А.Г. Маланичев, П.В. Воробьёв ПРОГНОЗИРОВАНИЕ МИРОВЫХ ЦЕН НА СТАЛЬ1 В статье приведена регрессионная модель для прогнозирования мировой среднегодовой цены на сталь. В качестве факторов цены использованы коэффициент загрузки мировых сталеплавильных мощностей и цены на железную руду и коксующийся уголь. На основе консенсуспрогноза этих факторов рассчитаны прогнозные цены на сталь в 2010-2012 гг. Экономические прогнозы редко сбываются с высокой степенью точности, но это не приводит к тому, что ими перестают интересоваться. Здесь прослеживается аналогия с прогнозами синоптиков, которые часто ошибаются, но остальные способы предвидения показывают еще большее расхождение с реальной погодой. Экономические прогнозы сужают неопределенность относительно будущего и тем самым способствуют более уверенной разработке долгосрочных стратегий и осуществлению инвестиций. Если выбирать между наличием прогноза и его отсутствием, то первое явно предпочтительнее, поскольку позволяет уменьшить вероятные потери от неправильного решения, воспользоваться открывающимися возможностями или уйти от потенциальных угроз. Особое значение имеют долгосрочные прогнозы цен. Принятие долгосрочных инвестиционных решений в любой отрасли, в том числе и черной металлургии, базируется на понимании ценовых тенденций на время строительства и период окупаемости проекта. В черной металлургии это время может превышать 10 лет. Особенно важно, чтобы тенденции изменения цены конечной продукции были согласованы с предполагаемой динамикой себестоимости. Это позволяет иметь более надежные ориентиры на прогнозы маржи производителей, значит, и на срок окупаемости инвестиций. В данной статье объектом анализа являются долгосрочные ценовые тенденции на мировом рынке стального проката. Цель работы состояла в том, чтобы предложить методику прогнозирования мировых цен на сталь, которая содержала бы согласованные тенденции изменения цены на сталь и ее себестоимости. В результате разработан алгоритм среднесрочного прогнозирования мировой среднегодовой цены стали, основанный на регрессионной зависимости между ценой металлопроката, загрузкой мировых сталелитейных мощностей и динамикой себестоимости производства стали. Полученная регрессионная модель хорошо описывает историческую динамику мировых цен на сталь с 1980 г., включая падение цены во время кризиса 2009 г. Простота модели позволяет ее использовать при формировании ценовых ориентиров стратегического бизнес-плана металлургической компании. Подходы к прогнозированию цен в черной металлургии. Недостаток популярных в среде практиков металлургической отрасли интуитивных методов прогнозирования [1] состоит в том, что зачастую эксперт заменяет прогноз пожеланиями, т.е. вместо прогноза «что будет» предоставляет прогноз типа «что хочется, чтобы было». Кроме того, немало времени уходит на согласование различных трендов (темп роста металлопотребления, цена на сталь, цены на сырье и т.д.) Формальные методы позволяют устранить указанный субъективизм и лишние затраты труда путем выявления закономерностей функционирования объекта прогнозирования – построения эконометрической модели. 1 Авторы выражают благодарность своим коллегам Томасу Верасто, Максиму Худалову, Александру Пустову и Ольге Кононовой за их ценные комментарии и предложения. 108 Прогнозирование мировых цен на сталь При прогнозировании цен (практически в любой отрасли) выделяют следующие подходы к построению моделей: – декомпозиция временного ряда цены: выделение трендовой, сезонной, автокорреляционной и случайной составляющих; – факторный подход, основанный на регрессионной модели: выделение существенных факторов цены, количественная оценка их влияния на основе регрессии, построение прогноза экзогенных факторов и цены. Зачастую при регрессионном анализе взаимосвязи между зависимой и независимыми переменными напоминают «черный ящик», т.е. для аналитиков скрыты те механизмы, которые определяют их наличие между переменными. Для более глубокого понимания реальных процессов необходима разработка и более сложных моделей, которые можно назвать структурными. Структурные модели являются имитацией реальности на таком уровне абстракции, который позволяет не только наблюдать взаимосвязи между переменными, но и отвечать на вопрос, почему эти взаимосвязи существуют. Как правило, подобные структурные модели в форме системы математических соотношений или системы теоретических положений являются исходным этапом анализа. После него можно сформулировать гипотезы и регрессионную модель для оценивания. Моделирование рынка металлургии, как правило, происходит на основе первых двух подходов. Ниже приведен краткий обзор работ в этой области. Анализ временных рядов основан на повторении в будущем того, что было в прошлом, и наиболее важная информация для прогнозирования уже содержится в историческом ряде цены. Поэтому метод не получил распространия при прогнозировании отдаленного будущего, предполагающего возникновение структурных сдвигов, появление новых факторов роста цены или нециклически изменяющихся старых факторов. Область применения данного метода ограничена коротким горизонтом прогнозирования (на 1-6 мес.). Примером может служить работа А. Мельниченко [2]. В основе факторного анализа лежит выделение существенных факторов, воздействующих на цены, и количественная оценка их влияния. Прогноз строится путем задания наиболее вероятной динамики факторов изменения цены и расчета прогнозной цены на основе уравнения регрессии. В качестве факторов цены на стальной прокат в литературе рассматриваются: – экспортные цены – для прогноза цен на внутреннем рынке [3]; – поставки стального проката на рынок [3]; – объем производства в отраслях-потребителях [3, 4]; – макроэкономические переменные, например, объем денежной массы [3]; – загрузка производственных мощностей в мире [5]; – себестоимость производства [1, 6]. Примером одновременного использования анализа временных рядов и факторного анализа служит работа О. Кононовой [5]. В ней предложено использовать в качестве основного фактора цен на сталь коэффициент загрузки производственных мощностей. При этом были учтены автокорреляционные зависимости в динамике цены с помощью модели ARIMA. Несмотря на высокую точность на ретроспективных данных, прогноз показал некоторые расхождения с динамикой цен на металлургическое сырье, т.е. с себестоимостью. В последние несколько лет мировая цена на сталь росла в результате многократного увеличения цен на металлургическое сырье, возникающего из-за инфраструктурных ограничений у поставщиков, прежде всего австралийских. Также немаловажную роль в росте цен на сырье сыграла консолидация поставщиков сырья в рамках трех крупнейших мировых компаний (Rio Tinto, BHP Billiton, CVRD). 109 А.Г. Маланичев, П.В. Воробьёв Себестоимость производства стали в качестве фактора цены широко используется на практике (см., например, [1, 6]). Прирост цены на сталь равен приросту стоимости затрат на производство стали (железной руды, коксующегося угля, лома и др.). Данный подход интуитивно понятен, поскольку практически повторяет один из методов ценообразования «издержки +», однако не дает никакого представления о динамике маржи производителей стали в зависимости от экономического цикла. Представленная в данной статье модель учитывает оба фактора формирования цен на сталь: загрузку мировых сталеплавильных мощностей, определяемую соотношением спроса и предложения на рынке, и себестоимость производства стали. Модель равновесия спроса и предложения на рынке стального проката. Модель ценообразования на мировом рынке проката основана на гипотезе о равенстве издержек (цены производства) маржинального производителя текущей рыночной цене при заданном объеме производства, равном потреблению [7]. Маржинальный производитель имеет наибольшие издержки из всех производителей, совокупный выпуск продукции которых обеспечивает мировой спрос на сталь. Все мировые мощности по производству стали можно проранжировать по увеличению издержек производства. В результате будет получена кривая распределения мировых мощностей по себестоимости производства стали. Одновременно она является кривой предложения на рынке проката, так как показывает минимальную цену, которую требуют производители для выпуска заданного объема проката. В каждый период времени на рынке существует определенный спрос Dt, который в равновесном состоянии должен быть равен производству стали Qt. Равновесная цена P* определяется пересечением линии загрузки производственных мощностей (спроса) и кривой себестоимости производства стали (предложения), как показано на рис. 1. Она же является себестоимостью маржинального производителя, которому еще выгодно производить при столь низкой для него цене. Цена, себестоимость, USD/т Спрос Dt Себестоимость маржинального производителя P* Предложение Максимальные мощности Загруженные мощности Qt Незагруженные мощности Мировые мощности, млн. т Рис. 1. Определение равновесной цены стального проката на мировом рынке Равновесная цена может изменяться за счет сдвигов уровня спроса (изменения объема потребления стали) и кривой предложения (изменения производственных мощностей, изменения себестоимости производства стали). 110 Прогнозирование мировых цен на сталь Линия спроса может перемещаться влево или вправо в зависимости от динамики развития мировой экономики и основных потребляющих сталь отраслей: строительства, машиностроения и трубной промышленности. Кривая предложения может деформироваться: – растягиваться по горизонтали в результате ввода (вывода) сталеплавильных мощностей (Capacitiest); – параллельно сдвигаться по вертикали из-за изменения цен на основные виды сырья для черной металлургии: руды, коксующегося угля, лома и др.; – вертикально растягиваться из-за неравномерного изменения издержек производителей, находящихся на разных участках кривой издержек, при изменении сырьевых цен, что обусловлено либо отсутствием у производителей собственных источников сырья (правый участок кривой издержек), либо их наличием (левый участок). Последние, как правило, это вертикально-интегрированные компании, обеспеченные собственным сырьем. Поэтому при росте рыночных цен на сырье правый конец кривой издержек растет быстрее, чем левый конец. Поскольку количественно оценить описанный эффект достаточно сложно, то в рамках представляемой модели он не учитывается. Для того чтобы увязать между собой движение спроса и предложения, целесообразно перейти к безразмерному параметру – коэффициенту загрузки производственных мощностей CUt (Сapacities utilization). Для него в равновесной ситуации в момент времени t справедливо следующее соотношение: Dt Qt . (1) CU t = = Capacitiest Capacitiest Таким образом, основными двумя факторами равновесной цены на сталь являются коэффициент загрузки производственных мощностей и уровень себестоимости производства стали для маргинального производителя. Регрессионная модель цены на стальной прокат. Для проверки гипотезы о существовании двух основных факторов динамики цены стали была построена регрессионная модель. Она базируется на нижеследующих допущениях. Между ценой проката Pt , коэффициентом загрузки мировых сталеплавильных мощностей CUt и фактором сырьевой себестоимость RMCt (Raw material cost) имеется линейная зависимость. Прочие факторы, влияющие на цену стали (развитие технологий выплавки стали, перенос производства стали в развивающиеся страны и т.