Статистический анализ деятельности монопольных компаний на российском рынке

Дискриминантный анализ. Дискриминантный анализ включает статистические методы классификации многомерных наблюдений в ситуации, когда исследователь обладает так называемыми обучающими выборками. Этот вид анализа является многомерным, так как использует несколько признаков объекта, число которых может быть сколь угодно большим. Цель дискриминантного анализ состоит в том, чтобы на основе измерения различных характеристик (признаков) объекта классифицировать его, т. е. отнести к одной из нескольких заданных групп (классов) некоторым оптимальным способом. При этом предполагается, что исходные данные наряду с признаками объектов содержат категориальную (группирующую) переменную, которая определяет принадлежность объекта к той или иной группе. Поэтому в дискриминантном анализе предусмотрена проверка непротиворечивости классификации, проведенной методом, с исходной эмпирической классификацией. Под оптимальным способом понимается либо минимум математического ожидания потерь, либо минимум вероятности ложной классификации. В общем случае задача различения (дискриминации) формулируется следующим образом. Пусть результатом наблюдения над объектом является построение k-мерного случайного вектора Х = (X1, X2, …, XК), где X1, X2, …, XК – признаки объекта. Требуется установить правило, согласно которому по значениям координат вектора Х объект относят к одной из возможных совокупностей i, i = 1, 2, …, n.

Факторный анализ. Факторный анализ – один из наиболее популярных многомерных статистических методов. Если кластерный и дискриминантный методы классифицируют наблюдения, разделяя их на группы однородности, то факторный анализ классифицирует признаки (переменные), описывающие наблюдения. Поэтому главная цель факторного анализа – сокращение числа переменных на основе классификация переменных и определения структуры взаимосвязей между ними. Сокращение достигается путем выделения скрытых (латентных) общих факторов, объясняющих связи между наблюдаемыми признаками объекта, т.е. вместо исходного набора переменных появится возможность анализировать данные по выделенным факторам, число которых значительно меньше исходного числа взаимосвязанных переменных.

Деревья классификации. Деревья классификации – это метод классификационного анализа, позволяющий предсказывать принадлежность объектов к тому или иному классу в зависимости от соответствующих значений признаков, характеризующих объекты.

Анализ главных компонентов и классификация. На практике часто возникает задача анализа данных большой размерности. Метод анализ главных компонент и классификация позволяет решить эту задачу и служит для достижения двух целей:

– уменьшение общего числа переменных (редукция данных) для того, чтобы получить «главные» и «некоррелирующие» переменные;

– классификация переменных и наблюдений, при помощи строящегося факторного пространства.

Многомерное шкалирование. Метод можно рассматривать как альтернативу факторному анализу, в котором достигается сокращение числа переменных, путем выделения латентных (непосредственно не наблюдаемых) факторов, объясняющих связи между наблюдаемыми переменными. Цель многомерного шкалирования – поиск и интерпретация латентных переменных, дающих возможность пользователю объяснить сходства между объектами, заданными точками в исходном пространстве признаков.

Моделирование структурными уравнениями (причинное моделирование). Наметившийся в последнее время прогресс в области многомерного статистического анализа и анализа корреляционных структур, объединенный с новейшими вычислительными алгоритмами, послужил отправной точкой для создания новой, но уже получившей признание техники моделирования структурными уравнениями (SEPATH).

Основная идея моделирования структурными уравнениями состоит в том, что можно проверить, связаны ли переменные Y и X линейной зависимостью Y = aX, анализируя их дисперсии и ковариации. Эта идея основана на простом свойстве среднего и дисперсии: если умножить каждое число на некоторую константу k, среднее значение также умножится на k, при этом стандартное отклонение умножится на модуль k. Например, рассмотрим набор из трех чисел 1, 2, 3. Эти числа имеют среднее, равное 2, и стандартное отклонение, равное 1. Если умножить все три числа на 4, то легко посчитать, что среднее значение будет равно 8, стандартное отклонение – 4, а дисперсия – 16. Таким образом, если есть наборы чисел X и Y, связанные зависимостью Y = 4X, то дисперсия Y должна быть в 16 раз больше, чем дисперсия X. Поэтому можно проверить гипотезу о том, что Y и X связаны уравнением Y = 4X, сравнением дисперсий переменных Y и X.

Временные ряды. Временные ряды – это наиболее интенсивно развивающееся, перспективное направление математической статистики. Под временным (динамическим) рядом подразумевается последовательность наблюдений некоторого признака Х (случайной величины) в последовательные равноотстоящие моменты t. Отдельные наблюдения называются уровнями ряда и обозначаются хt, t = 1, …, n. При исследовании временного ряда выделяются несколько составляющих:

xt=ut+yt+ct+et, t = 1, …, n,

где ut – тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов (убыль населения, уменьшение доходов и т.д.); – сезонная компонента, отражающая повторяемость процессов в течение не очень длительного периода (дня, недели, месяца и т.д.); сt – циклическая компонента, отражающая повторяемость процессов в течение длительных периодов времени свыше одного года; t – случайная компонента, отражающая влияние не поддающихся учету и регистрации случайных факторов. Первые три компоненты представляют собой детерминированные составляющие. Случайная составляющая образована в результате суперпозиции большого числа внешних факторов, оказывающих каждый в отдельности незначительное влияние на изменение значений признака Х. Анализ и исследование временного ряда позволяют строить модели для прогнозирования значений признака Х на будущее время, если известна последовательность наблюдений в прошлом.

Нейронные сети. Нейронные сети представляют собой вычислительную систему, архитектура которой имеет аналогию с построением нервной ткани из нейронов. На нейроны самого нижнего слоя подаются значения входных параметров, на основании которых нужно принимать определенные решения.

Планирование экспериментов. Искусство располагать наблюдения в определенном порядке или проводить специально спланированные проверки с целью полного использования возможностей этих методов и составляет содержание предмета «планирование эксперимента». В настоящее время экспериментальные методы широко используются как в науке, так и в различных областях практической деятельности. Обычно основная цель научного исследования состоит в том, чтобы показать статистическую значимость эффекта воздействия определенного фактора на изучаемую зависимую переменную. Как правило, основная цель планирования экспериментов заключается в извлечении максимального количества объективной информации о влиянии изучаемых факторов на интересующий исследователя показатель (зависимую переменную) с помощью наименьшего числа дорогостоящих наблюдений. Целью методов планирования экспериментов является изучение влияния определенных факторов на исследуемый процесс и поиск оптимальных уровней факторов, определяющих требуемый уровень течения данного процесса.

Карты контроля качества. В условиях современного мира чрезвычайно актуальным является проблема качества не только выпускаемой продукции, но и услуг оказываемых населению. От успешного решения этой важной проблемы в значительной степени зависит благополучие любой фирмы, организации или учреждения. Качество продукции и услуг формируется в процессе научных исследований, конструкторских и технологических разработок, обеспечивается хорошей организацией производства и услуг. Но изготовление продукции и оказание услуг независимо от их вида всегда связано с определенным непостоянством условий производства и предоставления. Это приводит к некоторой вариабельности признаков их качества. Поэтому, актуальными являются вопросы разработки методов контроля качества, которые позволят своевременно выявить признаки нарушения технологического процесса или оказания услуг. При этом, для достижения и поддержания высокого уровня качества, удовлетворяющего потребителя нужны методы, направленные не на устранение дефектов готовой продукции и несоответствий услуг, а на предупреждение и прогнозирование причин их появления. Контрольная карта – это инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований.

Инструментарий карт контроля качества широко использует статистические методы, основанные на теории вероятностей и математической статистики. Применение статистических методов позволяет при ограниченных объемах анализируемых изделий с заданной степенью точности и достоверности судить о состоянии качества выпускаемой продукции. Обеспечивает прогнозирование, оптимальное регулирование проблем в области качества, принятие верных управленческих решений не на основе интуиции, а при помощи научного изучения и выявления закономерностей в накапливаемых массивах числовой информации. [4]

ГЛАВА 2. ЭКОНОМИКО-СТАТИСТИЧЕСКИЙ АНАЛИЗ КРУПНЕЙШИХ МОНОПОЛИЙ НА РОССИЙСКОМ РЫНКЕ

2.1. Анализ естественных монополий на Российском рынке

Естественная монополия означает такое состояние товарного рынка, при котором удовлетворение спроса на этом рынке эффективнее в отсутствие конкуренции в силу технологических особенностей производства, а товары, производимые субъектами естественной монополии, не могут быть заменены в потреблении другими товарами, в связи с чем спрос на данном товарном рынке на товары, производимые субъектами естественных монополий, в меньшей степени зависит от изменения цены на данный товар, чем спрос на другие виды товаров. В силу своего огромного значения для экономики в целом в России привлекают внимание три главные естественные монополии, которые продемонстрированы на рисунке 1:[5]

Рисунок 1 - Главные естественные монополии России

Государственный концерн "Газпром" - крупнейшая газовая компания в мире. Основной акционер - государство (50,002%).

