Анализ устойчивости российского сырьевого экспорта к изменениям международной конъюнктуры рынка углеводородов

Донцова О.И.1, Засько В.Н.1, Трифонов П.В.1
1 Финансовый университет при Правительстве Российской Федерации, Россия, Москва

Статья в журнале

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 10, Номер 4 (Октябрь-декабрь 2020)

Цитировать:
Донцова О.И., Засько В.Н., Трифонов П.В. Анализ устойчивости российского сырьевого экспорта к изменениям международной конъюнктуры рынка углеводородов // Вопросы инновационной экономики. – 2020. – Том 10. – № 4. – С. 2103-2114. – doi: 10.18334/vinec.10.4.110889.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=44491706
Цитирований: 3 по состоянию на 30.01.2024

Аннотация:
В статье рассматриваются ключевые позиции российского сырьевого экспорта. Анализируется зависимость экспортного потенциала физической реализации базовых углеводородных товаров от ценовой конъюнктуры международных сырьевых рынков. Выявлена слабая корреляция между стадиями сырьевых циклов и физическими объемами реализации нефти и каменного угля, а также сильная корреляция между стадиями сырьевого цикла и физическими объемами реализации природного газа

Ключевые слова: сырьевой экспорт, торговля углеводородами, сырьевые циклы, сырьевые товары, нефть, конкурентоспособность

JEL-классификация: F14, O24, Q35, Q37



Введение

Обеспечение высокой конкурентоспособности национальной экономики по основным статьям ее экспорта является важнейшим элементом как национальной безопасности, так и залогом устойчивого экономического роста [12–15] (Drobot, 2012; Drobot, Klevleeva, Kostyleva, 2014; Drobot, Makarov, Gudovich, Chernyh, 2020; Makarov, Drobot, Levchegov, 2020).

Стабильная обеспеченность сырьевыми ресурсами является основой энергетической безопасности многих стран, чрезвычайно остро вопросы стабильной поставки углеводородных ресурсов и энергетической безопасности стоят для бедных на данный вид ресурсов стран: Япония, Южная Корея, страны Европейского союза [1, 9–11] (Umbach, 2010; Teslyuk, Dukmasova, Plastinina, Shamsudinov, 2019; Kosmin, Kuznetsova, Kosmina, 2019; Kazantsev, 2018).

Ориентировочно две трети российского экспорта занимает экспорт сырьевых товаров: топливо минеральное, нефть и продукты их перегонки (код ТН ВЭД – 27); металлы (код – 72); драгоценные и полудрагоценные металлы и камни (код – 71); древесина и изделия из нее (код – 44); удобрения (код – 44); злаки (код – 10). Также часть сырьевых товаров экспортируется под засекреченным кодом 99 (рис. 1).

Рисунок 1. Товарная структура российского экспорта в 2008 и 2019 годах

Источник: ФТС, ITC.

Важно отметить, что по сравнению с 2008 годом, доля углеводородного сырья в структуре товарного экспорта российской экономики снизилась, но продолжает играть значительное влияние.

Таким образом, обеспечение конкурентоспособности на мировых рынках углеводородного сырья на сегодняшний день является едва ли не ключевым аспектом дальнейшего роста экономики России и ее структурной трансформации.

Конкурентоспособность на сырьевых рынках во многом зависит от субъективных факторов внутреннего развития экономики и состояния внешней среды, для которой характерна высокая интенсивность конкуренции [2] (Petrova, 2015).

В свою очередь, в структуре энергетического экспорта целесообразно обратить внимание на четыре крупные группы товаров: сырая нефть (код ТН ВЭД – 2709), подготовленная нефть (код – 2710), продаваемый как через систему трубопроводов, так и в сжиженной форме природный газ (код – 2711) и каменный уголь (код – 2701). На относящиеся к данным кодам природные ресурсы приходится более 90% экспорта российского углеводородного сырья. При этом структура не претерпела существенных изменений в период с 2001 по 2019 год (рис. 2).

Рисунок 2. Структура российского экспорта углеводородных сырьевых товаров

Источник: ФТС, ITC.

