Состояние международного рынка нефти оказывает заметное воздействие на экономику стран-экспортеров этого ресурса. В таких странах доходы от экспорта нефти и других энергоносителей определяют динамику совокупного платежеспособного спроса и налоговые поступления в бюджеты всех уровней, влияют на формирование курса национальной валюты и темпы инфляционного процесса.
Цены на нефть являются одним из основных индикаторов мировой экономики. Увеличение цен приводит к перераспределению финансовых потоков и вносит коррективы в мировую торговлю. Воздействие данного фактора на экономику той или иной страны меняется в зависимости от доли расходов на нефть в национальном бюджете. Чем выше цены на нефть и чем дольше такое положение сохраняется, тем сильнее общее воздействие на страну с точки зрения макроэкономики. Актуальность данной статьи заключается в выявлении стран, существенным образом влияющих на конъюнктуру международного рынка нефти, и, следовательно, формирование мировых цен на данный ресурс. А эффективное использование доходов от экспорта нефти является важной предпосылкой ускоренного развития экономики страны.
В целях выявления групп стран-участниц на международном рынке нефти проведём кластеризацию по 90 странам-экспортерам топлива. Перед проведением анализа, была выдвинута гипотеза, что для данных стран характерна существенная дифференциация по уровню экономического развития, несмотря на то, что их объединяет зависимость экономики и ее стабильности от добычи и экспорта нефти, следовательно, от конъюнктуры на мировом рынке нефти. Следует учесть, что произошли некоторые изменения в структуре развития международного рынка нефти в странах-экспортерах топлива в период с 2002г. по 2012 г. В связи с этим представляется практически значимой задача классификации стран–экспортеров топлива, позволяющая выделить группы стран, исходя из роли нефтегазового сектора в национальной и мировой экономике.
Так как кластерный анализ вероятностного подхода методом исследования К-средних значений предполагает разбиение выборки стран на заданное число кластеров, согласно выдвинутой гипотезе следует разбить страны на 4 кластера.
В качестве факторов для проведения кластерного анализа были выбраны следующие показатели:
- X1: Разведанные запасы нефти (барр.) – то количество нефти, которое, анализом геологических и технических данных, оценено, как возможное к разработке (добыче) в промышленном масштабе, используя настоящие экономические и технические возможности. Данный показатель отражает нефтяной потенциал страны.
- X2: Добыча нефти (барр./сут.) – процесс, включающий подачу нефти на поверхность земли и ее доставку на нефтеперерабатывающий завод. Используется при определении эффективности разработки месторождений.
- X3: Потребление нефти (барр./сут.) – показатель, отражающий обеспеченность страны энергоресурсами.
- X4: Экспорт нефти (барр./сут.) – показатель, отражающий общее количество сырой нефти и нефтепродуктов, поставляемых конкретной страной на экспорт в другие страны. Определяет вовлеченность страны в сеть международных поставок топлива.
- X5: Импорт нефти (барр./сут.) – показатель, отражающий общее количество сырой нефти и нефтепродуктов, ввозимых в данную страну. Также определяет вовлеченность страны в сеть международных поставок топлива.
По мнению автора, данные показатели наиболее полно отражают состояние как внутреннего, так и внешнего нефтяных рынков. Необходимые материалы для расчётов взяты с официального сайта Энергетической информационной администрации – независимого агентства в составе министерства энергетики США (EIA), а также статистических отчетов по мировой энергетике компании «British Petrolium» за 2002 и 2012 гг. [1, 2, 3].
Кластерный анализ проводится с использованием статистического программного продукта IBM SPSS Statistics 19.
Чтобы отразить динамику показателей, отражающих роль нефтяного сектора в экономике стран-экспортеров топлива, кластерный анализ проводится по двум годам: 2002 г., 2012 г.
Перед проведением кластеризации необходимо выполнить процедуру логарифмирования, чтобы сделать распределение значений показателей симметричным и одномодальным.
Рассмотрим данные за 2002 г. Результаты итерационного процесса представлены в табл. 2.1.
Таблица 2.1 – Итерационный процесс (2002 г.)
Итерация |
Изменения центров кластеров |
|||
1 |
2 |
3 |
4 |
|
1 |
2,831 |
2,793 |
3,830 |
3,217 |
2 |
,738 |
,371 |
,431 |
,938 |
3 |
,339 |
,350 |
,000 |
,414 |
4 |
,000 |
,131 |
,000 |
,116 |
5 |
,000 |
,000 |
,000 |
,000 |
Источник: расчеты автора |
Согласно данным таблицы 2.1, только после пяти итераций была достигнута сходимость по критерию малой величины или отсутствия изменений в положении центров кластеров. Максимальное абсолютное изменение координаты любого кластера составляет ,000. Текущая итерация 5. Минимальное расстояние между начальными центрами 10,282.
В таблице 2.2 представлены начальные центры кластеров.
Таблица 2.2 – Начальные центры кластеров (2002 г.)
Кластер |
||||
1 |
2 |
3 |
4 |
|
X1 |
8,29 |
18,79 |
21,42 |
26,29 |
X2 |
9,04 |
11,36 |
10,49 |
15,99 |
X3 |
13,70 |
14,50 |
7,24 |
14,33 |
X4 |
11,81 |
11,74 |
6,91 |
13,96 |
X5 |
12,19 |
13,32 |
7,25 |
8,52 |
Источник: расчеты автора
В результате итерационного процесса были получены конечные центры кластеров (см. табл. 2.3).
Таблица 2.3 – Конечные центры кластеров (2002 г.)
Кластер |
||||
1 |
2 |
3 |
4 |
|
X1 |
11,92 |
18,75 |
19,73 |
23,31 |
X2 |
8,98 |
10,89 |
11,42 |
14,27 |
X3 |
12,77 |
12,77 |
9,91 |
13,44 |
X4 |
11,19 |
10,84 |
8,82 |
12,20 |
X5 |
11,57 |
11,35 |
8,39 |
10,54 |
Источник: расчеты автора
Конечные кластерные центры показывают средние значения переменных для объектов в конечном кластере. Согласно таблице 2.3, в первом кластере оказались страны с наименьшими значениями по показателям X1, X2. Самым высоким значением в данном кластере обладает показатель X3. Во второй кластер включены страны, у которых значения по показателям X1, X2 выше, чем в первом кластере, а по показателям X4, X5 – ниже. Самое высокое значение для второго кластера принадлежит показателю X1. Третий кластер представляют страны с наименьшими по сравнению с остальными кластерами значениями по показателям X3, X4, X5. В последний кластер вошли страны с наибольшими значениями по показателям X1, X2, X3, X4. Значение показателя X5 выше, чем в третьем кластере, однако ниже по сравнению с первым и вторым кластерами.
Расстояние между конечными значениями кластеров представлено в табл. 2.4.
Таблица 2.4 – Расстояние между конечными центрами кластеров (2002 г.)
Кластер |
1 |
2 |
3 |
4 |
1 |
7,095 |
9,532 |
12,650 |
|
2 |
7,095 |
4,724 |
5,929 |
|
3 |
9,532 |
4,724 |
7,024 |
|
4 |
12,650 |
5,929 |
7,024 |
Источник: расчеты автора
Таблица 2.4 отражает расстояние между кластерными центрами окончательного решения, то есть евклидово расстояние, которое рассчитывается по следующей формуле (2.1):
где p (xi, xj) – евклидово расстояние между i-м и j-м объектами;
xil,xjl– значения l-го признака у i-го (j-го) объекта (l=1,2,…, k; i,j=1,2,…n).
Исходя из данной таблицы, минимальное расстояние наблюдается между вторым и третьим кластерами, а максимальное – между первым и четвертым кластерными центрами с учетом влияния всех факторов классификации в совокупности.
Рассмотрим результаты дисперсионного анализа, оценивающие достоверность полученных результатов (см. табл. 2.5).
Таблица 2.5 – Дисперсионный анализ (2002 г.)
Кластер |
Ошибка |
F |
Знч. |
|||
Средний квадрат |
ст.св. |
Средний квадрат |
ст.св. |
|||
X1 |
389,249 |
3 |
3,065 |
86 |
126,993 |
,000 |
X2 |
99,770 |
3 |
1,347 |
86 |
74,058 |
,000 |
X3 |
56,964 |
3 |
1,490 |
86 |
38,228 |
,000 |
X4 |
47,736 |
3 |
2,062 |
86 |
23,153 |
,000 |
X5 |
43,786 |
3 |
2,768 |
86 |
15,820 |
,000 |
Источник: расчеты автора |
Таблица 2.5 свидетельствует о том, что все пять показателей были справедливо использованы в процессе осуществления кластерного анализа и оказали значительное влияние на итерации.
В результате проведенного анализа страны были объединены в кластеры по следующим критериям (см. табл. 2.6):
• 1 кластер – страны, импортирующие топливо в больших объемах;
• 2 кластер – страны, топливно-энергетическая промышленность которых ориентирована преимущественно на внутренний рынок;
• 3 кластер – страны, осуществляющие поставки топлива как на внутренний, так и внешний рынки
• 4 кластер – страны, экспортирующие топливо в больших объемах.
Таблица 2.6 – Кластеризация стран (2002 г.)
1 кластер |
2 кластер |
3 кластер |
4 кластер |
Бельгия, Греция, Израиль, Марокко, Португалия, Сингапур, Словакия, Тайвань, Узбекистан, Финляндия, Швейцария, Швеция, Южная Корея | Австрия, Белоруссия, Болгария, Вьетнам, Германия, Дания, Испания, Италия, Куба, Литва, Нидерланды, Новая Зеландия, Пакистан, Перу, Польша, Румыния, Таиланд, Тунис, Турция, Украина, Филиппины, Франция, Хорватия, Чехия, Чили, ЮАР, Япония | Азербайджан, Ангола, Бахрейн, Бруней, Габон, Гана, Гватемала, ДР Конго, Йемен, Камерун,
Кот-д’Ивуар, Мавритания, Оман, Папуа-Новая Гвинея, Республика Конго, Сербия, Судан, Тимор Восточный, Тринидад и Тобаго, Туркменистан, Чад, Экваториальная Гвинея
|
Австралия, Алжир, Аргентина, Бразилия, Великобритания, Венесуэла, Египет, Индия, Индонезия, Ирак, Иран, Казахстан, Канада, Катар, Китай, Кувейт, Ливия, Малайзия, Мексика, Нигерия, Норвегия, ОАЭ, Россия, Саудовская Аравия, Сирия, США, Эквадор, |
Источник: расчеты автора
Согласно таблице 2.6, в первый кластер вошло 13 стран, во второй – 27 стран, в третий – 22 страны и в четвертый – 28 стран. Из анализа 90 стран валидными оказались все.
Для первого кластера характерны высокие значения показателей потребления, запасов и импорта нефти.
Для второго кластера характерны высокие значения вышеуказанных показателей, однако значение показателя запасов нефти выше, чем в первом кластере, а импорта – ниже. Значение показателя импорта нефти выше экспорта в данном кластере.
Для третьего кластера характерны высокие значения показателей запасов и добычи нефти. При этом значение показателя экспорта нефти выше импорта в данном кластере.
Для четвертого кластера характерны высокие значения всех показателей, причем по показателю экспорта нефти значение выше, чем в остальных кластерах.
Для сравнения проведем кластерный анализ стран за 2012 г. Результаты итерационного процесса представлены в табл. 2.7.
Таблица 2.7 – Итерационный процесс (2012 г.)
Итерация |
Изменения центров кластеров |
|||
1 |
2 |
3 |
4 |
|
1 |
4,320 |
6,080 |
4,627 |
3,666 |
2 |
,783 |
,822 |
,392 |
1,027 |
3 |
,261 |
,411 |
,134 |
,476 |
4 |
,232 |
,525 |
,500 |
,000 |
5 |
,194 |
,238 |
,137 |
,000 |
6 |
,195 |
,152 |
,000 |
,000 |
7 |
,360 |
,137 |
,198 |
,000 |
8 |
,000 |
,000 |
,000 |
,000 |
Источник: расчеты автора |
Согласно данным таблицы 2.7, только после восьми итераций была достигнута сходимость по критерию малой величины или отсутствия изменений в положении центров кластеров. Максимальное абсолютное изменение координаты любого кластера составляет ,000. Текущая итерация 8. Минимальное расстояние между начальными центрами 10,399.
В таблице 2.8 представлены начальные центры кластеров.
Таблица 2.8 – Начальные центры кластеров (2012 г.)
Кластер |
||||
1 |
2 |
3 |
4 |
|
X1 |
23,75 |
13,30 |
22,67 |
10,46 |
X2 |
16,09 |
11,54 |
13,86 |
10,79 |
X3 |
16,74 |
11,57 |
11,44 |
14,60 |
X4 |
14,47 |
8,51 |
13,39 |
13,91 |
X5 |
16,15 |
6,91 |
7,27 |
14,73 |
Источник: расчеты автора
В результате итерационного процесса были получены конечные центры кластеров (см. табл. 2.9).
