Дипломная работа: Оценка спроса на нефтепродукты

Введение

Топливно-энергетический комплекс оказывает огромное влияние на развитие экономики России. Наша страна очень зависима от цен на нефть, так как доходы от ее экспорта - основной ее доход. В то же время переработка нефти является перспективным ресурсом, поэтому задача оценки спроса на нефтепродукты, а также ее прогноз становится актуальной.

В отличие от долгосрочного прогнозирования, которое формируется государством и регионами, краткосрочное также представляет не меньший интерес для хозяйствующих субъектов, поскольку от него зависит текущая деятельность предприятий.

Основная цель исследования - провести оценку спроса на нефтепродукты для последующего возможного использования полученных данных нефтеперерабатывающими компаниями при планировании финансового результата на следующий месяц или год. Для достижения этой цели необходимо решить несколько задач:

1) Определить понятие спроса и спроса на нефтепродукты;

2) Рассмотреть методы предыдущих исследований по оценке спроса на нефтепродукты;

3) Рассмотреть теорию выполнения оценки по данным методам;

4) Произвести оценку методом из теории;

5) Предложить альтернативный метод оценки спроса на нефтепродукты;

6) Спрогнозировать оценку.

Профессиональная значимость работы заключается в применимости разработанной методологии для определения прогнозируемого спроса на бензин, дизельное топливо, а также возможности ее использования при планировании деятельности вертикально интегрированных нефтяных компаний и составлении производственных программ для нефтеперерабатывающих заводов.

Методами исследования выбраны: синтез, обобщение, анализ, моделирование, визуализация полученных результатов. Новизна данного исследования состоит не только в рассмотрении стандартных методик по оценке нефтепродуктов, но и в предложении альтернативной.

Структура работы представляет собой введение, две главы - теоретическая и практическая, заключение, список использованной литературы и приложение, включающее в себя иллюстрирующий материал в форме таблиц и рисунков.

1.1 Понятие спроса на нефтепродукты

спрос нефтяной топливо компания

Для того, чтобы оценить спрос на нефтепродукты, необходимо определить данное понятие. В соответствии с курсом микроэкономики, спрос отражает зависимость количества товаров, которое готов купить потребитель, от цены. Если изобразить его на графике в координатах цена-количество, он будет иметь нисходящий тренд: чем выше цена, тем меньшее количество товара согласен купить покупатель. Кроме того, спрос зависит от доходов: при увеличении доходов количество товаров при той же цене увеличивается. Графически, кривая спроса сдвигается вправо (рис. 1) Оранжевым пунктиром изображена цена.

Рис. 1 Сдвиг кривой спроса

Обратной стороной рынка выступает предложение - тоже зависимость от цены количества товара, но уже то, которое может предложить продавец при данной цене. Предложение имеет восходящий тренд: чем выше цена, тем больше товара готов предложить продавец. Кроме того, предложение зависит от понесенных при производстве затрат: выплата заработной платы, процентов по кредитам, затраты на покупку сырья и материалов. Увеличение затрат ведет уменьшению предложения. При равенстве спроса и предложения определяется равновесная цена и равновесный объем товара. (рис. 2)

Рис. 2 Равновесие рынка

Так определяется спрос в микроэкономике, однако, чтобы определить спрос не только одного потребителя и сравнить с предложением не только одного завода, необходимо рассмотреть макроэкономическое понятие спроса. В макроэкономике существует понятие совокупного спроса - объем конечных товаров и услуг, который готовы купить потребители, предприятия и государства при заданном уровне цен. На рис. 3 можно видеть его графическое представление (его общепринятое обозначение - AD).