д.) учитываются с помощью временного тренда. Маржинальный производитель стали находится в азиатском регионе (Япония, Китай), который имеет наибольший вес в мировом потреблении стали и покупает сырье на свободном рынке мировой торговли. Контрактные цены на сырьевые материалы (коксующийся уголь и железную руду) являются хорошей аппроксимацией динамики себестоимости маржинального производителя стали. Составляющие фрахта «Авcтралия – Япония» отдельно не учитывались, так как хорошо коррелируют с ценами на сырье. По этой же причине в модель не включена такая важная составляющая металлургического сырья, как лом черных металлов. Долларовая инфляция учтена в индексе сырьевой себестоимости, который измеряется в текущих долларах США и, следовательно, содержит инфляционный тренд. Таким образом, уравнение для оценивания имеет следующий вид: (2) Pt = α CU t + β RMCt + γ t + ω , где t – переменная временного тренда (также индекс времени при прочих переменных), в 2009 г. принимает значение 0, затем увеличивается (уменьшается) на единицу с 111 А.Г. Маланичев, П.В. Воробьёв каждым годом; α, β, γ, ω – коэффициенты регрессии, которые оцениваются на основе исторических данных (1980-2009 гг.) Среднемировая цена на сталь Рt рассчитана как среднеарифметическая из четырех цен горячекатаного рулона на условиях ФОБ в США, Европе, Китае и экспорта из России (источники: аналитические агентства SBB1 и CRU2). Фактор сырьевой себестоимости стали оценен как взвешенная сумма цен коксующегося угля и железной руды: (3) RMCt=0,6×Цена коксующегося угляt+1,6×Цена железной рудыt . Веса для суммирования определены на основе экспертных оценок расхода сырья на производство тонны горячекатаного листа (WSD3, 2010 г.). В качестве репрезентативной цены коксующегося угля (hard coking coal) выбрана цена австралийского экспорта, а руды (fines) – бразильского экспорта (везде на условиях ФОБ). (Источники данных – CRU, WSD). Коэффициент загрузки мощностей оценен на основе данных Международной ассоциации производителей стали (World Steel Association) [8]. На рис. 2 показаны исходные данные для оценки регрессионной модели. Оцененная формула (2) на основе годовых данных с 1980 по 2009 г. имеет следующий вид: Pt = 13,45 CU t + 3 RMCt − 5,2 t − 972 . (4) Все коэффициенты модели являются значимыми. Коэффициент детерминации R2 равен 90%, т. е. только в 10% случаев модель не может объяснить изменения среднемировых цен на сталь. Расчетные значения параметров цены близки к фактическим значениям, т. е. с точностью в 67% позволяют осуществлять прогнозные оценки. Долл./т % 90% 1000 900 800 700 600 500 400 300 200 100 0 85% 80% 75% 70% 65% 60% 55% Год 2009 2007 2005 2003 2001 1999 1997 1995 1993 1991 1989 1987 1985 1983 1981 50% Рис. 2. Исходные данные для модели: –U– сырьевая себестоимость (руда и коксующийся уголь); –– среднемировая цена горячекатаного рулона; –– загрузка мощностей (правая шкала) Приведем интерпретацию коэффициентов модели. Рост коэффициента загрузки производственных мощностей на 1 проц. п. приводит к увеличению цены проката на 13,45 долл./т. Соответственно цена на сталь увеличится на 100 долл. за счет роста загрузки производственных мощностей на 7,5 проц. п. 1 2 3 SBB – «Steel Business Briefing Ltd» («Брифинг рынка стали»). CRU – «Commodities Research Unit» («Исследовательское подразделение по сырьевым материалам»). WSD – «World Steel Dynamics» («Тенденции мирового рынка стали»). 