Стоимостной объем экспорта четырех основных товаров российского топливно-энергетического комплекса имеет нестабильную динамику на временном интервале с 2001 по 2019 год. Ежегодные изменения (прирост или снижение) стоимости экспорта нефти (сырой и подготовленной), природного газа и угля колеблются на рассматриваемом временном интервале от плюс 75% до минус 80% в год. Так, стоимость экспорта каменного угля в 2005 году выросла более чем на 75%, а стоимость экспорта природного газа (в т.ч и СПГ) снизилась в 2015 году более чем на 80% (рис. 3).

При этом динамика физической реализации на экспорт обозначенных углеводородных ресурсов имеет (за исключением динамики реализации природного газа) по большей части положительную направленность. Колебания темпов роста (снижения) физического экспорта углеводородных ресурсов (кроме природного газа) в период с 2001 по 2019 год находятся в среднем диапазоне от минус 10% до плюс 30% в год. Также стоит отметить существенную волатильность ежегодных изменений в темпах роста экспорта природного газа: прирост реализации в 2008 году составил ориентировочно 150%, а снижение темпов прироста физической реализации природного газа в 2012 году составило ориентировочно 100% (рис. 3).

Рисунок 3. Динамика темпов роста российского экспорта углеводородного сырья

Источник: ФТС, ITC.

Изменение стоимости российского углеводородного экспорта зависит как от уровня реализации физических объемов, так и от состояния ценовой конъюнктуры мировых энергетических рынков. Для ценовой конъюнктуры сырьевых товаров характерна высокая стохастичность, волатильность и трудно прогнозируемая цикличность, влекущие за собой одни из основных рисков коммерческой эффективности международной торговли сырьевыми товарами [3] (Park, Ratti, 2008), [4] (Lukashov, 2006). Также весомым фактором конкурентоспособности российского сырьевого экспорта является санкционное давление [5] (Ignatova, Levina, 2019).

Определение зависимости физической реализации основных углеводородных товаров от стадии ценового цикла представляется важной характеристикой конкурентного потенциала российских сырьевых трейдеров на международных рынках. Высокая степень корреляции изменений объемов реализации сырьевого экспорта Российской Федерации со стадией ценового цикла природных ресурсов показывает большую чувствительность данного вида деятельности к колебаниям конъюнктуры мировых рынков. Высокая чувствительность сопряжена с высоким риском возникновения убытков и проблем с реализацией ключевых углеводородных товаров в период негативной фазы сырьевого цикла. Ярким примером негативной стадии сырьевого цикла является обвал цен на энергоресурсы как последствие глобальных ограничительных мер по предупреждению распространения новой коронавирусной инфекции Covid-19 в 2020 году. Одновременно с этим – высокая корреляция изменений стоимости экспорта с изменениями физических объемов реализации.

На рисунке 4 приведена диаграмма рассеивания изменений темпов физического экспорта данных товаров в зависимости от изменений стоимости основных четырех товаров российского сырьевого экспорта. Размер «пузырьков» пропорционально характеризует стоимость экспорта данной группы товаров и рассчитана как частное от деления стоимости экспорта в соответствующий год на десять в шестой степени.

Рисунок 4. Диаграмма рассеивания изменений стоимости экспорта в зависимости от изменений количества экспорта

Источник: ФТС, ITC.

Для анализа корреляции изменения фактически проданных физических объемов углеводородного экспорта в зависимости от стоимости экспорта углеводородного сырья используется метод наименьших квадратов. При этом оценивается значение регрессии, оценивается по каждому из рассмотренных выше углеводородных товаров: нефть сырая (код ТН ВЭД – 2709), нефть подготовленная (2710), природный газ (2711) и каменный уголь (2701). Расчеты проводились с использованием пакета statsmodels.api в Python 3.7.6.

Рассчитанная по товару «каменный уголь» регрессия имеет следующие оценочные параметры (табл. 1).

Таблица 1

Значения регрессии по товару «каменный уголь»

Показатель
Значение
Коэффициент регрессии
0,3137
Стандартная ошибка
0,083
t-статистика
3,763
Р-значение
0,002
Левый доверительный интервал
0,138
Правый доверительный интервал
0,490
Источник: расчеты авторов.

Из оценочных значений регрессии следует, что ценовая конъюнктура на международном рынке угля не имеет сильное влияние на экспортный потенциал российских производителей каменного угля.

Параметры оценки качества модели представлены в таблице 2.