Рис. 3 Совокупный спрос

На рисунке видно, что зависимость реального производства от уровня цен отрицательна. Связано это с изменениями составляющих совокупного спроса: потребительского спроса, инвестиционного спроса, спроса со стороны государства и чистого экспорта:

AD=C+I+G+Xn, (1)

где С - потребительский спрос населения,

I - спрос предприятий на инвестиции,

G - госзакупки

Xn - чистый экспорт

Таблица 1

Изменение составляющих совокупного спроса при росте общего уровня цен

Несомненно, макроэкономическое понятие спроса глобальнее спроса на отдельный товар (нефтепродукты, либо отдельный их вид). В то же время, составляющие спроса на нефтепродукты могут быть аналогичными: спрос на нефтепродукты со стороны потребителей, со стороны государства, чистый экспорт нефтепродуктов.

Кроме того, в действительности, на реальных данных, графики нарисовать практически невозможно. Ведь на самом деле, в определенный момент времени мы можем наблюдать единственное значение спроса при текущей цене. Поэтому, чаще всего в жизни под словом «спрос» имеют в виду количество при настоящей цене. Для того, чтобы определить, какой показатель можно рассматривать как спрос на нефтепродукты, а также в качестве предложения для последующего сопоставления, необходимо определить понятие нефтепродукта.

Нефтепродукты - смеси углеводородов, а также индивидуальные химические соединения, получаемые из нефти. Нефтепродукты получаются в результате химического процесса - перегонки нефти, от которой при разных температурах отделяются вещества (отгоны) в парообразном состоянии.

Основные категории нефтепродуктов это:

· Лигроин

· Бензин автомобильный

· Керосин

· Дизельное топливо

· Газойли тяжелые

· Масла и смазки

· Мазут

· Битумы

Нефтепродукты, относящиеся к каждой из категорий, можно видеть в приложении 1.

Таким образом, в общем и целом нефтепродукт - однородное вещество. Поэтому, для оценки спроса можно рассматривать его объем: объем определенного вида нефтепродуктов, который готовы купить его потребители, государство и его чистый экспорт. Для оценки внутреннего спроса по России - то же, но без экспорта.

1.2 Обзор методик оценки и прогнозирования спроса

Планирование спроса на нефтепродукты есть необходимый элемент при планировании деятельности нефтеперерабатывающих компаний. От эффективности планирования зависит эффективность управления запасами, графика производства, перевозок и т. д. Также, от прогнозов спроса зависят остальные планы (например, бюджет доходов и расходов) и в конечном счете, успешность компании.

При планировании спроса на нефтепродукты, в отличии от нефти, необходимо рассматривать каждый нефтепродукт по отдельности. Например, факторы, влияющие на спрос на бензин, разнятся с факторами, влияющими на спрос на дизельное топливо. Рынки разных нефтепродуктов имеют разных потребителей, разную сезонность и т. д.

При выборе статистического инструментария принято полагаться на:

1) Эффективность затрат

2) Единый прогноз

3) Возможность настройки отдельных параметров: точности, горизонта и т. д.

Самый популярный подход прогнозирования сегодня в российских компаниях - использование интуитивных прогнозов, исходя из продаж предыдущих периодов. Хотя этот метод и отличается простотой, однако он не учитывает такие факторы, как развитие рынка, цены конкурентов, логистические ограничения и т. д. Кроме того, уровень автоматизации подобного процесса низок, что приводит к необходимости разработки другого метода для отечественных компаний. Например, в зарубежных странах введена программа Demand Management, которая автоматически подбирает параметры и создает прогноз. Однако, о внедрении такой программы в России источников нет. Для введения такой системы в нашей стране необходимо учитывать особенности различных нефтепродуктов и составлять систему для каждого вида в отдельности.

В то же время слишком точный прогноз спроса с выстраиванием сложных математических моделей не приводят к ожидаемому преимуществу, так как временные, трудовые затраты не соизмеримы с получаемыми результатами. Поэтому принято использовать стандартные статистические методы, среди которых выделяют два подхода:

1) Модели экстраполяции временных рядов;

2) Методы прогнозирования на основе факторных регрессионных моделей

Модели экстраполяции временных рядов используют для краткосрочного прогноза, от которого как раз зависит текущая деятельность компаний. Основные методы, используемые для моделирования временных рядов, это: методы экспоненциального сглаживания (модель Брауна, Хольта); методы Бокса-Дженкинса (ARIMA, ARMA).

При составлении же регрессии можно определить не только прогноз, как, основываясь на динамическом ряде, можно определить экстраполяцией временного ряда, но и установить факторную зависимость нефтепродуктов. Для составления такой модели понадобится больше данных, однако причинность увеличивает информативность прогноза.

Кроме того, при составлении факторной модели, затрачивается больше временных и трудовых ресурсов не только при сборе данных: необходимо выбрать спецификацию модели, то есть отобрать значимые переменные, выбрать тип связи переменных, устранить проблему мультиколлинеарности, оценить модель и ограничения, интерпретировать результаты.

Вообще, выделяет два подхода, используемых для составления регрессии, описывающий спрос на энергию и топливо, в том числе на нефтепродукты в частности:

р модели сверху-вниз (top-down models), где спрос зависит от крупного макропараметра (например, ВВП, численность населения)

р модели снизу-вверх (bottom-up models), когда спрос зависит от множества факторов

Моделям снизу-вверх стоит отдать преимущество, так как ВВП описывает экономику в целом, не углубляясь. Причинная связь при модели сверху-вниз не явная, в то время как в моделях снизу-вверх больше вероятность получить хорошую интерпретацию модели.

Самыми распространёнными нефтепродуктами являются бензин, дизель и мазут. Рынок автобензина и дизельного топлива считается стабильным и спрос на него может быть спрогнозирован многофакторной регрессионной моделью, где спрос зависит от таких переменных, как грузооборот транспорта, оборот розничной торговли бензином или дизелем, расходы населения на данные виды нефтепродуктов и т. д.

Что же касается мазута, рынок подвержен изменениям и поэтому спрос на мазут не является стабильным. Основные потребители мазута:

р электростанции (в качестве котельного топлива)

р суды (в качества бункеровочного топлива)

р строительство (например, дорог)

р производство (например, металлургия)

В последнее время использование мазута в судах является приоритетным ввиду модернизации промышленности, роста энергоэффективности и скидок в российских портах на бункеровку. Однако, все больше ограничений вводится на выбросы вредных веществ Это может понизить спрос на мазут со стороны судов, что приведет к изменению тренда спроса на мазут в целом. Поэтому, статистические прогнозы могут иметь большую вероятность ошибки, а использовать для прогнозирования спроса на мазут, например, Тоткало и Хрипунова предлагают метод Delphi, при котором эксперты проходят анкету, и только после анализа экспертных мнений составляется консенсус-прогноз. В то же этот метод достаточно затратный.

Таким образом, при составлении прогноза на нефтепродукты необходимо составлять отдельные модели для каждого вида нефтепродуктов. Самыми популярными нефтепродуктами по относительным объемам производства являются бензин, дизель и мазут. Спрос на бензин и дизель может быть объяснен и спрогнозирован при помощи составления многофакторной регрессионной модели или экстраполяцией временных рядов. Теоретические аспекты данных методов будут описаны в работе далее. Прогноз же спроса на мазут может оказаться неточном в связи с нестабильностью рынка мазута, в связи с чем при прогнозировании возможны дополнительные затраты на метод Delphi.

1.3 Теоретические аспекты прогнозирования с составлением множественной регрессии по методу наименьших квадратов

Один из возможных методов объяснения и оценки спроса на нефтепродукты в будущем является составление регрессионной модели методом наименьших квадратов. Регрессионный анализ позволяет оценить зависимость экономического показателя У от одной переменной Х при парной регрессии и различных переменных Х1, Х2…Хm при множественной регрессии с учетом возможных остатков е.

На основе вида зависимости регрессанта У от регрессоров Х определяют вид модели - ее спецификацию. Например, спецификация линейной модели парной регрессии имеет вид:

У_i=У_хi+ е_i, (2)

где У_i - фактическое значение зависимой переменной У;

У_хi - теоретическое значение зависимой переменной У;

е_i, - остаток регрессии;

В то же время существуют другие представления модели: