Козлова Е.А.аспирантка Высшей инженерно-экономической школы, Санкт-Петербургский государственный политехнический университет Петра Великого, Санкт-Петербург, Российская Федерация kozlovaevgeiya@list.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет. В связи с усложнившейся экономической и политической ситуацией на европейском газовом рынке, вызванной проведением мероприятий, направленных на демонополизацию рынка, следствием которой является введение санкций и ограничений со стороны американского правительства, а также правительств европейских стран, ограничивающих реализацию стратегических инвестиционных проектов по транзиту газа на территории Европы, увеличилась необходимость повышения гибкости компаний-экспортеров и трейдеров газа для обеспечения стабильности и бесперебойности поставок на европейском газовом рынке. На сегодняшний день в специализированной литературе в полной мере не представлены научно обоснованные методики и алгоритмы, в соответствии с которыми может быть принято управленческое решение по указанной проблеме. Цели. Разработка методики, позволяющей качественно и количественно обосновать целесообразность формирования определенного портфеля мощностей, а также оценить эффекты от его внедрения. Методология. Использованы общенаучные методы исследования. Результаты. Представлены результаты разработки и апробации модели, позволяющей проводить моделирование, прогнозирование высокочастотных временных рядов с использованием эконометрических моделей VARMA и ARIMA, для принятия точных и обоснованных управленческих краткосрочных и среднесрочных решений, а также для формирования стратегии развития предприятия нефтегазовой отрасли. Выводы. Полученные на основе разработанной модели результаты соответствуют качественной и количественной оценке Международного энергетического агентства, что подтверждает релевантность модели для использования в нефтегазовой отрасли. Результаты исследования могут быть применены в учебном процессе по направлениям «макроэкономика», «эконометрика», при осуществлении оперативного и стратегического планирования на предприятии, для продолжения исследований и разработок, включая апробацию на предприятиях других секторов и отраслей.
Ключевые слова: модель VARMA, моделирование спроса, прогнозирование спроса, высокочастотные данные, управленческие решения
Список литературы:
Козлова Е.А., Кудрявцева Т.Ю. Способы формирования портфеля мощностей предприятия нефтегазовой отрасли для обеспечения рыночной гибкости // Естественно-гуманитарные исследования. 2020. № 30(4). С. 64–69. URL: Link?
Dufour G.-M., Pelletier D. Practical methods for modelling weak VARMA processes: Identification, estimation and specification with a macroeconomic application. April 2011. URL: Link
Granger C.W.J. Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 1969, vol. 37, no. 3, pp. 424–438. URL: Link
Granger C.W.L., Newbold P. Spurious regression in economics. Journal of Econometrics, 1974, vol. 2, no. 2, pp. 111–120. URL: Link90034-7
James C., Koreisha S., Partch M. A VARMA Analysis of the Causal Relations Among Stock Returns, Real Output, and Nominal Interest Rates. The Journal of Finance, 1985, vol. 40, iss. 5, pp. 1375–1384. URL: Link
Jenkins G.M., Alavi A.S. Some Aspects of Modelling and Forecasting Multivariate Time Series. Journal of Time Series Analysis, 1981, vol. 2, iss. 1, pp. 1–47. URL: Link
Johansen S. Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 1988, vol. 12, iss. 2-3, pp. 231–254. URL: Link90041-3
Lütkepohl H. Forecasting with VARMA models. Handbook of Economic Forecasting, 2006, vol. 1, pp. 287–325. URL: Link01006-2
Simionescu M. The Use of VARMA Models in Forecasting Macroeconomic Indicators. Economics & Sociology, 2013, vol. 6, no. 2, pp. 94–102. URL: Link
Tsay R.S., Tiao G.C. Use of Canonical Analysis in Time Series Model Identification. Biometrika, 1985, vol. 72, no. 2, pp. 299–315. URL: Link
