2

АННОТАЦИЯ
Аннотация: В условиях трансформации российской экономики,
обусловленной санкционными ограничениями, изменением логистических
маршрутов и структурной перестройкой внешнеэкономических связей, оптовая
торговля приобретает стратегическое значение для устойчивого социально-
экономического развития Российской Федерации. Целью данной дипломной
работы является проведение комплексного статистического анализа состояния и
перспектив развития оптовой торговли в Российской Федерации. Объектом
исследования выступает оптовая торговля в Российской Федерации, а предметом
—
количественные и качественные закономерности развития оптовой торговли в
РФ и методы их изучения. В первой главе рассмотрены теоретико-
методологические основы статистического анализа оптовой торговли, дана
характеристика системы показателей и сформирована информационная база
исследования. Вторая глава посвящена статистическому изучению динамики и
структуры оптовой торговли, а также проведению многомерной классификации
регионов РФ по состоянию оптовой торговли. В третьей главе по строены
многофакторные регрессионные модели зависимости оборота оптовой торговли
от макроэкономических факторов с интерпретацией влияющих факторов, а также
реализовано прогнозирование показателей оптовой торговли на 2025–2027 гг. с
применением
трендовых,
ARIMA-моделей
и
адаптивных
методов
экспоненциального сглаживания.
Ключевые слова: оптовая торговля, статистический анализ, регрессионное
моделирование, прогнозирование оборота, номинальный и реальный оборот,
индекс физического объёма, анализ динамических рядов.

4
СОДЕРЖАНИЕ
ВВЕДЕНИЕ.................................................................................................................. 5
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СТАТИСТИЧЕСКОГО АНАЛИЗА
ОПТОВОЙ ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ .................................... 7
1.1 Оптовая торговля как объект статистического наблюдения ......................... 7
1.2 Формирование системы показателей для проведения статистического
анализа состояния и перспектив развития оптовой торговли .............................. 11
1.3 Методы проведения статистического анализа состояния и перспектив
развития оптовой торговли в Российской Федерации ........................................... 14
ГЛАВА 2. СТАТИСТИЧЕСКИЙ АНАЛИЗ СОСТОЯНИЯ ОПТОВОЙ
ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ ....................................................... 27
2.1 Статистическое изучение динамики и структуры оптовой торговли в
Российской Федерации ............................................................................................. 27
2.2
Проведение многомерной классификации регионов Российской
Федерации по состоянию оптовой торговли .......................................................... 44
ГЛАВА 3. СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПЕРСПЕКТИВ РАЗВИТИЯ
ОПТОВОЙ ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ .................................. 52
3.1
Эконометрическое моделирование зависимости оборота оптовой
торговли в Российской Федерации от макроэкономических факторов ............... 52
3.2
Прогнозирование показателей оптовой торговли в Российской
Федерации на основе трендовых и адаптивных моделей ..................................... 59
ЗАКЛЮЧЕНИЕ ......................................................................................................... 77
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ................................................ 83
ПРИЛОЖЕНИЯ ......................................................................................................... 90

5
ВВЕДЕНИЕ
Оптовая торговля представляет собой ключевое звено товаропроводящей
цепи, обеспечивающее связь между производством и розничной торговлей. В
условиях трансформации российской экономики, обусловленной санкционными
ограничениями, изменением логистических маршрутов и структурной
перестройкой внешнеэкономических связей, оптовая торговля претерпевает
существенные изменения, требующие всестороннего статистического изучения.
Актуальность исследования определяется необходимостью оценки
состояния и перспектив развития оптовой торговли в РФ в условиях высокой
макроэкономической неопределенности. Номинальный рост оборота оптовой
торговли, наблюдаемый в последние годы, сопровождается снижением реальных
объемов товарооборота, падением рентабельности предприятий и поляризацией
регионального рынка, что требует применения статистических методов для
выявления объективных тенденций и формирования прогнозов.
Объектом исследования выступает оптовая торговля в РФ.
Предметом исследования являются количественные и качественные
показатели состояния и перспектив развития оптовой торговли в РФ, а также
методы их статистического анализа.
Целью работы является проведение статистического анализа состояния и
перспектив развития оптовой торговли в РФ.
Для достижения поставленной цели были определены следующие задачи:
1.
систематизировать
теоретические
основы
статистического
наблюдения за оптовой торговлей и сформировать систему показателей для
анализа ее состояния и перспектив развития;
2.
изучить динамику и структуру оптовой торговли в РФ, по
показателям объема оборота, товарной структуры, финансовых результатов и
эффективности, организационной структуры предприятий;
3.
провести многомерную классификацию регионов РФ по состоянию
оптовой торговли на основе факторного и кластерного анализа;

6
4.
построить эконометрическую модель зависимости оборота оптовой
торговли от макроэкономических факторов и выполнить её диагностику;
5.
сформировать прогнозы развития оптовой торговли на 2025–2027 гг.
на основе трендовых и адаптивных моделей.
Информационная база исследования составлена из официальных
статистических данных Росстата, Банка России, Министерства экономического
развития РФ, а также данных выборочных обследований конъюнктуры оптовой
торговли. Анализ проведён за период 2000–2024 гг. с прогнозом на 2025–2027 гг.
Методологическая база исследования включает методы анализа
динамических рядов, структурных сдвигов, факторного и кластерного анализа,
корреляционно-регрессионного анализа, а также трендовые модели, модель
ARIMA и адаптивные методы экспоненциального сглаживания. Вычисления
выполнены в программных средах MS Excel и Gretl.
Практическая значимость работы заключается в возможности
использования полученных результатов для обоснования региональной
политики поддержки оптовой торговли, выбора инструментов денежно-
кредитного регулирования и планирования инвестиционной деятельности в
отрасли.
Работа имеет традиционную структуру и состоит из трех глав, разбитых на
параграфы, введения, заключения, списка литературы и приложений.

7
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СТАТИСТИЧЕСКОГО
АНАЛИЗА ОПТОВОЙ ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
1.1 Оптовая торговля как объект статистического наблюдения
Во второй статье Федерального закона от 28.12 .2009 N 381-ФЗ «Об основах
государственного регулирования торговой деятельности в Российской
Федерации» дается следующее определение: оптовая торговля - вид торговой
деятельности, связанный с приобретением и продажей товаров для
использования их в предпринимательской деятельности, в том числе для
перепродажи, или в иных целях, не связанных с личным, семейным, домашним
и иным подобным использованием [1].
Важным отличием оптовой торговли от розничной является цель
приобретения товара. Если физическое лицо приобретает целую партию товара
для личного, семейного, домашнего или иного подобного использования , то
такая операция будет считаться розничной. Если же покупателем выступает
юридическое лицо или индивидуальный предприниматель в целях обеспечения
своей деятельности, в том числе для производства, перепродажи или иного
коммерческого использования, то сделка будет считаться оптовой [1].
Также отличием оптовой торговли от розничной является оформление
сделки по продаже. В оптовой торговле между контрагентами заключается
договор купли-продажи, который на практике часто оформляется как договор
поставки товаров. По такому договору товар приобретается для
предпринимательской деятельности, то е сть не может передаваться физическим
лицам. При отгрузке товаров продавец оформляет счёт-фактуру и товарную
накладную. Счета-фактуры выставляются не позднее пяти календарных дней со
дня отгрузки товара, выполнения работ, оказания услуг или со дня получения
предоплаты. В целях оптимизации документооборота организации оптовой
торговли могут заменить счёт-фактуру и товарную накладную на универсальный
передаточный документ (далее УПД), утверждённый Федеральной налоговой
службой. УПД объединяет в себе функции счёта-фактуры и первичного

8
документа. В розничной торговле при продаже товаров конечным потребителям
оформляется только кассовый чек [9, 124].
С экономической точки зрения оптовая торговля является связующим
звеном между производителями и розничной торговлей, позволяя обеспечить
рынок товарами, рационально распределить их и предоставить конечному
потребителю. В исследовании «Значение оптовой торговли в системе
хозяйственных отношений» отмечается — оптовая торговля является важным
посредническим звеном между сферами производства и потребления в процессе
воспроизводства, так как в результате оптовой продажи товары могут поступать
в производственное потребление или поступать в розничные торговые сети для
перепродажи конечному потребителю [10, 25]. Следовательно, экономическая
сущность оптовой торговли обусловливает её центральную роль в
товаропроводящей цепи.
Для количественного измерения описанных процессов и идентификации
субъектов используется общероссийский классификатор видов экономической
деятельности (далее ОКВЭД-2), в котором приводится следующее определение:
«оптовая торговля — это перепродажа новых или бывших в употреблении
товаров розничным продавцам, продажа юридическим лицам, таким как
производственные, коммерческие, институционные или профессиональные
пользователи, либо перепродажа другим оптовым торговцам, либо привлечение
агентов или брокеров для покупки или продажи товаров» [8].
В соответствии с ОКВЭД-2 оптовая торговля классифицируется классом 46
«Торговля оптовая, кроме оптовой торговли автотранспортными средствами и
мотоциклами», однако к данному виду торговли также относится ряд смежных
видов экономической деятельности: оптовая торговля автотранспортными
средствами и мотоциклами, упаковывание товаров для третьей стороны, аренда
и лизинг, кроме услуг конечному потребителю, торговля энергоресурсами [5].
В методологии, приводимой Росстатом, оптовая торговля определяется как
вид торговой деятельности, связанный с приобретением и продажей на

9
внутреннем и внешнем рыках новых или бывших в употреблении товаров
розничным продавцам, юридическим лицам, другим оптовым продавцам либо
привлечением агентов или брокеров в целях использования товаров в
предпринимательской деятельности [5].
Все три источника определений рассматривают объект исследования как
деятельность, связанную с продажей товаров в целях предпринимательской
деятельности, исключающей личное потребление. Различия определений
оптовой торговли в федеральном законе, по ОКВЭД-2 и статистической
методологии обусловлены назначением. ФЗ No381 определяет общие правовые
границы объекта
исследования.
ОКВЭД-2 является
инструментом
классификации и регистрации видов хозяйственной деятельности и в своем
определении фокусируется на субъектах оптовой торговли. Методология
Росстата приводит дополнительные классификации, обеспечивая всестороннее
статистическое наблюдение за оптовой торговлей.
Из приведенных определений следует, что субъектами статистического
наблюдения оптовой торговли являются — юридические лица и
индивидуальные предприниматели, осуществляющие деятельность по оптовой
продаже товаров. Объектом статистического наблюдения являются процессы и
результаты оптового товарооборота, а также количественные характеристики
этих процессов.
Информационную основу статистического наблюдения за оптовой
торговлей составляют данные по формам официального статистического
наблюдения установленные Федеральной службой государственной статистики
Приказом от 29 мая 2025 г. No259. Для формирования показателей оптового
товарооборота используются:

Форма No П-1 «Сведения о производстве и отгрузке товаров и услуг»;

No 1-ТОРГ «Сведения о продаже товаров организациями оптовой и
розничной торговли»;

No П-5 (м) «Основные сведения о деятельности организации»;

10

No ПМ-торг «Сведения об обороте оптовой торговли малого
предприятия»;

No 1-конъюнктура (опт) «Обследование конъюнктуры и деловой
активности в оптовой торговле»;

NoПМ «Сведения об основных показателях деятельности малого
предприятия»;

No 1-ИП «Сведения
о
деятельности
индивидуального
предпринимателя» [5].
Методология Росстата, предусматривает необходимость учитывать
скрытую деятельность,
которую
нельзя
зафиксировать
прямыми
статистическими методами. Размер скрытой деятельности оценивается в
процентах и определяется как разность между фактическим и ожидаемым
уровнем торговой наценки, полученным из выборочного обследования
конъюнктуры формы No 1-конъюнктура (опт), проводимого ежеквартально. При
этом в расчёт скрытой деятельности не включаются индивидуальные
предприниматели, организации с численностью до 15 человек, которые не
подпадают под малый бизнес, а также малые предприятия и микропредприятия,
для которых оптовая торговля не является основной деятельностью. Это
приводит к определённым пробелам в полноте статистического охвата [5].
Таким образом, оптовая торговля представляет собой многогранный
объект статистического наблюдения, требующий комплексного подхода к
измерению и анализу. Для дальнейшего анализа будет сформирована система
статистических показателей, позволяющая всесторонне охарактеризовать
состояние и перспективы развития оптовой торговли в РФ.

11
1.2 Формирование системы показателей для проведения статистического
анализа состояния и перспектив развития оптовой торговли
Для комплексного статистического изучения оптовой торговли в РФ была
сформирована система взаимосвязанных показателей, охватывающих объемно-
динамические, структурные, финансово-экономические и организационно-
ресурсные аспекты отрасли. Информационная база исследования основана на
данных официальных форм федерального статистического наблюдения,
публикуемых Росстатом.
Система показателей включает в себя пять взаимосвязанных групп
показателей. (табл. 1)
Таблица 1 – Система показателей для анализа состояния и перспектив развития
оптовой торговли в РФ
Группа показателей
Показатель
1. Объём и динамика оборота
Оборот оптовой торговли, млрд руб.
Индекс физического объёма (ИФО), %
Оборот оптовой торговли на душу населения,
руб./чел.
Доля торговли в ВВП/ВРП, %
Инвестиции в основной капитал, млрд руб.
2. Товарная структура и ассортимент
Структура оборота по товарным группам, %
Коэффициенты структурных сдвигов
3. Финансовые результаты и эффективность
Валовая прибыль, млн руб.
Рентабельность продаж, %
Затраты на 1 руб. оборота, руб.
4. Организационная структура, концентрация,
трудовые ресурсы
Оборот по группам организаций по размеру,
млрд руб.
Доля крупных организаций в обороте, %
Распределение организаций по формам
собственности, %
Количество организаций оптовой торговли, ед.
Количество организаций на 10 000 чел., ед.
Среднегодовая численность занятых, чел.
Индекс производительности труда
5. Макроэкономические факторы (для
моделирования)
Индекс потребительских цен (ИПЦ)
Среднегодовой курс доллара США, руб.
Коэффициент монетизации экономики
Источник: составлено автором на основе данных Росстата [14-24]
Первая группа — показатели объёма и динамики оборота оптовой
торговли, позволяет оценить масштаб деятельности и основные тенденции
развития. Ключевым показателем выступает оборот оптовой торговли,

12
представляющий собой выручку от реализации товаров, приобретённых ранее на
стороне в целях перепродажи юридическим лицам и индивидуальным
предпринимателям. Согласно методологии Росстата, оборот оптовой торговли
досчитывается на объёмы скрытой деятельности, ненаблюдаемой прямыми
статистическими методами [1]. Данный показатель формируется на основе
данных формы статистического наблюдения No1-торг «Сведения о перепродаже
товаров организациями оптовой и розничной торговли» и формы No1-ИП
(торговля) для индивидуальных предпринимателей. Формы утверждены
Приказом Росстата от 31.07.2023 No364 [2]. Оборот оптовой торговли
используется в качестве зависимой переменной в эконометрическом
моделировании, а также как база для расчёта производных относительных
показателей.
Индекс физического объема оптовой торговли характеризует совокупное
изменение товарной массы в текущем периоде по сравнению с предыдущим
периодом и показывает, как изменился оборот в результате изменения только его
физического объема при исключении фактора изменения цен [1]. Данный
показатель является одним из основных индикаторов эффективности развития
оптовой торговли и применяется для дефлирования номинального оборота и
выявления степени инфляционного характера роста отрасли.
Оборот оптовой торговли на душу населения представляет собой
относительный показатель, отражающий уровень развития оптовой торговли с
учётом демографических факторов. Используется в анализе динамики в
действующих и сопоставимых ценах, а также для сопоставления регионов по
уровню оптовой торговли в кластерном анализе.
Доля торговли в валовом внутреннем продукте (далее ВВП) и валовом
региональном продукте (далее ВРП) характеризует секторальную значимость
отрасли в экономике страны и субъектов РФ. В силу методологических
ограничений статистического учета данный показатель рассчитывается в целом
по разделу G ОКВЭД-2 «Торговля оптовая и розничная; ремонт

13
автотранспортных средств и мотоциклов» без разбивки на отдельные виды
деятельности. Показатель применяется для анализа структурных сдвигов в
экономике и в качестве макроэкономического фактора для эконометрического
моделирования.
Инвестиции
в
основной
капитал
отражают
масштабы
воспроизводственной деятельности и обеспеченность материально-технической
базы отрасли. Показатель используется для динамического анализа.
Вторая группа включает показатели товарной структуры и ассортимента.
Позволяет выявить специализацию оптовой торговли и структурные сдвиги в
отрасли. Анализ структуры оборота по основным товарным группам даёт
представление о товарной специализации оптовой торговли. Для количественной
оценки интенсивности структурных изменений применяются коэффициенты
структурных сдвигов: индекс Гатева, индекс В.М. Рябцева и линейный
коэффициент абсолютных структурных сдвигов. Данные показатели
применяются для сопоставления товарной структуры оборота за 2017 г. и 2024 г.
Третья группа содержит показатели финансовых результатов и
эффективности. Она отражает экономическую эффективность оптовой
деятельности.
Валовая
прибыль
является
основным
показателем
результативности торговой деятельности, рассчитывается как разница между
выручкой от реализации товаров и себестоимостью проданных товаров.
Рентабельность
продаж
характеризует
эффективность
текущей
деятельности как отношение прибыли от продаж к обороту оптовой торговли.
Затраты на 1 рубль оборота отражают затратность торговых операций и
рассчитываются как отношение коммерческих и управленческих расходов к
обороту оптовой торговли.
Перечисленные показатели применяются для оценки финансовой
эффективности отрасли и для классификации регионов РФ.
Четвёртая группа состоит из показателей организационной структуры,
концентрации и трудовых ресурсов. Характеризует структуру оптового звена,

14
степень монополизации рынка и использование трудовых ресурсов. Анализ
оборота по группам организаций в зависимости от размера и доля крупных
организаций позволяет оценить концентрацию рынка оптовой торговли.
Распределение организаций по формам собственности характеризует
организационно-правовую структуру отрасли.
Абсолютное и относительное количество организаций отражает
насыщенность рынка.
Данные показатели используются для анализа институциональных
трансформаций отрасли и для кластеризации регионов.
Среднегодовая численность занятых и индекс производительности труда
характеризуют трудовые ресурсы отрасли торговли и эффективность их
использования. Важно отметить, что данные показатели публикуются Росстатом
совокупно по разделу G ОКВЭД-2 «Торговля оптовая и розничная; ремонт
автотранспортных средств и мотоциклов» без разбивки на отдельные виды
деятельности, вследствие чего в исследовании они применяются как показатели
сектора торговли в целом.
Кроме того, для эконометрического моделирования применяются
следующие макроэкономические показатели: индекс потребительских цен,
среднегодовой курс доллара США и коэффициент монетизации экономики,
рассчитываемый как отношение денежной массы к ВВП.
Полученная система показателей обеспечивает возможность изучения
динамики, структуры, эффективности функционирования оптовой торговли, а
также выявление факторов, определяющих ее развитие.
1.3 Методы проведения статистического анализа состояния и перспектив
развития оптовой торговли в Российской Федерации
Для проведения статистического анализа состояния и перспектив развития
оптовой торговли в РФ используются методы анализа динамических рядов,

