|
Электронный научно-практический журнал «МОЛОДЕЖНЫЙ НАУЧНЫЙ ВЕСТНИК» НОЯБРЬ 2017 |
|
|
ЭКОНОМИЧЕСКИЕ НАУКИ |
|
Электронный научно-практический журнал «МОЛОДЕЖНЫЙ НАУЧНЫЙ ВЕСТНИК» НОЯБРЬ 2017 |
|
|
ЭКОНОМИЧЕСКИЕ НАУКИ |
УДК 336
Бенчмаркинг при тарифообразовании, как метод ценого регулирования, для повышения уровня эффективности электросетевых компаний
Петрушина Анна Андреевна
ФГБОУ ВО «Челябинский государственный университет»
В рамках настоящего исследования проведен сравнительный анализ моделей бенчмаркинга при регулировании тарифов электросетевых компаний.
Ключевые слова: энергетика, распределительная электросетевая компания, тарифное регулирование, стимулирующие регулирование, бенчмаркинг, сравнительный анализ.
BENCHMARKING AT THE TARIFF FORMATION, AS A METHOD OF REGULATION, FOR IMPROVING THE EFFICIENCY LEVEL OF ELECTRIC POWER COMPANIES
In the framework of this study, a comparative analysis of benchmarking models was conducted in regulating the tariffs of electric grid companies.
Keywords: power engineering, distribution electric grid company, tariff regulation, incentive regulation, benchmarking, comparative analysis.
Успешной интегрированной экономической системой можно назвать ту систему, целью которой является повышение эффективности деятельности путем координации важнейших финансовых рычагов. Рентабельность, структура затрат, уровень тарифов и цен оказывают активное влияние на темп развития и эффективность функционирования экономической системы. Системы, где уровень тарифов и цен определяют результативность деятельности, имеют огромное влияние на национальную экономику.
Одной из таких систем является отрасль электроэнергетики.
Электроэнергетика - отрасль народного хозяйства, определяющая экономическое и социально развитие страны.
Федеральным законом от 26 июля 2010 года N 187-ФЗ, законом «Об электроэнергетике», определено: цены (тарифы) в электроэнергетике - система ценовых ставок, по которым осуществляются расчеты за электрическую энергию (мощность), а также за услуги, оказываемые на оптовом и розничных рынках.
Крайние границы уровня тарифов на электроэнергию устанавливает Федеральная антимонопольная служба. На уровне регионов определяются их конкретные значения.
Анализируя информацию, предоставленную Федеральной службой государственной статистики, можно отметить, что тарифы на электроэнергию и тепло для населения и предприятий в Российской Федерации стремительно растут. Инфляция - не основная причина сложившейся ситуации. Прямая зависимость между ростом цен на невозобновляемые энергоносители и ростом цен на электроэнергию очевидна. Газ, нефть, уголь - это то, с помощью чего генерируется большая часть производимой электроэнергии на территории России [2].
На сегодняшний день, по сравнению с предельными уровнями, установленными ФАС с августа 2016г., лидерами по росту тарифов оказались Севастополь и Крым, чей предельный максимум ожидают до 32% (в Крыму - ориентировочно до 17%, в Севастополе - 18%). Тем не менее, установленные тарифы всё-таки окажутся ниже средних по Южному федеральному округу [2].
Рекордсменом по пикированию предельных тарифов являются Курганская область (на 20,6%). Амурская область также отличилась снижением уровня (на 7,2%), Бурятия - на 7,1% [2].
Увеличение предельных максимальных уровней тарифов всё же коснется большинства регионов страны. Подъем цен, в основном, колеблется в пределах от 2% до 5%. Есть регионы, чьи предельные тарифы оказываются на стабильном уровне, к там относятся: Курская и Архангельские области (чей рост составит до 0,2%) [2].
В Москве предельные уровни тарифов вырастут на 4,8%.
Бесспорно, появилось понимание того, что принципы тарифного регулирования имеют ряд пробелов: во-первых, по предоставленной статистике Росстата можно отметить то, что за короткий промежуток, 2013-2016 гг., произошел скачок цен как для бытовых потребителей, так и для промышленных держав. Во-вторых, ухудшаются показатели качества работы электросетевой инфраструктуры (возрастают потери, увеличивается аварийность и пр.). В-третьих, износ электротехнического оборудования требует скорейшей модернизации посредствам привлечения масштабных инвестиций [5].
На текущем этапе необходимо мотивировать электросетевые компании к эффективному расходованию потенциала и повышению качества оказываемых услуг. Цель - построение результативной системы тарифного регулирования.
Для обеспечения высокой операционной эффективности предполагается внедрение метода, опирающегося на результаты деятельности компаний-аналогов.
Бенчмаркинг в электроэнергетике - это процесс изучения и оценки передового опыта, заимствование выборочных идей бизнеса аналогичных энергокомпаний, внедрение успешной практики для улучшения деятельности собственной [1].
