Оценка эффективности прогнозов межгодовых колебаний урожаев

Особо тщательных исследований требует проблема, в отношении которой важно подчеркнуть: она лучшим образом демонстрирует, что нет ничего практичнее, чем хорошо разработанная теория. Это проблема экономической оценки эффективности прогнозов, как одного из видов интеллектуального продукта, которая в современной литературе не вышла за пределы фиксируемые при сиюминутном соотношении рыночного спроса и предложения, а методические наработки в этом направлении минимальны [149, с.7−24].

При характеристике качества прогнозов, с одной стороны, в целях сопоставления между собой различных методик, но и без того — для определения их практической ценности, важно согласовать систему показателей, позволяющих наилучшим образом оценить эффективность их составления.

В этой связи важно подчеркнуть, что вообще спор о том, какая методика прогнозирования лучше, становится предметным только тогда, когда полемика опирается на сопоставимые научно-обоснованные показатели экономической эффективности.

Известно [147, с.36−37], что эффективность (Э) всегда выражается соотношением между полезным эффектом (П) за определенный период (t) и затратами, которые необходимы для приведения данного эффекта в действие (З):

При этом следует иметь ввиду, что полезный эффект (потребительная стоимость) зависит как от потребителя прогноза (государство, производители сельскохозяйственной продукции, организации, занимающиеся импортно-экспортными операциями продовольствия и др.), так и от вида прогноза (многоплановый прогноз для основных производящих стран мира, региональный прогноз, прогноз различной заблаговременности и т. д.).

В частности, технология «ЗОНТ» учитывает, что потребительная стоимость (полезность) прогнозов характеризуется определенным объемом содержательности и конкретным уровнем заблаговременности. При этом содержательность прогнозов определяется новизной, масштабностью, экономической весомостью объектов прогноза, спецификой субъекта — пользователя данной информацией [149, с.11−14].

Новизна информации может проявляться в том, что будучи конкретной, она в то же время должна быть необычной в том смысле, что ее сложно получить с позиций традиционных представлений о динамике тех или иных процессов. Так, применительно к АПК, прогноз урожая на следующий год содержательнее прогноза объема полевых работ, который осуществляется нормативно, технически прост, поскольку не нуждается в учете влияния колебаний погодных условий на результаты хозяйственной деятельности. Также можно показать, что прогнозы цен на молоко, мясо содержат больше новизны, в сравнении с прогнозами поголовья и обеспеченности скота помещениями.

Масштабность прогностической информации определяется сферой ее практического использования — на уровне отдельных предприятий или районов, областей, государств; на уровне отдельных отраслей, народнохозяйственных комплексов или народного хозяйства в целом. При этом далеко не всегда большая масштабность прогнозов обеспечивает большую их потребительную стоимость. Ведь там, где минимальна экономическая роль государства, прогнозы народнохозяйственного уровня малозначимы.

Поскольку масштабность во многом определяет содержательность прогнозов, то необходимо признать предпочтительными те методы прогноза, которые способны поднять уровень прогностических оценок до межрегиональных, международных, охватить межотраслевые связи и пропорции.

Экономическая весомость объектов прогноза наиболее очевидным образом влияет на уровень их потребительной стоимости. Поскольку состояние зернопроизводства особо существенно сказывается на общих итогах развития АПК России, ввиду высокого удельного веса зерновых культур в структуре валовой продукции растениеводства, то более важными, а потому и приоритетно финансируемыми в условиях нашей страны должны быть прогнозы зернопроизводства. Аналогичным образом и при оценке различных способов разработки прогнозов следует учитывать повышенную экономическую весомость прогнозов экстремальных ситуаций, существенно изменяющих природные и социально-экономические условия воспроизводства.

Необходимо количественно конкретно оценивать потери от неурожая в тех ситуациях, когда приходится погашать дефицит либо на худших финансовых условиях регулируемого монополиями импорта, либо ограничением потребления продовольствия, что сопровождается негативными экономическими, а также социальными последствиями, вплоть до голода.