15
структурных сдвигов, корреляционно-регрессионного анализа, многомерной
классификации и прогнозирования.
Для изучения динамики основных показателей оптовой торговли в РФ
используются аналитические и средние показатели динамики, такие как
базисный и цепной абсолютный прирост, темп прироста, средний абсолютный
прирост и средний темп прироста.
Базисный и цепной абсолютный прирост рассчитывается по следующим
формулам соответственно:
∆yБ=yi−y1,
(1)
∆yЦ=yi−yi−1,
(2)
Где yi – текущий уровень ряда; y1–начальный уровень ряда; уi-1
–
уровень
ряда, предшествующий отчетному. [26, 149]
Темп прироста базисный и цепной рассчитывается по формулам:
Тпр
Б=
yi
y1
⋅ 100% − 100%,
(3)
Тпр
Ц
=
yi
yi−1
⋅ 100% − 100%,
(4)
Для обобщающей характеристики динамического ряда применяются
средние показатели динамики [26, 151].
Средний абсолютный прирост:
∆y̅ =
yn−y1
n−1
=
∑yi − yi−1
m
,
(5)
Где n - число уровней ряда; m - число цепных абсолютных приростов [26,
с. 154].
Средний темп прироста позволяет увидеть среднее относительное
изменение уровней ряда за весь период времени и вычисляется по формуле [26,
155]:

16
Тпр
̅
̅
̅
̅
̅
=
√yn
y1
n−1
∗100− 100(%),
(6)
Для исключения ценового фактора при анализе динамики показателей в
действующих ценах применяется процедура дефлирования – пересчет
показателей в цены базисного года с использованием накопленного индекса
физического объема, рассчитанного методом последовательного перемножения
цепных индексов [6].
Структура и структурные сдвиги показателей оптовой торговли изучаются
с помощью: удельного веса структурной части, абсолютного прироста, темпа
роста, среднего абсолютного прироста и среднего темпа роста удельного веса,
индекса структурных сдвигов В. М. Рябцева [27, 223].
Удельный вес структурной части - доля отдельной части совокупности в ее
общем объеме, выраженная в процентах. Удельный вес рассчитывают по
формуле:
di=
показатель,характеризующий i−ую часть совокупности
показатель,характеризующий всю совокупность
∗ 100(%),
(7)
Индекс структурных сдвигов В. М. Рябцева показывает степень схожести
или различия структур в двух временных периодах:
IR=√
∑ (di
1
−di
0
)2
n
i=1
∑ (di
1
+di
0
)2
n
i=1
,
(8)
где di
1
,di
0
–
удельные веса частей совокупности в отчетном и базисном
периодах соответственно.
Индекс В. М. Рябцева интерпретируется по шкале от 0 до 1, где 0 говорит
о тождественности структур, а 1 – о полной противоположности структур [27,
223].
Для проведения многомерной классификации регионов РФ по состоянию
оптовой торговли применяются методы факторного и кластерного анализа.

17
Факторный анализ – это метод статистического анализа, использующийся для
изучения структуры многомерных данных с целью сокращения числа признаков
и их классифицирования с помощью группировки на факторы [25, 238].
Основной метод факторного анализа – метод главных компонент, с
помощью которого исходные данные преобразовывают в компоненты,
объясняющие дисперсию и корреляции исходных случайных величин. Эти
компоненты создаются для упрощения анализа без потери информации.
На основе матрицы парных корреляций R, вычисляются матрица
собственных значений λ и матрица собственных векторов U. Необходимые для
построения матрицы факторных нагрузок:
A=U·λ
1
2
⁄,
(9)
а также матрицы главных компонент и матрицы парных корреляций исходных
признаков.
Матрица главных компонент — это набор собственных векторов
корреляционной матрицы, полученных из исходных признаков.
F=Z ∗(AT)−1
(10)
Где Z – матрица стандартизованных значений исходных признаков. [25,
238]
Для стандартизации данных перед факторным анализом применяется Z-
стандартизация, приводящая все переменные к сравнимому виду с нулевым
средним и единичным стандартным отклонением:
zij =
xij−xj
̅
sj
,
(11)
Где xij - значение i-го объекта по j-му признаку, xj
̅-
среднее значение j-го
признака, sj – стандартное отклонение j-го признака [25, 241].
Пригодность данных для факторного анализа проверяется с помощью
теста Кайзера-Мейера-Олкина (далее КМО) и теста сферичности Бартлетта.
КМО оценивает долю дисперсии исходных переменных, обусловленную общими
факторами. Значения выше 0,6 свидетельствуют о пригодности данных. Тест

18
Бартлетта проверяет нулевую гипотезу о том, что корреляционная матрица
является единичной, отверждение гипотезы, при p-value меньшим 0,05,
подтверждает целесообразность факторного анализа [25, 244].
Первая главная компонента объясняет наибольшую долю дисперсии
изначальных факторов. Для определения числа главных компонент используются
накопленные дисперсии, а также график каменистой осыпи. Для повышения
интерпретируемости результатов проводится процедура вращения факторов
методом Варимакс. Данный ортогональный метод максимизирует дисперсию
квадратов факторных нагрузок внутри каждого фактора, обеспечивая четкое
разделение переменных по факторам и упрощая их интерпретацию [25, 248].
Кластерный анализ — это многомерный статистический метод,
направленный на разделение совокупности объектов на однородные группы .
Основная цель кластерного анализа заключается в том, чтобы объекты внутри
одного кластера были максимально схожи между собой, а объекты из разных
кластеров – максимально различны [25, 275].
В исследовании будет применена иерархическая кластеризация методом
Уорда, основанная на минимизации внутригрупповой суммы квадратов
отклонений. На каждом шаге объединяются два кластера, дающие минимальное
приращение общей внутригрупповой дисперсии.
Метод Уорда основан на минимизации дисперсии показателей внутри
кластеров. Основная идея метода заключается в объединении кластеров, которое
приводит к минимальному увеличению внутригрупповой дисперсии [25, 273]:
dij= ∑(xi − x)2
i
−
∑(xi − a)2
xi ∈A
−
∑(xi − b)
2
xi∈B
,
(12)
Полученные кластеры анализируются по их характеристикам, что
позволяет выявить особенности каждой группы и сделать выводы о структуре
данных.
Для определения оптимального числа кластеров анализируется
дендограмма построенная методом Уорда. Финальная кластеризация реализуется

19
методом k-средних, который минимизирует сумму квадратов евклидовых
расстояний от объектов до центроидов их кластеров. Алгоритм итеративно
перераспределяет объекты между кластерами до достижения сходимости [25,
280]. Метод k-средних требует задания числа кластеров заранее, в исследовании
число кластеров определяется на основе результатов иерархической
кластеризации методом Уорда и анализа изменения внутрикластерной
дисперсии. Для повышения качества кластеризации исходные данные
подвергаются Z-стандартизации по формуле (11).
В данном исследований кластерный анализ будет проведен на основе
полученных интегральных характеристик.
Для изучения влияния макроэкономических факторов на оптовую
торговлю в РФ применяется корреляционно-регрессионный анализ.
Парный коэффициент корреляции Пирсона отражает силу линейной связи
между двумя конкретными переменными, на фоне влияния всех остальных
признаков, включённых в модель [25, 143].
ρij =
∑(
n
i=1 xi−x
̅
)(yi−y
̅)
σx σy
,
(13)
Где n – объем выборки; xi – i -тый элемент выборки х; yi – i-тый элемент
выборки y; x
̅
,y
̅
–
среднее значение по выборке х, у; σx σy – стандартное
отклонение по выборке х, у.
Парный коэффициент корреляции Пирсона принимает значения в пределах
от -1 до 1. Знак коэффициента определяет направление связи. Чем ближе
абсолютное значение коэффициента к единице, тем сильнее выражена связь
между исследуемыми признаками [25, 145].
Помимо парного коэффициента корреляции, для анализа взаимосвязей
между признаками применят частный и множественный коэффициенты
корреляции.
Частный коэффициент корреляции позволяет оценить взаимосвязь
факторов без влияния остальных переменных. Его вычисляют по той, же

20
формуле, которая используется и для парного коэффициента, но применяют ее к
условному распределению, которое получают из исходной многомерной модели
после исключения влияния остальных переменных. Частный коэффициент
корреляции также находится в диапазоне от -1 до 1 [25, 149].
Значимость
парного
и
частного
коэффициентов
проверяется
статистической гипотезой о незначимости коэффициента корреляции, с
помощью критерия Стьюдента. Первым делом выдвигается нулевая гипотеза об
отсутствии связи между переменными.
Далее рассчитывается статистика tнабл:
tр=√
r2
(1−r2)
(n−l
−
2),
(14)
Где r – коэффициент корреляции Пирсона; n – число наблюдений выборки;
l – число исключаемых признаков.
Значение tнабл сравнивается с tкрит, которое определяется по таблице
распределения Стьюдента на пересечении уровня значимости – α и числа
степеней свободы – df. Если tр>tкрит, нулевая гипотеза отклоняется при заданном
уровне значимости, связь между переменными неслучайна [25, 152].
Множественный коэффициент корреляции характеризует тесноту связи
результативного признака с совокупностью факторных признаков.
r1/2,3,...,k = √1 −
|R|
A11
,
(15)
Где |R| - определитель корреляционной матрицы R.
Множественный коэффициент корреляции находится в диапазоне от 0 до 1
[25, 150].
Для проверки значимости множественного коэффициента корреляции
используют F-критерий Фишера. Нулевая гипотеза проверяет отсутствие связи
между переменными.
Рассчитывается фактическое значение F-статистики по формуле:

21
Fнабл =
1
k−1
r1 2,...,k
⁄
2
1
n−k
(1−r1 2,...,k
⁄
2
,
(16)
Где R2 — коэффициент детерминации; k — число независимых
переменных в модели; n — объём выборки.
Если Fнабл>Fкрит,
следовательно
нулевая
гипотеза отвергается,
множественный коэффициент корреляции статистически значим [25, 153].
Регрессионный анализ – это статистический метод, направленный на
изучение математической модели зависимости между результативным
признаком и независимыми переменными.
Ключевым этапом регрессионного анализа является определение
аналитической формы модели — линейной, нелинейной, полиномиальной и т.д .
От правильности этого выбора напрямую зависит качество оценок параметров,
достоверность статистических выводов и адекватность прогнозов. Неверная
спецификация модели может привести к смещённым оценкам, занижению
объясняющей способности и несостоятельности результатов [25, 187-188].
При построении регрессионных моделей необходима проверка на
отсутствие мультиколлинеарности между независимыми переменными, так как
она приводит к искажению параметров модели. Мультиколлинеарности
факторных признаков может быть выявлена по высоким парным и частным
коэффициентам корреляции, а также по коэффициенту инфляции дисперсии VIF
[28, 149].
VIFj =
1
1−Rj
2,
(17)
Где Rj
2
–
коэффициент детерминации регрессии Jго фактора на остальные
факторы. Значение VIF больше 10 свидетельствует о серьезной
мультиколлинеарности, требующей устранения [28, 149].
Для сравнения альтернативных спецификаций регрессионных моделей
применяется информационный критерий Акаике – AIC.
AIC = 2k − 2ln(L),
(18)

22
Где k – число параметров модели, L – значение функции правдоподобия.
Предпочтение отдается модели с минимальным значением AIC [28, 187].
Диагностика спецификации модель проводится с помощью теста Рамсея –
RESET-те ст. Нулевая гипотеза состоит в правильной спецификации модели, ее
отвержение свидетельствует о пропущенных нелинейных эффектах или
неправильной функциональной форме [28, 188].
Для проверки гомоскедастичности остатков применяются тест Уайта и
Бройша-Пэгана. Нулевая гипотеза об отсутствии гетероскедастичности
отвергается при p-value меньше 0,05, что указывает на необходимость
корректировки спецификации модели [28, 189].
Для проверки стабильности коэффициентов регрессии в условиях
структурных сдвигов применяется тест Чоу. Выборочный период разбивается на
две подвыборки, для каждой из которых оценивается регрессия. Нулевая
гипотеза о равенстве коэффициентов в подвыборках проверяется по F –
статистике.
F=
(RSSобщ − RSS1 − RSS2)/k
(RSS1 + RSS2)/(n1 + n2 − 2k)
,
(19)
Где RSSобщ — сумма квадратов остатков общей регрессии; RSS1, RSS2 —
суммы квадратов остатков по подвыборкам; n1, n2 — объёмы подвыборок. При
Fнабл<Fкрит гипотеза о стабильности коэффициентов не отвергается [28, 203-
205].
Оценка
качества построенной модели включает коэффициент
детерминации, который отражает долю дисперсии зависимой переменной.
Значение R2, приближающееся к 1, свидетельствует о высокой объясняющей
способности модели и её хорошем соответствии наблюдаемым данным. Также
используется исправленный коэффициент детерминации, учитывающий число
факторов в модели [25, 210].

23
Для исследования перспектив развития оптовой торговли в исследовании
применяются методы прогнозирования на основе трендовых и адаптивных
моделей.
Трендовые модели строятся методом наименьших квадратов и включают
линейную, экспоненциальную и параболическую спецификации. Выбор
оптимальной спецификации осуществляется по информационным критериям –
AIC и результатам диагностики остатков [25, 401].
Для устранения автокорреляции остатков трендовых моделей применяется
модель ARIMA. Модель включает 3 составляющие:

авторегрессионную, порядка p;

операцию дифференцирования порядка d для достижения
стационарности;

скользящее среднее порядка q.
Общий вид модели ARIMA:
Δdyt = c + ∑φiΔdyt−i
p
i=1
+ ∑θjεt−j
q
j=1
+ εt,
(20)
Где Δd — оператор дифференцирования порядка d, φi — коэффициенты
авторегрессии, θj — коэффициенты скользящего среднего, εt — белый шум [25,
412].
В исследовании
используется
спецификация
ARIMA с
детерминистическим
трендом в логарифмах,
оцениваемая
методом
максимального правдоподобия. Диагностика остатков включает проверку на
отсутствие автокорреляции и гомоскедастичность.
Адаптивные методы экспоненциального сглаживания применяются для
краткосрочного прогнозирования. Модель Хольта учитывает уровень и тренд
ряда:
Lt = αyt+(1−α)(Lt−1+Tt−1),
(21)
Tt = β(Lt − Lt−1)+(1−β)Tt−1,
(22)

24
yt+h
̂
= Lt+h⋅Tt,
(23)
Где Lt – сглаженный уровень, Tt – сглаженный тренд, α, β – параметры
сглаживания, h – горизонт прогнозирования [25, 398].
Демпфированная модель Хольта включает дополнительный параметр
демпфирования φ, который постепенно снижает вклад тренда в прогноз по мере
увеличения горизонта.
yt+h
̂
= Lt+(φ+φ2+⋯+φh)Tt,
(24)
Данная модификация повышает точность прогнозирования для рядов с
замедляющимся трендом и снижает риск завышенных оценок на дальних
горизонтах [25, 399].
Оптимальные параметры сглаживания подбираются минимизацией
среднеквадратичной ошибки - RMSE или средней абсолютной процентной
ошибки – MAPE.
MAPE =
100%
n
∑|yt − yt̂
yt
|
n
t=1
,
(25)
RSME=√
1
n
∑(yt − yt̂ )2
n
t=1
,
(26)
Сравнение прогнозных моделей проводится по совокупности критериев:
метрикам точности – MAPE и RMSE, диагностике остатков, ширине
доверительных интервалов и экономической интерпретируемости. Для
верификации моделей применяется ретроспективное прогнозирование на
выборке [25, 376].
В первой главе выполнено теоретическое обоснование статистического
анализа состояния и перспектив развития оптовой торговли в РФ.
Был проведён анализ нормативно-правовых и статистических определений
оптовой торговли. Установлено, что оптовая торговля трактуется как вид
торговой деятельности, связанный с приобретением и продажей товаров для

25
использования в предпринимательской деятельности, исключая личное
потребление. Субъектами статистического наблюдения выступают юридические
лица и индивидуальные предприниматели, осуществляющие деятельность по
оптовой продаже товаров. Объектом наблюдения являются процессы и
результаты оптового товарооборота.
Сформирована система показателей для анализа состояния и перспектив
развития оптовой торговли, включающая четыре взаимосвязанные группы:
показатели объёма и динамики оборота, товарной структуры, финансовых
результатов и эффективности, организационной структуры, концентрации и
трудовых ресурсов, также выделены три макроэкономических фактора для
моделирования. Ключевым показателем выступает оборот оптовой торговли,
формируемый на основе форм No1-торг и No1-ИП (торговля) и досчитываемый на
объёмы скрытой деятельности. Система показателей обеспечивает комплексное
изучение динамики, структуры, эффективности функционирования оптовой
торговли и выявление факторов, определяющих её развитие.
Обоснован методический аппарат исследования. Для анализа динамики
применяются базисные и цепные абсолютные приросты, темпы прироста,
средние показатели динамики, процедура дефлирования с использованием
накопленного индекса физического объёма. Структурные сдвиги оцениваются
индексом В.М. Рябцева, индексом Гатева и линейным коэффициентом
абсолютных структурных сдвигов. Для многомерной классификации регионов
используются факторный анализ методом главных компонент с вращением
Варимакс и кластерный анализ методом Уорда с финальной кластеризацией k-
средних. Для эконометрического моделирования применяется корреляционно-
регрессионный анализ с диагностикой мультиколлинеарности, спецификации,
гомоскедастичности и стабильности коэффициентов. Прогнозирование
осуществляется на основе трендовых, модели ARIMA с детерминистическим
трендом в логарифмах, а также адаптивных моделей Хольта и демпфированной
модели Хольта с оптимизацией параметров по RMSE и MAPE.

26
Таким образом, теоретические основы статистического анализа оптовой
торговли в РФ включают систематизированные определения объекта и субъектов
наблюдения, структурированную систему показателей и комплексный
методический аппарат, охватывающий анализ динамики, структуры,
многомерную
классификацию,
эконометрическое
моделирование
и
прогнозирование. Сформированная методология обеспечивает информационную
и методическую базу для проведения эмпирического анализа состояния и
перспектив развития оптовой торговли в РФ, представленного в главах 2 и 3.

27
ГЛАВА 2. СТАТИСТИЧЕСКИЙ АНАЛИЗ СОСТОЯНИЯ ОПТОВОЙ
ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
2.1 Статистическое изучение динамики и структуры оптовой торговли в
Российской Федерации
Оборот оптовой торговли в номинальном выражении в РФ за период с 2010
г. по 2024 г. характеризуется стабильным ростом. В 2010 г. оборот составлял
32 153,5 млрд руб., а к 2024 г. достиг 158 539,2 млрд руб., прирост составил 126
385,7 млрд руб. (на 393,07%). В среднем ежегодно оборот оптовой торговли
увеличивался на 9 027,6 млрд руб. (Приложение 1)
Значительные приросты оборота оптовой торговли наблюдаются в 2011 г.
по сравнению с 2010 г. оборот увеличился с 32 153,5 млрд руб. до 39 154 млрд
руб. на 7 000,5 млрд руб. (на 21,8%), данное увеличение связано с
восстановлением экономики после кризиса 2008 г. Восстановление ВВП, рост
инвестиций и внешнеэкономического оборота в 2010-2011 гг. создало условия
для развития в том числе и оптовой торговли [29]. Максимальный прирост за
изучаемый период наблюдался в 2021 г. к 2020 г. оборот увеличился с 84 847,9
млрд руб. до 109 486,8 млрд руб. на 24 638,9 млрд руб. (на 29%). Рост оборота
обусловлен восстановлением хозяйственной активности после пандемийного
спада в 2020 г., когда прирост к 2019 г. составил всего 699,2 млрд руб. (на 0,83%),
а также ускорением инфляционных процессов в пос тковидный период [30, 6].
Также значительный рост оборота оптовой торговли наблюдался в 2023 г. до 137
299,9 млрд руб. на 19 056,1 млрд руб. (на 16,1%) больше, чем в 2022 г. В 2023–
2024 гг. номинальный рост поддерживался высокой инфляцией [31, 159]. (рис. 1)
Минимальные темпы роста зафиксированы в 2020 г., когда прирост к 2019
г. составил 699,2 млрд руб. (на 0,83%), что непосредственно связано с введением
ограничительных мер в связи с пандемией COVID-19 и снижением деловой
активности субъектов оптовой торговли [32]. (рис. 1)

28
Рисунок 1 –Оборот оптовой торговли в фактически действовавших ценах и
темпы его прироста в Российской Федерации за 2010 – 2024 гг.
Источник: составлено автором на основе данных Росстата [14]
Индекс физического объёма (далее ИФО) оборота оптовой торговли,
рассчитанный в сопоставимых ценах, демонстрирует отличия по характеру
динамики по сравнению с номинальным оборотом. ИФО в 2010-2012 гг.
находился на уровне 103,0 – 104,4%, однако в 2013 г. наблюдается снижение
индекса до 100,7%, далее в 2014 г. значение восстанавливается до 103,9%, за
которым следует падение на 9,4 П.П. до 94,5% в 2015 г. Данное снижение
обусловлено экономическим кризисом 2014–2015 гг., введением санкционных
ограничений в отношении РФ и введением эмбарго на ввоз продовольственных
товаров со стороны РФ, что привело к сокращению импортных товаропотоков
[33, 49]. (рис. 2)
В 2016–2019 гг. наблюдалась неустойчивая позитивная динамика: ИФО
колебался в пределах 101,5 - 104,4%. Пандемия 2020 г. привела к снижению
индекса до 100,6%. В 2021 г. зафиксирован рост до 105,3%, а в 2022 г. произошёл
наибольший спад, индекс составил 83,8%, на 21,5 П.П. ниже предыдущего
32,153.5
45,121.451,343.9
84,148.7 84,847.9
109,486.8
118,243.8
158,539.2
13.8
21.8
5.1
13.8
5.5
0.8
29.0
8.0
15.5
0
5
10
15
20
25
30
35
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
160,000
180,000
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
м
л
р
д
.
р
у
б
.
Годы
Оборот оптовой торговли по РФ
Темп прироста цепной

29
периода. По оценкам экспертов, данное падение обусловлено геополитическими
событиями, логистическими перестройками и санкционными ограничениями
[34, 42]. (рис. 2)
В 2023 г. произошло восстановление ИФО до 110,0%, на 26,2 П.П., что
является максимальным значением за весь период и объясняется эффектом
низкой базы предыдущего года. Однако в 2024 г. динамика вновь замедлилась:
ИФО составил 106,9%, что указывает на неустойчивость восстановительных
процессов. (рис. 2)
Рисунок 2 – Индекс физического объема оптовой торговли в сопоставимых
ценах и темпы его прироста в Российской Федерации за 2010 – 2024 гг.
Источник: составлено автором на основе данных Росстата [15]
Сопоставление ИФО и динамики номинального оборота оптовой торговли
позволяет увидеть отличие динамики показателей. Базисный темп роста
номинального оборота демонстрирует восходящий тренд в период с 2010 г.,
взятого за базу сравнения, по 2024 г. показатель увеличился до 493,1%. В то же
время базисный ИФО вырос только на 26%, увеличившись за рассматриваемый
период до 126%. (рис. 3)
103.0 104.4 103.6 100.7 103.9
94.5
103.1 104.4 103.3 101.5 100.6 105.3
83.8
110.0 106.9
1.0 1.4 -0.8 -2.9
3.2
-9.4
8.6
1.3 -1.1 -1.8 -0.9
4.7
-21.5
26.2
-3.1
-30.00
-20.00
-10.00
0.00
10.00
20.00
30.00
0.0
20.0
40.0
60.0
80.0
100.0
120.0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
П
.
П
%
Годы
Индекс физического объема оборота оптовой торговли по РФ
Абсолютный прирост, цепной

30
Рисунок 3 – Сопоставление номинального оборота и ИФО оптовой торговли в
Российской Федерации за 2010 – 2024 гг.
Источник: составлено автором на основе данных Росстата [14-15]
Расхождения между кривыми заметно особенно в кризисные периоды. В
2015 г. базисный темп прироста номинального оборота составил 176,4%, а
базисный ИФО - 106,9%. Аналогично в 2022 г. оборот к 2010 г. вырос до 367,7%,
в то время как ИФО увеличился только до 107,1%. Данное расхождение
динамики вызвано влиянием инфляции на оборот оптовой торговли. (рис. 3)
Таким образом, динамика оборота оптовой торговли в РФ за период с 2010
г. по 2024 г. характеризуется устойчивым ростом номинального оборота с
32 153,5 млрд. руб. до 158 539,2 млрд руб. (на 393,07%) при слабом развитии
реального товарооборота, ИФО за изучаемый период вырос лишь на 26%.
Следовательно, можно говорить о том, что в изучаемом периоде основное
развитие отрасли происходило за счет инфляционных процессов.
Оборот оптовой торговли на душу населения – это относительный
показатель оборота оптовой торговли к среднегодовой численности населения.
Он отражает уровень развития оптовой торговли с учетом демографических
факторов.
100.0
121.8 133.6 140.3 159.7 176.4 191.9
216.8
248.1 261.7 263.9
340.5
367.7
427.0
493.1
100.0
104.4
108.2 108.9
113.2
106.9
110.3
115.1
118.9 120.7 121.4
127.8
107.1
117.8
126.0
70
80
90
100
110
120
130
140
50
100
150
200
250
300
350
400
450
500
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
%
Годы
Базисный темп роста номинального оборота
Базисный ИФО

31
Анализ динамики показателя в действующих ценах за период 2010-2024 гг.
демонстрирует устойчивый рост с 225 086,6 руб./чел. До 1 084 879,1 руб./чел., то
есть на 859 792,5 руб./чел. (на 381,98%). В среднем ежегодно прирост составлял
61 413,8 руб./чел. (на 11,89%). Наиболее значительны прирост наблюдался в 2021
г. по сравнению с 2020 г.
–
на 169 273,7 руб./чел. (на 29,47%). Также резкое
увеличение к прошлому году было в 2011 г. на 48 682,6 руб./чел. (на 21,63%) и
2023 г. на 132 538,3 руб./чел. (на 16,44%). Что связано с ростом оборота в эти
периоды из-за экономических факторов. (рис. 4)
Рисунок 4 –Оборота оптовой торговли на душу населения в фактически
действовавших ценах и его темпы прироста в Российской Федерации за 2010 –
2024 гг.
Источник: составлено автором на основе данных Росстата [14],[16]
Однако анализ показателя в фактически действовавших ценах не позволяет
определить реальное развитие оптовой торговли из-за влияния ценовых
факторов. Для исключения ценового фактора была применена процедура
дефлирования.
Накопленный ИФО рассчитан методом последовательного перемножения
цепных индексов [6].
Оборот в ценах 2010 г. вырос за период 2010-2024 гг. с 22 086,6 руб./чел. до
861 148,4 руб./чел. на 636 061,8 руб./чел. (на 282,59%). Значение показателя в
225,086.6
743,705.7
1,084,879.1
13.73
21.63
9.41
4.75
11.69
8.47
14.37
0.96
29.47
8.37
15.60
0
5
10
15
20
25
30
35
0
200,000
400,000
600,000
800,000
1,000,000
1,200,000
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
р
у
б
.
/
ч
е
л
.
Годы
Оборот на душу населения
Темп прироста цепной

32
2024 г. на 223 730,8 руб./чел. (на 20,62%) ниже оборота оптовой торговли в
фактических ценах. (рис. 4)
Рисунок 5 – Сопоставление номинального и дефлированного оборота оптовой
торговли на душу населения в Российской Федерации за 2010 – 2024 гг.
Источник: составлено автором на основе данных Росстата [14],[16]
Как было ранее установлено для общего оборота оптовой торговли, так и
для относительного показателя подтверждается, что рост товарооборота
преимущественно обусловлен ценовыми факторами.
Для анализа удельного веса оптовой торговли в ВВП РФ за период 2010-
2024 гг. были взяты данные по разделу G «Торговля оптовая и розничная, ремонт
автотранспортных средств и мотоциклов» ОКВЭД-2, так как отсутствуют данные
с разбивкой по группировкам.
Доля торговли в ВВП РФ снизилась с 19,4% в 2010 г. до 13% в 2024 г.
Падение было особенно значительным 2015-2016 гг.: с 19,3% в 2014 г. до 17,9%
в 2015 г. и до 15,7% в 2016 г. Тенденция к сокращению доли торговли
свидетельствует о структурном снижении значимости сектора торговли в
экономике и необходимости поиска новых драйверов развития [35].
Инвестиции
в
основной
капитал
характеризуют
масштабы
воспроизводственной деятельности и обеспеченности материально-технической
базы отрасли. Анализ показателя проводился по данным за 2010-2024 гг. с учетом
225,086.6
471,899.9
574,432.1
743,705.7 805,949.3
938,487.6
1,084,879.1
409 971.5
473 127.4
581 717.6
752 271.7
796 348.0
861 148.4
200,000
300,000
400,000
500,000
600,000
700,000
800,000
900,000
1,000,000
1,100,000
1,200,000
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
р
у
б
.
/
ч
е
л
.
Годы
Оборот на душу населения
Оборот на душу населения в ценах 2010 г.

33
изменения классификации ОКВЭД с 2017 г. До 2016 г. данные приведены по
классу «Оптовая торговля, включая торговлю через агентов, кроме торговли
автотранспортными средствами и мотоциклами», а с 2017 по классу 46 –
«Торговля оптовая, кроме оптовой торговли автотранспортными средствами и
мотоциклами».
Инвестиции выросли с 143,3 млрд руб. в 2010 г. до 775,4 млрд руб. в 2024
г., на 654,8 млрд руб. (на 441,1%). В среднем ежегодно прирост составлял 45,15
млрд руб. (13,87%). Наиболее значительный прирост наблюдался в 2016 г. до
272,4 млрд руб. или на 70,8 млрд руб. (на 35,1%) к 2015 г., Также значительный
рост наблюдался в 2021 г. инвестиции увеличились до 56,1 млрд руб. на 196,1
млрд руб. (на 59,4%) к 2020 г., что связано с кризисными периодами 2014-2015
гг. и 2020 г. (рис. 6)
Рисунок 6 –Инвестиции в основной капитал по оптовой торговле в фактически
действовавших ценах и их темпы прироста в Российской Федерации за 2010 –
2024 гг.
Источник: составлено автором на основе данных Росстата [18]
В целом инвестиционная активность в отрасли сохраняется, но ее
номинальный рост во многом обусловлен ростом цен.
Сравнение темпов роста инвестиций, оборота и ИФО по оптовой торговле
показывает, что рост инвестиций опережает динамику реального оборота,
143.3 149.3
272.4 268.8
349.4 330.0
526.1
635.0
775.4
18.8
4.2
35.1
- 1.3
30.0
- 8.8
59.4
20.7
10.9
-20
-10
0
10
20
30
40
50
60
70
0
100
200
300
400
500
600
700
800
900
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
м
л
р
д
р
у
б
.
Годы
Инвестиции в основной капитал по оптовой торговле
Темп прироста цепной

34
отражая переоценку активов и структурные изменения в отрасли. Например, в
2015-2016 гг. оборот рос умерено на 10,5% и 8,78% соответственно, а инвестиции
выросли на 9% в 2015 г. и на 35,1% в 2016 г., при падении ИФО в 2015 г. на 9,05%
и росте на 8,78% в 2016 г. Аналогичная ситуация наблюдается в 2020-2021 гг. Это
свидетельствует о том, что вложения направлялись на адаптацию к новым
условиям. (рис. 7)
Рисунок 7 – Соотношение темпов прироста инвестиций в основной капитал,
оборота оптовой торговли и ИФО в Российской Федерации за 2010 – 2024 гг.
Источник: составлено автором на основе данных Росстата [15],[18]
Таким образом инвестиционная активность в оптовой торговле
демонстрирует слабую связь с реальным товарооборотом. Рост номинальных
инвестиций в значительной степени обусловлен не наращиванием
производственных мощностей, а импортозамещением и изменением
логистических цепочек в условиях санкционных ограничений [34, 42].
Структура оборота оптовой торговли по группам товаров проведен по
данным за 2017-2024 гг. в связи с изменением ОКВЭД.
9.0
35.1
59.4
21.77
10.50
8.78
29.04
-9.05
-20.42
31.26
-25
-15
-5
5
15
25
35
45
55
65
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
Годы
Темп прироста инвестиций в основной капитал Темп прироста оборота оптовой торговли
Темп прироста цепной ИФО

35
Наибольшую долю в структуре в 2017 г. и 2024 г. занимает группа товаров
прочей специализированной оптовой торговлей – 42,7% и 47,4% соответственно.
Вторым по доле продуктом является доля пищевых продуктов 21,2% в 2017 г. и
21,6% в 2024 г. В 2024 г. по сравнению с 2017 г. увеличилась доля
сельскохозяйственного сырья с 2,8% до 4,2%. (рис. 8)
Рисунок 8 – Товарная структура оборота оптовой торговли по организациям
оптовой торговли в Российской Федерации за 2017 г. и 2024 г.
Источник: составлено автором на основе данных Росстата [20]
Для оценки интенсивности структурных сдвигов рассчитаны
коэффициенты структурных сдвигов. Индекс структурных В.М. Рябцева,
полученное значение 0,06 говорит о низком уровне различия структур. Индекс
Гатева равен 0,085 что также говорит о незначительных изменениях в структуре.
Значение линейного коэффициента абсолютных структурных сдвигов равно 1,68
П.П. Небольшие различия вызваны ростом доли группы товаров
2.8
4.2
21.2
21.6
14.9
14.7
0.4
0.3
47.4
42.7
1.4
4.8
5.7
7.2
6.2
4.5
0
20
40
60
80
100
2017
2024
%
Г
о
д
ы
Сельскохозяйственное сырье,
цветы и растения
Пищевые продукты, напитки и
табачные изделия
Непродовольственные
потребительские товары
Автотранспортные средства и
мотоциклы, их детали, узлы и
принадлежности
Специализированная оптовая
торговля прочая
Информационное и
коммуникационное оборудование
Прочие машины, оборудование и
инструменты
Прочие товары, не включенные в
вышеприведенные группировки

36
сельскохозяйственное сырье с 2,8% до 4,2%, информационное и
коммуникационное оборудование с 1,4% до 4,8%, а также снижением доли по
группе специализированной оптовой торговли прочей с 47,4% до 42,7%.
(Приложение 2)
Таким образом, товарная структура оптовой торговли в РФ в 2017-2024 гг.
характеризуется стабильностью, с небольшим ростом долей групп
сельскохозяйственное
сырье,
информационное
и
коммуникационное
оборудование, и снижением доли специализированной оптовой торговли.
Валовая прибыль (далее ВП) организаций оптовой торговли в РФ в 2015 г.
составила 6 044 129 млн руб., к 2024 г. увеличилась на 5 387 877 млн руб. (на
98,24%) до 10 872 002 млн руб. Наибольший прирост ВП случился в 2021 г. к
2020 г., ВП выросла до 11 413 183 млн руб. (на 57,17%). Это связано с
восстановлением спроса и инфляционным переоцениваем запасов после
пандемии. В 2023 г. наблюдалось небольшое падение относительно 2022 г., ВП
сократилась с 11 413 183 млн руб. до 9 736 182 млн руб. на 1 677 001 млн руб. (на
14,69%). В 2024 г. ВП составила 10 872 002 млн руб., частично восстановившись
после падения в 2023 г. В среднем ежегодно ВП организаций увеличивалась на
538 788 млн руб. (на 7,08%). (рис. 9)
Рисунок 9 – Валовая прибыль организаций оптовой торговли и ее темпы
прироста в Российской Федерации за 2015 – 2024 гг.
Источник: составлено автором на основе данных Росстата [20]
6,044,129
6,880,824
6,742,529
10,596,926
11,413,183
9,736,182
10,872,002
10.21
16.32
-6.15
57.17
7.70
-14.69
11.67
-20
-10
0
10
20
30
40
50
60
70
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
м
л
н
р
у
б
.
Годы
ВП организаций оптовой торговли
Темп прироста цепной

37
Рентабельность продаж оптовой торговли демонстрирует устойчивую
отрицательную динамику. С 2014 г. по 2024 г. показатель рентабельности
снизился с 4,088% до 1,872% на 2,22 П.П., в среднем ежегодно падение составило
0,22 П.П . (Приложение 3)
Коммерческие и управленческие затраты организаций оптовой торговли на
1 руб. оборота характеризуют затратность торговых операций. В 2014-2024 гг.
показатель снизился с 0,066 руб. до 0,05 руб. на 0,016 руб. (на 24,38%). Наиболее
значительное снижение наблюдалось в 2017 г. по сравнению с 2016 г. с 0,066 до
0,062 руб. (на 6,73%) и 2021 г. по сравнению с 2020 г. с 0,058 до 0,053 руб. (на
8,02%), что отражает рост оборота при относительно умеренном росте расходов.
Средний темп снижения затрат составил 0,002 руб. (на 2,76%). (Приложение 4)
Несмотря на снижение коммерческих и управленческих затрат
рентабельность продаж продолжает сокращаться, это связано с высоким
инфляционным ростом себестоимости приобретенных товаров, который
опережает темпы роста оборота оптовой торговли.
Финансовая эффективность оптовой торговли в изучаемом периоде
характеризуется снижением рентабельности организаций при росте
номинальных показателей.
Количество организаций оптовой торговли в РФ по состоянию на 1 января
2018 г. составляло 1 011 299 ед., а к 2026 г. сократилось до 508 116 ед. сокращение
составило 503 183 ед. (или 49,76%). В среднем ежегодно количество организаций
сокращалось на 62 897 ед. (на 8,24%). (Приложение 5)
Наибольшее
снижение
числа
организаций оптовой торговли
зафиксировано в 2020 г. по сравнению с 2019 г., количество организаций
снизилась с 872 839 ед. до 726 461 ед. на 284 838 ед. (на 16,77%), на это повлияли
введённые ограничения в связи с пандемией COVID-19 и снижение деловой
активности предприятий [38]. После 2020 г. динамика сокращения числа оптовых
организаций начала замедляться. Наименьшее падение зафиксировано в 2025 г.,
число организаций сократилось на 7 253 ед. (на 1,35%) к 2024 г. и составило

38
531 570 ед. Однако на начало 2026 г. динамика вновь ускорилась. По данным СКБ
Контур, по итогам 11 месяцев 2025 г. лидером по ликвидациям стала оптовая
торговля — закрыто 51 330 юридических лиц, что на 11,43% больше, чем за
аналогичный период 2024 г., когда было ликвидировано 46 066 ед. Данное
ускорение обусловлено организационными или экономическими причинами, а
также может быть вызвано снижением рентабельности бизнеса [39]. (рис. 10)
Рисунок 10 – Количество организаций оптовой торговли и их темпы прироста в
Российской Федерации за 2019 – 2026 гг. по данным на 1 января.
Источник: составлено автором на основе данных Росстата [20]
За рассматриваемый период 2011-2026 гг. наибольшую долю среди
организаций оптовой торговли составляют частные организации 95-96%. Второй
по занимаемой доле организаций является иностранная собственность, которая
за изучаемый период занимала от 2% до 3,8%. В 2026 г. не осталось организаций
оптовой торговли в собственности граждан РФ, постоянно проживающих на
территории иностранного государства. (табл. 2)
872,839
726,461
623,127
567,291 550,631 538,823 531,570 508,116
-13.69
-16.77
-14.22
-8.96
-2.94
-2.14
-1.35
-4.41
-18
-16
-14
-12
-10
-8
-6
-4
-2
0
0
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
900,000
1,000,000
2019 2020 2021 2022 2023 2024 2025 2026
%
е
д
.
Годы
Количество организаций оптовой торговли
Темп прироста цепной

39
Таблица 2 – Структура организаций оптовой торговли по формам
собственности на 1 января в Российской Федерации за 2011 – 2026 гг.
Формы собственности
2011 г.
2018 г.
2026 г.
Государственная собственность
0,111 0,056 0,064
Федеральная собственность
0,052 0,020 0,026
Собственность субъектов Российской Федерации
0,058 0,036 0,037
Муниципальная собственность
0,038 0,012 0,005
Частная собственность
96,293 95,528 95,164
Собственность граждан Российской Федерации,
постоянно проживающих на территории иностранного
государства
0,009 0,023 0,000
Собственность потребительской кооперации
0,039 0,021 0,019
Собственность общественных и религиозных
организаций (объединений)
0,218 0,043 0,030
Смешанная российская собственность
0,238 0,070 0,038
Собственность государственных корпораций
0,001 0,003 0,005
Иностранная собственность
2,052 3,265 3,861
Совместная Российская и иностранная собственность
1,001 0,981 0,814
Источник: составлено автором на основе данных Росстата [20]
Индекс структурных сдвигов В.М. Рябцева рассчитанный для сравнения
2011 г. и 2026 г. равный 0,011 свидетельствует о стабильности структуры
распределения организаций оптовой торговли по формам собственности.
(Приложение 6)
Структура оборота оптовой торговли по группам предприятий в
зависимости от размера за период 2010 – 2023 гг. характеризуется устойчивой
тенденцией к росту концентрации рынка в пользу крупных организаций. В 2010
г. доля крупных предприятий составляла 59,85%, малых и микропредприятий –
28,3%, средних предприятий – 11,85%. (рис. 11)
Наиболее значительное изменение структуры произошло в 2015 г., когда
доля крупных предприятий резко сократилась до 49,67%, а доля малых выросла
до рекордных 41,44. В 2016 г. структура восстановилась: доля крупных вернулась
к 61,82%, малых — снизилась до 33,08%. С 2020 г. началась новая волна
концентрации: доля крупных выросла с 65,39% до 74,62% в 2023 г., малых
снизилась с 29,69% до 20,98%. Средние предприятия демонстрируют стабильно
низкую долю 4–9% на протяжении всего периода. Данная тенденции отражает

40
изменение структуры рынка в сторону смещения концентрации на крупные
фирмы [36]. (Приложение 7)
Индекс структурных сдвигов В.М. Рябцева для сравнения 2010 г. и 2016 г.
составил 0,06, что свидетельствует о незначительном уровне различия структур
несмотря на кризис 2015 г. Индекс Рябцева для сравнения 2016 г. и 2023 г. равен
0,12, что указывает на умеренные структурные изменения, вызванные усилением
концентрации рынка в пользу крупных предприятий. Индекс Рябцева при
сравнении 2010 г. и 2023 г. равен 0,12, что отражает умеренные изменения
структуры за рассматриваемый период.
Рисунок 11 – Структура оборота предприятий оптовой торговли по размерам
предприятий в Российской Федерации за 2010 – 2023 гг.
Источник: составлено автором на основе данных Росстата [20]
Таким образом, структура оборота оптовой торговли в РФ за 2010–2023 гг.
характеризуется устойчивой тенденцией к концентрации оптовой торговли среди
крупных организаций. За рассматриваемый период с 2010 г. по 2023 г. доля
крупных предприятий выросла на 14,77 П.П., в то время как доли малых и
средних предприятий снизились на 7,33 П.П. и 7,45 П.П. соответственно . При
этом индексы структурных сдвигов свидетельствуют об умеренной
интенсивности изменений, что объясняется постепенным характером
структурных изменений.
28.30
33.08
20.98
11.85
5.10
4.40
59.85
61.82
74.62
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
2010
2016
2023
Г
о
д
Доля оборота малых и микро предприятий Доля оборота средних предприятий
Доля оборота крупных предприятий

41
В связи с методологическими особенностями статистического учёта, при
которых данные по численности занятых и индексу производительности труда
публикуются Росстатом по разделу G ОКВЭД-2 «Торговля оптовая и розничная;
ремонт автотранспортных средств и мотоциклов» в целом, без разбивки на
отдельные виды деятельности, далее приводится анализ трудовых ресурсов
указанного сектора как смежного с оптовой торговлей.
Среднегодовая численность занятых в торговле в 2013 г. составляла
12 407 526 чел., а к 2024 г. выросла на 1 189 547 чел. (на 9,68%) до 13 481 716 чел.
В среднем ежегодно увеличение численности занятых составляло 99 129 чел.
(0,77%). Сильное падение численности занятых наблюдалось в 2020 г. на 437 333
чел. (на 3,22%) к 2019 г., что связано с ковидными ограничениями и в основном
данное сокращение сказалось на численности занятых в розничной торговле [37,
35]. (рис. 12)
Рисунок 12 – Динамика среднегодовой численности занятых в оптовой и
розничной торговле и ее темпо прироста в Российской Федерации.
Источник: составлено автором на основе данных Росстата [21]
Индекс производительности труда в секторе оптовой и розничной
торговли, рассчитываемый Росстатом как отношение ИФО валовой добавленной
12,407,526
13,632,707
13,133,218
13,357,356
13,481,716
0.94
5.76
0.69
-3.22
1.71
0.68
-4
-3
-2
-1
0
1
2
3
4
5
6
7
11,500,000
12,000,000
12,500,000
13,000,000
13,500,000
14,000,000
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
%
ч
е
л
.
Годы
Среднегодовая численность занятых оптовой и розничной торговле
Темп прироста цепной

42
стоимости к индексу отработанного времени по организациям, не относящимся
к субъектам малого предпринимательства [4].
Базисный индекс производительности труда снизился с 1,022 в 2012 г. до
0,958 в 2024 г. В 2015 г. цепной индекс упал до 93,0% (на 7,0 П.П.), в связи с
экономическим кризисом 2014–2015 гг. В 2016 г. базисный индекс достиг
минимума за весь период — 0,908, отражая накопленный отрицательный эффект
кризиса. В 2021 г. базисный индекс впервые превысил базовый уровень и достиг
максимума — 1,008, однако в 2022 г. цепной индекс снизился до 87,2% (на 12,8
П.П.), базисный индекс упал до 0,879 в связи с геополитическими событиями и
санкционными ограничениями. В 2023–2024 гг. наблюдается восстановление:
базисный индекс вырос до 0,916 и 0,958 соответственно, однако остаётся ниже
уровня 2012 г. (рис. 13)
Рисунок 13 – Цепной и базисный индексы производительности труда в секторе
оптовой и розничной торговли в Российской Федерации, 2012–2024 гг.
Источник: составлено автором на основе данных Росстата [21]
Таким образом, анализ трудовых ресурсов сектора оптовой и розничной
торговли за период 2012–2024 гг. показывает, что отрасль характеризуется
стабилизацией численности занятых на уровне 13,4 млн чел. Средний темп
1.022
0.991
0.999
0.93
0.965
1.004
1.017 1.014
1.038 1.033
0.872
1.042 1.046
1.013 1.012
0.941
0.908 0.912
0.927
0.94
0.976
1.008
0.879
0.916
0.958
0.85
0.9
0.95
1
1.05
1.1
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Годы
Индекс производительности труда по оптовой и розничной торговле
Базисный индекс производительности труда по оптовой и розничной торговле

43
прироста численности составил 0,77%, что значительно уступает среднему
темпу роста оборота оптовой торговли – 12,07%, подтверждая, что рост отрасли
обеспечивался преимущественно за счёт повышения цен и инфляционных
процессов, а не наращивания трудовых ресурсов. Накопленное снижение
производительности труда до 95,8% за период свидетельствует о необходимости
дальнейшей модернизации торговых процессов и внедрения цифровых
технологий для повышения эффективности использования трудовых ресурсов.
Изучение сферы оптовой торговли в РФ за 2010-2024 гг. позволяет сделать
следующие выводы. Динамика оптового товарооборота характеризуется
устойчивым номинальным ростом с 32 153,5 млрд руб. до 158 539,2 млрд руб. (на
393,07%), в то время как реальный товарооборот увеличился только на 126%. Это
говорит о том, что основным драйвером роста в отрасли является инфляция, а не
увеличение физических объемов товарооборота.
Структурный анализ выявил снижение доли сектора торговли в ВВП РФ с
19,4% в 2010 г. до 13% в 2024 г. В сфере оптовой торговли происходит усиление
концентрации рынка в крупных организациях.
Товарная структура оптовой торговли остается стабильной: наибольшую
долю в структуре занимает группа товаров прочей специализированной оптовой
торговлей, второй группой по доле являются пищевые продукты.
Институциональная
структура отрасли
претерпевает
сильную
трансформацию: происходит сокращение действующих организаций. Трудовые
ресурсы сектора торговли с 2013 г. по 2024 г. увеличились с 12,4 млн чел. до 13,48
млн чел. (на 9,68%), при этом производительность труда снизилась до 95,8%, что
указывает на необходимость модернизации процессов.
Таким образом, сфера оптовой торговли в РФ меняется в соответствии с
внешними экономическими условиями.

44
2.2 Проведение многомерной классификации регионов Российской
Федерации по состоянию оптовой торговли
Для проведения многомерной классификации регионов РФ по состоянию
оптовой торговли были отобраны пять показателей за 2017 и 2024 гг. (табл. 3)
Таблица 3 – Характеристика показателей для классификации регионов
Российской Федерации по состоянию оптовой торговли
Показатель
Характеристика
Оборот
оптовой
торговли
на
душу
населения (руб./чел.)
Относительный показатель масштаба оптовой
торговли в регионе
Доля торговли в ВРП региона (%)
Структурный показатель, отражающий вклад
торговли в экономику региона
Рентабельность продаж (%)
Отношение прибыли от продаж к обороту
оптовой торговли
Затраты на 1 руб. оборота (руб.)
Отношение коммерческих и управленческих
расходов к обороту оптовой торговли
Количество организаций на 10 000 чел.
Относительный показатель насыщенности рынка
оптовой торговли
Источник: составлено автором на основе данных Росстата [14],[17],[20]
Выбор данных обусловлен наличием информации в разрезе регионов за
анализируемые периоды, относительность характеристик и комплексным
охватом различных аспектов оптовой торговли.
Из системы показателей были исключены:

индекс физического объема был исключен из анализа, так как этот
показатель отражает динамические изменение и не подходит для анализа
состояния оптовой торговли;

инвестиции в основной капитал по оптовой торговле были
исключены в связи с отсутствием официальных статистических данных в разрезе
субъектов РФ;

валовая прибыль – показатель не был включен в анализ так как имеет
тесную связь с рентабельностью и затратами на 1 руб. оборота , включение его
привело бы к проблеме мультиколлинеарности;

доля оборота крупных предприятий, не вошел в анализ из-за
отсутствия данных за 2024 г., что не позволяло обеспечить сопоставимость
анализа;

45

численность занятых не была включена в анализ так как показатель
публикуется в целом по разделу ОКВЭД «Торговля оптовая и розничная; ремонт
автотранспортных средств и мотоциклов» в целом, без выделения оптовой
торговли. Таким образом, показатель не отражает специфику занятых в оптовую
торговлю по регионам РФ.
Далее была проведена предварительная обработка данных, в рамках
которой были исключены из выборки регионы с аномальными значениями
показателей и с отсутствующими данными. По причине отсутствия данных по
части показателей были исключены: Республика Калмыкия, Республика Крым, г.
Севастополь, Республика Ингушетия. Как выбросы были исключены регионы
Магаданская область, Чукотский автономный округ и Тюменская область.
Факторный анализ был применен с целью снижения размерности
признакового пространства и повышения интерпретируемости результатов
последующей кластеризации. Пригодность данных для анализа была
подтверждена с помощью тестов КМО и Бартлетта. (табл. 4)
Таблица 4 – Результаты оценки данных для выполнения факторного анализа
Критерий
2017 г.
2024 г.
KMO-мера адекватности выборки
0,626
0,662
Тест Бартлетта (χ2)
264,971
156,774
p-значение (тест Бартлетта)
0,000
0,000
Источник: составлено автором на основе данных Росстата [14],[17],[20]
По результатам проверки данные за оба периода могут быть использованы
для факторного анализа. Значение КМО выше порогового уровня 0,6, критерий
Бартлетта статистически значим.
Методом главных компонент с применением вращения извлечены два
фактора, объясняющие 82,67% дисперсии в 2017 г. и 77,42% - в 2024 г.
Анализ факторных нагрузок позволил сформировать следующие
интерпретации. Фактор 1 «Масштаб и развитие оптовой торговли», высокие
положительные нагрузки оказывают показатели оборота на душу населения в
2017 г. – 0,824 и 0,89 в 2024 г., количества организаций на 10 тыс. чел. 0,872 в

46
2017 г. и 0,89 в 2024 г., доля торговли в ВРП 0,803 в 2017 г. и 0,725 в 2024 г.
Данный фактор отражает совокупное развитие оптовой торговли в регионе,
включая объем операций, плотность торговой сети и секторальную значимость
отрасли в экономике региона. Регионы с высокими значениями характеризуются
развитой инфраструктурой оптовой торговли и значительным вкладом сектора в
экономику. Фактор 2 «Финансовая эффективность предприятий оптовой
торговли», на этот фактор высокие положительные нагрузки оказывают
показатели рентабельности продаж 0,954 в 2017 г. и 0,886 в 2024 г., затраты на 1
руб. оборота – 0,917 в 2017 г. и 0,865 в 2024 г. Фактор отражает финансовые
аспекты функционирования оптовой торговли. Положительная корреляция
рентабельности и затрат свидетельствует о том, что в регионах с развитой
оптовой торговлей высокие коммерческие и управленческие расходы
компенсируются высокой маржинальностью. Структура факторов за период с
2017-2024 гг.: число факторов совпадает, состав переменных не меняется,
нагрузки резко не меняются.
На основе полученных факторов, проведена кластеризация регионов
методом k-средних с числом кластеров равным 4. Выбор метода обусловлен
необходимостью получения сбалансированного распределения регионов по
группам. В результате получена таблица с стандартизированными факторными
баллами, рассчитанными для каждого периода. (табл. 5)
Таблица 5 – Сравнение средних показателей по кластерам
Кластер
2017 г.
2024 г.
Масш
таб
Эффективн
ость
Число
регио
нов
Масш
таб
Эффективн
ость
Число
регио
нов
1. Торговые федеральные
центры
4,75
4,68
1 4,57
0,75
2
2. Базовые регионы
-0,46 -0,10
40 -0,38 -0,32
49
3. Масштабные регионы
0,94 -0,94
19 0,82 -0,16
16
4. Эффективные торговые
предприятия
-0,27 1,15
15 -0,47 2,09
8
Источник: составлено автором на основе данных Росстата [14],[17],[20]

47
Первый кластер – торговые федеральные центры. В нем представлены г.
Москва в 2017 г. и 2024 г., и г. Санкт-Петербург в 2024 г. (табл. 6) Они
характеризуются высоким масштабом оптовой торговли. Профиль кластера в
сравнении по годам качественно изменился, масштаб остается на высоком
уровне, а эффективности снизилась с 4,68 до 0,75, что обусловлено ростом
издержек и инфляционного давления. (табл. 5)
Таблица 6 – Распределение регионов Российской Федерации по кластерам по
состоянию оптовой торговли в 2017 г. и 2024 г.
Кластер
2017 г.
2024 г.
1.Торговые
федеральные
центры
г. Москва
г. Москва, г. Санкт-Петербург
2. Базовые
регионы
Алтайский край, Амурская область,
Брянская
область,
Волгоградская
область,
Вологодская
область,
Еврейская
автономная
область,
Забайкальский
край, Кабардино-
Балкарская Республика, Кировская
область,
Костромская
область,
Курганская область, Липецкая область,
Мурманская область, Омская область,
Орловская область, Пензенская область,
Пермский край, Псковская область,
Республика Адыгея,
Республика
Башкортостан, Республика Бурятия,
Республика Коми, Республика Марий
Эл, Республика Мордовия, Республика
Северная Осетия – Алания, Республика
Татарстан,
Республика
Тыва,
Республика Хакасия, Рязанская область,
Самарская
область,
Саратовская
область,
Ставропольский
край,
Тамбовская область, Тверская область,
Удмуртская Республика, Ульяновская
область,
Хабаровский
край,
Челябинская
область,
Чеченская
Республика, Чувашская Республика
Амурская
область,
Архангельская
область,
Астраханская
область,
Брянская
область,
Владимирская
область,
Волгоградская
область,
Вологодская
область,
Еврейская
автономная область, Забайкальский
край, Иркутская область, Кабардино-
Балкарская Республика, Камчатский
край,
Карачаево-Черкесская
Республика,
Кировская
область,
Костромская область, Краснодарский
край, Красноярский край, Курганская
область, Курская область, Липецкая
область, Мурманская область, Омская
область,
Оренбургская
область,
Орловская область, Пензенская область,
Пермский край, Псковская область,
Республика Адыгея,
Республика
Башкортостан, Республика Бурятия,
Республика Дагестан,
Республика
Карелия, Республика Коми, Республика
Марий Эл, Республика Мордовия,
Республика Саха (Якутия), Республика
Северная Осетия – Алания, Республика
Тыва, Республика Хакасия, Саратовская
область,
Сахалинская
область,
Ставропольский
край, Тамбовская
область, Тверская область, Тульская
область,
Удмуртская
Республика,
Ульяновская
область,
Чеченская
Республика, Чувашская Республика
Источник: составлено автором на основе данных Росстата [14],[17],[20]

48
Продолжение таблицы 6
Кластер
2017 г.
2024 г.
3.
Масштабные
регионы
Архангельская область, Астраханская
область, Владимирская область,
Иркутская область, Калужская область,
Камчатский край, Карачаево-
Черкесская Республика, Кемеровская
область, Красноярский край, Курская
область, Ленинградская область,
Новгородская область, Оренбургская
область, Республика Алтай, Республика
Карелия, Республика Саха (Якутия),
Сахалинская область, Томская область,
Тульская область
Алтайский край, Воронежская область,
Ивановская область, Калининградская
область, Нижегородская область,
Новосибирская область, Приморский
край, Республика Татарстан,
Ростовская область, Рязанская область,
Самарская область, Свердловская
область, Смоленская область,
Хабаровский край, Челябинская
область, Ярославская область
4.
Эффективные
торговые
предприятия
Белгородская область, Воронежская
область,
г.
Санкт-Петербург,
Ивановская область, Калинингpадская
область,
Краснодарский
край,
Московская область, Нижегородская
область,
Новосибирская
область,
Приморский
край,
Республика
Дагестан,
Ростовская
область,
Свердловская область, Смоленская
область, Ярославская область
Белгородская
область,
Калужская
область,
Кемеровская
область,
Ленинградская область, Московская
область,
Новгородская
область,
Республика Алтай, Томская область
Источник: составлено автором на основе данных Росстата [14],[17],[20]
Второй кластер характеризует основную массу регионов РФ. В нем
представлены регионы с умеренно низкими значениями по обоим факторам,
отсутствует выраженная специализация оптовой торговле. Типичными
представителями являются регионы Брянская область, Волгоградская область, а
также регионы Поволжья, Сибири и Южного федерального округа. За период
2017-2024 гг. профиль остается устойчивым, что говорит об отсутствии активной
трансформации рынка. Рост числа регионов с 40 до 49 отражает относительное
снижение позиций у части регионов, ранее находившихся в более
специализированных группах. (табл. 6)
В третий кластер попали регионы с высоким масштабом по деятельности
предприятий оптовой торговли, но с переменной эффективностью. Отмечается
позитивная тенденция по улучшению эффективности с -0,94 в 2017 г. до -0,16 в
2024 г., произошло приближение к среднему уровню эффективности при
сохранении масштаба. Данное изменение свидетельствует об адаптации

49
промышленных и сырьевых регионов к изменившимся условиям, вероятно за
счёт переориентации товаропотоков. (табл. 6)
Четвертый
кластер
характеризуется
высокой рентабельностью
предприятий оптовой торговли, при этом имеют небольшой масштаб. Типичные
представители Московская область, Ленинградская область, Свердловская
область. Выделяется в кластере Республика Алтай – при минимальном масштабе
имеет максимальную рентабельность по кластеру. (табл. 6)
Анализ картограммы за 2017 г. показывает, что регионы с высоким
масштабом оптовой торговли сосредоточены преимущественно в европейской
части РФ и крупных транспортно-логистических узлах. Большинство субъектов
Центрального, Приволжского и Южного федеральных округов попали в кластер
базовых регионов, что свидетельствует об умеренном развитии без выраженной
спецификации на оптовой торговле. (рис. 14)
Рисунок 14 – Картограмма распределения регионов Российской Федерации по
кластерам в 2017 г.
Источник: составлено автором на основе данных Росстата [14],[17],[20]

50
К 2024 г. произошли изменения в региональной структуре оптовой
торговли. Санкт-Петербург переместился в кластер лидеров, что отражает
усиление его роли как северо-западного оптового центра в условиях
переориентации внешнеэкономических связей. Число базовых регионов
увеличилось с 40 до 49, в то время как группа эффективных торговых
предприятий сократилась с 15 до 8 субъектов. Данная тенденция свидетельствует
о поляризации регионального рынка оптовой торговли: усилении позиций
крупнейших центров и относительном отставании остальной территории.
Рисунок 15 – Картограмма распределения регионов Российской Федерации по
кластерам в 2024 г.
Источник: составлено автором на основе данных Росстата [14],[17],[20]
За рассматриваемый период с 2017 г. по 2024 г. региональная оптовая
торговля претерпела значительные изменения. Крупные федеральные центры по-
прежнему лидируют по масштабу оптовой торговли. В то же время, регионы с
хорошо развитой оптовой инфраструктурой показывают рост эффективности, а
те регионы, в которых оптовая торговля высокорентабельная, углубляют свою

51
специализацию. Это говорит о появлении новых центров высокой
эффективности.
Полученная типология регионов по состоянию оптовой торговли может
быть использована для дифференциации региональной политики поддержки
отрасли. Для регионов первого кластера приоритетными направлениями
являются развитие логистической инфраструктуры и цифровизация торговых
процессов. Регионам третьего кластера целесообразно сосредоточиться на
повышении финансовой эффективности предприятий оптовой торговли за счёт
оптимизации издержек. Для базовых регионов второго кластера актуальным
является стимулирование развития оптовой торговли как сектора экономики.
Регионы четвёртого кластера могут служить площадкой для пилотных проектов
по внедрению передовых практик оптовой торговли.
Во второй главе выполнен статистический анализ состояния оптовой
торговли в РФ.
Установлено, что номинальный оборот вырос с 32 153,5 млрд руб. до
158 539,2 млрд руб. (на 393,07%) за период с 2010 по 2024 гг., при этом ИФО
увеличился всего на 26 П.П., что свидетельствует о преимущественно
инфляционном характере роста. Доля торговли в ВВП снизилась с 19,4% в 2010
г. до 13% в 2024 г. Товарная структура остается стабильной, преобладает прочая
специализированная оптовая торговля. Рентабельность продаж упала с 4,09% до
1,87%, а количество организаций сократилось.
Также выделены 4 кластера регионов: торговые федеральные центры,
базовые регионы, масштабные регионы и эффективные торговые предприятия .
Усилилась поляризация рынка: Санкт-Петербург переместился в кластер
лидеров, число эффективных регионов сократилось вдвое.
Таким образом, оптовая торговля в РФ демонстрирует номинальный рост
при стагнации реальных объёмов, снижении эффективности, концентрации
рынка и поляризации регионального пространства.

52
ГЛАВА 3. СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПЕРСПЕКТИВ
РАЗВИТИЯ ОПТОВОЙ ТОРГОВЛИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
3.1 Эконометрическое моделирование зависимости оборота оптовой
торговли в Российской Федерации от макроэкономических факторов
Для выявления зависимости оборота оптовой торговли от
макроэкономических факторов в работе применяются методы корреляционно-
регрессионного анализа. Для анализа используются временные ряды за 2000 –
2024 гг.,
что обуславливается доступностью статистических данных и
необходимостью охвата нескольких экономических циклов.
В качестве зависимой переменной – Y выступает оборот оптовой торговли
в фактически действовавших ценах. Данный показатель отражает масштаб
сферы оптовой торговли и позволяет оценить совокупное влияние ценовых и
реальных факторов.
В качестве независимых переменных отобраны:
1. Индексы потребительски цен (далее ИПЦ) (X1) – позволяют оценить
инфляцию и влияние цен конечного потребителя на рост оптового
товарооборота. В контексте изучения оптовой торговли инфляция оказывает
двойное влияние. С одной стороны, она сказывается на номинальной стоимости
товарных запасов и увеличивает выручку от реализации, что способствует росту
номинального товарооборота без изменения физических объемов. С другой
стороны, высокая инфляция способствует снижению спроса у конечного
потребителя, что непосредственно сказывается и на оптовой торговле.
(Приложение 8)
2. Среднегодовой курс доллара США (X2) – оценивает влияние
внешнеэкономических условий. Курс доллара определяет конкурентную среду
для оптовых организаций, работающих с импортными и экспортными товарами.
При девальвации рубля импортные товары дорожают в рублевом выражении, что
стимулирует спрос на российскую продукцию. При укреплении рубля напротив

53
импорт становится дешевле, что позволяет импортным товарам усиливать
конкуренцию и влиять на оборот. (Приложение 8)
3. Коэффициент монетизации экономики (X3) – рассчитывается как
отношение денежной массы к объему валового внутреннего продукта и
обеспечивает степень обеспеченности экономики денежными средствами.
Монетизация отражает степень развития финансовой системы, при низком
уровне экономика недостаточна обеспечена ликвидностью, что ограничивает
масштабы оптовых операций. При среднем уровне монетизации доминируют
денежные расчеты, что создает условия для развития оптовой торговли. При
высоком уровне избыточная ликвидность стимулирует номинальный оборот за
счет денежной эмиссии. (Приложение 8)
Информационная база исследования составлена из официальных
статистических данным Росстата и Банка России. Денежная масса М2,
используемая для расчета монетизации, представлена среднегодовыми
значениями, рассчитанными как среднее арифметическое значение по
ежемесячным наблюдениям.
Предварительно в систему показателей планировалось включить
расширенный набор макроэкономических факторов: ВВП, розничный
товарооборот, денежную массу М2, среднегодовой курс доллара США и ИПЦ.
Однако корреляционный анализ выявил высокую линейную взаимосвязь между
номинальными макропоказателями, что свидетельствовало о наличии
мультиколлинеарности факторов. Расчёт VIF подтверждает критическую
мультиколлинеарность номинальных макропоказателей: ВВП, розничного
товарооборота и денежной массы М2 имеют значения VIF, значительно
превышающие пороговый уровень 10 (в 15–41 раз). Коэффициент ИПЦ и курс
доллара демонстрируют допустимые значения VIF. Для устранения
мультиколлинеарности ВВП и денежной массы М2 объединены в относительный
показатель монетизации экономики, отражающий степень обеспеченности
экономики денежными средствами и исключающий масштабный эффект

54
величин. Розничный товарооборот исключён из анализа в связи с
функциональной близостью к ВВП и отсутствием дополнительной объясняющей
способности. Курс доллара сохранён в модели при умеренном значении VIF =
8,835. (табл. 7)
Таблица 7 – Результаты диагностики мультиколлинеарности факторов
регрессионной модели
Фактор
VIF
Оценка
мультиколлинеарности
Валовой внутренний продукт в текущих ценах, млрд. руб.
408,518
Критическая
Розничный товарооборот, млрд руб.
173,155
Критическая
Коэффициенты ИПЦ
2,161
Незначительная
Денежная масса М2, среднегодовое значение, млрд руб.
146,107
Критическая
Среднегодовой курс доллара, среднегодовое значение, руб.
8,835
Умеренная
Источник: составлено автором на основе данных Росстата [14], [20], [22], [24], [23]
Итоговый набор независимых переменных сформирован из показателей с
умеренной парной корреляцией: ИПЦ, среднегодовой курс доллара США и
коэффициент монетизации экономики. (табл. 8)
Таблица 8 – Корреляционная матрица отобранных макроэкономических
факторов и оборота оптовой торговли по Российской Федерации
Оборот оптовой
торговли в РФ,
млрд руб.
Коэффициенты
ИПЦ
Среднегодовой
курс доллара, руб.
Монетизация
Оборот оптовой
торговли в РФ, млрд
руб.
1,000
Коэффициенты ИПЦ
-0,474
1,000
Среднегодовой курс
доллара, руб.
0,932
-0,438
1,000
Монетизация
0,885
-0,719
0,803
1,000
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]
Анализ корреляционной матрицы показывает, что зависимая переменная
имеет высокую положительную связь с монетизацией экономики, коэффициент
парной корреляции равен 0,885 и курсом доллара – 0,932, а также умеренную
отрицательную связь с ИПЦ равную -0,474. Между независимыми переменными
наблюдается умеренная корреляция. Таким образом отобранные факторы
характеризуют различные аспекты макроэкономической среды, такие как
ценовое давление, внешнеэкономические условия и денежно-кредитную среду,

55
при этом они не дублируют друг друга и могут быть использованы для
построения множественной регрессионной модели.
На первом этапе построения регрессионной модели оценена линейная
спецификация зависимости оптового товарооборота от отобранных
макроэкономических факторов, полученная методом наименьших квадратов:
Y = −257738 + 170949X1 + 1110,35X2 + 211939X3
Линейная модель характеризуется высокой объясняющей способностью,
значение R^2 равно 0,936 (Приложение 9), все коэффициенты модели значимы
на уровне 5%. (табл. 9)
Таблица 9 – Результаты оценки линейной регрессионной модели
Переменная Коэффициент
Стандартная
ошибка
t-статистика
p-значение
Значимость (α
= 0,05)
const
-257738
98252,7
-2,623
0,0159
Значим
X1
170949
81966,4
2,086
0,0494
Значим
X2
1110,35
197,542
5,621
0,0000
Значим
X3
211939
47668,1
4,446
0,0002
Значим
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]
Однако при проведении диагностических тестов были выявлены проблемы
спецификации модели. Тест Рамсея отверг гипотезу об адекватности
спецификации модели на уровне значимости 5%, что свидетельствует о
пропущенных нелинейных эффектах. Тест Бройша-Пэгана выявил наличие
гетероскедастичности остатков. (Приложение 10) Указанные проблемы
обусловлены экспоненциальным ростом номинального оборота оптовой
торговли в условиях инфляции, в результате чего дисперсия остатков
нестабильна.
С целью устранения выявленных проблем проведена анализ
альтернативных
спецификаций регрессионной
модели.
Учитывая
экспоненциальный рост номинальных показателей за исследуемый период и
отсутствие асимметрии в переменных, рассмотрены полулогарифмические и
полные логарифмические спецификации.

56
Анализ результатов логарифмических спецификаций показывает, что
полная
логарифмическая
спецификация
обеспечивает
наилучшие
характеристики качества модели. Среди всех оцененных спецификаций лог-лог
модель с тремя факторами характеризуется наименьшим информационным
критерием Акаике -23,66, в то время как у линейной спецификации данный
критерий равен 542,85, у линейно-логарифмической модели – 553,23, у
логарифмически-линейной критерий равен -10,97. Чем меньше критерий Акаике,
тем лучше модель, таким образом полная логарифмическая модель превосходит
остальные по данному критерию. Исправленный коэффициент детерминации
равный 0,981, также превосходит другие спецификации и свидетельствует о
высокой объясняющей способности модели при учете числа факторов.
(Приложение 9)
Диагностические тесты для полной логарифмической модели позволяют
сделать
выводы
об
адекватности
спецификации
и
отсутствии
гетероскедастичности остатков. (Приложение 10)
Таким образом для дальнейшего анализа была выбрана полная
логарифмическая модель, которая имеет следующий вид:
Y = 11,124 + 1,420lnX1 + 0,469lnX2 + 2,209lnX3
Модель характеризуется высокой объясняющей способностью, значение
R^2 равно 0,984, однако ИПЦ в данной модели оказался не значимым
коэффициентом на уровне 5%. (табл. 10)
Таблица 10 – Результаты оценки полной логарифмической регрессионной
модели
Переменная
Коэффициент
Стандартная
ошибка
t-статистика
p-значение
Значимость (α
= 0,05)
const
11,124
0,435
25,55
0,0000
Значим
lnX1
1,42
1,107
1,283
0,2136
Незначим
lnX2
0,469
0,093
5,057
0,0001
Значим
lnX3
2,209
0,136
16,2
0,0000
Значим
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]

57
Незначимость ИПЦ в логарифмической спецификации объясняется
высокой парной корреляцией между ИПЦ и коэффициентом монетизации
экономики -0,719 (табл. 8). Инфляционное ценовое давление в номинальном
обороте оптовой торговли полностью учитывается через денежно-кредитный
фактор монетизации, который оказывает более мощное и устойчивое влияние на
отрасль. Поэтому далее была рассмотрена двухфакторная полная
логарифмическая спецификация модели:
lnY = 11,054 + 0,486lnX2 + 2,089lnX3 ,
где Y – оборот оптовой торговли, X2 – среднегодовой курс доллара, X3 –
монетизация экономики.
Модель характеризуется высокой объясняющей способностью, значение
R^2 равно 0,982 (Приложение 9), все коэффициенты для данной модели значимы.
(табл. 11)
Таблица 11 – Результаты оценки полной логарифмической регрессионной
модели с двумя факторами
Переменная
Коэффициент
Стандартная
ошибка
t-статистика
p-значение
Значимость (α
= 0,05)
const
11,054
0,438
25,23
0,00000
Значим
lnX2
0,486
0,093
5,219
0,00003
Значим
lnX3
2,089
0,101
20,65
0,00000
Значим
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]
Значимость модели в целом подтверждена F-критерием Фишера: расчётное
значение F = 614,66 многократно превышает критическое значение 3,44 на
уровне значимости 5%, а p-значение практически равно нулю. Следовательно,
нулевая гипотеза о незначимости модели отвергается.
Коэффициент детерминации свидетельствует о том, что 98,2% вариации
логарифма оборота оптовой торговли объясняется вариацией логарифмов курса
доллара и коэффициента монетизации. Исправленный R2 = 0,981 подтверждает
высокое качество модели с учётом числа факторов.
Эластичность оборота оптовой торговли по среднегодовому курсу доллара
США составляет 0,486 и статистически значима. Положительный знак

58
коэффициента отражает ценовой эффект девальвации: при ослаблении рубля
импортные товары дорожают в рублевом выражении, что увеличивает
номинальный оборот. Эластичность менее единицы указывает на умеренную
зависимость оптовой торговли от внешнеэкономических условий — сектор
адаптировался к валютным колебаниям через переориентацию на внутренних
поставщиков.
Эластичность оборота по коэффициенту монетизации экономики
составляет 2,089. Это свидетельствует о том, что оптовая торговля сильно
реагирует на изменение денежно-кредитных условий: 1% роста монетизации
стимулирует 2,09% роста оборота. Данный результат обусловлен ключевой
ролью ликвидности для оптовых операций — при расширении денежной массы
относительно ВВП оптовики наращивают закупки и реализацию товаров,
используя доступное финансирование.
Для проверки стабильности коэффициентов в условиях экономических
кризисов был применен тест Чоу на структурный сдвиг. Проверены точки
разрыва по кризисам 2008-2009 гг. и 2014-2015 гг. Нулевая гипотеза о
стабильности коэффициентов на отвергается на 5% уровне значимости для обеих
точек разрыва. Расчетные F-статистики для первого периода – 0,34 и 0,77 – для
второго, не превышают критические значения. Это свидетельствует об
устойчивости параметров модели к экономическим потрясениям и модель
применима для анализа и прогнозирования. (табл. 12)
Таблица 12 – Результаты теста Чоу на структурный сдвиг
Точка разрыва
RSSобщ
RSS1
RSS2
Fрасч
Fкрит
2008-2009
0,445
0,054
0,368
0,340
3,127
2014-2015
0,445
0,147
0,249
0,770
3,127
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]
Анализ
мультиколлинеарности
факторов
в
двухфакторной
логарифмической модели не выявлен. Значения VIF для переменных ln X2 и ln
X3 равны 2,025 что ниже порогового значения 10.

