Изменение цен на цветные металлы в целом и первичный алюминий в частности не только подчиняется объективному изменению спроса со стороны реальных потребителей металлов, но и определяется спекулятивными операциями на товарных биржах со стороны крупных финансовых фондов Российская цветная металлургия, основа которой была заложена в СССР еще в первой половине XX века во времена первых пятилеток, в настоящее время занимает лидирующее место в мире: на ее долю приходится около 10% общемирового производства первичного алюминия, 21% — рафинированного никеля, 20% — титана, примерно 5,5% — рафинированной меди. Россия занимает первое место в мире по экспорту алюминия (21%), никеля (33%), металлов платиновой группы (23% по стоимости), руд и концентратов вольфрама, ниобия, тантала, ванадия (52—57%).
В современных условиях практически полная переориентация предприятий отечественной цветной металлургии на экспорт, обусловленная слабым платежеспособным спросом на цветные металлы на внутреннем рынке, с одной стороны, обеспечила их эффективную работу при переходе национальной экономики на рыночные отношения, а с другой стороны, привела к значительной зависимости этого сектора от колебаний конъюнктуры мирового рынка цветных металлов. Таким образом, проблема прогнозирования изменений цен на цветные металлы на мировом рынке приобретает особо острый характер. Последние два года цены на основные цветные металлы неуклонно снижались, что негативно отражалось на объеме российского экспорта. По данным экспертов ОАО «Русский алюминий», стоимостной объем экспортных поставок алюминия упал больше чем на 20%, хотя снижение физических объемов экспорта составило всего лишь 6%. По классической теории рыночного равновесия при снижении цены на товар спрос на него возрастает. Однако в течение 2001 — первой половины 2002 года при снижении цен на основные цветные металлы на мировом рынке спрос на них не только не возрос, но, наоборот, уменьшился.
Следует иметь в виду, что цветные металлы относятся к категории производственных ресурсов и спрос на них определяется иным набором факторов по сравнению со спросом на товары широкого потребления. Можно сказать, что спрос на производственные ресурсы, в том числе и на цветные металлы, вторичен по отношению к спросу на товарных рынках. Многие аналитики утверждают, что цены на цветные металлы формируются в основном под воздействием роста или падения спроса, запасов металла у производителей, трейдеров и потребителей, а также технического прогресса, в результате которого данный металл может быть вытеснен материалами-заменителями (например, медь может быть заменена алюминием, а алюминий в машиностроении — современными пластмассами). По мнению В. Полякова, существенное влияние на конъюнктуру рынков цветных металлов оказывает общехозяйственная ситуация, в том числе в кредитно-денежной сфере: уровень инфляционных тенденций, величина учетных ставок и банковского процента, соотношение курсов основных мировых валют, уровень операций на фондовых биржах и показатели движения на них курсов акций и др. (В.В. Поляков. Прогнозирование мирового рынка: вопросы теории и практики/ Учебное пособие.
Государственный университет управления. М.: 2001 г. 108 с.) Такая позиция является наиболее обоснованной, если учесть, что основные цветные металлы относятся к категории классических биржевых металлов, котировки которых на ЛБМ играют роль мировых цен и являются основой для установления контрактных цен как в странах Западной Европы и Юго-Восточной Азии, так в России. В настоящее время большинство аналитиков при определении возможного уровня цен на цветные металлы, в том числе и на первичный алюминий, оперируют двумя величинами: спросом на металл со стороны потребителей и объемом предложения металла со стороны производителей. Так, Б. Арлюк в аналитической модели прогноза цены алюминия предлагает учитывать следующие факторы, по его мнению, определяющие уровень мировых цен на алюминий: баланс спроса/предложения (δV) и запасы алюминия у покупателей Z (сумма запасов металла у потребителей и трейдеров). (Б.И. Арлюк. Прогнозы мировых цен на алюминий и их коммерческое использование. «Цветные металлы», № 9, 2002 г. С. 7—19) Модель, предложенная Б. Арлюком для прогнозирования цены на алюминий в векторной форме, имеет следующий вид: X(t) = A·X(t - 1), (1) где X — вектор состояния рынка [δP, δV, δZ ]; A — матрица коэффициентов модели. В свою очередь: ΔP — отклонение цены от скользящего среднего значения; ΔV — отклонение баланса спроса/предложения от скользящего среднего значения; ΔZ — отклонение запаса от норматива.