Таблица 2.9 – Конечные центры кластеров (2012 г.)
Кластер |
||||
1 |
2 |
3 |
4 |
|
X1 |
23,90 |
18,23 |
21,15 |
11,39 |
X2 |
14,62 |
10,31 |
12,50 |
9,10 |
X3 |
13,81 |
12,15 |
11,13 |
13,13 |
X4 |
14,04 |
11,00 |
12,25 |
12,12 |
X5 |
12,60 |
12,02 |
10,92 |
13,27 |
Источник: расчеты автора
Согласно таблице 2.9, в первом кластере оказались страны с наибольшими значениями по показателям X1, X2, X3, X4. Во второй кластер включены страны, у которых значения по всем показателям несколько ниже, чем в первом кластере. Наименьшее значение в данном кластере принадлежит показателю X4. Третий кластер представляют страны, у которых значения по показателям X1, X2, X4 выше, чем во втором кластере, а по X3, X5 – соответственно, ниже. В последний кластер вошли страны с наименьшими значениями по показателям X1, X2. Наибольшее значение по сравнению с другими кластерами принадлежит показателю X5.
Расстояние между конечными значениями кластеров представлено в табл. 2.10.
Таблица 2.10 – Расстояние между конечными центрами кластеров (2012 г.)
Кластер |
1 |
2 |
3 |
4 |
1 |
7,946 |
5,024 |
13,847 |
|
2 |
7,946 |
4,147 |
7,218 |
|
3 |
5,024 |
4,147 |
10,795 |
|
4 |
13,847 |
7,218 |
10,795 |
Источник: расчеты автора
Исходя из данной таблицы, минимальное расстояние наблюдается между вторым и третьим кластерами, а максимальное – между первым и четвертым кластерными центрами с учетом влияния всех факторов классификации в совокупности.
Рассмотрим результаты дисперсионного анализа, оценивающие достоверность полученных результатов (см. табл. 2.11).
Таблица 2.11 – Дисперсионный анализ (2012 г.)
Кластер |
Ошибка |
F |
Знч. |
|||
Средний квадрат |
ст.св. |
Средний квадрат |
ст.св. |
|||
X1 |
393,775 |
3 |
2,007 |
86 |
196,171 |
,000 |
X2 |
116,786 |
3 |
,842 |
86 |
138,688 |
,000 |
X3 |
30,534 |
3 |
2,278 |
86 |
13,403 |
,000 |
X4 |
44,603 |
3 |
1,356 |
86 |
32,896 |
,000 |
X5 |
16,418 |
3 |
2,629 |
86 |
6,245 |
,001 |
Источник: расчеты автора
Таблица 2.11 свидетельствует о том, что все пять показателей были справедливо использованы в процессе осуществления кластерного анализа и оказали значительное влияние на итерации.
В результате проведенного анализа страны были объединены в кластеры по следующим критериям (см. табл. 2.12):
• 1 кластер – страны, экспортирующие топливо в больших объемах.
• 2 кластер – страны, осуществляющие поставки топлива как на внутренний, так и внешний рынки;
• 3 кластер – страны, топливно-энергетическая промышленность которых ориентирована преимущественно на внутренний рынок;
• 4 кластер – страны, импортирующие топливо в больших объемах.
Таблица 2.12 – Кластеризация стран (2012 г.)
1 кластер |
2 кластер |
3 кластер |
4 кластер |
Австралия, Алжир, Ангола, Бразилия, Великобритания, Венесуэла, Египет, Индия, Индонезия, Ирак, Иран, Казахстан, Канада, Катар, Кувейт, Ливия, Мексика, Нигерия, Норвегия, Малайзия, ОАЭ, Россия, Саудовская Аравия. | Австрия, Бахрейн, Белоруссия, Болгария, Гана, Гватемала Германия, Греция, ДР Конго, Испания, Италия, Камерун, Китай, Кот-д’Ивуар, Куба, Литва, Мавритания, Марокко, Нидерланды, Новая Зеландия, Пакистан, Папуа-Новая Гвинея, Польша, Сербия, Словакия, США, Турция, Украина, Узбекистан, Филиппины, Франция, Хорватия, Чехия, Чили, ЮАР, Япония. | Азербайджан, Аргентина, Бруней, Вьетнам, Габон, Дания, Йемен, Оман, Перу, Республика Конго, Румыния, Сирия, Судан, Таиланд, Тимор Восточный, Тринидад и Тобаго, Тунис, Чад, Туркменистан, Эквадор, Экваториальная Гвинея
|
Бельгия, Израиль, Португалия, Сингапур, Тайвань, Финляндия, Швейцария, Швеция, Южная Корея |
Источник: расчеты автора
Согласно таблице 2.12, в первый кластер вошло 25 стран, во второй – 34 страны, в третий – 22 страны и в четвертый – 9 стран. Из анализа 90 стран валидными оказались все.