59
Таким образом, в ходе эконометрического моделирования выполнены
отбор факторов с устранение мультиколлинеарности, сравнение линейной и
логарифмической спецификаций с выбором оптимальной по информационным
критериям и диагностическим тестам, оценка эластичностей и проверка качества
модели. Полученная двухфакторная логарифмическая модель зависимости
оборота оптовой торговли от среднегодового курса доллара США и
коэффициента монетизации экономики признана адекватной, статистически
значимой и пригодной для дальнейшего сценарного прогнозирования
показателей оптовой торговли в РФ при заданных траекториях
макроэкономических факторов. Построенная модель отражает долгосрочную
зависимость и не учитывает краткосрочные колебания, связанные с сезонностью
и ударными событиями.
3.2 Прогнозирование показателей оптовой торговли в Российской
Федерации на основе трендовых и адаптивных моделей
Полученная регрессионная модель в п. 3 .1 позволяет сформировать
сценарные прогнозы оборота оптовой торговли.
Для составления прогноза оборота оптовой торговли в условиях
макроэкономической неопределенности применяется эконометрическая модель,
полученная ранее. Модель включает два фактора: среднегодовой курс доллара
США и коэффициент монетизации экономики.
lnY = 11,054 + 0,486lnX2 + 2,089lnX3
где Y – оборот оптовой торговли, X2 – среднегодовой курс доллара, X3 –
монетизация экономики.
Для прогнозирования необходимо получить прогнозные значения
факторов. Для курса доллара использованы официальные прогнозы
Министерства экономического развития РФ, представленные в двух сценариях
базовом и консервативном. [40] По базовому прогнозу ожидается ослабление
рубля с 86,1 руб. по оценке 2025 г. до 95,8 руб. в 2027 г. По консервативному

60
варианту ожидается более сильная девальвация с 86,1 руб. по оценке 2025 г. до
99,3 руб. в 2027 г. (Приложение 11)
Монетизация
экономики
спрогнозирована
методом
трендовой
экстраполяции на основании ARIMA – модели с детерминистическим трендом и
получены базовые значения монетизации. По прогнозу монетизация вырастет с
0,548 в 2025 г. до 0,627 в 2027 г. (Приложение 12). Для формирования
консервативного прогноза к базовым значениям прибавлено 0,03, что
соответствует ускорению роста денежной-кредитной политики. Отклонение в
0,03 выбрано с учетом диапазона прогноза роста М2, опубликованного Банком
России [41].
Расчет прогнозных значений оборота оптовой торговли проведен
подстановкой прогнозных значений факторов в эконометрическую модель и
экспоненцирование результатов. (Приложение 13)
Анализ результатов показывает, что оборот оптовой торговли в
номинальном выражении будет расти во всех сценариях от 156 825 млрд руб. и
175 295 млрд руб. в 2025 г. по базовому и консервативному сценарию
соответственно до 222 689 млрд руб. и 245 528 млрд руб. в 2027 г. Разброс между
сценариями обусловлен в первую очередь динамикой монетизации, так как
эластичность оборота по данному фактору составляет 2,089, то е сть изменение
на 1 процент монетизации приводит к росту оборота оптовой торговли на 2,09%.
Влияние курса доллара менее выражено, эластичность составляет всего 0,486,
однако рост курса доллара увеличивает стоимость импортных товаров и как
следствие номинальный оборот. (табл. 13)
Для практического применения результаты систематизированы в четыре
комбинированных сценария, отражающих различные комбинации прогнозов
макроэкономических факторов.
Базовый формируется при базовом курсе доллара и базовой монетизации
экономики. Данный сценарий предполагает наиболее благоприятные
внешнеэкономические условия, при которых оборот оптовой торговли не

61
покажет высоких темпов роста, за счет укрепления рубля и умеренной денежно-
кредитной политикой. Прогнозный оборот составит 156 825 млрд руб. в 2025 г. и
218 840 млрд руб. в 2027 г., прирост к 2024 г. составит 60 300,8 млрд руб.
(38,04%). (табл. 13)
Таблица 13 – Сценарный прогноз оборота оптовой торговли в Российской
Федерации на 2025–2027 гг.
Сценарий
Фактический
оборот
оптовой
торговли
2024 г., млрд
руб.
2025 г.,
млрд руб.
2026 г.,
млрд руб.
2027 г.,
млрд руб.
Абсолютный
прирост
2024-2027
гг., млрд
руб.
Темп
прироста
2024–
2027 гг.,
%
Базовый
158 539,2 156 825,0 186 504,2 218 840,0
60 300,8 38,035
Монетарное
расширение
158 539,2 175 295,2 207 006,8 241 284,2
82 745,0 52,192
Ценовая
переоценка
158 539,2 156 825,0 189 041,9 222 689,9
64 150,7 40,464
Инфляционный
рост
158 539,2 175 295,2 209 823,5 245 528,9
86 989,7 54,870
Источник: составлено автором на основе данных Росстата [14], [22], [24], [23]
Сценарий монетарного расширения характеризуется базовым прогнозом
курсом доллара и консервативным прогнозом монетизации. Сочетание
стабильного курса с ускоренным ростом денежной массы обеспечивает наиболее
сбалансированные условия для развития оптовой торговли. Прогнозный оборот
возрастает до 175 295 млрд руб. в 2025 г. и 241 284 млрд руб. в 2027 г.,
абсолютный прирост к 2024 г. составит 82 745 млрд руб. (52,19%). (табл. 13)
Сценарий ценовой переоценки получен по консервативному прогнозу
курса доллара и базовому прогнозу монетизации. Девальвация рубля при
умеренной денежно-кредитной политике создает условия для роста
номинального оборота за счет повышения стоимости импортных товаров.
Прогнозный оборот достигнет 222 689,9 млрд руб. к 2027 г., увеличившись к 2024
г. на 64 150,7 млрд руб. (40,46%). (табл. 13)
Сценарий инфляционного роста формируется при консервативном курсе
доллара и консервативной монетизации. Данное сочетание предполагает
наиболее неблагоприятные внешнеэкономические условия из-за сильной

62
девальвации рубля и стимулирования экономики деньгами. В данном сценарии
оборот оптовой торговли в 2027 г. составит 245 528,9 млрд руб.. увеличившись с
2024 г. на 86 989,7 млрд руб. (54,87%). (табл. 13)
Ширина доверительных интервалов сценарного прогноза отражает
высокую
ступень
макроэкономической
неопределенности.
Данное
обстоятельство обусловлено высокой вариативностью прогнозируемых факторов
и требует осторожного подхода к толкованию полученных результатов.
(Приложение 14-17)
Следует отметить, что наименования сценариев отражают характер
макроэкономических изменений, а не благоприятность условий развития
оптовой торговли. Сценарии ценовой переоценки и инфляционного роста
формируются при снижении курса рубля, которое стимулирует номинальный
оборот через повышение стоимости импортных товаров в номинальном
выражении. При этом реальный товарооборот, измеряемый индексом
физического объема, в данных условиях может сокращаться как это наблюдалось
в 2015 г. и 2022 г. Таким образом, наибольший номинальный рост оборота
достигается при наиболее неблагоприятных условиях, что создает эффект
динамического развития отрасли при фактическом снижении ее эффективности.
Это необходимо учитывать при разработке политики поддержки отрасли оптовой
торговли.
Таким образом сценарный прогноз подтверждает устойчивый
номинальный рост оборота оптовой торговли в среднесрочной перспективе при
сохранении текущих тенденций денежно-кредитной политики и валютного
курса. Наиболее вероятным представляется базовый сценарий с умеренным
ростом монетизации, обеспечивающий прирост оборота оптовой торговли до
218 840 млрд руб. в 2027 г.
Для краткосрочного и среднесрочного прогнозирования оборота оптовой
торговли в РФ применяются трендовые модели. Эти модели служат

63
инструментом для определения тенденции развития оборота оптовой торговли и
последующего проецирования ее на будущие периоды.
В качестве исходных данных использован временной ряд оборота оптовой
торговли в РФ в фактически действовавших ценах за 2000-2024 гг. (Приложение
8). Для выявления оптимальной спецификации оценены три альтернативные
трендовые модели: линейная, экспоненциальная и параболическая, прогнозные
значения определены на 3 точки – 2025-2027 гг. Оценка параметров проведена
методом наименьших квадратов в программной среде Gretl.
По информационным критериям лучшей моделью оказалась –
экспоненциальная, по информационному критерию Акаике равному -2,716, что
является наименьшим значением из первых трех оцененных спецификаций.
(табл. 14)
Таблица 14 – Результаты оценки трендовых моделей оборота оптовой торговли
в Российской Федерации за 2000-2024 гг.
Модель
R2
AIC
Стандартная
ошибка
Прогноз на
2025 г., млрд
руб.
Линейный тренд
0,905 548,632
13566,850 125 357,0
Экспоненциальный тренд
0,956
-2,716
0,221
208
341,3
Параболический тренд
0,980 510,978
6276,295 154 620,0
Источник: составлено автором на основе данных Росстата [14]
Однако диагностика экспоненциальной спецификации выявила проблемы
со значительной автокорреляцией ошибок и гетероскедастичность остатков. О
значительной автокорреляции свидетельствуют тесты Бройша-Годфри на
автокорреляцию остатков первого порядка p-value менее 0,001. Также сильную
положительную автокорреляцию подтвердила статистика Дарбина-Уотсона
равная 0,2. Тесты Уайта и Бройша-Пэгана с p-value равным 0,005 и 0,011
соответственно, подтвердили наличие гетероскедастичности остатков,
обусловленной экспоненциальным ростом номинального показателя и
непостоянством дисперсии на различных уровнях. (Приложение 19)

64
Для устранения автокорреляции применена модель ARIMA с
детерминистическим трендом в логарифмах, Полученное уравнение модели
имеет вид:
lnYt = 8,390 + 0,1486t + ut
ut = 0,924ut−1 + εt
Оценка проведена точным методом максимального правдоподобия.
Коэффициент авторегрессии равный 0,924 значим. (Приложение 19). Это
отражает сохраняющиеся отклонения тренда, что обусловлено длительным
циклом восстановления отрасли после кризисных потрясений.
Также оценка полученной модели ARIMA характеризуется наименьшими
значениями информационных критериев. Коэффициент детерминации
составляет 0,993. Диагностика остатков не выявляет систематического паттерна.
(Приложение 19)
Прогноз по ARIMA модели демонстрирует увеличение оборота оптовой
торговли с 158 539,2 млрд руб. в 2024 г. до 254 466,9 млрд руб. в 2027 г., прирост
составит 95 927,7 млрд руб. (на 60,5%). (рис. 16)
Рисунок 16 – Прогноз оборота оптовой торговли в Российской Федерации на
основе ARIMA модели с трендом
Источник: составлено автором на основе данных Росстата [14]
79 779.9
84 847.9
80,323.86
97,783.39
160,815.66
254,466.89
0.0
50 000.0
100 000.0
150 000.0
200 000.0
250 000.0
300 000.0
350 000.0
400 000.0
2018 2019 2020 2021 2022 2023 2024 2025 2026 2027
м
л
р
д
р
у
б
.
Год
Оборот оптовой торговли
Прогнозные значения
Нижняя граница ДИ
Верхняя граница ДИ

65
Сопоставление с экспоненциальной трендовой моделью выявило
существенные расхождения в прогнозах. Модель ARIMA демонстрирует более
консервативный прогноз. Это различие объясняется тем, что она учитывает
замедление роста оборота в период 2023–2024 гг. по сравнению с
предполагаемой экспоненциальной траекторией. В то время как трендовая
модель, оцененная методом наименьших квадратов, просто продолжает инерцию
роста, авто регрессионная спецификация более точно корректирует прогноз,
принимая во внимание отклонения от предыдущих тенденций. (табл. 15)
Таблица 15 – Сопоставление прогнозов оборота оптовой торговли в Российской
Федерации на основе ARIMA модели с трендом и экспоненциальной трендовой
модели
Год
Экспоненциальная модель
ARIMA модель
Сокращение
ширины
ДИ, %
Прогноз, млрд
руб.
Ширина ДИ,
млрд руб.
Прогноз, млрд
руб.
Ширина ДИ,
млрд руб.
2025
208 341,33 214 097,42 185 759,29
68 185,94
-68,15
2026
238 784,80 247 726,24 217 490,62 109 232,54
-55,91
2027
273 676,77 286 790,14 254 466,89 151 489,41
-47,18
Источник: составлено автором на основе данных Росстата [14]
Доверительные интервалы модели ARIMA существенно уже, чем у
экспоненциальной модели, что свидетельствует о повышении точности прогноза
после устранения автокорреляции (табл. 15).
Для краткосрочного прогнозирования оборота оптовой торговли по РФ
были применены адаптивные методы экспоненциального сглаживания. Для
прогноза использовались модель Хольта и ее демпфированная модификация.
Оптимальные параметры для модели Хольта были подобраны с помощью
надстройки «Поиск решений» программного обеспечения Excel. Оптимальный
коэффициент сглаживания уровня равен 1, что свидетельствует о том, что модель
полностью адаптируется к новым наблюдениям. Коэффициент сглаживания
тренда равный 0,612 обеспечивает умеренную скорость обновления тренда.
MAPE для модели составляет 11,51%, а RSME – 5 833,26 млрд руб. Относительно
высокая ошибка объясняется чувствительностью модели к структурным

66
сдвигам. Наибольшие отклонения отмечаются в кризисные периоды в 2009 г. в
период кризиса ошибка составила 31,2%, в 2021 г. постковидный период – 19,9%.
(Приложение 20)
Прогнозные значения по модели Хольта составили 177 811,3 млрд руб. в
2025 г. и 197 083,5 млрд руб. в 2026 г. (Приложение 20)
Демпфированная модель Хольта включает в себя третий параметр,
описывающий затухание тренда, который постепенно уменьшает его вклад в
прогноз по мере увеличения горизонта. Данная модификация актуальна для
анализируемого ряда, так как темпы прироста оборота в 2023-2024 гг.
замедлились с 29% в 2021 г. до 16,1% и 15,5% (рис. 1). Таким образом введение
демпфирования позволяет избежать завышенных оценок, формируемых
линейной экстраполяцией.
Оптимизация модели проводилась по трём параметрам с ограничением β ≤
0,95 для обеспечения ее устойчивости и предотвращения вырождения. Получены
следующие оценки: α = 0,724; β = 0,95; φ = 0,9. Параметр демпфирования φ = 0,9
означает, что вклад тренда в прогноз на каждом следующем шаге сохраняется на
90%, обеспечивая постепенное затухание. Ограничение параметра тренда
практически не повлияло на точность модели, но повысило её робастность.
MAPE для модели составляет 7,32%, а RSME – 5 512,87 млрд руб. Снижение
MAPE на 4,19 П.П. относительно обычной модели Хольта свидетельствует о
преимуществе учета замедления тренда для данного ряда. Модель лучше
воспроизводит кризисные периоды и не переоценивает рост в постковидный
период. (Приложение 21)
Прогнозные значения по демпфированной модели Хольта составили 175
011,8 млрд руб. в 2025 г. и 191 665,4 млрд руб. в 2026 г., снизив прогноз на 2026
г. на 5 418,04 млрд руб. относительно линейной модели Хольта. (Приложение 21)
В период 2000-2024 гг. обе модели демонстрируют близкую динамику
подгонки, однако демпфированная модель точнее воспроизводит замедление
2023-2024 гг. На прогнозном участке видно расхождение траекторий у Хольта

67
продолжается линейный тред, а демпфированная модель формирует более
пологую кривую. (рис. 17)
Рисунок 17 - Фактические и прогнозные значения оборота оптовой
торговли в Российской Федерации по адаптивным моделям
Источник: составлено автором на основе данных Росстата [14]
Для выбора оптимальной прогнозной модели оптовой торговли в РФ
проведено сопоставление четырех альтернативных подходов: ARIMA с
детерминистическим трендом, двухфакторной логарифмической модели, модели
Хольта и ее демпфированной модификации. Сравнение осуществляется по
комплексу критериев, состоящего из метрик точности, диагностики остатков,
характера прогнозных траекторий и экономической интерпретируемости.
Ретроспективное прогнозирование на период 2023-2024 гг. показало, что
модель ARIMA с трендом обеспечивает более точные оценки, MAPE равен
0,168% при прогнозировании на 2 точки, по сравнению с демпфированной
моделью Хольта показатель которого равен 4,99%. Это свидетельствует о лучшей
способности ARIMA воспроизводить инерцию роста номинального оборота на
коротком горизонте. (Приложение 22)
4 256.8
84 847.9
158 539.2
88 102.4
191 665.4
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
160,000
180,000
200,000
2
0
0
0
2
0
0
1
2
0
0
2
2
0
0
3
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
2
0
0
8
2
0
0
9
2
0
1
0
2
0
1
1
2
0
1
2
2
0
1
3
2
0
1
4
2
0
1
5
2
0
1
6
2
0
1
7
2
0
1
8
2
0
1
9
2
0
2
0
2
0
2
1
2
0
2
2
2
0
2
3
2
0
2
4
2
0
2
5
2
0
2
6
м
л
р
д
р
у
б
.
Год
Оборот оптовой
торговли
Прогноз Хольта
Прогноз демпфированной модели