Предложенная модель, по мнению ее автора, является единственно приемлемой для формирования краткосрочного прогноза цен на алюминий на квартал вперед. Аналитики известной консалтинговой фирмы CRU International также отмечают, что между производством и ценой существует взаимосвязь, которая предполагает, что при снижении цены производство должно соответствующим образом реагировать и тоже уменьшаться. И наоборот, при росте цен должны возрастать и объемы производства. На основании анализа годовых объемов производства первичного алюминия и квартальной цены на металл на ЛБМ за период 1981—1998 годов аналитиками CRU была установлена степень корреляции между этими двумя показателями, равная 0,51. Для России в период с 1989 по 1998 год степень корреляции между этими показателями, по данным CRU, составляла 0,59. Следует отметить, что при расчете коэффициента корреляции между показателями объемов производства и квартальной ценой на алюминий на ЛБМ аналитиками CRU был сделан шаг в один год, для того чтобы учесть существующее отставание реакции производства на ценовые колебания.
При разработке прогноза цен аналитики CRU оперируют следующими показателями:
● мировая мощность, тыс. т/год;
● мировое потребление, тыс. т/год;
● мировое производство, тыс. т/год;
● уровень потребления;
● предложение по отношению к спросу;
● дневные запасы.
На основании этих данных и рассчитанных корреляционных отношений между ними и квартальной ценой представители CRU формируют несколько сценариев изменения квартальных цен, учитывающих влияние факторов риска и неопределенности. К таким факторам относится поведение Китая, который превращается из импортера первичного алюминия в основного его поставщика на мировой рынок, углубление кризисных тенденций в экономике, оцениваемое через снижение спроса на первичный алюминий и увеличение объемов запаса металла на складах, а также возможные сбои в производстве. Существует и иной подход к проблеме прогнозирования цен на первичный алюминий. Этот подход, именуемый техническим анализом, используется достаточно давно. Например, в книге Джона Дж. Мэрфи «Технический анализ фьючерсных рынков: теория и практика» этот метод описан следующим образом: «Если какой-то фактор каким-то образом влияет на рыночную цену, то этот фактор обязательно на этой самой цене и отразится. Необходимо лишь внимательнейшим образом отслеживать и изучать динамику цен...
Технический аналитик полагает, что причины, которые хоть как-то могут повлиять на рыночную стоимость фьючерсного товарного контракта (а причины эти могут быть самого разнообразного свойства: экономические, политические, психологические — любые), непременно найдут свое отражение в цене на товар. Из этого следует, что все, что от вас требуется, — это тщательное изучение движения цен». Однако следует иметь в виду, что изменение цен на цветные металлы в целом и первичный алюминий в частности не только подчиняется объективному изменению спроса со стороны реальных потребителей металлов, но и определяется спекулятивными операциями на товарных биржах со стороны крупных финансовых фондов. Как отмечал представитель трейдера Aluminium Silicon Marketin — партнера СУАЛ-холдинга по внешнеторговым операциям, «рост цен на LME происходил скачкообразно. Это объясняется не столько увеличившейся покупательной способностью потребителей, сколько тем, что на бирже основными игроками являлись крупные финансовые фонды.