Для первого кластера характерны высокие значения всех показателей, причем по показателю экспорта нефти значение выше, чем в остальных кластерах.
Во втором кластере значения показателей несколько ниже, чем в первом кластере, причем значение экспорта нефти превышает значение импорта в данном кластере.
В третьем кластере значение показателей запасов, добычи и экспорта нефти несколько выше, чем во втором кластере. При этом значение показателя импорта нефти выше экспорта в данном кластере.
Для четвертого кластера характерно высокое значение показателя импорта нефти.
Наименьшее значение характерно для показателей запасов и добычи нефти.
Таким образом, современный международный рынок нефти характеризуется увеличением количества стран, экспортирующих нефть в больших объемах. Среди крупнейших стран-экспортеров нефти 2012 г. можно выделить Саудовскую Аравию, Россию, ОАЭ, Норвегию, Ирак, Кувейт, Нигерию, Канаду, США, Венесуэлу. За счет этих стран и происходят колебания мировых цен на нефть. Если сравнивать с данными 2002 г., в первую десятку нефтеэкспортирующих стран вошли следующие: Нидерланды, Россия, Саудовская Аравия, Сингапур, США, Венесуэла, Южная Корея, Кувейт, Великобритания, ОАЭ. Исходя из этого, можно увидеть, что такие страны, как Сингапур и Южная Корея изменили свою стратегию и на сегодняшний день являются странами-импортерами нефти, а Нидерланды – страной, поставляющей топливо как на внутренний, так и внешний рынки. Большая часть нефти, добываемой странами OPEC, экспортируется (например, Саудовская Аравия экспортирует более 85% производимой нефти), тогда как нефть, добываемая, например, в США, почти полностью поставляется на внутренний рынок.
По темпам роста объемов нефтеимпорта Китай и Индия занимают первые строчки в мире. Однако энергетическая политика этих стран не предполагает роста их зависимости: такая политика предусматривает больший выбор стран-поставщиков в сочетании с освоением национальных ресурсов топливного сырья.
Потребление нефти за последнее десятилетие возросло, а крупнейшими ее потребителями остаются США, страны Западной Европы и Япония. Россия, располагая огромными запасами нефти, остается одним из крупнейших экспортеров этого ресурса. Позиция России на международном рынке нефти улучшилась за счет роста добычи, что обеспечивает высокое положительное сальдо торгового баланса и рост международных резервов страны. Однако при нынешней экономической ситуации Российское производство не выдерживают конкуренцию за использование отечественного сырья. Развитие производительных сил России возможно только при ориентации на внутренний рынок и внутренние ресурсы с государственной защитой (налоги, пошлины) от избыточного экспорта сырья и от избыточного импорта товаров. Таким образом, эффективное использование доходов от экспорта нефти является важной предпосылкой ускоренного развития в российской экономике.
Библиографический список
- Официальный сайт Энергетической информационной администрации – независимого агентства в составе министерства энергетики США (EIA) [Электронный ресурс]. – Режим доступа: URL: http://www.eia.gov/petroleum/ (дата обращения: 05.12.2013)
- BP Statistical Review of World Energy June 2013, pp. 6,8,9,19
- BP Statistical Review of World Energy (workbook)
- Горбачева М. Анализ тенденций развития международной торговли // Международный научно-исследовательский журнал (Research Journal of International Studies). – 2013. – №10 (17) – C.28-29.
- Панасюк Д.О. Тенденции развития внешней торговли в странах мира // Современные научные исследования и инновации. – Декабрь 2013. – № 12 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2013/12/29973 (дата обращения: 26.12.2013).
- Полушина Т.Н. Внешняя торговля стран мира: кластерный анализ по структуре экспорта стран мира // Современные научные исследования и инновации. – Декабрь 2013. – № 12 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2013/12/30456 (дата обращения: 26.12.2013).
Количество просмотров публикации: Please wait