Food Policy and Security

Продовольственная политика и безопасность

2499-9431 2412-8694

BIBLIO-GLOBUS Publishing House

126436

10.18334/ppib.13.3.126436

GGNGKE

Articles

Статьи

Research Article

Evaluating the accuracy of forecasting models for regional livestock production amid structural shifts (the case of the Novosibirsk region)

Оценка точности прогнозных моделей производства продукции животноводства региона в условиях структурных сдвигов (на примере Новосибирской области)

30 09 2026

13 3

VOL 13, NO3 (2026)

ТОМ 13, №3 (2026)

09 07 2026 13 08 2026

2026

Matvienko S.N., Sokolov S.L.

Матвиенко С.Н., Соколов С.Л.

https://1economic.ru/lib/126436

Amid macroeconomic turbulence and sanctions restrictions, the accuracy of agricultural production forecasts is becoming a critical factor in food security and the effectiveness of government support. The article evaluates the adequacy of the two most common extrapolation forecasting methods – the polynomial trend and the ARIMA model – for the six main types of livestock products in the Novosibirsk region (cattle and poultry, cattle, pigs, poultry, milk, and eggs). Based on the actual data from 2023-2025, the values of the error metric (MSE, RMSE, MAE, and MAPE indicators) were calculated, and the Chow test for structural shifts with a break point in 2022 was performed. It has been found that during periods of structural change, the Mean Absolute Percentage Error (MAPE) exceeds 10% for all livestock products using a polynomial trend line and is fixed in half of the cases when using the ARIMA model, which casts doubt on the suitability of these methods for strategic planning. A threshold level of MAPE error >10% is proposed as a criterion for the unacceptability of the forecast for management decisions. The results substantiate the need to switch to adaptive forecasting methods (ARIMAX) that integrate forward-looking indicators of a macroeconomic, climatic, and institutional nature.

В условиях макроэкономической турбулентности и санкционных ограничений точность прогнозов производства сельскохозяйственной продукции становится критическим фактором продовольственной безопасности и эффективности государственной поддержки. В статье выполнена оценка адекватности двух наиболее распространённых экстраполяционных методов прогнозирования – полиномиального тренда и модели ARIMA – для шести основных видов животноводческой продукции Новосибирской области (скот и птица, крупный рогатый скот КРС, свиньи, птица, молоко, яйца). На основе фактических данных 2023-2025 гг. рассчитаны значения метрики ошибок (показатели MSE, RMSE, MAE, MAPE), проведён тест Чоу на структурные сдвиги с точкой разрыва в 2022 г. Установлено, что в периоды структурных изменений средняя абсолютная ошибка прогноза (MAPE) превышает 10% по всем наименованиям животноводческой продукции при использовании полиномиальной линии тренда и фиксируется в половине случаев при использовании модели ARIMA, что ставит под сомнение пригодность данных методов для стратегического планирования. Предложен пороговый уровень ошибки MAPE > 10% как критерий неприемлемости прогноза для управленческих решений. Результаты обосновывают необходимость перехода к адаптивным методам прогнозирования (ARIMAX), интегрирующим форвардные индикаторы макроэкономической, климатической и институциональной природы.

forecasting in agriculture ARIMA structural shifts animal husbandry Novosibirsk region

прогнозирование в АПК ARIMA структурные сдвиги животноводство Новосибирская область

1. Барышников Н.Г., Самыгин Д.Ю. Стратегическое развитие аграрного сектора: региональный опыт и прогнозы // Нива Поволжья. – 2016. – № 3(40). – c. 112-121.

2. Бородин К.Г. Агропродовольственный экспорт России: ближайшая перспектива в условиях неопределенности // Научные труды Вольного экономического общества России. – 2022. – № 3. – c. 270-280. – doi: 10.38197/2072-2060-2022-235-3-270-280.

3. Ворокова Н.Х., Макаренко С.В., Шевелько Д.В. Статистический анализ динамики и структурных трансформаций сельскохозяйственного производства краснодарского края // Экономика и управление: проблемы, решения. – 2026. – № 1(166). – c. 92-97. – doi: 10.36871/ek.up.p.r.2026.01.05.010.

4. Дорофеев А.Ф., Чиебва Т.К., Счастливенко Т.В. Сценарное прогнозирование развития регионального зернопродуктового подкомплекса (на примере Белгородской области) // Экономика и управление: проблемы, решения. – 2026. – № 3(168). – c. 135-144. – doi: 10.36871/ek.up.p.r.2026.03.03.013.

5. Ефименко А.Г., Какора М.И., Пантелеева И.И. Актуальные тренды и прогноз инновационного развития перерабатывающих организаций АПК // Вестник Могилевского государственного университета продовольствия. – 2019. – № 2(27). – c. 130-137.

6. Игошин А.Н., Черемухин А.Д., Савруков Н.Т. Построение математической модели долгосрочной динамики урожайности зерновых культур // Вестник НГИЭИ. – 2019. – № 3(94). – c. 74-83.

7. Матвиенко С.Н. Модель ARIMAX как инструментарий интеграции форвардной информации в прогнозирование производства продукции АПК // Финансовый бизнес. – 2026. – № 5(275). – c. 154-160.

8. Рущицкая О.А., Кот Е.М., Куликова Е.С., Кружкова Т.И. Структурные сдвиги в поголовье скота: факторы снижения и роста // International Agricultural Journal. – 2025. – № 2. – doi: 10.55186/25880209_2025_9_2_5.

9. Территориальный орган Федеральной службы государственной статистики по Новосибирской области. [Электронный ресурс]. URL: https://54.rosstat.gov.ru/ (дата обращения: 09.07.2026).

10.

10. Тиндова М.Г., Кублин И.М., Санинский С.А. Функционирование рынка аграрной продукции: анализ и перспективы развития // Актуальные проблемы экономики и менеджмента. – 2023. – № 4(40). – c. 58-65.

11.

11. Хорев А.И., Овчинникова Т.И., Пахомов А.И., Булгакова И.Н. Методика прогноза экономических процессов в АПК (на основе аддитивной сезонности свеклосахарной промышленности) // Вестник Воронежской государственной технологической академии. – 2005. – № 10. – c. 148-152.

12.

12. Юсов Р.И., Демина В.В. Влияние внешнеэкономических ограничений на структурные изменения российской экономики // Экономические науки. – 2026. – № 1. – c. 26-32. – doi: 10.14451/1.254.26.