МОДЕЛИРОВАНИЕ  ЧИСТОЙ  ПРИБЫЛИ  НА  БАЗЕ  ЗАО  «УРАЛНЕФТЕГАЗПРОМ»

Прядкина  Вера  Алексеевна

студент  4  курса,  кафедра  ММиМЭ  ОГУ,  г.  Оренбург

E-mail: 

Туктамышева  Лилия  Мухаммадиевна

научный  руководитель,  канд.  экон.  наук,  доцент  кафедры  ММиМЭ  ОГУ,  г.  Оренбург

Прибыль   является   важнейшим  экономическим  показателем  для  любого  предприятия  и  представляет   собой  конечный   финансовый   результат,  характеризующий  производственно-хозяйственную   деятельность   всей   организации. 

Исследование прибыли должно иметь системный подход. Такой  подход  предполагает  анализ  большого  количества  взаимосвязанных  факторов, которые влияют на результаты  деятельности  предприятия  разнонаправлено:  одни  —  положительно,  другие  —  отрицательно. 

Очевидно,  принятие  эффективных  управленческих  решений  основано  на  объективных  оценках  прибыли,  полученных  с  использованием  математических  инструментов.

Вопросам  моделирования  прибыли  посвятили  свои  работы  такие  ученые  как  Е.В.  Хистева,  Н.А.  Кулагина,  И.В.  Кулагин,  Ю.Ю.  Козлова  и  другие.  Следует  отметить,  в  работах  данных  авторов  не  уделяется  внимание  такому  явлению  как  изменение  значимости  влияния  факторов  во  времени,  хотя,  очевидно,  что  с  течением  времени  влияние  экономических  показателей  на  прибыль  может  ослабевать  или  усиливаться.

Всем  вышеизложенным  обосновывается  актуальность  темы  исследования.

Одним  из  отраслей  специализации  Оренбургской  области  является  нефтегазовая  промышленность,  а  предприятия  данной  отрасли  вносят  существенный  вклад  в  бюджет  региона  и  обеспечение  занятости  населения.  К  числу  крупных  предприятий  данной  отрасли  относится  ЗАО  «Уралнефтегазпром»,  основным  видом  деятельности  которого  является  добыча  газа,  нефти  и  газового  конденсата,  подготовка  и  переработка  углеводородного  сырья  на  объектах  ООО  «Газпром  добыча  Оренбург»,  реализация  товарной  продукции,  разработка  и  освоение  месторождений. 

По  результатам  деятельности  предприятия  в  2012  году,  его  можно  считать  прибыльным,  так  как  выручка  от  реализации  основной  продукции  в  2012  г.  больше  по  сравнению  с  2011  г.  на  153  700  тыс.  руб.,  чистая  прибыль  в  2012  году  составила  146  300  тыс.  рублей,  что  выше  уровня  прошлого  года  на  2  600  тыс.  руб.,  чистая  рентабельность  за  2012  год  составила  14,6  %,  что  меньше  аналогичного  показателя  2011  года.  Рост  EBITDA  (прибыль  до  вычета  процентов,  налогов  и  амортизации)  в  2012  году  составил  47  000  тыс.  рублей,  или  13,7  %,  что  связано  с  увеличением  амортизационных  отчислений  на  43  200  тыс.  руб.

Однако  такой  анализ  прибыли  не  дает  детального  представления  о  сложившейся  ситуации,  поэтому  для  анализа  прибыли  используем  регрессионный  анализ.

Для  исследования  использованы  данные  бюджета  ЗАО  «Уралнефтегазпром»  в  период  с  января  2007  г.  по  декабрь  2012  г.,  а  также  с  паспортов  нефтяных  и  газовых  скважин  ЗАО  «Уралнефтегазпром».

Рассмотрим  зависимость  чистой  прибыли  ()  от  экономических  показателей  деятельности  ЗАО  «Уралнефтегазпром»,  отобранных  с  содержательной  точки  зрения: 

  —  доходы  организации,  тыс.  руб.;

—  промысловые  затраты,  тыс.  руб.;

  —  затраты  по  подготовке,  переработке,  транспортировке  УВ  сырья,  тыс.  руб.;

  —  эксплуатационные  расходы,  тыс.  руб.;

—  общехозяйственные  расходы,  тыс.  руб.;      

  —  рентабельность  основного  производства,  %,  где  .