Мероприятия по использованию бенчмаркинга при регулировании тарифов электросетевых компаний:
|
Электронный научно-практический журнал «МОЛОДЕЖНЫЙ НАУЧНЫЙ ВЕСТНИК» НОЯБРЬ 2017 |
|
|
ЭКОНОМИЧЕСКИЕ НАУКИ |
|
Электронный научно-практический журнал «МОЛОДЕЖНЫЙ НАУЧНЫЙ ВЕСТНИК» НОЯБРЬ 2017 |
|
|
ЭКОНОМИЧЕСКИЕ НАУКИ |
Использование бенчмаркинга при регулировании тарифов предполагает выполнение сравнительного анализа электросетевых компаний. Ранжирование компаний-аналогов происходит по принципу: «эффективные» и «менее эффективные». Для каждой из компаний определяется величина производственной Х-эффективности относительно «лучших» или «средних» представителей. Полученные результаты оценивают регулирующие органы, определяя потенциал производственной эффективности. Далее происходит постановка задачи для неэффективной компании, оговоренными заранее периодом и конечным результатом, которым является некий целевой индикатор роста Х-эффективности.
Таблица 1 - Сравнительный анализ моделей бенчмаркинга при регулировании тарифов электросетевых компаний
|
PPI-анализ |
TFP-анализ |
Эконометрический анализ |
SFA-анализ |
DEA-анализ |
||
|
Общие свойства |
- единичные входные/выходные параметры; - секционный анализ, анализ временных данных |
- множественные входные/выходные параметры; - секционный анализ, временной анализ, анализ панельных данных |
- множественные входные/выходные параметры; - секционные анализ, временной анализ, анализ панельных данных |
- параметрический метод; - секционный анализ, анализ панельных данных |
- параметрический метод; - секционный анализ, анализ панельных данных |
|
|
Преимущества |
- нет жестких требований к базе данных; - простота расчетов |
- достаточно информативно насыщен; - относительная простота расчетов; - позволяет провести оценку долгосрочных тенденций производительности компаний и отрасли; - хорошее экономикотеоретическое обоснование |
- позволяет проведение статистических тестов; - позволяет учесть различия в условиях эксплуатации |
- технически разделяет величину случайной ошибки и величину Х- эффективности; - позволяет учесть различия в условиях эксплуатации |
- не требуется задавать функцию затрат, только ключевые затратообразующие факторы |
|
|
Недостатки |
- оценивает только отдельные аспекты производственной деятельности компании |
- неявно при оценке роста подразумевается полная техническая эффективность, постоянная отдача от |
- требуется большая и надежная база данных - необходимость обоснования корректности спецификации модели |
- требуется большая и надежная база данных - более сложный расчет |
- требуется большая и надежная база данных - не учитывает случайные ошибки в измерении данных |
|
|
- не учитывает случайные ошибки, в том числе измерении данных - не учитывает различия в условиях эксплуатации |
масштаба, поведенческие цели такие как минимизация затрат - не учитываются случайные ошибки, в том числе в измерении данных - сложно учесть различия в условиях эксплуатации |
- не разделяет величину случайной ошибки - результаты могут оказаться чувствительны к спецификации модели |
- необходимость обоснования корректности спецификации модели - резкие отклоняющие значения в данных могут привести к получению смещенных оценок |
- результаты чувствительны к наличию резко отклоняющихся значений в данных - результаты чувствительны к комбинациям входных-выходных параметров компаний, формирующих границу эффективной гиперплоскости |
Стоит отметить, что довольно-таки сложно выстроить модель бенчмаркинга, которая бы учла все особенности функционирования исследуемых электросетевых компаний. «Гибкий» характер модели позволяет извлечь более точные оценки текущих бизнес-процессов, что неосуществимо без обширной и качественной информационной базы данных.
Выходные параметры компании электроэнергетики, как правило, охватывают параметры «на стороне спроса» (полезный отпуск, количество потребителей), при том, что параметры «на стороне предложения» (площадь покрытия сети, мощность) и параметры качества электроснабжения (длительность и частота перебоев в электроснабжении) чаще всего не включаются. Дискуссии на данную тему многочисленны, многогранны и противоречивы. Отмечается, что включение показателей надежности в моделирование проектов существенно оказывают влияние на общую оценку производственной эффективности. Оппоненты, в свою очередь, опровергают данную точку зрения, тем самым выдвигая гипотезу, что влияние показателей надежности не оказывают.
Такой входной параметр, как капитальная составляющая, достаточно сложно оценить путем применения метода бенчмаркинга. Вместе с тем, данный показатель представляется собой важный, значимый для такой капиталоемкой отрасли как электроэнергетика.
По причине отсутствия целостного подхода к реализации метода бенчмаркинга, используются сразу несколько моделей, на базе результатов которых регулирующая компания принимает решение о реализации данного проекта с использованием тех или иных индикаторов производственной эффективности.
Использование бенчмаркинга при тарифообразовании, как метода ценового регулирования, требует решения двух сверхсложных задач: во-первых, необходима обширная и достоверная информационная база данных для получения точных результатов, во-вторых, выбор той методики, которая наиболее приспособлена для анализируемой выборки бизнеса.
На сегодняшний день межрегиональные распределительные электросетевые компании обладают коротким временным интервалом статистики. Для проведения сравнительного анализа производственной эффективности электросетевых компаний возможно использование DEAанализа, так как эконометрический анализ и SFA-анализ требуют обширной базы данных, а для TFPанализа целесообразно иметь выборку за достаточно длительный период времени.
По причине сложности расчетов, а также с точки зрения интерпретации полученных результатов, внедрение бенчмаркинга в российскую практику требует детальной проработки данного вопроса.