Аналогично следует оценивать и потери от высокого валового сбора продукции, когда приходится нести дополнительные издержки не только на уборку и хранение, но и на компенсацию избыточного выноса с урожаем питательных веществ из почвы. При этом для России, ввиду экономической слабости страны, а потому и относительно большей весомости потерь от неурожая, более значимым должно быть признано то направление прогностических исследований, которое позволяет с высокой надежностью выявлять не вообще экстремальные колебания урожаев, а, прежде всего — неурожаи. В одних районах под влиянием засух, в других — от вымерзания посевов, в третьих — из-за избыточной влажности.

Специфика субъектов — пользователей прогноза, способствует различной экономической оценке одного и тог…

Важным показателем качества прогнозов является регулярность () представления прогнозов, которая характеризует способность прогнозистов не эпизодически оценивать грядущие ситуации, которые изначально легче обнаруживаются, а составлять прогнозы систематически, даже тогда, когда предвестники предстоящих спадов и подъемов урожая, осадков, температур и т. д. маловыразительны.

Для расчета, данного показателя на наш взгляд, целесообразно использовать следующую формулу:

.

где — число оправдавшихся прогнозов;

— число ошибочных прогнозов;

— продолжительность периода составления прогнозов.

Поскольку за 31 год натурных испытаний технологии «ЗОНТ» не состоявшихся прогнозов не было, то, используя данную формулу, получаем, что фактически технология «ЗОНТ» обеспечила 100% регулярности представления прогнозов, в то время как за 30 лет ретроспективных испытаний этот показатель составил 90% (т. к. 3 прогноза не состоялись). Действуя по принципу «лучше меньше, но качественней» за счет снижения регулярности представления прогнозов, можно в определенной мере повысить их оправдываемость. Важно лишь, чтобы доля несостоявшихся прогнозов не была чрезмерной.

Показатель ожидаемой надежности () можно рассчитать по формуле:

.

где — коэффициент, показывающий, в какой мере плотность ошибок в исследованиях определенного типа может отклоняться от нормального распределения. В тех случаях, когда перед прогнозом ставится задача определения не только знака колебаний, но и размаха, уровня спада, либо подъема интересующего нас процесса, оценка надежности должна быть дополнена показателями практически значимых характеристик ошибок прогноза. Размер ошибки прогноза (Оп) определяется как разность между расчетным и фактическим значением прогнозируемого показателя. В многократно выполняемых прогнозах используются характеристики среднего (по модулю) размера ошибки, предельного и предэкстремального размаха ошибки. Численный размер ошибки прогноза можно оценивать как на базе ретропрогнозов, так и по реальным итогам прогностических исследований. В первом случае размер ошибки может оказаться существенно меньшим, в частности, в связи с тем, что в ретропрогнозах реализуются методы, позволяющие постепенно сокращать дефекты баз данных, алгоритмов и программ, использовавшихся на более ранних этапах прогностических работ.

С этой точки зрения целесообразно сравнить между собой ошибки результатов прогнозов 1997 — 2002 гг. по ожидаемому валовому сбору зерна для США, Канады, России, выполненные с одной стороны, ФАО (Всемирная продовольственная и сельскохозяйственная организация ООН), а с другой — USDA (МСХ США) (Таблица 30).

Таблица 30 — Ошибки представленных в мае прогнозов урожая пшеницы (1997;2002 гг.)

Как видим, при примерно равной заблаговременности представления прогнозов в среднем за рассмотренный период оценки ФАО оказались в среднем с меньшей ошибкой (10,1%), чем в оценке USDA (14,0%). Однако в отдельные годы в обоих случаях они особо значительны и составляют в расчетах ФАО — до 34%, в прогнозах USDA — свыше 52,9%.

Сопоставим по размеру количественной ошибки прогнозы урожайности пшеницы в США, Канаде и России на 1997;2002 гг., представленные Министерством сельского хозяйства США (USDA) с аналогичными прогнозами, разработанными по технологии «ЗОНТ» (Таблица 31).

