Анализ и прогнозирование рынка железной руды

Целью курсовой работы - провести анализ мирового и российского рынка железной руды.
Структурно работа состоит согласно поставленным целям и задачам. Название разделов указано в содержании. ...

Введение
ГЛАВА 1 КОНЪЮНКТУРНЫЙ ОБЗОР МИРОВОГО РЫНКА ЖЕЛЕЗНОЙ РУДЫ
1.1 Товароведческая характеристика железной руды
1.2 География добычи железной руды
1.3 Ценообразование на мировом рынке железной руды
1.4 Мировой рынок стали
1.5 Крупнейшие производители стали в мире
1.6 Ставки ввозных таможенных пошлин на руды и концентраты железные и цинковые
ГЛАВА 2 МЕТОДИКИ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ МИРОВОГО
2.1 Кластерный анализ
2.2 Корреляционный анализ
2.3 Регрессионный анализ
ГЛАВА 3 АНАЛИЗ КОНЪЮНКТУРЫ МИРОВОГО РЫНКА ТОВАРА
3.1. Кластерный анализ
3.2. Корреляционно-регрессионный анализ
Заключение
Список литературы

............. По данным, собранным Геологическим институтом США, Украина, запасы которой насчитывают примерно 30 млрд. тонн сырой руды, содержащей 9 млрд. тонн железа, является одним из крупнейших регионов по добыче железной руды, поскольку занимает 4-е место в мире по запасам железной руды, составляющим примерно 10% от мировых запасов [1].
Практически вся добываемая в мире железная руда используется для выплавки стали. По статистическим данным, собранным Геологическим институтом США, мировой объем добычи железной руды в 2010 г. предположительно составляет 2 400 млн. тонн, при этом в отрасли лидирует Китай как крупнейший в мире производитель и потребитель руды. Объем добычи железной руды в Китае в 2010 г. составил примерно 900 млн. тонн, или 37,5% от мирового объема добычи.
Ввиду огранич енной внутренней добычи железной руды Китай, крупнейший в мире производитель термически необработанной стали, также является крупнейшим в мире импортером. По данным Геологической службы США, объем добычи железной руды в Китае в 2009 г. составил 880 млн. тонн; ..............

2 Rizhao SteelКитай 31 10.2 Baotou SteelКитай 32 10.2 Jiuquan SteelКитай - 1,490 WorldtotalТаблица 6 – Железорудные предприятия России1.6 Ставки ввозных таможенных пошлин на руды и концентраты железные и цинковыеРоссия с момента вступления в ВТО сохраняет за собой право установления импортных пошлин в размере 5% на импорт железной руды и ряда руд и концентратов цветных металлов. На данный момент пошлина на железные руды - нулевая.Через 3 года после вступления в ВТО пошлина может быть снижена на 3%. При этом РФ не берет на себя обязательств по снижению действующей сейчас пошлины в 5% на обожженный пирит, говорится в обязательствах РФ по доступу на рынки товаров и услуг.С нуля до 5% и без последующего снижения может быть поднята пошлина на импорт циркониевой, титановой, ниобиевой и танталовой руды.Согласно документу, с нуля до 5% при последующем снижении пошлины до 3% через 3 года может вырасти пошлина на цинковые, фольфрамовые, оловянные концентрат и руды.РФ также взяла на себя обязательства по снижению до 3% в течение 3-х лет пошлины на медную и свинцовую руду [10]. ГЛАВА 2 МЕТОДИКИ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ МИРОВОГО Ни одна фирма, занимающаяся куплей-продажей товаров, крупная или малая, не сумеет успешно функционировать без оценки положения на рынке. Любое долгосрочное или оперативное решение в бизнесе принимается на базе конъюнктурных оценок.Конъюнктура рынка, или рыночная конъюнктура, — это конкретная экономическая ситуация, сложившаяся на рынке на данный момент или ограниченный отрезок времени.Понятие рыночной ситуации включает:степень сбалансированности рынка (соотношение спроса и предложения);сформировавшиеся, наметившиеся или изменившиеся тенденции развития рынка;уровень устойчивости или колебаний основных параметров рынка;масштабы рыночных операций и степень деловой активности;уровень коммерческого (рыночного) риска;силу и размах конкурентной борьбы;положение рынка в определенной точке экономического или сезонного цикла.