступа к определенным ресурсам
и возможностям.

Под индексом многомерной бедности понимается процентная
доля населения, живущего в условиях этой бедности, скорректированная
с учетом интенсивности отдельных видов депривации [9].  Показатели многомерной бедности в ряде
развивающихся стран представлены в таблице 17.

Самые низкие показатели многомерной бедности
отмечаются в странах с более высоким уровнем развития – странах Европы. А самый
высокий уровень индекса многомерной бедности отмечается в странах Африки – с
максимальным показателем в Нигере – 0,584. В среднем для всего населения этой
страны люди испытывают депривации по 58,4 % взвешенных индикаторов.

Наивысший коэффициент многомерной бедности – свыше 80%
наблюдается в Нигере (89,8), Южном Судане (89,3), Чаде (86,9), Буркина-Фасо
(82,8), Сомали (81,8) и Бурунди (81,8). Это означает, что в среднем четыре
человека из пяти являются многомерно бедными.

Наиболее высокие показатели интенсивности депривации
также характерны для африканских стран. При этом интенсивная депривация также
отмечается в странах Азии – от 40 до 50%.

По показателю населения, живущего в условиях близких к
многомерной бедности, можно выделить такие страны как Кения – 32,0%, Зимбабве –
29,3%, Гондурас – 28,6%, Руанда – 25,0%. Минимальные значения этого показателя
в Беларуси – 1,0%, Черногории – 2,0%, Молдова – 2,2% и Казахстан – 2,3%.

Странами, в которых свыше половины населения живет
преимущественно в состоянии тяжелой многомерной бедности, являются — Нигер
(73,5% населения), Южный Судан (69,6%), Чад (67,6%), Эфиопия (67,0%),
Буркина-Фасо (63,8%) и Сомали (63,6%).

Показатели мировой бедности, рассмотренные выше,
свидетельствуют об относительном благополучии стран, находящихся на Европейском
континенте, в Северной Америке, Австралии. Самый высокий уровень бедности
отмечается в странах Африки и Южной Америки, поэтому в ООН разрабатываются
программы по снижению уровня бедности в этих странах.   

Список литературы

1. Доклад Всемирного банка по статистике бедности [Электронный ресурс]: — Режим доступа: https://millenniumindicators.un.org/unsd/statcom/49th-session/documents/2018-23-Poverty-R.pdf
2. https://theworldonly.org/indeks-chelovecheskogo-razvitiya-po-stranam/
3. http://www.indem.ru/PUBLICATII/Popov/KakIzmerBedn.htm
4. https://habr.com/ru/company/ods/blog/350440/
5. https://vuzlit.ru/27554/problemy_bednosti_prozhitochnyy_minimum
6. [Текст]/А.А. Ткаченко//Экономика. Налоги. Право. – 2017. – Т.10. № 4. – с. 14 – 23.
7. Топ-10 самых конкурентоспособных экономик Азии [Электронный ресурс]: — Режим доступа: https://news.rambler.ru/other/42023508-top-10-samyh-konkurentosposobnyh-ekonomik-azii/

УДК 338.439

DOI 10.24411/2413-046Х-2019-16009

Россия на мировом рынке пшеницы: тенденции и перспективы

Russia in the world wheat market: trends and prospects

Смоленцева
Елена Викторовна, старший
преподаватель кафедры экономики и менеджмента, Федеральное государственное
бюджетное образовательное учреждение высшего образования «Вятская
государственная сельскохозяйственная академия», РФ, г. Киров

Smolentceva Elena,senior lecturer of the Department of Economics and
management, Federal state budgetary educational institution of higher education
«Vyatka state agricultural Academy», Russian Federation, Kirov

Аннотация: В
статье рассматривается современное состояние российского рынка пшеницы и его
роль на мировом зерновом рынке. Анализируется динамика производства пшеницы в
мире и в Российской Федерации, факторы влияющие на валовый сбор пшеницы.
Приводится динамика экспорта пшеницы в РФ, основные страны-импортеры по
регионам мира. Рассмотрены экспортные цены. Исследуется динамика импорта пшеницы и страны- экспортеры.

