Обоснование прогнозных сценариев развития птицеводства

Для выявления  влияния концентрации поголовья  кур-несушек на производственные показатели, предприятия МНТЦ «Племптица» была произведена группировка по поголовью кур-несушек. Оптимальным поголовьем кур-несушек на племенном птицеводческом предприятии в настоящих условиях является 50-100 тыс. гол.

Так же в работе представлена группировка предприятий по направлениям. В первую группу вошли предприятия содержащие породы кур только мясного направления, во второй группе представлены предприятия только яичного направления, третья группа включает предприятия, где преобладают куры мясных пород, четвертая группа включила предприятия, где яичные породы птицы составляют более 50%.  Анализ данной группировки показывает, что рентабельность предприятий яичного направления и тех предприятий, где преобладание кур яичной породы более 50% являются более рентабельными, чем предприятия с преобладанием мясных пород.

Как отмечалось выше, за последние годы в Россию было завезено большое количество птицы  яичных и мясных кроссов – как  исходных линий, так и прародительских  и родительских форм, кроме того, отечественное птицеводство располагает и своим собственным племенным материалом. В работе отмечается, что более целесообразно осуществлять производство яиц и мяса птицы должно осуществляться на базе отечественных кроссов. Эта позиция объясняется тем, что импортная птица отселекционирована на ином кормовом фоне – на кукурузно-соевых рационах, сбалансированных по всем питательным веществам, тогда как мы можем ей предложить только пшенично-ячменные низкопитательные рационы. Встает много вопросов по технологии содержания данной птицы, она требует специфического оборудования, предъявляет более жесткие требования к температурному режиму, что требует значительных инвестиций в технологическое перевооружение предприятий с ориентацией на импортные образцы оборудования. К этому надо добавить невозможность обеспечить надежную ее защиту от болезней по рекомендациям фирм. Завоз родительских форм из-за рубежа непосредственно на птицефабрики без карантина создает крайне опасную ситуацию.

 

Четвертое положение, выносимое на защиту. На втором этапе реализации предлагаемого методологического подхода разработки отраслевого прогнозного сценария разработана модель выбора альтернативных методов для различных рядов данных и их совокупностей, основанная на сравнении точности, достоверности и затрат по их применению.

Разработанные сценарии развития отрасли с учетом вероятности их реализации учитывают  отраслевой потенциал и возможное  вступление Российской Федерации в ВТО, отмечена неоднозначность  теоретических положений и практики государственной поддержки племенных птицеводческих предприятий, разработана альтернативная методика распределения дотаций.

Основная цель разрабатываемого в работе сценария развития отрасли птицеводства — определить генеральное или стратегическое направление развития, как отрасли, так и отдельных направлений птицеводства. Написание сценария проводилось на основе выявленных тенденций и закономерностей развития отрасли, а его построение по разработанным прогнозным показателям характеризующих уровень развития отрасли в будущем, с учетом влияния внешних факторов описанных выше.

В работе, для выбора метода построения прогнозов по основным показателям, характеризующим уровень развития отдельных направлений птицеводства использовался пакет программ компании «Кон Си».

Нами был  выполнен расчет прогнозов по каждому шагу исходного ряда. Но из четырех ых вариантов построения прогноза возможно использовать только три метода. Метод «Односерийный скользящего среднего», «Трендовый метод Хольта», и «Трендовый метод Брауна». «Односерийный метод Бокса-Дженкинса» к данному ряду параметров не подходит, поскольку в птицеводстве временные ряды редко характеризуются фиксированным линейным трендом, и следует рассмотреть возможность учета локального линейного тренда, меняющегося со временем. В данном случае уместно будет использовать двухпараметрический метод Хольта, учитывающий локальный линейный тренд, присутствующий во временных рядах.

Приведем три  уравнения, составляющие метод, рекомендуемый нами для построения прогнозных показателей характеризующих отрасль:

1. Экспоненциально сглаженный ряд или оценка текущего уровня.

(1)

2. Оценка тренда.

(2)

3. Прогноз на p периодов вперед.

(3)

где

- прогноз на   периодов вперед.

Постоянные  выбираются субъективно или путем минимизации ошибки прогнозирования, например значения MSE (среднеквадратичная ошибка), которая вычисляется  с помощью уравнения

(4)

Чем большие  значения весов будут взяты, тем  более быстрый отклик на происходящие изменения будет иметь место. И, наоборот, если веса будут небольшие, то и реакция модели на изменения в данных будет более слабой. Поэтому, чем большие веса задействуются, тем большему сглаживанию подвергаются данные. Меньшие веса делают структуру сглаженных значений менее ровной.

Для минимизации  значения MSE необходимо создать сетку значений (т.е. все комбинации = 0,1; 0,2; …..0,9 и = 0,1; 0,2;…… 0,9), и выбрать ту комбинацию, которая даст меньшее значение MSE. В нашем случае значение = 0,9, а значение = 0,3

На первом этапе проводится корректирование сглаженного ряда или вычисление текущего уровня:

(5)

 

 

На втором этапе  происходит корректирование оценки тренда:

(6)

Третьим этапом будет прогноз на  один период вперед:

(7)

 

Нами выполнены  ретропрогнозы за 10 лет развития отрасли разными методамии, сделан вывод, что предлагаемый метод является самым приемлемым,  при прогнозировании показателей птицеводства, т.к. абсолютные и относительные отклонения минимальны. Однако для прогнозирования поголовья птицы оптимальным является метод Брауна (Таблица 1).

Как отмечалось выше,  промышленное птицеводство представляет собой крайне сложную кибернетическую модель с очень большим количеством внутренних и внешних факторов. Прогнозирование какого-либо фактора, например, объема производства, на наш взгляд невозможно только на основе тенденции самого фактора.

Очевидно, что на объем  производства птицеводческой продукции (как отдельный показатель) может  влиять целый ряд факторов: поголовье  птицы, яйценоскость, привес, расход кормов на единицу продукции, цены на энергоносители и многие другие факторы.

Таблица 1

Выбор метода прогнозирования  на основе ретропрогноза

Производство мяса птицы, млн.т, на  1 января		1999	2000	2001	2002	2003	2004	2005
Прогнозный	Исходный	748	766	884	953	1044	1186	1370
	Односерийный скользящего среднего	0	723,4	704,8	743,6	808,2	879	966,6
	Трендовый метод Хольта	0	759,63	819,31	951,42	1040,11	1132,32	1285,71
	Трендовый метод Брауна	681,95	728,20	754,66	845,22	920,68	1007,03	1132,34
Абсолютное отклонение	Односерийный скользящего среднего	0	42,6	179,2	209,4	235,8	307	403,4
	Трендовый метод Хольта	0	5,96	64,68	1,576	3,88	53,67	84,28
	Трендовый метод Брауна	66,04	37,79	129,33	107,77	123,31	178,96	237,65
Относительное отклонение, %	Односерийный метод Бокса-Дженкинса	0,00	0,00	0,00	0,00	0,00	0,00	0,00
	Односерийный скользящего среднего	0,00	5,56	20,27	21,97	22,59	25,89	29,45
	Трендовый метод Хольта	0,00	0,78	7,32	0,17	0,37	4,53	6,15
	Трендовый метод Брауна	8,83	4,93	14,63	11,31	11,81	15,09	17,35
Абсолютное среднее отклонение	Односерийный скользящего среднего	0	0	0	0	0	194,8	266,96
	Трендовый метод Хольта	0	0	0	0	0	25,95	41,61
	Трендовый метод Брауна	0	0	0	0	92,85	115,43	155,40
Относительное среднее отклонение, %	Односерийный скользящего среднего	0,00	0,00	0,00	0,00	0,00	19,26	24,03
	Трендовый метод Хольта	0,00	0,00	0,00	0,00	0,00	2,63	3,71
	Трендовый метод Брауна	0,00	0,00	0,00	0,00	10,30	11,56	14,04

 

И такое влияние обусловливает  поведение не только фактора объема производства, но и любого внутрипроизводственного показателя.

Для прогнозирования  объема производства яйца и мяса птицы в России, выбраны следующие группы факторов:

• для яичного птицеводства: поголовье птицы, яйценоскость на среднегодовую несушку, расход кормов на 1000 яиц, расход электроэнергии, затраты труда, себестоимость производства яйца, цена производителя за 1000 шт., потребление яйца. 
• в мясном птицеводстве: поголовье, среднесуточный прирост, срок откорма, расход электроэнергии, затраты труда, себестоимость цена производителя за 1 тонну, экспорт и импорт мяса птицы, потребление мяса птицы всего и потребление отечественного мяса птицы.

Число выбираемых факторов неограничено, чем больше их будет  на первом этапе, тем лучше, это определит  более точный результат в прогнозировании.

Далее необходимо определить, какие из выбранных факторов действительно оказывают влияние на изменение объема производства, а какие нужно просто "отбросить" из рассмотрения. Критерием такого соответствия, безусловно, можно считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов.

Имея динамику "факторов влияния" и объема производства продукции птицеводства на период с 2001 по 2005 годы, мы прогнозируем по времени поведение каждого из "факторов влияния". В принципе, в таком предсказании более точный результат будет получен при аппроксимации тенденций факторов и оценки прогнозируемого фактора по аппроксимированной функции.

Очевидно, что мы не можем  прогнозировать объем производства, используя только саму тенденцию производства во времени, это как раз и рассматривалось бы как "прогнозирование фактора по самому фактору". Но у нас имеется тенденция "факторов влияния", которая по своей сущности определяет поведение тенденции производства (это следует из рассчитанного нами коэффициента корреляции). И именно эта предсказанная тенденция позволяет нам спрогнозировать объем производства в соответствии  со значениями каждого из факторов.  Отметим, что предсказанное значение объема производства получается как среднеарифметическое от суммы предсказанных значений на основе каждого из "факторов влияния". Это позволяет учесть каждый из "факторов влияния" в прогнозе.

В работе построены несколько вариантов прогнозов объемов производства яйца  и мяса птицы в России: с учетом и без учета факторов влияния, с учетом показателей эффективности функционирования племенного птицеводства и без него, с учетом размера квот на ввоз мяса птицы, с учетом сезонных колебаний потребления яйца, с учетом импорта мяса птицы. Результаты представлены в таблице 2.

 

 

Таблица 2

Варианты прогнозов производства птицеводческой продукции в России на 2010 г.

Показатели	Факт 2005	Варианты прогнозов						прогноз*
		1. Без учета факторов влияния	2. С учетом факторов влияния	3.С учетом  показателей племенного птицеводства	С учетом квот на ввоз мяса птицы	С учетом сезонных колебаний	С учетом импорта
								2005	2010
Производство яиц, млрд. шт.	36,8	38,8	38,8	37,5	-	36,1	-	38,0	47,0
Производство  мяса птицы  в убойной массе, млн.т.	1,4	2,1	1,4	1,7	1,52	-	1,6	1,7	2,2

* Концепция-прогноз развития животноводства России до 2010 года. – М.: ФГНУ «Росинформагротех», 2002. – 136 с.

 

Сравнивая полученные результаты объемов производства яйца и мяса птицы в РФ на 2010 год с запланированными в концепции-прогнозе развития отрасли, можно констатировать, что отрасль не сможет достигнуть заданных концепцией показателей. Далее целесообразно  сопоставить прогнозируемые объемы производства птицеводческой продукции, учитывая принятый объем квот с прогнозом потребления (рис.6).

 

Рис. 6. Варианты прогнозов производства мяса птицы в России

Анализируя полученные данные можно сделать вывод, что  на рынке мяса птицы, на протяжении всего периода прогнозирования  даже с учетом импорта в рамках квот будет наблюдаться дефицит, как следствие приводящий к росту цен на мясо птицы. Объем предложения с учетом квот лишь к 2010 году достигнет уровня потребления, причем необходимо отметить, что данный уровень производства, и заложен в концепции развития отрасли.  Однако данный прогноз был построен исходя исключительно из динамики объемов производства мяса птицы, что с нашей точки зрения является не совсем корректным, т.к. не учитывает динамику основных факторов влияния описанных выше. При прогнозировании объемов производства с учетом этих факторов ситуация в корне меняется (Прогноз 2). Так в 2010 году объем производства мяса птицы с учетом динамики показателей остается на уровне 2005 года, при снижении поголовья на 20 %,  увеличении среднесуточного прироста на 27,9%, сокращении срока откорма до 40 дней, сокращения расхода электроэнергии на 15,5%, снижении  затрат труда на 47%, при росте себестоимости тушки на 23%.