Главная цель изучения конъюнктуры рынка — определить характер и степень его сбалансированности, прежде всего соотношения спроса и предложения. Суть действия рыночного механизма проявляется в стремлении спроса и предложения к равновесию. Однако этот процесс, имеющий стохастический характер, происходит под постоянным воздействием множества противоречивых факторов, что и обусловливает наличие постоянных колебаний и отклонений от основной тенденции развития рынка. Анализ возможных диспропорций спроса и предложения предупреждает об изменении рыночной ситуации. Оценки состояния рынка способны варьировать от отметки, «ясно» до отметки «шторм»; и носят информационно-предупреждающий характер как для предпринимателей, так и для органов управления [22].2.1 Кластерный анализПри анализе и прогнозировании социально-экономических явлений исследователь довольно часто сталкивается с многомерностью их описания. Это  происходит при решении задачи сегментирования рынка, построении типологии стран по достаточно большому числу показателей, прогнозирования конъюнктуры рынка отдельных товаров, изучении и прогнозировании экономической депрессии и многих других проблем.Методы многомерного анализа - наиболее действенный количественный инструмент исследования социально-экономических процессов, описываемых большим  числом характеристик. К ним относятся кластерный анализ, таксономия, распознавание образов, факторный анализ.Кластерный анализ — задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.Кластерный анализ наиболее ярко отражает черты многомерного анализа в классификации, факторный анализ – в исследовании связи.Иногда подход кластерного анализа называют в литературе численной таксономией, численной классификацией, распознаванием с самообучением и т.д.Кластерный анализ выполняет следующие основные задачи:Разработка типологии или классификации.Исследование полезных концептуальных схем группирования объектов.Порождение гипотез на основе исследования данных.Проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы:Отбор выборки для кластеризации. Подразумевается, что имеет смысл кластеризовать только количественные данные.Определение множества переменных, по которым будут оцениваться объекты в выборке, т.е. признакового пространства.Вычисление значений той или иной меры сходства (или различия) между объектами.Применение метода кластерного анализа для создания групп сходных объектов.Проверка достоверности результатов кластерного решения.Кластерный анализ предъявляет следующие требования к данным:показатели не должны коррелировать между собой;показатели не должны противоречить теории измерений;распределение показателей должно быть близко к нормальному показатели должны отвечать требованию «устойчивости», под которой понимается отсутствие влияния на их значения случайных фактороввыборка должна быть однородна, не содержать «выбросов».Большое достоинство кластерного анализа в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков. Кроме того, кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов, и позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры, когда показатели имеют разнообразный вид, затрудняющий применение традиционных эконометрических подходов [22].Кластерный анализ позволяет рассматривать достаточно большой объем информации и резко сокращать, сжимать большие массивы социально-экономической информации, делать их  компактными и наглядными.Важное значение кластерный анализ имеет применительно к совокупностям временных рядов, характеризующих экономическое развитие (например, общехозяйственной и товарной конъюнктуры). Здесь можно выделять периоды, когда значения соответствующих показателей были достаточно близкими, а также определять группы временных рядов, динамика которых наиболее схожа.Кластерный анализ можно использовать циклически. В этом случае исследование производится до тех пор, пока не будут достигнуты необходимые результаты. При этом каждый цикл здесь может давать информацию, которая способна сильно изменить направленность и подходы дальнейшего применения кластерного анализа. Этот процесс можно представить системой с обратной связью.В задачах  социально-экономического прогнозирования весьма перспективно сочетание кластерного анализа  с другими количественными методами (например, с регрессионным анализом).