При любых положительных новостях, способствующих благоприятным прогнозам, они начинают скупать большое количество металла. Причем речь идет не о физическом товаре, а о «бумажных контрактах». Последним толчком к повышению цен стали благоприятные прогнозы развития американской экономики. Что же касается реальных потребителей металла, то они удовлетворили большую часть своих запросов на год вперед». По мнению западных экспертов, спрос на цветные металлы и соответственно уровень цен на них в ближайшие годы будут зависеть от положения в экономике США — крупнейшем в мире потребителе цветных металлов. Так, германские аналитики в осеннем докладе шести ведущих научно-исследовательских конъюнктурных институтов ФРГ отмечают, что в текущем году прирост ВВП в США составит 2,3% (ранее этот показатель прогнозировался на уровне 2,4—2,6%) и только в 2003 году он увеличится до 2,7%. В странах Еврозоны показатель прироста ВВП, по мнению аналитиков журнала Economist, ожидается на уровне 0,7%. Вместе с тем темпы снижения ВВП в Японии прогнозируются на уровне 0,3% против ожидавшегося в апреле и мае текущего года 1,0%. Поскольку между показателями темпов прироста ВВП, отражающими эффективность народнохозяйственной деятельности, и ростом потребления цветных металлов существует определенная взаимосвязь, для оценки величины спроса на первичный алюминий, по нашему мнению, целесообразно использовать ряд показателей, опосредованно оценивающих величину спроса на металл.
Безусловно, более точный результат был бы получен в случае использования конкретных данных о величине спроса на алюминий. Однако получение таких данных затруднено, кроме того, если ряд исследовательских организаций и публикует подобную информацию, то с весьма большой задержкой во времени, и использовать их для оперативного анализа и прогноза не представляется возможным. Так, уже упоминавшийся Б. Арлюк в своей обширной статье, посвященной прогнозированию мировых цен на алюминий, отмечает, что в реальной ситуации «ни баланс спроса/предложения, ни запасы алюминия у покупателей непосредственно не фиксируются. Поэтому возникает задача их косвенного оценивания по фактически измеряемым (фиксируемым) величинам».
В. Поляков в своей работе предлагает для краткосрочного прогнозирования цен на цветные металлы (до 6 кварталов) использовать многофакторные экономико-математические модели регрессионного типа, которые учитывают следующие показатели: ● среднеквартальная цена металла на ЛБМ;
● запасы металла у потребителей (в тыс. тонн);
● курс доллара США по отношению к английскому фунту стерлингов;
● ассигнования на машины и оборудование во всех отраслях промышленности США (в млн долларов);
● индекс производства в электротехнической промышленности США (1967 г. = 100);
● новые заказы в машиностроении США (в млн долларов);
● учетная ставка банков Федеральной резервной системы США (в %);
● запасы цветного металла на складах ЛБМ (в тыс. тонн);
● импорт металла в США (в тыс. тонн);
● индекс изменения числа компаний в США (1967 г. = 100);
● загрузка производственных мощностей в отраслях, производящих сырьевые товары в США (в %).
Такие модели, несмотря на достаточно высокую точность прогноза, предъявляют жесткие требования к составу и объему исследуемой информации, которая доступна далеко не всем исследователям. Как отмечает сам автор, «только по рынку США имеется регулярная, обширная и достоверная статистическая информация, столь необходимая для построения надежных долгосрочных прогнозных моделей цен по рынкам меди, алюминия и цинка». В связи с этим нами для формирования простой и в тоже время достаточно точной модели прогнозирования цен на цветные металлы была сделана попытка оценивать величину спроса на металл опосредованно, используя ряд биржевых показателей, которые индексируются постоянно и позволяют в своей совокупности оценить уровень деловой активности, а следовательно, и уровень спроса на алюминий. К таким показателям относятся:
● запасы первичного алюминия на ЛБМ;
● индекс Доу-Джонса (DJIA);
● индекс NASDAQ;
● уровень фьючерсных контрактов на алюминий на ЛБМ.
Уровень запасов первичного алюминия на ЛБМ (рис. 3) фиксируется ежедневно, и эта информация является общедоступной в интернете. Индекс Доу-Джонса (DJIA) — усредненный показатель курсов акций промышленных, транспортных и коммунальных компаний. Используется с 1928 года, базируется на ценах 30-ти ведущих корпораций обрабатывающей промышленности и сферы услуг, вес акций каждого из эмитентов устанавливается пропорционально цене одной акции. Поскольку основным потребителем алюминия является транспортное машиностроение (до 35% от общего объема потребления), использование индекса Доу-Джонса для оценки уровня спроса на первичный алюминий, по нашему мнению, представляется вполне логичным. Следует отметить, что за рассматриваемый период с января 2001 по сентябрь 2002 года индекс Доу-Джонса претер пел значительные изменения, но в целом подчинялся понижательной тенденции (рис. 4). Индекс NASDAQ (Система автоматической котировки Национальной ассоциации инвестиционных дилеров) характеризует рынок ценных бумаг для финансирования небольших и средних компаний, являющихся носителями наиболее современных технологий.