68
Анализ метрик точности показывает, что наименьшую относительную
ошибку демонстрируют модели ARIMA - 7,51% и демпфированная модель
Хольта – 7,32%. При этом у модели ARIMA ниже среднеквадратическая ошибка,
она равна 4 610,72 млрд руб., что свидетельствует о наилучшей способности
модели воспроизводить изменения исходного ряда. У модели демпфированного
Холита среднеквадратическая ошибка больше – 5 512,87 млрд руб. (табл. 16)
Таблица 16 — Сравнение точности и адекватности прогнозных моделей
оборота оптовой торговли в Российской Федерации
Критерий
сравнения
ARIMA с трендом
Эконометрическая:
базовый сценарий
Хольт
Демпфированный
Хольт
RMSE, млрд руб.
4 610,72
10 897,79
5 833,26
5 512,87
MAPE, %
7,505
11,268
11,506
7,322
Диагностика
остатков
Нет автокорреляции,
нет
гетероскедастичности
Нет автокорреляции,
нет
гетероскедастичности
-0,416
-0,248
Дарбин-Уотсон
~2
~2
2,833
2,497
Прогноз 2025,
млрд руб.
185 759
156 825
177 811
175 012
Прогноз 2026,
млрд руб.
217 491
186 504
197 084
191 665
Прогноз 2027,
млрд руб.
254 467
218 840
—
—
Источник: составлено автором на основе данных Росстата [14]
Диагностика остатков адаптивных моделей выявила отрицательную
автокорреляцию у обычной модели Хольта, обусловленную чрезмерной
чувствительностью к локальным сдвигам. Введение параметра демпфирования
тренда снизило автокорреляцию остатков до приемлемого уровня, что
подтверждает эффективность спецификации для рядов с замедлением роста.
(табл. 16)
Эконометрическая модель уступает моделям ARIMA и демпфированному
Хольту по точности подгонки, MAPE равно 11,27%, что объясняется
спецификацией в логарифмической форме. Однако данная модель имеет
экономическую интерпретируемость по эластичности курса доллара и
монетизации экономики. (табл. 16)

69
Сопоставление прогнозных оценок на 2025-2027 гг. показывает
существенные
различия.
Наиболее
консервативный
прогноз
дает
эконометрическая модель, по ней оборот оптовой торговли составит 218 840
млрд руб. в 2027 г., ARIMA предполагает более оптимистичную динамику –
254 467 млрд руб. в 2027 г. Адаптивные модели дают краткосрочный прогноз, по
обычной модели Хольта в 2026 г. оборот оптовой торговли составит 197 084 млрд
руб., а по демпфированной модели Хольта с учетом замедления – 191 665 млрд
руб.
Таким образом, выбор оптимальной модели определяется горизонтом
прогнозирования и целями анализа. Для краткосрочного прогноза на 1–2 года
предпочтительна демпфированная модель Хольта благодаря минимальной MAPE
и учёту замедления роста. Для среднесрочного прогноза целесообразно
применение ARIMA, обеспечивающей наилучшее соотношение точности и
надёжности оценок. При необходимости оценки влияния макроэкономической
политики и внешних шоков рекомендуется эконометрическая модель в
сценарной постановке, не смотря на большую ошибку подгонки, поскольку она
единственная позволяет количественно обосновать прогнозные значения через
детерминанты развития отрасли.
Анализ
номинального
оборота
оптовой
торговли,
отражает
преимущественно инфляционный характер роста отрасли. Для вычисления
тенденций развития отрасли без влияния ценового фактора в работе
рассматриваются также прогноз по дефлированному обороту оптовой торговли.
Дефлированный оборот оптовой торговли рассчитан путем деления
номинального оборота на накопленный ИФО (Приложение 23). Дефлированный
оборот вырос за период 2000–2024 гг. с 2 945,9 до 37 645,1 млрд руб. на 34 669,2
млрд руб. (на 1 177,9%). При этом темп роста неравномерен: в кризисные годы
наблюдались провалы например в 2009 г. по сравнению с 2008 г. оборот
уменьшился с 9 785,4 млрд руб. до 8 706,9 млрд руб. (на 11%), в 2020 г. по
сравнению с 2021 г. оборот практически не изменился - с 20 857,4 до 20 905,3

70
млрд руб., а после в периоды восстановления 2021 и 2022 гг. рост оборота
ускорился, он вырос до 25 618,1 и 33 015,7 млрд руб. соответственно
(Приложение 23).
Для прогнозирования дефлированного оборота оценены линейный,
экспоненциальный и параболический тренды. Экспоненциальная модель в
логарифмах обеспечила наилучшие характеристики среди трендовых
спецификаций AIC модели равен −45,47 и коэффициент детерминации 0,984.
Однако во всех моделях выявлена автокорреляция остатков, наиболее
выраженная в линейной спецификации. RESET-тест отверг адекватность
экспоненциальной модели, что указывает на пропущенные нелинейные эффекты
и структурные сдвиги (Приложение 24).
Для устранения автокорреляции остатков применена модель ARIMA с
детерминистическим трендом в логарифмах. Модель ARIMA характеризуется
улучшенным значением по AIC равным −53,30, что на 7,83 ед. ниже
экспоненциальной трендовой модели, и высоким коэффициентом детерминации
равным 0,991. Ключевое преимущество — устранение автокорреляции остатков:
LM-тест не выявляет автокорреляции, остатки распределены нормально.
Коэффициент авторегрессии свидетельствует о высокой инерционности
дефлированного оборота: 66,7% отклонения от тренда сохраняется в
последующем периоде, что отражает длительные циклы восстановления
реального товародвижения после кризисных потрясений. Трендовый
коэффициент 0,1004 соответствует среднегодовому темпу роста реального
оборота около 10,6% (Приложение 25).
Для краткосрочного прогнозирования применены адаптивные методы
экспоненциального сглаживания. Обычная модель Хольта с параметрами α =
0,905, β = 0,190 обеспечила MAPE = 7,32%, RMSE = 1 591,5 млрд руб.
Демпфированная модификация с параметрами α = 0,808, β = 0,295, φ = 0,990
снизила MAPE до 5,05%, однако параметр демпфирования φ ≈ 1 свидетельствует

71
об отсутствии устойчивого замедления тренда, и модель фактически
вырождается в обычную спецификацию Хольта (Приложения 26-27).
Для выбора оптимальной прогнозной модели дефлированного оборота
проведено сопоставление трёх альтернативных подходов ARIMA с
детерминистическим трендом, модели Хольта и её демпфированной
модификации.
На фактическом участке наблюдается высокая степень совпадения всех
трёх моделей с реальными данными, что объясняется общей восходящей
тенденцией ряда. Расхождения становятся заметными в кризисные и
посткризисные периоды. В 2015 г. фактическое значение 15 869,7 млрд руб.
оказалось выше модельное оценки ARIMA, но ниже демпфированной модели
Хольта. В 2020 г. все модели демонстрируют превышение прогнозных значений
над фактическим показателем 20 905,3 млрд руб., что отражает непредвиденное
замедление товародвижения. В 2022 г. наблюдается максимальное расхождение.
Фактический оборот 33 015,7 млрд руб. существенно превысил все модельные
оценки. Демпфированная модель Хольта дала наиболее консервативную оценку,
тогда как ARIMA оказалась ближе к реальности благодаря инерционному
компоненту. В 2023–2024 гг. все модели сходятся к фактическим значениям,
однако ARIMA демонстрирует наилучшую подгонку на конце ряда. (рис. 18)
На прогнозном участке выявляются принципиальные различия в
траекториях. ARIMA формирует более крутую восходящую траекторию,
отражающую инерционное восстановление реального товародвижения после
кризисов 2020–2022 гг. Прогноз 2027 г. составляет 51 093 млрд руб.
Демпфированная модель Хольта демонстрирует более пологий рост, что
обусловлено высоким параметром демпфирования, фактически сводящим
модель к линейной экстраполяции последнего тренда, по прогнозу оборот в 2026
г. составит 43 753 млрд руб. (рис. 18)

72
Рисунок 18 - Фактические и прогнозные значения дефлированного оборота
оптовой торговли в Российской Федерации по ARIMA и адаптивным моделям
Источник: составлено автором на основе данных Росстата [14]
Сопоставление прогнозов номинального и дефлированного оборота,
полученных по оптимальным ARIMA-моделям с детерминистическим трендом,
позволяет количественно оценить инфляционную составляющую роста отрасли.
38,312.44
51,093.32
40,752.14 43,752.54
13,572.46
15,869.74
20,905.25
37,645.07
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
50,000
55,000
2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027
м
л
р
д
р
у
б
.
Год
дефлированный оборот оптовой торговли, прогноз по ARIMA
дефлированный оборот оптовой торговли, прогноз по демпфированной
модели Хольта
дефлированный оборот оптовой торговли
Expon. (дефлированный оборот оптовой торговли)

73
Номинальный оборот к 2027 г. достигнет 254 467 млрд руб., увеличившись с 2024
г. на 95 928 млрд руб. (60,51%). При этом дефлированный оборот в ценах 2000 г.
вырастет до 51 244 млрд руб., прирост составит 13 599 млрд руб. (36,12%). (табл.
17)
Таблица 17 — Сравнение прогнозных моделей номинального и дефлированного
оборота оптовой торговли в Российской Федерации
Показатель
Номинальный
оборот, млрд руб.
прогноз по
ARIMA модели
Дефлированный
оборот, млрд руб.
(в ценах 2000 г.),
прогноз по
ARIMA с
трендом
Отношение
номинального
оборота к
дефлированному
2024 г., млрд руб.
158 539
37 645
4,21
2025 г., млрд руб.
185 759
41 558
4,47
2026 г., млрд руб.
217 491
46 305
4,70
2027 г., млрд руб.
254 467
51 244
4,97
Абсолютный прирост 2024–
2027 гг., млрд руб.
95 928
13 599
-
Темп прироста 2024 -2027 гг.,
%
60,51
36,12
-
Источник: составлено автором на основе данных Росстата [14]
Отношение прогнозных значений номинального к дефлированному
обороту возрастает с 4,21 в 2024 г. до 4,97 в 2027 г., что отражает накопленный
инфляционный эффект. Расхождение темпов прироста на 24,39 П.П.
свидетельствует о том, что около 40% номинального роста обусловлено не
наращиванием физических товаропотоков, а ценовыми факторами. (табл. 17)
Таким образом, прогноз дефлированного оборота подтверждает вывод о
преимущественно инфляционной природе роста оптовой торговли в РФ,
сформулированный на основе анализа динамики индекса физического объёма.
Реальный товарооборот растёт значительно медленнее номинального, что
необходимо учитывать при разработке политики поддержки отрасли и переходе
к таргетированию реальных показателей вместо номинальных.
В третьей главе выполнено статистическое исследование перспектив
развития оптовой торговли в РФ.

74
Проведено эконометрическое моделирование зависимости оборота
оптовой торговли от макроэкономических факторов. В результате отбора
переменных с устранением мультиколлинеарности построена двухфакторная
логарифмическая регрессионная модель, описывающая влияние среднегодового
курса доллара и коэффициентом монетизации экономики на оборот оптовой
торговли. Модель признана статистически значимой и устойчивой к
структурным сдвигам.
На основе полученной модели сформировано прогнозирование оборота
оптовой торговли на 2025-2027 гг.
с учетом неопределенности
макроэкономических условий. Выделены 4 сценария: базовый по которому в
2027 г. оборот составит 218 840 млрд руб., увеличившись к 2024 г. на 38,04%,
сценарий монетарного расширения – 241 284,21 млрд руб. увеличение на 52,2%,
сценарий ценовой переоценки – 222 689,85 млрд руб. увеличение на 40,46% и
сценарий инфляционного роста – 245 528,89 млрд руб. увеличение на 54,87%.
Установлено, что наибольший номинальный рост оборота достигается при
неблагоприятных внешнеэкономических условиях, это свидетельствует о
преимущественно инфляционном росте отрасли.
Также для анализа и прогнозирования были использованы различные
модели, включая линейную, экспоненциальную, параболическую трендовые
модели и модель ARIMA с учетом тренда. Экспоненциальная модель была
исключена из-за проблем с автокорреляцией остатков. Наилучшие результаты
показала модель ARIMA, обеспечив высокое качество подгонки, коэффициент
детерминации равен 0,993. Прогноз по модели ARIMA описывает рост оборота
до 254 467 млрд руб. к 2027 году, с ошибкой MAPE 7,51% и RMSE 4 610,72 млрд
руб.
Для краткосрочных прогнозов применялись адаптивные модели Хольта.
Демпфированная версия модели Хольта оказалась точнее - MAPE 7,32% против
11,51% у обычной, так как учитывала замедление роста в 2023-2024 годах.

75
Ретроспективная проверка на 2023-2024 годы подтвердила преимущества
модели ARIMA, так как значение MAPE 2,03% меньше, чем у демпфированной
модели Хольта - MAPE 4,99% на коротком временном горизонте.
Сравнительный анализ показал, что для краткосрочного прогноза на 1–2
года лучше использовать демпфированную модель Хольта, для среднесрочного
модель ARIMA, для оценки влияния макроэкономической политики —
эконометрическая модель в сценарной постановке. Базовый сценарий
эконометрической модели составляет 218 840 млрд руб. в 2027 г. может
рассматриваться как наиболее вероятная траектория при сохранении текущих
тенденций денежно-кредитной политики.
Также был построен прогноз дефлированного оборота оптовой торговли в
ценах 2000 г., позволяющий отделить реальный рост от инфляционного
переоценивания. Для прогнозирования оценены линейный, экспоненциальный и
параболический тренды, а также модель ARIMA с детерминистическим трендом
в логарифмах и адаптивные модели Хольта. Экспоненциальная трендовая модель
обеспечила наилучшие характеристики среди трендовых спецификаций, однако
во всех трендовых моделях выявлена автокорреляция остатков и нарушение
спецификации по RESET-тесту. Модель ARIMA с трендом устранила
автокорреляцию,
обеспечила
нормальность
остатков
и
улучшила
информационные критерии. Коэффициент авторегрессии 0,667 подтверждает
наличие значительной инерции в системе реального товародвижения. Прогноз по
ARIMA демонстрирует рост дефлированного оборота с 37 645 млрд руб. в 2024
г. до 51 244 млрд руб. в 2027 г. (в ценах 2000 г.), прирост составит 13 599 млрд
руб. (+36,12%).
Сопоставление прогнозов номинального и дефлированного оборота
количественно подтверждает преимущественно инфляционную природу роста
отрасли. Темп прироста номинального оборота (60,51%) превышает темп
прироста реального оборота (36,12%) на 24,39 П.П. Отношение номинального к
дефлированному обороту возрастает с 4,21 в 2024 г. до 4,97 в 2027 г., что отражает

76
накопленный инфляционный эффект. Данный результат обосновывает
необходимость перехода к таргетированию реального товарооборота вместо
номинальных показателей при оценке эффективности оптовой торговли и
разработке политики поддержки отрасли.

77
ЗАКЛЮЧЕНИЕ
В ходе проведенного исследования выполнена комплексная оценка
состояния и перспектив развития оптовой торговли в РФ на основе системы
взаимосвязанных показателей и актуальных методов анализа.
Теоретические основы статистического наблюдения за оптовой торговлей
систематизированы с учётом нормативно-правовых, классификационных и
методологических подходов. Установлено, что оптовая торговля определяется
как
деятельность
по
приобретению
и
продаже
товаров
для
предпринимательского использования, исключающая личное потребление.
Сформированная система показателей охватывает пять взаимосвязанных групп:
объёма и динамики оборота, товарной структуры и ассортимента, финансовых
результатов и эффективности, организационной структуры, концентрации и
трудовых ресурсов, а также макроэкономических факторов для моделирования.
Ключевым интегральным показателем выступает оборот оптовой торговли,
формируемый на основе форм федерального статистического наблюдения с до
счётом скрытой деятельности.
Динамика и структура оптовой торговли в РФ за 2010–2024 гг.
характеризуются устойчивым номинальным ростом оборота с 32 153,5 млрд руб.
до 158 539,2 млрд руб., при этом накопленный индекс физического объёма за тот
же период составил лишь 126%. Данное расхождение свидетельствует о
преимущественно инфляционном характере роста отрасли.
Доля торговли по разделу G ОКВЭД-2 в ВВП снизилась с 19,4% в 2010 г.
до 13% в 2024 г., что отражает структурное снижение секторальной значимости.
Товарная структура оборота демонстрирует высокую стабильность: преобладает
группа «прочая специализированная оптовая торговля» 42,7–47,4%, на втором
ме сте — пищевые продукты, напитки и табачные изделия 21,2–21,6%. Индексы
структурных сдвигов В.М. Рябцева равный 0,06 и Гатева равный 0,085, а также
линейный коэффициент — 1,68 П.П.,
подтверждают незначительную
интенсивность изменений.

78
Финансовая
эффективность
функционирования
отрасли
носит
отрицательную динамику: рентабельность продаж сократилась с 4,09% в 2014 г.
до 1,87% в 2024 г. при росте номинальной ВП с 5 484 125 млн руб. до 10 872 002
млн руб. Коммерческие и управленческие затраты на 1 рубль оборота снизились
с 0,066 до 0,050 руб., однако данная тенденция не компенсирует рост
себестоимости приобретённых товаров.
Институциональная структура претерпевает трансформацию, количество
действующих организаций оптовой торговли сократилось с 1 011 299 ед. на 1
января 2018 г. до 508 116 ед. на 1 января 2026 г. (на 49,76%). Усилилась
концентрация рынка в пользу крупных предприятий, их доля в обороте выросла
с 59,85% в 2010 г. до 74,62% в 2023 г., в то время как доля малых и
микропредприятий снизилась с 28,30% до 20,98%, средних — с 11,85% до 4,40%.
Структура распределения организаций по формам собственности
характеризуется стабильностью, что подтверждается индексом Рябцева за 2011–
2026 гг. равным 0,011. Доминирует частная собственность с долей 95,2–96,3%,
наблюдается умеренный рост доли иностранной собственности с 2,05% до
3,86%.
Трудовые ресурсы сектора оптовой и розничной торговли демонстрируют
рост среднегодовой численности занятых с 12 407 526 чел. в 2013 г. до 13 481 716
чел. в 2024 г. (на 9,68%), однако накопленный индекс производительности труда
снизился до 95,8% в 2024 г. относительно базового 2012 г., что свидетельствует о
необходимости модернизации торговых процессов.
Многомерная классификация регионов РФ по состоянию оптовой
торговли, проведённая методами факторного и кластерного анализа по данным
2017 и 2024 гг., выявила четыре устойчивых кластера. Торговые федеральные
центры, включающие Москву и с 2024 г. Санкт-Петербург, характеризуются
максимальными значениями фактора «масштаб и развитие оптовой торговли»
при снижении показателей финансовой эффективности с 4,68 до 0,75
стандартизованных балла. Базовые регионы включают 49 субъектов в 2024 г. ,

79
составляют основную массу территории РФ и демонстрируют умеренно низкие
значения по обоим факторам. Масштабные регионы - 16 субъектов, отличаются
высоким уровнем развития оптовой торговли при приближении финансовой
эффективности к среднему значению, увеличение с −0,94 до −0,16 балла.
Эффективные торговые предприятия - 8 субъектов в 2024 г., характеризуются
высокой рентабельностью при небольшом масштабе операций. За исследуемый
период усилилась поляризация регионального рынка: число базовых регионов
увеличилось с 40 до 49, группа эффективных регионов сократилась вдвое, Санкт-
Петербург переместился в кластер лидеров, что отражает переориентацию
внешнеэкономических связей и усиление роли северо-западного центра.
Эконометрическое моделирование зависимости оборота оптовой торговли
от макроэкономических факторов выполнено на временных рядах за 2000–2024
гг. Корреляционный анализ выявил высокую линейную взаимосвязь между
номинальными макропоказателями, такими как ВВП, розничный товарооборот,
денежная масса М2, что потребовало устранения мультиколлинеарности путём
перехода к относительным показателям.
После сравнения
линейной,
полулогарифмических
и
полной
логарифмической спецификаций по информационному критерию Акаике и
диагностическим тестам выбрана двухфакторная логарифмическая модель
зависимости оборота оптовой торговли от среднегодового курса доллара США и
коэффициента монетизации экономики: lnY = 11,054 + 0,486lnX2 + 2,089lnX3.
Модель характеризуется высокой объясняющей способностью, коэффициент
детерминации равен 0,982, статистической значимостью коэффициентов и
устойчивостью к структурным сдвигам в кризисные периоды 2008–2009 и 2014–
2015 гг. Эластичность оборота по коэффициенту монетизации составила 2,089 в
4,3 раза превышает эластичность по курсу доллара равную 0,486, что
свидетельствует о доминирующей роли денежно-кредитных условий в
формировании номинального оборота. Значение VIF = 2,025 подтверждает
отсутствие мультиколлинеарности в итоговой модели.