Как и любой другой метод, кластерный анализ имеет определенные недостатки  и ограничения: В частности, состав  и количество кластеров зависит от  выбираемых критериев разбиения. При сведении исходного массива данных к более компактному виду могут возникать определенные искажения, а также могут теряться индивидуальные черты отдельных объектов за счет  замены их характеристиками обобщенных значений параметров кластера. При проведении классификации объектов игнорируется очень часто возможность отсутствия в рассматриваемой  совокупности каких-либо значений кластеров.В кластерном анализе считается, что:а) выбранные характеристики допускают в принципе желательное разбиение на кластеры;б) единицы измерения (масштаб) выбраны правильно.Выбор масштаба играет большую роль. Как правило, данные нормализуют вычитанием среднего и делением на стандартное отклонение, так что дисперсия оказывается равной единице [23].2.2 Корреляционный анализОбнаружение и детальный анализ взаимосвязей между явлениями и показателями различной природы, описание их количественных и качественных характеристик, безусловно, представляет собой важнейшую составляющую любого исследования, в том числе, экономического. С точки зрения процедуры обработки данных следует выделить два типа задач: исследование взаимозависимости между несколькими случайными рядами, либо изучение зависимости одного временного ряда (значений цен на рынке) от базовых величин, образующих временные ряды данных, например, изменяющиеся во времени значения средних доходов населения, величин валового продукта или условий ипотечного кредитования. Первый тип задач – установление взаимосвязи между временными рядами, опирается на корреляционный анализ. Во втором случае применяется аппарат множественной регрессии. С математической точки зрения в этих подходах много общего. Однако подмена одного метода другим может привести к ошибкам в интерпретации результатов. Взаимозависимость между двумя стационарными процессами, как правило, характеризуется коэффициентом корреляции, который определяется тем же образом, что и для двух случайных величин. Если есть основания ожидать запаздывания одного из процессов, корреляции рассчитывают для случайных величин, сдвинутых на фиксированный интервал времени или лаг. При этом величина корреляции может существенно изменяться в зависимости от лага, отражая реальные процессы запаздывания в динамической системе, под которой в данном случае понимается рынок. Корреляционный анализ — метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом (также часто встречается термин «корреляционно-регрессионный анализ», который является более общим статистическим понятием), с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям (используя коэффициент детерминации).Множество корреляционных полей. Распределения значений (x, y) с соответствующими коэффициентами корреляций для каждого из них. Коэффициент корреляции отражает «зашумлённость» линейной зависимости (верхняя строка), но не описывает наклон линейной зависимости (средняя строка), и совсем не подходит для описания сложных, нелинейных зависимостей (нижняя строка). Для распределения, показанного в центре рисунка, коэффициент корреляции не определен, так как дисперсия y равна нулю [22, 23].Применение возможно при наличии достаточного количества наблюдений для изучения. На практике считается, что число наблюдений должно быть не менее, чем в 5-6 раз превышать число факторов (также встречается рекомендация использовать пропорцию не менее, чем в 10 раз превышающую количество факторов). В случае, если число наблюдений превышает количество факторов в десятки раз, в действие вступает закон больших чисел, который обеспечивает взаимопогашение случайных колебаний.Необходимо, чтобы совокупность значений всех факторных и результативных признаков подчинялась многомерному нормальному распределению. В случае, если объём совокупности недостаточен для проведения формального тестирования на нормальность распределения, то закон распределения определяется визуально на основе корреляционного поля. Если в расположении точек на этом поле наблюдается линейная тенденция, то можно предположить, что совокупность исходных данных подчиняется нормальному закону распределения.