Таблица 2

Параметры оценки качества модели по товару «каменный уголь»

Показатель
Значение
Коэффициент детерминации (R квадрат)
0,454
Скорректированный R квадрат
0,422
F-статистика
14,16
Коэффициент вероятности F-статистики
0,00155
Информационный критерий Акаике
136,4
Критерий Дарбина-Уотсона на наличие автокорреляции
1,929
Источник: расчеты авторов.

Рассчитанные параметры позволяют сделать вывод о достаточной надежности построенной модели: приемлемое значение F-статистики и высокая вероятность отсутствия автокорреляции остатков в соответствии с тестом Дарбина-Уотсона [6] (Anatolyev, 2003).

Показатели регрессии по наиболее весомому товару российского сырьевого экспорта приведены в таблице 3 и показывают очень слабую зависимость экспортного потенциала российской сырой нефти от ценовой конъюнктуры мировых рынков.

Таблица 3

Значения регрессии по товару «сырая нефть»

Показатель
Значение
Коэффициент регрессии
0,0619
Стандартная ошибка
0,064
t-статистика
0,972
Р-значение
0,345
Левый доверительный интервал
-0,072
Правый доверительный интервал
0,196
Источник: расчеты авторов.

Стоит отметить, что построенная выше модель обладает довольно низкими качественными параметрами, которые не позволяют отвергнуть нулевую гипотезу с высоким уровнем вероятности (табл. 4) [7] (Prokhorov, 2003). Следовательно, построенная нами модель не доказывает существования связи между колебаниями цен на мировом рынке сырой нефти с изменениями торгового потенциала российских производителей данного углеводорода.

Таблица 4

Параметры оценки качества модели по товару «сырая нефть»

Показатель
Значение
Коэффициент детерминации (R квадрат)
0,053
Скорректированный R квадрат
-0,003
F-статистика
0,9443
Коэффициент вероятности F-статистики
0,345
Информационный критерий Акаике
127,3
Критерий Дарбина-Уотсона на наличие автокорреляции
1,376
Источник: расчеты авторов.

Построенная регрессионная модель по товарной группе «подготовленная нефть» обладает большей доказательной силой, чем модель сырой нефти. При этом уровень корреляции между динамикой мировой конъюнктуры на подготовленную нефть и потенциалом ее реализации российскими производителями и трейдерами является довольно низким (табл. 5). Исходя из этого можно сделать вывод о востребованности российской нефти на мировых рынках вне зависимости от стадий сырьевого цикла.

Таблица 5

Оценки регрессии по товару «подготовленная нефть»

Показатель
Значение
Коэффициент регрессии
0,1432
Стандартная ошибка
0,051
t-статистика
2,810
Р-значение
0,012
Левый доверительный интервал
0,036
Правый доверительный интервал
0,251
Источник: расчеты авторов.

Качественные характеристики модели «подготовленной нефти» позволяют утверждать о существовании незначительной корреляции между анализируемыми показателями (табл. 6).

Таблица 6

Параметры оценки качества модели по товару «подготовленная нефть»

Показатель
Значение
Коэффициент детерминации (R квадрат)
0,317
Скорректированный R квадрат
0,277
F-статистика
7,895
Коэффициент вероятности F-статистики
0,0121
Информационный критерий Акаике
125,1
Критерий Дарбина-Уотсона на наличие автокорреляции
1,394
Источник: расчеты авторов.

Наиболее восприимчивым к изменениям международной конъюнктуры сырьевых рынков товаром российского экспорта углеводородов является природный газ (табл. 7).

Таблица 7

Оценки регрессии по товару «природный газ»

Показатель
Значение
Коэффициент регрессии
1,2428
Стандартная ошибка
0,253
t-статистика
4,910
Р-значение
0,000
Левый доверительный интервал
0,709
Правый доверительный интервал
1,777
Источник: расчеты авторов.

Качественные характеристики модели товара «природный газ» являются достаточно высокими для того, чтобы отвергнуть нулевую гипотезу и принять доказательство наличия связи между рассматриваемыми переменными (табл. 8). Однако в виде предостережения, которое может сказаться на оценке качества построенной модели, необходимо выделить находящееся на верхней границе значение критерия Дарбина-Уотсона, указывающее на возрастающую вероятность наличия автокорреляции [8] (Magnus, Katyshev, Peresetskiy, 2004).