Summary: The article discusses the current state of the Russian
wheat market and its role in the global grain market. The dynamics of wheat
production in the world and in the Russian Federation, factors affecting the
gross wheat harvest are analyzed. The dynamics of wheat exports to Russia, the
main importing countries in the regions of the world. Export prices are
considered. The dynamics of wheat imports and exporting countries are studied.

Ключевые слова: рынок, пшеница, Россия, производство, экспорт, импорт, урожайность.

Keywords: market, wheat, Russia, production, export, import, productivity.

Состояние
мирового рынка пшеницы определяется собираемым урожаем этой
сельскохозяйственной культуры. А на урожай, в свою очередь, оказывают влияние
два фактора – посевные площади и урожайность. Рассматривая динамику урожаев
пшеницы с 60-х гг. прошлого века, можно отметить, что валовые сборы возросли
более чем в три раза [5]. Но происходит это в
основном за счет роста урожайности, связанного с внедрением новых технологий
возделывания пшеницы. Посевные площади практически не изменяются.

Роль Российской Федерации на мировом зерновом рынке в целом, и на мировом рынке пшеницы, в частности, определяется развитием традиционного для страны  зернового производства. В структуре посевных площадей на долю зерновых и зернобобовых культур в 2018 году приходится 57,6%, а удельный вес пшеницы во всей посевной площади составил 33,9% [1, 6]. Информация, предоставленная Продовольственной и сельскохозяйственной организации ООН (ФАО) [7], позволяет рассмотреть роль России в мировом производстве пшеницы в динамике за период 2007 – 2017 гг. (рисунок 1).

Наблюдается
тенденция роста как мирового производства пшеницы, так и производства этой
культуры в Российской Федерации. В динамике за рассматриваемый период мировое
производство пшеницы увеличилось на 27,2%, а в России на 73,9%. Более быстрый
темп роста производства пшеницы в Российской Федерации определяет возрастающую
долю страны в мировом производстве (рисунок 2).

Самые низкие
показатели наблюдаются в 2010 и 2012 гг. Это объясняется неурожаем, связанным с
плохими погодными условиями в этих годах. Начиная с 2012 года можно отметить
все возрастающую долю пшеницы российского производства в мировом объеме
производства. Эта положительная тенденция связана как с ростом посевных
площадей пшеницы в России, так и с повышением урожайности этой культуры
(таблица 1).

По сравнению
с 1990 годом посевные площади под пшеницей возросли на 15,0%, или на 3,6 млн.
га. Начиная с 2007 года идет постоянное увеличение посевных площадей, за
исключением 2012 года, также наблюдается стабильный рост урожайности пшеницы –
за последние пять лет средняя урожайность не опускалась ниже 22 ц/га.
Благоприятные погодно-климатические условия в 2017 году позволили достичь
максимального за весь рассматриваемый период значения урожайности в 31,2 ц/га. Учитывая
государственную поддержку сельского хозяйства страны в целом, и зернового
производства в частности, а также все возрастающую роль зернового производства
в экспортном потенциале страны, можно отметить, что дальнейшие перспективы
увеличения валовых сборов пшеницы достаточно реальны, и фактор погодных условий
с совершенствованием технологии возделывания этой сельскохозяйственной культуры
будет уменьшать свое значение.

В последние
годы Россия занимает лидирующую позицию в экспорте пшеницы на мировом рынке.
Так на ее долю в 2016 году приходится 13,8% мирового экспорта. Это связано с
высокой конкурентоспособностью российского зерна, обусловленной рекордным
урожаем и низкими по мировым рамкам ценами. Динамику экспорта российской
пшеницы рассмотрим на рисунке 3.

Несмотря на
периодические колебания экспорта по годам, линия тренда четко характеризует
положительную тенденцию роста экспорта пшеницы, а соответственно, усиление роли
и позиций России на мировом рынке зерна. Россия экспортирует пшеницу в разные регионы
мира (таблица 2).

Наибольший
объем экспорта пшеницы в 2017 году приходится на Египет – 7835 млн. тонн. В
общей величине египетского экспорта пшеницы доля российского зерна составляет
63%, и за последние три года наблюдается стабильный рост этого показателя. Для
таких африканских стран как Судан, Танзания, Конго, Руанда и Бурунди доля
российской пшеницы превышает половину всего ее импорта. Рынок Африки для
экспорта пшеницы из России постоянно расширяется, так ее стали импортировать
такие страны как Марокко, Кот-д’Ивуар, Буркина-Фасо, Мали.

Увеличиваются
поставки в Камерун – в 27 раз, Тунис – более чем в четыре раза, Сенегал – 3,5
раза, Танзанию – на 84,1%, Нигерию – на 60,0%.   

Для стран
Ближнего Востока характерны значительные колебания российского экспорта
пшеницы, которые зависят от собственного производства стран покупателей. Так,
Турция и Иран сами являются крупными производителями пшеницы, но в связи с
нестабильностью урожайности, а соответственно и валовых сборов, имеют
существенную потребность в импорте российской пшеницы. Но если рассматривать
экспортный рынок Ближнего Востока, то можно отметить, что для России он
является традиционным, с возрастающей динамикой продаж практически по всем
странам.

Меньшие
объемы экспорта приходятся на страны других континентов – Азии, Европы и
Америки (таблица 3).

Рынок
Азиатско-Тихоокеанского региона с 2000-х годов являлся одним из основных рынков
экспорта российской пшеницы. Основными ее покупателями были Индия, Бангладеш и
Пакистан [4]. Но затем Индия начала производить достаточное количество пшеницы
для удовлетворения собственных потребностей и поставки российской пшеницы резко
сократились. Но заметно увеличиваются поставки в Бангладеш и Индонезию, в этих
странах доля российской пшеницы в суммарном ее импорте – увеличивается.
Стабильным является и экспорт в Шри-Ланку – удельный вес пшеницы из России
составляет от 25 до 35%. Вьетнам, Таиланд и Филиппины также открыли свои рынки
для российской пшеницы.

В Восточной
Азии можно выделить Монголию – вся пшеница, которую импортирует эта страна
является российской. Но объемы экспорта колеблются, что связано с различным
уровнем потребности, обусловливаемым неравномерностью объемов собственного
производства этой культуры.

В странах
Европы существенную роль экспорт из России играет только в Албании, так как в
этой стране отсутствуют евро-нормы, которые препятствуют входу на европейский
рынок российской пшеницы – это квоты и высокие пошлины. Кроме того, европейские
страны сами являются крупными производителями и экспортерами пшеницы, поэтому
относительно небольшие объемы российской пшеницы импортируют только Греция,
Италия и Нидерланды.

Страны СНГ в
основном на 100% обеспечивают свой импорт за счет российских поставок пшеницы.
Это характерно для стран Закавказья – Азербайджана, Грузии, Армении. Объемы
экспорта в Казахстан и Белоруссию невелики, поскольку, как правило, эти страны
полностью могут обеспечить свои потребности собственным производством.

Российская
пшеница экспортируется и в Южную Америку – самые большие объемы экспортируются
в Мексику – от 179 до 357 тыс. тонн. Для Никарагуа доля российской пшеницы в
общем импорте составила в 2017 году 86%. Также в 2017 году начались поставки
российской пшеницы в Венесуэлу, что составило более четверти всего импорта
пшеницы этой страны.

По объему
полученных доходов от продажи пшеницы Россия находится на пятом месте в мире,
тогда как в натуральном выражении страна является общемировым лидером.
Возможными причинами подобного несоответствия могут быть как объективные
экономико-политические предпосылки, так и невысокое качество продукции, отсутствие
повсеместного использования современных технологий выращивания, сбора,
хранения, логистики и переработки продукции [2]. Рассмотрим динамику
стоимостного объема экспорта и средние цены на экспортном рынке пшеницы
(таблица 4).

