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.)

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.)

Источник: расчеты автора

В результате итерационного процесса были получены конечные центры кластеров (см. табл. 2.3).

Таблица 2.3 – Конечные центры кластеров (2002 г.)

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.)

Источник: расчеты автора

Таблица 2.4 отражает расстояние между кластерными центрами окончательного решения, то есть евклидово расстояние, которое рассчитывается по следующей формуле (2.1):

(2.1)

где p (x_i, x_j) – евклидово расстояние между i-м и j-м объектами;

x_il,x_jl– 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.)

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.)

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.)

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.)

Источник: расчеты автора

В результате итерационного процесса были получены конечные центры кластеров (см. табл. 2.9).

Таблица 2.9 – Конечные центры кластеров (2012 г.)

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.)

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.)

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.)

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.

1. 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)
2. BP Statistical Review of World Energy June 2013, pp. 6,8,9,19
3. BP Statistical Review of World Energy (workbook)
4. Горбачева М. Анализ тенденций развития международной торговли // Международный научно-исследовательский журнал (Research Journal of International Studies). – 2013. – №10 (17) – C.28-29.
5. 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).
6. 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).

Все статьи автора «Гундина Юлия Ринатовна»