80
Прогнозирование показателей оптовой торговли на 2025–2027 гг.
выполнено на основе трендовых, адаптивных и эконометрических моделей.
Сценарное прогнозирование по двухфакторной логарифмической модели с
использованием официальных прогнозов Минэкономразвития РФ по курсу
доллара и ARIMA-модели монетизации экономики выявило четыре
альтернативные траектории. Базовый сценарий предполагает оборот 218 840
млрд руб. в 2027 г. прирост к 2024 г. - 38,04%. Сценарий монетарного расширения
-
241 284 млрд руб. прирост на 52,19% к 2024 г. Сценарий ценовой переоценки
составляет прогноз на 2027 г. 222 690 млрд руб. прирост к 2024 г. на 40,46%.
Сценарий инфляционного роста в 2027 г. - 245 529 млрд руб. прирост к 2024 г. на
54,87%. Установлено, что наибольший номинальный рост оборота достигается
при наиболее
неблагоприятных макроэкономических условиях, что
подтверждает преимущественно инфляционную природу развития отрасли. При
этом реальный товарооборот, измеряемый индексом физического объёма, в
подобных условиях может сокращаться, как это наблюдалось в 2015 и 2022 гг.
Трендовое прогнозирование методом наименьших квадратов выявило
преимущество экспоненциальной спецификации по информационному
критерию Акаике, однако диагностика выявила значительную автокорреляцию
остатков и гетероскедастичность. Для устранения указанных проблем применена
ARIMA-модель с детерминистическим трендом в логарифмах, обеспечившая
наилучшие характеристики качества: коэффициент детерминации равен 0,993,
отсутствие автокорреляции и гетероскедастичности остатков. Прогноз по
ARIMA-модели демонстрирует рост оборота до 254 467 млрд руб. в 2027 г. , что
составляет прирост 60,5% к 2024 г., при этом доверительные интервалы
существенно уже, чем у экспоненциальной модели.
Адаптивные методы экспоненциального сглаживания применены для
краткосрочного прогнозирования. Обычная модель Хольта с оптимальными
параметрами α = 1, β = 0,612 характеризуется MAPE = 11,51% и чрезмерной
чувствительностью к структурным сдвигам. Демпфированная модификация с

81
параметрами α = 0,724, β = 0,95, φ = 0,9 обеспечивает снижение MAPE до 7,32%
и более адекватное воспроизведение замедления роста в 2023–2024 гг.
Прогнозные значения по демпфированной модели составляют 175 012 млрд руб.
на 2025 г. и 191 665 млрд руб. на 2026 г., что на 5,4% ниже оценок обычной модели
Хольта.
Сравнительный анализ прогнозных моделей показал, что выбор
оптимального подхода определяется горизонтом прогнозирования и целями
анализа. Для краткосрочного прогноза на 1–2 года предпочтительна
демпфированная модель Хольта. Для среднесрочного прогноза целесообразно
применение ARIMA. Для оценки влияния макроэкономической политики и
внешних шоков рекомендуется двухфакторная эконометрическая модель в
сценарной постановке, поскольку она единственная позволяет количественно
обосновать прогнозные значения через детерминанты развития отрасли.
Также в рамках исследования построен прогноз дефлированного оборота в
ценах 2000 г. по модели ARIMA с трендом: с 37 645 млрд руб. в 2024 г. до 51 244
млрд руб. в 2027 г. (+36,12%). Сопоставление с номинальным прогнозом
(+60,51%) показывает, что превышение темпа номинального роста над реальным
составляет 24,39 П.П., или 40% от общего номинального прироста. Данный
результат
количественно
обосновывает
необходимость
перехода
к
таргетированию реального товарооборота при оценке эффективности оптовой
торговли.
На основании выявленных тенденций сформированы рекомендации по
развитию оптовой торговли. Для торговых федеральных центров приоритетны ми
направлениями являются развитие логистической инфраструктуры и
цифровизация торговых процессов. Для масштабных регионов целесообразно
сосредоточиться на повышении финансовой эффективности предприятий
оптовой торговли за счёт оптимизации издержек. Для базовых регионов
актуальным является стимулирование развития оптовой торговли как сектора
экономики. Для эффективных торговых предприятий рекомендуется

82
использование в качестве площадки для пилотных проектов по внедрению
передовых практик. На федеральном уровне необходимо: усиление
антимонопольного регулирования в условиях растущей концентрации рынка ,
стимулирование импортозамещения и развития внутренних товаропотоков для
снижения валютной зависимости отрасли, переход к таргетированию реального
товарооборота вместо номинальных показателей при оценке эффективности
оптовой торговли, развитие институциональных механизмов поддержки малых и
средних предприятий оптовой торговли в условиях сокращения их численности.
Таким образом, оптовая торговля в Российской Федерации за период 2010–
2024 гг. демонстрирует устойчивый номинальный рост при стагнации реальных
объёмов товарооборота, снижении рентабельности предприятий, усилении
концентрации рынка и поляризации регионального пространства. Основным
драйвером развития выступает не наращивание физических товаропотоков, а
инфляционное переоценивание стоимости товарных запасов и денежно-
кредитная экспансия. Полученные результаты статистического анализа,
эконометрического моделирования и прогнозирования могут быть использованы
при обосновании региональной политики поддержки оптовой торговли, выборе
инструментов
денежно-кредитного
регулирования
и
планировании
инвестиционной деятельности в отрасли.

83
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Об основах государственного регулирования торговой деятельности в
Российской Федерации: Фед. Закон от 28.12 .2009 No 381-ФЗ. Ст. 2 [Электронный
ресурс]
//
Справочно-правовая
система
Гарант.
—
URL: https://base.garant.ru/12171992/741609f9002bd54a24e5c49cb5af953b/. (дата
обращения: 04.03.2026.)
2. Приказ Росстата от 31.07.2023 No 364 «Об утверждении форм федерального
статистического наблюдения для организации федерального статистического
наблюдения за внутренней и внешней торговлей, платными услугами населению
и транспортом» (ред. от 20.02.2026) [Электронный ресурс].
—
URL: https://normativ.kontur.ru/document?moduleId=1&documentId=504842 (дата
обращения: 29.03.2026).
3. Приказ Росстата от 31.07.2023 No 365 «Об утверждении форм федерального
статистического наблюдения для организации федерального статистического
наблюдения за деятельностью предприятий» (ред. от 20.02.2026) [Электронный
ресурс].
—
URL: https://normativ.kontur.ru/document?moduleId=1&documentId=504843 (дата
обращения: 29.03.2026).
4. Приказ Федеральной службы государственной статистики от 24.02.2026 No
80 «Об утверждении официальной статистической методологии по
формированию оперативного индикатора «Индекс производительности труда»
по Российской Федерации» [Электронный ресурс] / СКБ Контур.
—
Режим
доступа: https://normativ.kontur.ru/document?moduleId=1&documentId=504807 (да
та обращения: 03.05.2026).
5. Приказ Федеральной службы государственной статистики от 29.05.2025 No
259 «Об утверждении официальных статистических методологий по
определению обобщающих показателей по статистике оптовой и розничной
торговли» [Электронный ресурс]. — URL: https://legalacts.ru/doc/prikaz-rosstata-
ot-29052025-n-259-ob-utverzhdenii-ofitsialnykh/ (дата обращения: 14.03.2026).

84
6. Официальная статистическая
методология переоценки валового
внутреннего продукта Российской Федерации в постоянные цены: приказ
Росстата
от
08.11 .2021 No 774 [Электронный ресурс].
—
URL: https://normativ.kontur.ru/document?moduleId=1&documentId=406798 (дата
обращения: 03.05.2026).
7. Приказ Росстата от 28.04.2018 No 274 «Об утверждении статистического
инструментария для организации федерального статистического наблюдения за
сельским хозяйством и окружающей средой» (ред. от 28.12.2022) [Электронный
ресурс]. — URL: https://rosstat.gov.ru/storage/mediabank/pr274-280418[3].pdf (дата
обращения: 29.03.2026).
8. Общероссийский классификатор видов экономической деятельности
ОКВЭД-2 . Раздел G. Торговля оптовая и розничная; ремонт автотранспортных
средств и мотоциклов [Электронный ресурс] // Справочно-правовая система
КонсультантПлюс.
URL: https://www.consultant.ru/document/cons_doc_LAW_163320/218987e8ab16fb
af6872f97b6bd0cb303486aee2/ (дата обращения: 04.03 .2026).
9. Особенности документального оформления операций по реализации
товаров
в
оптовой
торговле
//
КиберЛенинка.
—
URL: https://cyberleninka.ru/article/n/osobennosti-dokumentalnogo-oformleniya-
operatsiy-po-realizatsii-tovarov-v -optovoy-torgovle (дата обращения: 09.03.2026).
—
С. 122–126.
10. Значение оптовой торговли в системе хозяйственных отношений
[Электронный ресурс] // CyberLeninka: науч. электрон. б -ка.
—
URL: https://cyberleninka.ru/article/n/znachenie-optovoy-torgovli-v -sisteme-
hozyaystvennyh-otnosheniy/viewer (дата обращения: 09.03 .2026).
11. Конъюнктура оптовой торговли: методологические пояснения /
Федеральная служба государственной статистики. — М.: Росстат [Электронный
ресурс].
—

85
URL: https://rosstat.gov.ru/storage/mediabank/Конъюнктура_опт.pdf (дата
обращения: 29.03.2026).
12. Росстат. Методологические пояснения по статистическим показателям:
инве стиции
в
основной
капитал
[Электронный ресурс].
—
URL: https://rosstat.gov.ru/storage/mediabank/xoCyl4Ia/met-ok.pdf (дата
обращения: 29.03.2026).
13. Федеральная служба государственной статистики. Национальные счета
[Электронный ресурс].
—
URL: https://rosstat.gov.ru/statistics/accounts (дата
обращения: 29.03.2026).
14. Уточненный оборот оптовой торговли (с дорасчетом на объемы
деятельности, не наблюдаемой прямыми статистическими методами)
[Электронный ресурс].
—
URL: https://www.fedstat.ru/indicator/40538 (дата
обращения: 29.03.2026).
15. Индекс физического объема оборота оптовой торговли (с дорасчетом на
объемы деятельности, не наблюдаемой прямыми статистическими методами)
[Электронный ресурс].
—
URL: https://www.fedstat.ru/indicator/33652 (дата
обращения: 29.03.2026).
16. Численность постоянного населения в среднем за год [Электронный
ресурс].
—
URL: https://www.fedstat.ru/indicator/31556 (дата
обращения:
29.03 .2026).
17. ВВП: раздел Национальные счета [Электронный ресурс] // Росстат.
—
URL: https://rosstat.gov.ru/statistics/accounts (дата обращения: 29.03 .2026).
18. Инвестиции в основной капитал по видам экономической деятельности
[Электронный ресурс].
—
URL: https://www.fedstat.ru/indicator/59084 (дата
обращения: 29.03.2026).
19. Инфляция в России. No 12 (96). Декабрь 2023 [Электронный ресурс] / ЦБ
РФ.
—
URL: https://cbr.ru/analytics/dkp/dinamic/CPD_2023-12/ (дата обращения:
03.05.2026).

86
20. Сборник «Торговля в России» [Электронный ресурс] // Росстат.
—
URL: https://rosstat.gov.ru/folder/210/document/13233 (дата
обращения:
29.03 .2026).
21. Среднегодовая численность занятых в экономике (расчеты на основе
интеграции
данных)
[Электронный
ресурс].
—
URL: https://www.fedstat.ru/indicator/58994 (дата обращения: 29.03.2026).
22. Индекс потребительских цен на товары и услуги (ИПЦ) [Электронный
ресурс].
—
URL: https://www.fedstat.ru/indicator/31074 (дата
обращения:
29.03 .2026).
23. Средние
номинальные
курсы
[Электронный ресурс].
—
URL: https://www.fedstat.ru/indicator/42108 (дата обращения: 29.03.2026).
24. Денежная масса М2 (национальное определение) [Электронный ресурс].
—
URL: https://www.fedstat.ru/indicator/37697 (дата обращения: 29.03 .2026).
25. Анализ данных: учебник для вузов / под редакцией В. С. Мхитаряна. —
Москва: Издательство Юрайт, 2026. — 4 48 с. — (Высшее образование). — ISBN
978-5 -534-19964-2 . — Текст: электронный // Образовательная платформа Юрайт
[сайт].
—
С. 186 — URL: https://urait.ru/bcode/583032/p.186 (дата обращения:
20.03 .2026).
26. Статистика: учебник для вузов / ответственный редактор И. И. Елисеева.
—
6-е изд., перераб. и доп. — Москва: Издательство Юрайт, 2026. — 619 с. —
(Высшее образование).
—
ISBN 978-5-534-15117 -6.
—
Текст: электронный //
Образовательная
платформа
Юрайт
[сайт].
—
URL: https://urait.ru/bcode/587195 (дата обращения: 30.03 .2026).
27. Теория статистики с элементами эконометрики: учебник для вузов /
ответственный редактор В. В. Ковалев. — Москва: Издательство Юрайт, 2026. —
595 с.
—
(Высшее образование).
—
ISBN 978-5-534-17938-5 .
—
Текст:
электронный // Образовательная платформа Юрайт [сайт].
—
С.223—
URL: https://urait.ru/bcode/600359/p.223 (дата обращения: 30.03.2026).

87
28. Галочкин, В. Т. Эконометрика: учебник и практикум для вузов / В. Т.
Галочкин.
—
Москва: Издательство Юрайт, 2025.
—
293 с.
—
(Высшее
образование).
—
ISBN 978-5 -534-14974-6 .
—
Текст: электронный //
Образовательная
платформа
Юрайт
[сайт].
—
URL: https://urait.ru/bcode/561148 (дата обращения: 30.03.2026).
29. Аганбегян, А. Г. От стагнации и кризиса — к социально-экономическому
подъему России // Оргздрав: Новости. Мнения. Обучение. Вестник ВШОУЗ. —
2021. — No 2 (24). — URL: https://cyberleninka.ru/article/n/ot-stagnatsii-i -krizisa-k-
sotsialno-ekonomicheskomu-podemu-rossii (дата обращения: 03.05.2026).
30. Солодухина, О. И. Влияние пандемии новой коронавирусной инфекции
(COVID-19) на экспорт товаров и услуг из Российской Федерации // Вестник
евразийской
науки.
—
2021.
—
No
6.
—
URL: https://cyberleninka.ru/article/n/vliyanie-pandemii-novoy-koronavirusnoy-
infektsii-covid-19-na-eksport-tovarov-i -uslug-iz-rossiyskoy-federatsii (дата
обращения: 03.05.2026).
31. Гордиевич, Т. И., Рузанов, П. В. Инфляционные процессы в условиях
коронавирусной пандемии // ОНВ. ОИС.
—
2021.
—
No4.
—
URL: https://cyberleninka.ru/article/n/inflyatsionnye-protsessy-v-usloviyah-
koronavirusnoy-pandemii (дата обращения: 03.05.2026).
32. Влияние пандемии COVID-19 на реальный сектор экономики / Е. В.
Дробот, И. Н. Макаров, В. С. Назаренко, С. М. Манасян // Экономика,
предпринимательство и право. — 2020. — Т. 10, No 8. — С. 2135–2150. — DOI:
10.18334/epp.10.8.110790.
—
URL: https://1economic.ru/lib/110790#citation (дата
обращения: 03.05.2026).
33. Шишкин, А. В., Латышов, А. В. Внешняя торговля России в 2014 г.: взгляд
из-под санкций // Международная торговля и торговая политика. — 2015. — No 2
(2).
—
URL: https://cyberleninka.ru/article/n/vneshnyaya-torgovlya-rossii-v -2014-g-
vzglyad-iz-pod-sanktsiy (дата обращения: 03.05.2026).

88
34. Манушин, Д. В. Антисанкционная и санкционная экономическая политика
России 2022–2025. Часть 2: последствия войны санкций, управление
изменениями, уточнение понятий исследования // Russian Journal of Economics
and
Law.
—
2024.
—
No
1.
—
URL: https://cyberleninka.ru/article/n/antisanktsionnaya-i-sanktsionnaya-
ekonomicheskaya-politika-rossii-2022-2025-chast-2-posledstviya-voyny-sanktsiy-
upravlenie (дата обращения: 03.05.2026).
35. Еремкин, В. Исследование стратегических приоритетов и структурной
трансформации экономики России на отраслевом уровне // Energy-Policy.ru:
электрон. науч. -аналит. журн.
—
2026.
—
1 марта.
—
URL: https://energy-
policy.ru/issledovanie-strategicheskih-prioritetov-i-strukturnoj-transformaczii-
ekonomiki-rossii-na-otraslevom-urovne/neft/2026/03/01/ (дата
обращения:
03.05.2026).
36. Кремянская, Е. В. Эконометрический анализ оборота оптовой торговли
России
//
ЕГИ.
—
2023.
—
No
4
(48).
—
URL: https://cyberleninka.ru/article/n/ekonometricheskiy-analiz-oborota-optovoy-
torgovli-rossii (дата обращения: 03.05.2026).
37. Кашепов, А. В., Афонина, К. В., Головачёв, Н. В. Рынок труда РФ в 2020–
2021 гг.: безработица и структурные изменения // Социально-трудовые
исследования. — 2021. — No 2 (43). — URL: https://cyberleninka.ru/article/n/rynok-
truda-rf-v-2020-2021-gg-bezrabotitsa-i-strukturnye-izmeneniya (дата
обращения:
03.05.2026).
38. Институт статистических исследований и экономики знаний НИУ ВШЭ
[Электронный
ресурс].
—
Режим
доступа: https://issek.hse.ru/news/488641866.html (дата обращения: 03.05.2026).
39. Динамика регистрации, ликвидации и банкротств [Электронный ресурс] /
СКБ Контур.
—
Режим
доступа: https://kontur.ru/press/news/82966-
dinamika_registracii_likvidacii_i _bankrotstv (дата обращения: 03.05.2026).

89
40. