Инструменты агробизнес-форсайта: GARCH модели применительно к ценовой коньюнктуре
Автор: Шестаков Р.Б., Полякова А.А., Алентьева Н.В., Кожанчикова Н.Ю., Козлова Т.А.
Журнал: Вестник аграрной науки @vestnikogau
Рубрика: Экономические науки
Статья в выпуске: 1 (106), 2024 года.
Бесплатный доступ
В работе рассмотрена методика прогнозирования волатильности ценовых индексов, связанных с производством и потреблением сельскохозяйственной продукции. Были исследованы временные ряды индексов цен производителей по отраслям растениеводства и животноводства. Дополнительно рассматривалась динамика волатильности индекса потребительских цен на продовольственные товары. Основная цель работы заключалась в формировании по имеющимся данным моделей генерализованной авторегрессионной условной гетероскедастичности - GARCH. Для анализа использовались изменения индексов, и далее, с помощью информационных критериев, подобраны гиперпараметры и спецификации моделей. Был проведён предварительный разведочный анализ временных рядов, сделано промежуточное моделирование средних значений с помощью алгоритмов SARIMAX. Сформированные модели использовались для выработки прогноза на следующий период, включающего двенадцать месяцев 2023 года. Изменчивость производственных индексов оказалась больше, чем потребительских. Это, вероятно, связано со свойствами исходных данных, так как производство более подвержено воздействию внешней среды в долгосрочной перспективе. Согласно полученным результатам, можно особенно выделить отрасль растениеводства, которая характеризуется повышенной волатильностью прогноза. С одной стороны, это обусловлено спецификой самого производства (сезонностью), с другой - характером взаимодействия с другими отраслями промышленности и агробизнеса, особенностями потребительской активности по продуктам отрасли. Также прогнозируется небольшая тенденция к сближению динамики изменчивости всех показателей в наблюдаемой перспективе. Интересным направлением для дальнейших исследований было бы изучение влияния цифровой трансформации в сельском хозяйстве на динамику индексов цен. Цифровая трансформация в той или иной степени охватывает все цепочки бизнес-процессов.
Индекс цен производителей, индекс потребительских цен, животноводство, растениеводство, авторегрессионная условная гетероскедастичность, волатильность
Короткий адрес: https://sciup.org/147244311
IDR: 147244311 | DOI: 10.17238/issn2587-666X.2024.1.185
Список литературы Инструменты агробизнес-форсайта: GARCH модели применительно к ценовой коньюнктуре
- Larson D.F. (2018). Food prices and food price volatility. DOI: 10.1093/oso/9780190656010.003.0022
- Указ Президента Российской Федерации от 21.01.2020 г. № 20 "Об утверждении Доктрины продовольственной безопасности Российской Федерации [Электронный ресурс]. URL: http://publication.pravo.gov.ru/Document/View/0001202001210021?ysclid=lr3mht8dsb304763137.
- Sheppard K. (2019). Bashtage/arch: Release 4.8.1 (Version 4.8.1). Zenodo. https://zenodo.org/record/2613877.
- Федеральная служба государственной статистики РФ. [Электронный ресурс]. URL: http://www.gks.ru.
- Pmdarima: ARIMA estimators for Python [Electronic resource]. Access mode: https://alkaline-ml.com/pmdarima.
- Shestakov R.B., Yakovlev N.A., Zvereva G.P., Volchenkova A.S. (2020). Foresight of Macro Environment in Agribusiness: Dynamic Relationships of Food Consumption and Agricultural Production (Analysis of the Relations between Agricultural Production and Domestic Consumption). Proceedings of XVIII International Scientific and Practical Conference "Modern Trends in Agricultural Production in the World Economy", 102-109. DOI: 10.32743/kuz.agri.2020.102-109 EDN: UHWJYG
- Rahmawati R. et al. (2019) GARCH-family for measuring price fluctuation risk of harvested dry grain in Pemalang district J. Phys.: Conf. Ser. 1217 012092. DOI: 10.1088/1742-6596/1217/1/012092
- Bassoa В, Lin L. (2018) Seasonal crop yield forecast: Methods, applications, and accuracies Advances in Agronomy Elsevier Inc. DOI: 10.1016/bs.agron.2018.11.002