Таким образом, несмотря на то, что заблаговременность представления оценок урожайности по технологии «ЗОНТ» превышает 9 месяцев до завершения уборки урожая, они позволяют рассчитывать на заметно меньший уровень ошибок. Однако не следует забывать, что оценки грядущего урожая по технологии «ЗОНТ» в таблице 31 носят ретроспективный характер. Тем не менее, сам по себе тот факт, что они располагают значительно большим потенциалом заблаговременности, обеспечивает им бесспорное преимущество и перспективу.

Что же касается конкретного уровня возможных количественных прогнозов по технологии «ЗОНТ» в ходе их последующего испытания на экзаменующей совокупности (путем заблаговременной публикации), то в этой связи представляют интерес итоги сопоставлений реальных прогнозов, составленных Лабораторией долгосрочных прогнозов ВГАУ — с ретропрогнозами за 1992 — 2002 гг. для Воронежской области (Таблица 32).

Таблица 32 — Валовое производство зерна в Воронежской области, млн. т.

В данном случае в среднем натурный прогноз оказался несколько хуже ретрооценок (всего на 6,5%), однако не настолько, чтобы можно было поставить под сомнение преимущества в точности прогнозов по технологии «ЗОНТ» в сравнении с USDA и ФАО.

Кроме того, имеются основания утверждать, что потенциал точности прогнозов по технологии «ЗОНТ» остается пока что недоиспользованным. Об этом в частности свидетельствует тот факт, что в рамках данной технологии за счет использования новых методов обработки информации удается заметно улучшить точность описания колебаний урожаев. Так например, в исследованиях по Белгородской области, оказалось, что если стандартный (графический) метод распознавания образов колебаний урожаев за 1986;2000 гг. позволил в ретроописании колебаний выйти на среднюю ошибку 13,5%, то при первой апробации регрессионного Данный метод разработан И. Б. Загайтовым, А. И. Зернюковым. метода средняя ошибка за тот же период сократилась до 7,6% (Таблица 33).

Таблица 33 — Сравнительная оценка методов количественного прогноза урожайности зерновых в Белгородской области (1986;2000гг.)

Еще одним свидетельством возможности повышения качества прогнозов может служить выполненное нами сопоставление сравнительной эффективности разработки прогнозов с использованием программ «ЗОНТ-1М», «ЗОНТ-2М», «ВВН» (Таблица 34).

Не останавливаясь на технике соответствующих расчетов, отметим, что при сопоставлении итогов ретроспективного прогноза урожаев зерновых культур в РФ за 1984;2000 гг. лучшие результаты удалось получить при совместном использовании программ «ЗОНТ-1М» и «ВВН-М/М».

Таблица 34 — Сравнительная оценка прогнозов урожайности зерновых культур в РФ с использованием различных алгоритмов (1984;2000 гг.)

Поскольку экономическая эффективность прогнозов должна считаться с затратами на их разработку, то следует отметить, что благодаря возможности многоцелевого использования накопленных Лабораторией долгосрочных прогнозов в расчетах базы данных, алгоритмов и программ, технология «ЗОНТ» является малозатратной. И если предположить, что прогностическая информация, разработанная на базе технологии «ЗОНТ», позволит увеличить доходы сельхозпроизводителей всего на 1%, это составит сумму, примерно в 1600 раз превышающую расходы на подготовку прогнозов для такого региона, как Воронежская область.

Бесспорно, в технологии «ЗОНТ» сохраняется немало «белых пятен», что свидетельствует о возможностях ее дальнейшего совершенствования за счет не до конца реализованного прогностического потенциала, но в то же время имеются основания ожидать, что дальнейший прогресс в использовании технологии «ЗОНТ» может быть достигнут по следующим направлениям:

• · улучшение информационного обеспечения прогностических работ;
• · расширение сферы многоаспектности оценок грядущего урожая за счет сочетания прогнозов, выполняемых для различных регионов, по различным культурам, с различной заблаговременностью;
• · включение в базу данных и в прогностические модели показателей динамики осадков и температур различной заблаговременности;
• · дальнейшее совершенствование алгоритмов и программ;

повышение качества экспертного анализа материалов прогностических работ, и на основе этого разработка всесторонне обоснованных рекомендаций по практическому использованию прогностической информации в хозяйственной деятельности.