Общий  вид  функции  регрессии  имеет  вид:

  (1)

Для  анализа  влияния  экономических  показателей  на  величину  чистой  прибыли  найдем  оценки  коэффициентов  уравнения  регрессии  с  помощью  рекуррентного  метода  наименьших  квадратов,  суть  которого  состоит  в  следующем:  оценка  коэффициентов  уравнения  получается  путем  последовательного  присоединения  очередных  данных,  в  результате  чего  оценки  коэффициентов  уравнения  регрессии  уточняются. 

Таким  образом,  полученная  оценка  уравнения  регрессии  на  декабрь  2012  года  выглядит  следующим  образом:

   (2)

Исследование  показало  адекватность  модели  выборочным  данным.  Модель  является  значимой,  значимое  влияние  оказывают  такие  факторы  как  доходы  организации,  промысловые  затраты,  эксплуатационные  расходы,  рентабельность  основного  производства.

Значение  коэффициента  детерминации,  показывающего  качество  модели,  высоко  и  составляет  0,73  (близко  к  1).  Можно  сказать,  что  вариация  чистой  прибыли  на  73  %  объясняется  вариацией,  включенных  в  модель  факторов,  а  27  %  —  неучтёнными  в  модели  факторами.

Согласно  полученной  модели  на  декабрь  2012  года  при  увеличении  доходов  организации  на  1  тыс.  руб.  чистая  прибыль  увеличится  в  среднем  на  394  руб.,  при  увеличении  промысловых  затрат  организации  на  1  тыс.  руб.  чистая  прибыль  уменьшится  в  среднем  на  3  710  руб.,  при  увеличении  эксплуатационных  расходов  организации  на  1  тыс.  руб.  чистая  прибыль  уменьшится  в  среднем  на  629  руб.,  при  увеличении  рентабельности  основного  производства  на  1  %,  чистая  прибыль  увеличится  в  среднем  на  167  108  руб.

Далее  рассмотрим  влияние  экономических  показателей  организации  на  изменение  чистой  прибыли  в  динамике  за  период  2007—2012  гг.  Динамика  оценок  доходов  и  расходов  в  чистую  прибыль  за  2007—2012  гг.  представлена  на  рисунке  1.

Рисунок  1.  Динамика  оценок  коэффициентов  доходов  и  расходов  на  чистую  прибыль  за  2007—2012  гг.

По  рисунку  1  видно,  что  за  рассматриваемый  период  2007—2012  гг.  влияние  доходов  организации  и  промысловых  затрат  за  величину  чистой  прибыли  снижается.  Эксплуатационные  расходы  наиболее  сильное  влияние  на  чистую  прибыль  оказывали  в  2008  г.,  в  период  с  2008—2012  гг.  влияние  данных  расходов  снижается.

Динамика  оценок  коэффициентов  рентабельности  предприятия  на  чистую  прибыль  за  2007—2012  гг.  представлена  на  рисунке  2.

Рисунок  2.  Динамика  оценок  коэффициентов  рентабельности  на  чистую  прибыль  за  2007—2012  гг.

По  рисунку  2  делаем  вывод,  что  влияние  рентабельности  организации  в  период  с  2007  г.  по  2009  г.  снижается,  а  за  2009—2012  гг.  увеличивается. 

Для  более  комплексного  исследования  необходимо  рассмотреть  зависимость  эксплуатационных  расходов  от  технико-эксплуатационных  характеристик  нефтяных  и  газовых  скважин  на  основе  панельных  данных.  Выбор  данного  метода  связан  с  географической  отдаленностью  расположения  друг  от  друга  скважин,  то  есть  неоднородностью  в  пространстве  и  неоднородностью  данных  во  времени,  что  было  выявлено  нами  при  применении  РМНК.  Расчеты  проводились  в  пакете  прикладных  программ  Stata.