Индекс NASDAQ в рассматриваемый период в силу негативных явлений в экономике США также подчинялся понижательной тенденции (рис. 5). Кроме того, как уже отмечалось выше, цена на алюминий, как и цены на другие цветные металлы, помимо классического воздействия со стороны непосредственных потребителей металла подвержена также спекулятивным воздействиям, которые в значительной степени могут искажать модель прогноза цен, выполненного по классической теории «спрос-предложение». Для проверки гипотезы о влиянии на уровень цены алюминия изменений биржевых индексов Доу-Джонса и NASDAQ нами были рассчитаны парные зависимости между значением среднемесячной цены на первичный алюминий (settlement) на ЛБМ, средней величиной запасов алюминия, изменениями индексов Доу-Джонса и NASDAQ, а также величиной фьючерсных контрактов на алюминий за период с января 2001 по октябрь 2002 года. Расчеты показали, что по степени воздействия на уровень цены алюминия на первом месте стоит величина запасов на алюминий, на втором — индекс Доу-Джонса, на третьем — индекс NASDAQ и лишь на четвертом — величина фьючерсных трехмесячных контрактов на алюминий.
Существенное влияние на изменение среднемесячной цены первичного алюминия биржевых индексов Доу-Джонса и NASDAQ может быть объяснено только спекулятивными операциями с цветными металлами на ЛБМ со стороны крупных финансовых фондов. Таким образом, для количественной оценки факторов, определяющих динамику цен на алюминий, наиболее целесообразным представляется использование следующих показателей:
● X1 — запасы алюминия;
● X2 — индекс Доу-Джонса (DJIA);
● X3 — индекс NASDAQ;
● X4 — фьючерсные контракты. Для построения математической модели, отражающей влияние вышеуказанных факторов, рассмотрим функциональную зависимость вида: Ppr = F(Σx,Σp,Xtek), (2) где:
● Σx — ряд значений фактора Xi за предшествующий период;
● Σp — ряд значений цен на алюминий за предшествующий период;
● Xtek — значение фактора Х в текущий момент (либо предполагаемое в какойто момент в будущем).
Для установления зависимости между указанными наборами данных лучше всего подходит корреляционный анализ, который широко используется в экономике для количественной оценки взаимосвязи двух наборов данных, представленных в безразмерном виде. Коэффициент корреляции выборки представляет собой ковариацию двух наборов данных, деленную на произведение их стандартных отклонений. Ковариация является мерой связи между двумя диапазонами данных. Корреляционный анализ дает возможность установить, ассоциированы ли наборы данных по величине: если большие значения одного набора данных связаны с большими значениями другого, то корреляция положительная; если, наоборот, малые значения одного набора связаны с большими значениями другого, то корреляция отрицательная; если данные двух диапазонов никак не связаны между собой, то корреляция близка к нулю. Имея данные по ценам на алюминий, а также значения конкретного фактора за предшествующий период и его величи ну в настоящий момент, можно получить прогноз цены на ближайший момент времени.
Корреляционный анализ динамических рядов значений предложенных выше факторов показал высокую степень взаимосвязи. Автором были проведены расчеты зависимости изменения цен первичного алюминия на ЛБМ и указанных факторов. Выявлено, что линейная зависимость достаточно точно отражает взаимосвязь цены на первичный алюминий и выбранных факторов: запасов металла, индексов Доу-Джонса и NASDAQ, а также величины фьючерсных контрактов. Модель имеет следующий вид: Y = 1291,93 - 0,1431X1 - 0,03508X2 + + 0,2205X3 + 0,102X4, (3) где:
● Y — среднемесячная цена первичного алюминия на ЛБМ;
● X1 — запасы алюминия; ● X2 — индекс Доу-Джонса (DJIA);
● X3 — индекс NASDAQ;
● X4 — фьючерсные контракты.