Как уже
отмечалось, за период с 2007 по 2017 гг. количество экспортируемой пшеницы из
РФ возросло на 82,8%. А вот в стоимостном выражении экспорт пшеницы вырос
только на 59,9%. Это связано с колебаниями цен на зерновом рынке, обусловленными
предложением и спросом на этот вид продовольствия. Кроме того, на экспортные
цены оказывают влияние прогнозы на урожай, проблемы с негативными природными
явлениями – засухами, пожарами, плохой зимовкой озимых культур [9].

Помимо
экспорта Российская Федерация импортирует относительно небольшие объемы пшеницы
(таблица 5).

Основной
составляющей в структуре импорта пшеницы в Россию (95 % от общего объёма
импорта пшеницы) является мукомольная пшеница с высокими содержанием
клейковины, сильная и ценная пшеница, преимущественно представленная третьим
классом. Необходимость ввоза пшеницы высокого уровня качества обусловлена её
недостаточным внутренним производством, что прежде всего связано с
климатическими условиями России [3].

Основными
странами, поставляющими пшеницу в Россию являются Казахстан – на его долю
приходится 89,1% в общем объеме российского импорта пшеницы в 2015 году, 76,2%
в 2016 году и 54,6% в 2017 году [8]. В 2015 и 2016 гг. второе место среди стран-экспортеров
пшеницы в Россию занимала Белоруссия – 8,1% и 15,2% соответственно. В 2017 году
поставок пшеницы из Белоруссии в Россию не было. В 2017 году второе место среди
стран-экспортеров занимала Украина – на ее долю приходилось 44,7% пшеницы,
импортируемой РФ. Соответственно в 2015 и 2016 гг. удельный вес пшеницы из
Украины составлял 2,6% и 7,9%. Кроме этого, Российская Федерация за период
2015-2017 гг. импортировала незначительные объемы пшеницы из таких стран как
Литва, Польша, Германия, Италия, Чехия, Австрия и Франция.

Таким
образом, можно сделать вывод, что Россия занимает лидирующие позиции на мировом
рынке пшеницы и является вполне конкурентоспособной в силу привлекательности
цен и объемов предложения. А развитие экспортного потенциала даст возможность
совершенствования сельского хозяйства страны, привлечения инвестиций в аграрный
сектор, создания новых рабочих мест, развития перерабатывающих производств и
дальнейшего формирования инфраструктуры и логистического обеспечения зернового
рынка.

Список литературы

1. В 2018 году посевная площадь в России составит 80,4
   млн га [Электронный ресурс]: — Режим доступа: https://www.dairynews.ru/news/v-2018-godu-posevnaya-ploshchad-v-rossii-sostavit-.html
2. Еремченко, О.А. Технологические барьеры увеличения экспортного потенциала зерновой
   отрасли России [Текст]/О.А. Еремченко//Экономика науки. – 2017. – Т.3. № 1. –
   с. 40 – 52.
3. Импорт пшеницы в Россию [Электронный ресурс]: — Режим
   доступа: http://newsruss.ru/doc/index.php/Импорт_пшеницы_в_Россию
4. Какие страны Россия кормит зерном? (Пшеница) [Электронный
   ресурс]: — Режим доступа: http://новости-россии.ru-an.info/новости/какие-страны-россия-кормит-зерном-пшеница/
5. Мировой рынок пшеницы, роль и место России на этом
   рынке [Электронный ресурс]: — Режим доступа: https://agrovesti.net/lib/industries/cereals/mirovoj-rynok-pshenitsy-rol-i-mesto-rossii-na-etom-rynke.html
6. Основные показатели сельского хозяйства в России
   [Электронный ресурс]: Режим доступа: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalog/doc_1140096652250
7. Продукты животноводства и сельскохозяйственных культур
   [Электронный ресурс]: — Режим доступа: http://www.fao.org/faostat/ru/#data/TP
8. Экспорт и импорт пшеницы за июнь 2017 года [Электронный
   ресурс]: — Режим доступа: http://zerno.ru/node/2809
9. Экспорт пшеницы из России –
   безусловного лидера на мировом рынке [Электронный ресурс]: — Режим доступа:
   https://moneymakerfactory.ru/biznes-plan/eksport-pshenitsyi/