В последние несколько лет крупнейшая газовая компания мира уделяет огромное внимание диверсификации своего бизнеса, активно скупая непрофильные активы и инвестируя средства в сферы, смежные с добычей газа. Естественная монополия направляет ресурсы на скупку активов в нефтяной и электроэнергетической отраслях, создает СП с производителем угля, инвестирует в медийную и спортивную сферы. В краткосрочной перспективе стратегия, направленная на покупку все еще недооцененных по мировым меркам активов в смежных областях, может быть успешной.

Ряд попыток реформирования концерна, предпринятых либеральным блоком правительства страны, до сих пор не привели к успеху. Издержки управления по-прежнему неповоротливой и все разрастающейся естественной монополией, помноженные на гигантские обязательства концерна (за счет низких цен на газ он все еще субсидирует российские промышленные предприятия), дают повод сомневаться в достижении синергии основного бизнеса концерна с новоприобретенными активами. Забота о строительстве новых магистральных газопроводов и покупка газораспределительных сетей в Европе отвлекают остаток инвестресурсов концерна. При этом для выполнения уже принятых "Газпромом" экспортных обязательств необходимы все возрастающие объемы сырья. Получить их пока неоткуда, и денег для развития сырьевой базы у концерна остается немного.

Тем не менее, пока перед Россией и "Газпромом" открываются радужные перспективы, поскольку мировые цены на энергоносители остаются высокими. В 2006 году по сравнению с 2005 годом выручка от продажи газа увеличилась на 35,5%, в основном, в связи с увеличением объемов и повышением цен на газ, продаваемый за пределами РФ.

Энергетические компании проявляют большой интерес к сотрудничеству с Газпромом по поставкам российского сжиженного газа на американский и европейский рынки. Подписаны Меморандумы о взаимопонимании с такими компаниями как Репсол, Петро-Канада, Бритиш Гэз, Иточу/Мицуи и Семпра Энерджи.[6]

В 2006 году "Газпром" вошёл в проект "Сахалин-2" в качестве мажоритарного акционера, через покупку 50% и одной акции компании Sakhalin Energy Investment Company Ltd. Проект ориентирован на поставки СПГ в страны АТР - наиболее динамично развивающийся рынок энергоресурсов, а также на западное побережье Северной Америки.

В 2009 г. стало ясно, что крупнейшей компании страны нужна помощь государства. В марте 2009 г. ОАО "Газпром" купило у итальянской Eni 20% акций ОАО "Газпром нефть". 2008 г. оказался для "Газпрома" самым удачным - продажи выросли на 45% до 3,52 трлн руб., чистая прибыль увеличилась на 13% до 742,9 млрд руб. В 2010 «Газпром» получил премию в области науки и техники. В результате проведенных «Газпромом» в 2011 году геологоразведочных работ прирост запасов природного газа достиг рекордного уровня — 686,4 млрд куб. м, превысив уровень добычи на 33,8%. Половину прироста запасов газа обеспечила геологоразведка на Востоке России (в том числе, на Сахалинском шельфе), где «Газпром» формирует новые центры газодобычи. При этом в отчетном году Группа «Газпром» по оперативным данным добыла 513,2 млрд куб. м газа, что на 4,6 млрд куб. м выше аналогичного показателя 2010 года — 508,6 млрд куб. м.

Российское открытое акционерное общество энергетики и электрификации «ЕЭС России» (ОАО РАО «ЕЭС России») — российская энергетическая компания, существовавшая в 1992—2008 годах. Монополист на рынке генерации и энерготранспортировки России. Компания объединяла практически всю российскую энергетику. Штаб-квартира РАО «ЕЭС России» находилась в Москве.

В России компании группы РАО «ЕЭС России» владели 72,1 % установленной мощности (69,8 % электроэнергии и 32,7 % теплоэнергии) и транспортировали практически всю (96 %) электроэнергию (2004). Установленная мощность компаний группы превышала 156 ГВт, что делало её по этому показателю крупнейшей энергокомпанией мира. Ближайшие конкуренты — SPCC (Китай), у которой установлено 151 ГВт и EDF (Франция) — 121 ГВт. Поскольку компании группы РАО «ЕЭС России» в настоящее время совмещают деятельность по передаче электрической и тепловой энергии и деятельность по оперативно-диспетчерскому управлению с деятельностью по генерации электроэнергии и сбыту ее конечнымпотребителям, в соответствии с федеральным законодательством (в частности ФЗ «Об электроэнергетике» и ФЗ «О естественных монополиях») цены на услуги компании устанавливались Федеральной службой по тарифам.