Исходная совокупность значений должна быть качественно однородной.Сам по себе факт корреляционной зависимости не даёт основания утверждать, что одна из переменных предшествует или является причиной изменений, или то, что переменные вообще причинно связаны между собой, а не наблюдается действие третьего фактора.Таким образом, корреляционный анализ представляет собой полезный инструмент, в некоторой степени и при определенных условиях характеризующий взаимозависимость случайных величин. Однако следует также учитывать, что в общем случае анализ взаимосвязей между двумя временными рядами есть весьма сложная задача, не исчерпывающаяся расчетом одного лишь коэффициента корреляции и не позволяющая сделать достаточно надежные суждения относительно взаимосвязи двух или нескольких рядов. В связи с этим, коэффициент корреляции для двух рядов в общей ситуации, т.е. при отсутствии уверенности, что случайные величины описываются нормальным законом распределения, можно рассматривать скорее как индикатор наличия какой-либо взаимосвязи, чем как точную меру ее выражения [23].Однако, статистическая зависимость, какой бы сильной она не была, не может служить основанием для утверждения о наличии причинно-следственной связи. Данное утверждение лежит вне статистики. Оно может быть сделано лишь на основании содержательного анализа процессов, порождающих эти ряды. В связи с этим следует отметить, что использование методов корреляционно–регрессионного анализа в практике исследования рынков не всегда является безупречным, и некорректное применение его или некорректная интерпретация результатов могут привести к серьезным заблуждениям.2.3 Регрессионный анализРегрессионный (линейный) анализ — статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных , а не причинно-следственные отношения.Цели регрессионного анализаОпределение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными)Предсказание значения зависимой переменной с помощью независимой (-ых)Определение вклада отдельных независимых переменных в вариацию зависимойСуществует три первостепенных причины, по которым обычно используют регрессионный анализ:Смоделировать некоторые явления, чтобы лучше понять их и, возможно, использовать это понимание для оказания влияния на политику и принятие решений о наиболее подходящих действиях. Основная цель - измерить экстент, который при изменениях в одной или более переменных связанно вызывает изменения и в другой. Смоделировать некоторые явления, чтобы предсказать значения в других местах или в другое время. Основная цель - построить прогнозную модель, которая является как устойчивой, так и точной. Вы также можете использовать регрессионный анализ для исследования гипотез.Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализа [22, 23].ГЛАВА 3 АНАЛИЗ КОНЪЮНКТУРЫ МИРОВОГО РЫНКА ТОВАРА За последние 30 лет мировое производство стали выросло более чем в 2 раза, достигнув более 1.5 млрд.тонн в 2012 г. При этом основной прирост приходится на период с начала 2001-х годов, когда среднегодовой темп роста производства стали вырос до 5.4% в сравнении с 0.8% в 1980-2001 гг. Столь сильный рост производства стали и спроса на руду вызван в первую очередь процессом активной урбанизации и индустриализации в Китае. Все это привело к тому, что за последние 10 лет мировой спрос на железную руду рос на 6% в год, в то время как спрос на руду в Китае рос на 16% в год. Мировое потребление руды превысило 1.9 млрд.тонн в 2012, из которых 1 млрд.тонн был потреблен Китаем. Спрос на железную руду в России за это время вырос на 20%, достигнув примерно 65 млн.т. При 10 этом экспорт железной руды из России за это время демонстрирует стремительный рост с 11 млн.т в 2000 г. до 31 млн.