112 Прогнозирование мировых цен на сталь Увеличение сырьевой себестоимости на 1 долл. приводит к увеличению цены на прокат на 3 долл., из которых 1 долл. – это прямой перенос стоимости подорожавших коксующегося угля и железной руды. Оставшиеся 2 долл. определяются удорожанием прочих элементов себестоимости (лом, ферросплавы, фрахт, энергия, труд), которые, как правило, изменяются в одинаковом направлении с ценой коксующегося угля и железной руды. Временной тренд понижает цену – с каждым годом на 5,2 долл., это объясняется развитием металлургии в регионах с низкой себестоимостью и технологическим прогрессом в отрасли. На рис. 3 приведено сравнение фактических и рассчитанных на основе регрессии цен на прокат. В целом рассчитанные значения с высокой точностью аппроксимируют фактические цены. Долл./т 2009 2007 2005 2003 2001 1999 1997 1995 1993 1991 1989 1987 1985 1983 1981 1000 900 800 700 600 500 400 300 200 100 0 Год Рис. 3. Среднемировая цена горячекатаного проката: –– фактическая цена; –U– оценка на основе регрессии Расхождение в динамике наблюдается в течение 1980-1985 гг., когда укрепление доллара США способствовало понижению мировых цен на сталь. Также в 2004 г. регрессия недооценила рост фактической цены на сталь. Однако в 2004 г. сыграли свою роль спекулятивные факторы, что обусловило последующую коррекцию цен в 2005 г., когда существенно сократился разрыв между фактической и расчетной ценой. Анализ чувствительности модели. Это стандартный этап ее построения, который позволяет оценить реакцию цен на изменения рыночной среды (через изменение экзогенных параметров модели). Устанавливая вероятную амплитуду изменения экзогенных факторов, можно определить уровень подверженности бизнеса рискам колебаний рыночной активности. На основе построенной регрессионной модели был проведен анализ чувствительности цены на сталь к изменениям на рынке сырья (через фактор сырьевой себестоимости) и к изменениям спроса (через фактор загрузки мощностей) (табл. 1). При загрузке мировых сталеплавильных мощностей на уровне 66% (т.е. имеется около 500 млн. т избыточных сталеплавильных мощностей), цена на сталь чувствительна к изменениям в себестоимости. Так, 25-процентное увеличение сырьевой себестоимости приводит к увеличению цены стали с 520 долл./т до 670 долл./т, т.е. на 28%. Увеличение загрузки мощностей на 5 проц. п. приводит к росту цены с 520 до 586 долл./т (на 13%). Загрузка мощностей и индекс сырьевой себестоимости одинаково важны при объяснении исторической динамики цены на сталь (рис. 4). Вместе с тем можно отметить, 113 А.Г. Маланичев, П.В. Воробьёв что до 2002 г. загрузка мощностей была более важна, чем динамика себестоимости. Это объясняется тем, что цены на сырье были относительно стабильны. Таблица 1 Анализ чувствительности прогнозной цены стального проката к изменениям загрузки мощностей и сырьевой себестоимости (относительно 2009 г.) Загрузка мощностей, % -50% 110 164 218 286 353 421 488 66-8 66-4 66 66+5 66+10 66+15 66+20 Сырьевая себестоимость (темп прироста к 2009 г.), долл./т -25% 0% 25% 50% 100% 261 411 561 711 1 011 315 465 615 765 1 065 369 520 670 819 1 119 436 586 736 886 1 186 504 654 804 954 1 254 571 721 871 1 021 1 321 639 789 939 1 089 1 389 125% 1 161 1 215 1 269 1 336 1 404 1 471 1 539 После 2002 г. наблюдается существенное воздействие фактора сырьевой себестоимости, что связано с удорожанием сырьевых материалов вследствие увеличения импорта сырья в Китай. Падение мировых цен в 2009 г. в одинаковой пропорции объясняется снижением загрузки сталеплавильных мощностей и цен на сырье. % $450 450 $400 400 $350 350 300 $300 250 $250 200 $200 150 $150 100 $100 50$50 0 $0 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 Год Рис. 4. Соотношение вкладов загрузки мощностей (–S–) и фактора сырьевой себестоимости (–¡–) в прирост цены на сталь Прогноз мировой цены на стальной прокат на 2010-2013 гг. Общая схема прогнозирования на основе предложенной регрессионной модели приведена на рис. 5. Прогноз цен угля и руды Расчет фактора сырьевой себестоимости Прогноз загрузки мировых мощностей Прогноз цены на прокат на основе регрессии (4) Рис. 5. Алгоритм среднесрочного прогнозирования цен на стальной прокат Построение прогноза цены на основе предлагаемой регрессионной модели требует независимого прогноза факторов модели: коэффициента загрузки производственных мощностей и индекса сырьевой себестоимости (динамики цен на коксующийся уголь и железную руду). 114 Прогнозирование мировых цен на сталь Коэффициент загрузки производственных мощностей рассчитывается как отношение мирового производства стали к мировым сталеплавильным мощностям. Прогнозы сталеплавильных мощностей, мирового производства стали, цен на уголь и железорудное сырье регулярно обновляются мировыми инвестбанками и специализированными металлургическими агентствами. На их основе готовится консенсус-прогноз экзогенных факторов в регрессионной модели (табл. 2) и затем рассчитывается прогноз цен на горячекатаный прокат (табл. 3). Таблица 2 Консенсус-прогнозы цен на коксующийся уголь, железную руду и стальной горячекатаный рулон Источник Коксующийся уголь, долл./т «Тройка Диалог» Citi Macquarie Goldman Sachs DB Macquairie UBS Консенсус-прогноз: горячекатаный рулон, темп прироста, % Железная руда, долл./т WSD UBS DB Goldman Sachs Merill Lynch, долл./т. железа Citi, долл./т. железа CRU CRU Macquarie Консенсус-прогноз: железная руда, темп прироста, % Горячекатаный рулон, долл./ т UBS MS CRU DB ML AME Macquairie Renessance Capital City Group «Тройка Диалог» GS Консенсус-прогноз: горячекатаный рулон, темп прироста, % Дата Условия Регион 2009 г. (оценка) 2010 г. 2011 г. прогноз 2012 г. 14.01.2010 13.01.2010 15.12.2009 11.01.2010 18.01.2010 15.12.2009 03.02.2010 ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ Австралия Австралия Австралия Австралия Австралия Австралия Австралия 129 172 129 129 129 129 129 180 182 180 180 175 180 200 190 200 190 190 190 180 185 155 160 190 160 160 х х х -54 36 4 -10 23.12.2010 03.02.2010 18.01.2010 15.01.2010 13.01.2010 13.01.2010 01.01.2010 01.01.2010 15.12.2009 ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ Бразилия Австралия Австралия Австралия Австралия Австралия Австралия Бразилия Австралия 62 61 60 60 97 109 61 56 97 70 85 81 81 146 108 112 104 126 61 89 73 81 153 112 132 51 85 73 77 153 112 126 х х х -30 29 -1 -4 03.02.2010 29.01.2010 ФОБ ФОБ 522 574 606 690 606 726 716 27.01.2010 18.01.2010 14.01.2010 07.01.2010 15.12.2009 30.11.2009 11.11.2009 15.10.2009 08.10.2009 ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ ФОБ США, Ср. Запад США США, Ср. Запад Европа Лат. Америка Лат. Америка США Россия США США США 686 569 497 468 524 495 535 462 486 811 634 660 520 639 545 638 594 550 823 662 730 570 643 566 700 618 575 775 634 790 х х х -44 18 5 4 635 598 638 620 Согласно полученному прогнозу в 2012 г. цена на прокат составит 752 долл./т, или увеличится на 241 долл. по сравнению с уровнем 2009 г. (511 долл./т). При этом фактор сырьевой себестоимости увеличится на 51 долл./т. В соответствии с регрессионной моделью фактор сырьевой себестоимости влияет на цену с множителем, равным 3, т.е. его рост на 51 долл. приводит к увеличению цены стали на 115 А.Г. Маланичев, П.В. Воробьёв 153 долл./т. Именно в таком размере растет цена консенсус-прогноза (с 510 долл./т в 2009 г. до 660 долл./т в 2012 г.). Таблица 3 Прогноз мировой цены стального проката на 2010-2012 гг. Показатель Коэффициент загрузки сталеплавильных мощностей в мире, % Производство стали, млн. т % Сталеплавильные мощности, млн. т Стоимость сырья Себестоимость стали долл./т % Цена железной руды (Бразилия, ФОБ), долл./т % Цена коксующегося угля (Австралия, ФОБ), долл./т % Временной тренд Мировая среднегодовая цена горячекатаного листа, долл./т факт консенсуспрогноз оценка на основе регрессии % 2004 г. 2005 г. 2006 г. 2007 г. 2008 г. 2009 г. 2010 г. (оценка) 2011 г. 2012 г. Прогноз 86 84 86 85 78 66 69 70 73 1069 89 1141 95 1243 104 1346 112 1336 111 1199 100 1320 110 1408 117 1494 125 1 246 1 356 1 453 1 583 1 713 1 816 1 917 1 997 2 036 79 39 132 65 137 68 133 66 262 130 201 100 268 133 273 135 252 125 21 34 36 57 42 68 47 75 71 114 62 100 80 129 80 129 76 123 75 44 -5 125 73 -4 116 68 -3 98 57 -2 250 145 -1 172 100 0 234 136 1 243 142 2 218 127 3 601 540 589 596 866 511 - - - - - - 866 511 605 635 660 446 86 576 111 605 117 581 112 866 167 519 100 749 145 781 151 752 145 - Примечание: цены номинальные, среднегодовые; за базу расчета процентов взят 2009 г. Источник данных о сталеплавильных мощностях и мирового производства стали – Международная ассоциация производителей стали (World steel association), по историческим ценам на сырье и сталь – CRU. Таким образом, консенсус-прогноз, по всей видимости, основывается на предполагаемой динамике себестоимости производства стали. Однако помимо себестоимости цена на сталь будет расти за счет увеличения загрузки сталеплавильных мощностей на 7 проц. п. (с 66% в 2009 г. до 73% в 2012 г.) Даже такой более чем консервативный прогноз загрузки мощностей дает дополнительный рост цены на 94,5 долл./т (7%×13,5). Таким образом, цена к 2012 г. возрастет на 153 долл./т за счет себестоимости и на 95 долл./т за счет увеличения загрузки мощностей, в целом на 248 долл./т. Поскольку присутствует некоторый понижательный временной тренд, то итоговый прогноз приращения цены на сталь составит 241 долл./т. 116 Прогнозирование мировых цен на сталь Можно сделать вывод, что консенсус-прогноз внешних экспертов не учитывает фактора роста загрузки сталеплавильных мощностей и базируется только на росте цен на сырье для металлургии. Поэтому использование построенной регрессионной модели позволяет получить более точные прогнозные цены. * * * В предлагаемой регрессионной модели динамика мировой среднегодовой цены горячекатаного проката объяснена с помощью двух экзогенных факторов: коэффициента загрузки сталеплавильных мощностей в мире и фактора сырьевой себестоимости производства проката. Анализ исторических данных показал, что при оценке влияния на цену стали относительная значимость загрузки мощностей и себестоимости непостоянна во времени. В течение 1980-2000 гг. большую роль играла загрузка мощностей. Однако после 2000 г. рост цен на сырье привел к относительному усилению влияния фактора себестоимости на динамику цены стали. Основное преимущество предложенной модели состоит в том, что она позволяет получать прогноз цены проката, согласованный с прогнозом мировой экономики (спроса на сталь), ожидаемым вводом металлургических мощностей и динамикой цен на металлургическое сырье. Другим не менее значимым преимуществом является простота использования полученного регрессионного уравнения в Excel для расчетов экономических предпосылок и стратегического плана развития крупной металлургической компании. Литература 1. 2. 3. 4. 5. 6. 7. 8. WSD. The Chinese «Head Fake». Chinese ball carrier to agile to be stopped // Steel scorecard (#4). 2010. Мельниченко А. Прогнозирование цен на металлопродукцию // Интеллектуальные ресурсы. 2005. Денисенко М. Особенности прогнозирования цен на продукцию предприятий черной металлургии // Национальная металлургия. 2003. Маланичев А. Регрессионный анализ цены никеля // Национальная металлургия. 2005. Кононова О. Долгосрочное прогнозирование цен в металлургии. Десятилетний прогноз цен на горячекатаный прокат // Национальная металлургия. 2007. Vlasjuk V. Steel industry after a year of crisis: the way passed and the outlook for the recovery. UPE Co. Research&Consulting. 2009. Where will steel prices go in 2010? UBS. Q-Series®: Global Steel. (2 February 2010). Global Steel Capacity Development. WSA. ECON Autumn Meeting. (17 September 2009). 117