Исследуем  зависимость  эксплуатационных  расходов  ()  от  технико-эксплуатационных  характеристик  нефтяных  скважин,  таких  как: 

  —  буферное  давление,  атм;

  —  затрубное  давление,  атм;

  —  число  дней  эксплуатации  скважины  в  месяц;

—  объем  добычи  нефти,  тонн;

—  объем  добычи  газа,  т.  м³;

  —  среднесуточный  дебит  нефти;

  —  число  дней  с  начала  эксплуатации  данного  пласта,  где  .

В  панель  вошли  данные  по  7-ми  показателям  для  3-х  нефтяных  скважин  за  каждый  месяц  2009—2012  гг. 

Оценим  модель  регрессии  со  случайными  индивидуальными  эффектами,  что  позволит  учесть  гетероскедастичность  в  ковариационной  матрице  регрессионных  остатков.  Оценка  модели  регрессии  имеет  вид:

(3)

Исследование  показало  адекватность  модели  выборочным  данным.  Модель  является  значимой,  значимое  влияние  оказывают  факторы  .

Проверка  наличия  случайного  индивидуального  эффекта  с  помощью  теста  Бройша-Пагана  показала,  что  модель  со  случайными  индивидуальными  эффектами  лучше  описывает  наши  данные,  чем  модель  обычной  регрессии.

Оценивая  модель  регрессии  со  случайными  индивидуальными  эффектами,  мы  исходили  из  предположения  о  некоррелированности  индивидуального  эффекта  и  независимых  переменных,  но  это  предположение  не  очень  обосновано.  В  ненаблюдаемый  индивиду­альный  эффект  входят  различные  компоненты,  например,  пластовое  давление,  добыча  воды.  Они  могут  коррелировать  с  числом  дней  эксплуатации  скважины  в  месяц,  числом  дней  с  начала  эксплуатации  данного  пласта,  объемом  добычи  нефти  и  газа,  среднесуточным  дебитом  нефти.  Из  этого  следует,  что  модель  с  фиксированными  индивидуальными  эф­фектами  может  быть  более  адекватна  данным,  чем  предыдущая.  Оценим  ее.

(4)

Модель  адекватна  выборочным  данным,  значимые  факторы:  . 

Сравнение  моделей  с  фиксированными  эффектами  и  со  случайными  эффектами  с  помощью  теста  Хаусмана  выявило,  что  следует  отдать  предпочтение  модели  со  случайными  индивидуальными  эффектами. 

Таким  образом,  окончательная  модель  регрессии  имеет  вид  (3).  Согласно  полученной  модели  можно  сделать  вывод  о  том,  что  с  увеличением  числа  дней  эксплуатации  скважины  в  месяц  на  1  день  эксплуатационные  расходы  увеличатся  в  среднем  на  257  784  руб.;  с  увеличением  объема  добычи  нефти  на  1  тонну  эксплуатационные  расходы  увеличатся  в  среднем  на  29  060  руб.;  с  увеличением  объема  добычи  газа  на  1  т.  м³  эксплуатационные  расходы  увеличатся  в  среднем  на  53  397  руб.;  с  увеличением  среднесуточного  дебита  нефти  эксплуатационные  расходы  увеличатся  в  среднем  на  153  987  руб.;  с  увеличением  числа  дней  с  начала  эксплуатации  данного  пласта  на  1  день  эксплуатационные  расходы  увеличатся  в  среднем  на  232  руб.

Аналогично  исследуем  зависимость  эксплуатационных  расходов  ()  от  технико-эксплуатационные  характеристики  газовых  скважин,  таких  как: 

  —  давление  буферное,  атм;

  —  давление  затрубное,  атм;

  —  число  дней  эксплуатации  скважины  в  месяц;

  —  объем  добычи  конденсата,  тонн;

  —  объем  добычи  газа,  т.  м³;

  —  среднесуточный  дебит  газа;

-  число  дней  с  начала  эксплуатации  данного  пласта,  где  .

В  панель  вошли  данные  по  7-ми  показателям  для  11  газовых  скважин  за  каждый  месяц  2009—2012  гг. 

Модель  регрессии  со  случайными  индивидуальными  эффектами  имеет  вид  (5). 