Анализ полученного уравнения свидетельствует о его достаточно высокой статистической значимости: F = 12,098; R2 = 0,9; E = 8,08. Следует отметить, что аналогичные расчеты, выполненные автором для цены меди на ЛБМ за период 2001—2002 годов, подтвердили правильность выбора факторов, влияющих на изменение цен. Для среднемесячной цены на медь зависимость от вышеуказанных факторов имеет вид: Y = 1731,9034 - 0,2047X1 - 0,0092X2 + 0,1067X3 - 0,0835X4. (4) Анализ построенной модели показывает, что она имеет надежные статистические характеристики: соответствующий критерий Фишера, среднюю ошибку аппроксимации от 3,2 до 5,4% и коэффициенты множественной корреляции от 0,81 до 0,9. Рассматриваемый период прогнозирования (годовой горизонт прогнозирования изменения цены на металл) для разработанной методики является долгосрочным, что существенно влияет на достоверность получаемой прогнозной оценки.
Следует особо отметить тот факт, что данные наших расчетов хорошо согласуются с результатами, полученными аналитиками CRU International. Кроме того, отмечается достаточно высокая взаимосвязь уровня цены на первичный алюминий с показателями индекса NASDAQ и уровнем фьючерсных контрактов на алюминий на ЛБМ. Коэффициенты корреляции соответственно равны -0,68 и 0,66. Это наглядно подтверждает выдвинутую автором гипотезу о возможности использования указанных биржевых показателей для прогноза изменения цен на первичный алюминий. Исходя из проведенных расчетов, можно утверждать, что среднемесячная цена на алюминий в I квартале 2003 года будет составлять 1375 долларов за тонну (плюс или минус 5%). Необходимо отметить, что в связи со значительным увеличением разброса данных при прогнозировании на длительные временные периоды оптимальным горизонтом прогнозирования цен на первичный алюминий являются три месяца или квартал.
Фактические данные изменения цен на первичный алюминий в январе — апреле 2002 года подтверждают достаточно высокую точность прогноза по рассчитанной методике (см. таблицу). Как видно из таблицы, разработанная методика прогнозирования цен на первичный алюминий, учитывающая влияние таких факторов, как запасы металла на ЛБМ, биржевые индексы Доу-Джонса и NASDAQ, а также уровень фьючерсных контрактов на ЛБМ, позволяет получить вполне удовлетворительные результаты при прогнозировании изменения цен на краткосрочный период в два-три месяца. Увеличение относительной ошибки при прогнозировании цен на август и сентябрь можно объяснить изменением трендов биржевых индексов Доу-Джонса и NASDAQ под воздействием внешнеполитических факторов.
На основании проведенных расчетов можно сделать следующие основные выводы.
● Разработанные модели в ретроспективе показали высокие значения достоверности и точности прогнозов цен на первичный алюминий и медь.
● Модели статистического анализа дают достаточно точные значения прогнозируемой цены при анализе коротких рядов данных. Это объясняется тем, что эти модели достаточно эффективны при движении цены в направлении основного тренда.
● При изменении тренда какого-либо из факторов, входящих в состав вышеприведенных формул определения величины цены на металл, точность прогноза резко ухудшается, что приводит к необходимости постоянного отслеживания трендов факторов, входящих в модель, и внесения соответствующих корректив в модель ценообразования.
Кроме того, следует отметить, что для правильной оценки работоспособности той или иной модели требуется ее проверка в режиме реального времени. Разработанная в ФГУП ЦНИИцветмет экономики и информации методика прогнозирования изменения цен на первичный алюминий с учетом изменения влияющих факторов может быть с успехом применена при финансовом и оперативном планировании производственно-хозяйственной деятельности предприятий алюминиевой промышленности России в краткосрочном периоде.