т в 2012 г. Хотя Китай имеет огромные собственные запасы руды, занимая 4-ое место в мире по объему запасов, специфические геологические особенности определили структуру горнодобывающей промышленности страны с малым количеством месторождений качественной руды. Так более 75% объема ее потенциальной добычи руды исторически имеют высокие издержки производства. Поэтому страна наращивала объемы импорта более дешевой и качественной руды, превратившись в ее крупнейшего импортера. Доля Китая в международном импорте железной руды выросла с 16% до 66% в 2001-11 гг. Характерно, что долгое время, начиная с 1950-х до начала 2001-х годов, основным импортером железной руды являлась Япония.В таблице 7 приведены показатели стран мира за 2013 год [21,22,23].СтранаМашиностроение, шт.Медицинское оборудование, млрд. рублейАвиастроение, млрд рублейНефтехимия, млрд. рублейЭлектроэнергетика, млрд. рублейСудостроение, млрд. рублейСтроительство,  млрд рублей.Атомная энергетика, млрд. рублейПриборостроение, млрд. рублейПищевая промышленость, млрд. рублейРоссия1471000264,9504,7306,1324,2150,4603,1210,5354,2405,3Австралия53400062,3235,278,498,355,2208,352,3200,6123,0Бразилия32600052,3222,5120,7088,4057,8198,663,1115,3111,2Индия22400024,291,263,5075,4035,6163,5038,3402,385,6ЮАР27500068,384,379,1087,4077,8179,1062,1223,5206,8Канада50400036,7137,1169,80113,8096,3169,80138,6400,8188,3Украина35200122,3452,6237,60198,79112,3237,60122,5215,1150,2Швеция40300044,5365,328,50310,40100,25228,50100,3155,9603,8Казахстан26900012,276,0023,7075,3025,3123,7055,398,6200,1Китай1419700565,8210,3627,90500,70520,3927,90320,3300,8686,3Япония4756000320,3223,90558,80300,93330,6558,80403,19298,6271,2Южная Корея3273650310,2198,6574,30202,24450,3674,30356,7288,8400,7Германия5365236300,3352,6440,60304,60250,3559,60150,3326,6360,3США9652320363,4865,9720,40623,90380,61983,40956,2518,9512,8Франция3540000198,6295,6315,00117,3088,4215,00523,0314,9230,8Тайвань334000154,656,347,8054,8765,3147,80117,29,7147,3Нидерланды23400098,353,0033,4052,5712,3122,2052,356,268,33.1. Кластерный анализМетодами кластерного анализа решается задача разбиения (классификации, кластеризации) множества объектов таким образом, чтобы все объекты, принадлежащие одному кластеру (классу, группе) были более похожи друг на друга, чем на объекты других кластеров.Метод средней связи Кинга является одним из важнейших иерархических агломеративных методов кластерного анализа. Процесс классификации состоит из элементарных шагов:Поиск и объединение двух наиболее похожих объектов в матрице сходства.Основанием для помещения объекта в кластер является близость двух объектов, в зависимости от меры сходства.На каком-либо этапе ранее объединенные в один кластер объекты считаются одним объектом с усредненными по кластеру параметрами.На следующем этапе находятся два очередных наиболее похожих объекта, и процедура повторяется с шага 2 до полного исчерпания матрицы сходства.При использовании представленного здесь не возникает проблемы возможного несоответствия применяемой меры и шкалы измерения, т.к. метод оперирует не исходными объектами, а построенной матрицей сходства, по определению являющейся количественной. Координаты центра тяжести кластера вычисляются не по исходным данным - они являются продуктом манипуляций с матрицей сходства.В качестве меры различия для метода средней связи используется любая из представленных в программе мер, чем и определяется универсальность метода для смешанных данных.В результате кластерного анализа было сформировано пять кластеров:Россия, Австралия, Бразилия, Индия, ЮАР, Канада, Украина, Швеция, Казахстан, Китай, Тайвань, Нидерланды Япония, Южная Корея, Германия, ФранцияСШАДанное разбиение показывает, что в указанных странах схожи статистические показатели, а значит дальнейший регрессионно- корреляционный анализ можно проводить для одного представителя из каждой группы.Выберем Россию, Германию, США.В исследовании кластерный анализ применяется для разбиения стран на три кластера методом к-средних. Группировка производится с целью проведения дальнейшего анализа лишь для трех стран – представителей каждого кластера, что значительно упрощает задачу исследования. Программа SPSS позволяет воспользоваться этим методом автоматически. В SPSS необходимо нажать меню- анализ данных- классификация- кластер.- К среднее. Включаем все переменные в анализ. В параметрах выбирается каждый кластер для каждого наблюдения , число кластеров 3.