(5)

Исследование  показало  адекватность  модели  выборочным  данным.  Модель  является  значимой,  значимое  влияние  оказывают  факторы  _.

Тест  Бройша-Пагана  показал,  что  модель  со  случайными  индивидуальными  эффектами  лучше  описывает  наши  данные,  чем  модель  обычной  регрессии.

Модель  с  фиксированными  индивидуальными  эф­фектами  имеет  вид  (6).

(6)

Модель  является  адекватной  выборочным  данным,  также  является  значимой,  значимое  влияние  оказывают  факторы  . 

Тест  Хаусмана  показал,  что  следует  отдать  предпочтение  модели  со  случайными  индивидуальными  эффектами. 

Итак,  окончательная  модель  регрессии  имеет  вид  (5).  Согласно  полученной  модели  можно  сделать  вывод  о  том,  что  с  увеличением  числа  дней  эксплуатации  скважины  в  месяц  на  1  день  эксплуатационные  расходы  увеличатся  в  среднем  на  26  102  руб.;  с  увеличением  среднесуточного  дебита  газа  эксплуатационные  расходы  увеличатся  в  среднем  на  11  565  руб.;  с  увеличением  числа  дней  с  начала  эксплуатации  данного  пласта  на  1  день  эксплуатационные  расходы  увеличатся  в  среднем  на  201  руб.

Таким образом, применение регрессионного анализа позволило определить какие факторы и насколько изменяют прибыль ЗАО «Уралнефтегазпром», при этом использование РМНК позволило проследить динамику параметров регрессии при таких факторах как доходы организации, промысловые затраты, эксплуатационные расходы, рентабельность основного производства. Использование панельных данных при исследовании влияния эксплуатационных расходов от технико-эксплуатационных характеристик нефтяных и газовых скважин позволило учесть регрессионную неоднородность в пространстве и во времени. 

Список  литературы:

1. Балаш  В.А.,  Балаш  О.С.  Модели  линейной  регрессии  для  панельных  данных:  учеб.  пособие.  М.:  МГУ  экономики,  статистики  и  информатики,  2002.  —  33  с.
2. Козлова  Ю.Ю.  Математическое  моделирование  степени  влияния  экономических  показателей  на  объем  чистой  прибыли  //  Сборник  научных  трудов  по  материалам  международной  заочной  научно-практической  конференции  Актуальные  направления  научных  исследований  XXI  века:  теория  и  практика.  —  2013.  —  №  2.  —  С.  259—263.
3. Кулагина  Н.А.,  Кулагин  И.В.  Использование  экономико-математического  моделирования  для  обоснования  распределения  прибыли  в  интегрированных  структурах  //  Российский  экономический  интернет-журнал.  —  2007.  —  №  1.  —  С.  54.
4. Носко  В.П.  Эконометрика:  учебник.  М.:  Издательский  дом  «Дело»  РАНХиГС,  2011.  —  576  с.
5. Ратникова  Т.А.  Введение  в  эконометрический  анализ  панельных  данных  //  Экономический  журнал  ГУ-ВШЭ.  —  2006.  —  Т.  10,  —  №  2.  —  С.  267—316.
6. Реннер  А.Г.,  Бантикова  О.И.,  Бравичева  О.С.,  Стебунова  О.И.,  Туктамышева  Л.М.  Математические  методы  моделирования  социально-экономических  процессов  (региональный  аспект):  учеб.  пособие.  Самара:  СамНЦ  РАН,  2008.  —  182  с.
7. Реннер  А.Г.,  Седова  Е.Н.  Методы  прогнозирования  экономических  показателей  на  основе  временных  рядов  с  учетом  пространственной  неоднородности  данных  и  нелинейной  взаимосвязи  между  факторами  //  Вестник  Оренбургского  государственного  университета.  —  2007.  —№  4.  —  C.  104—111.
8. Хистева  Е.В.  Применение  приемов  математического  моделирования  в  процессе  оценки  качества  прибыли  строительного  предприятия  //  Экономика  строительства  и  городского  хозяйства.  —  2007.  —  Т.  3,  —  №  1.  —  C.  25—29.