Таблица 8

Параметры оценки качества модели по товару «природный газ»

Показатель
Значение
Коэффициент детерминации (R квадрат)
0,586
Скорректированный R квадрат
0,562
F-статистика
24,11
Коэффициент вероятности F-статистики
0,000132
Информационный критерий Акаике
184,7
Критерий Дарбина-Уотсона на наличие автокорреляции
2,505
Источник: расчеты авторов.

Заключение

Таким образом, принимая во внимание проведенный анализ, считаем необходимым отметить высокий экспортный потенциал и конкурентоспособность таких углеводородных товаров российского производства, как нефть сырая и подготовленная и каменный уголь. Реализация физического объема данных групп товаров имеет относительно стабильную динамику, на которую относительно слабо влияют ценовые шоки международных сырьевых рынков. Экспортный потенциал природного газа более чувствителен к конъюнктуре мировых рынков, что несет под собой дополнительные риски для его производителей и трейдеров.


Источники:

1. Umbach F. Global energy security and the implications for the EU // Energy Policy, Vol. 38, No. 3, March 2010. pp. 1229-1240.
2. Петрова Л.Ю. Экспорт сырьевых товаров и конкурентоспособность российской экономики в условиях реиндустриализации // Россия в новых социально-экономических и политических реалиях: проблемы и перспективы развития. СПб. 2015.
3. Park J., Ratti R. Oil price shocks and stock markets in the U.S. and 13 European countries // Energy Economics, Vol. 30, No. 5, September 2008. pp. 2587-2608.
4. Лукашов А.В. Управление ценовыми рисками на сырьевые товары (commodities) для нефинансовых корпораций // Управление финансовыми рисками, № 2, 2006. С. 166-189.
5. Игнатова Ю.В., Левина Н.В. Санкции в России: развитие экономики в сложных условиях // Проблемы и вопросы современной науки, 2019. С. 85-95.
6. Anatolyev S. Durbin–Watson statistic and random individual effects // Econometric Theory, Vol. 19, No. 5, 2003. pp. 882–883.
7. Прохоров Ю.В. Вероятность и математическая статистика: Энциклопедия. М.: Большая российская энциклопедия, 2003. 918 с.
8. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. М.: Дело, 2004. 576 с.
9. Теслюк Л.М., Дукмасова Н.В., Пластинина Ю.В., Шамсудинов М.Е. Инновационное развитие экономики России в показателях товарного экспорта страны // Экономические отношения. – 2019. – Том 9. – № 4. – С. 2773-2792. – doi: 10.18334/eo.9.4.41180.
10. Косьмин А.Д., Кузнецова О.П., Косьмина Е.А. Проблемы повышения экспортного потенциала России (или о повышении степени ее вовлеченности в мирохозяйственный оборот) // Экономические отношения. – 2019. – Том 9. – № 2. – С. 1021-1060. – doi: 10.18334/eo.9.2.40648.
11. Казанцев С.В. Антироссийские санкции и нефтегазовый сектор России в 2014-2016 гг. // Экономическая безопасность. – 2018. – Том 1. – № 1. – С. 63-70. – doi: 10.18334/ecsec.1.1.100491.
12. Дробот Е.В. Эволюция теории национальной конкурентоспособности // Экономические отношения. – 2012. – Том 2. – № 2. – с. 27-40. – doi: 10.18334/.37337
13. Дробот Е.В., Клевлеева А.Р., Костылева С.О. Конкурентоспособность экономики России: факторы и тенденции // Экономические отношения. – 2014. – Том 4. – № 1. – с. 27-31. – doi: 10.18334/.37331
14. Дробот Е.В., Макаров И.Н., Гудович Г.К., Черных А.В. и др. Современные промышленно-производственные системы: экономические и организационные основы формирования и функционирования // Экономика, предпринимательство и право. – 2020. – Том 10. – № 9. – doi: 10.18334/epp.10.9.110813
15. Макаров И.Н., Дробот Е.В., Левчегов О.Н. Зеленая экономика, цифровые технологии и наноинструментарий: основные базисы трансформации производственных систем в Евразийском экономическом союзе // Экономические отношения. – 2020. – Том 10. – № 3. – doi: 10.18334/eo.10.3.110822

Страница обновлена: 15.07.2024 в 01:35:36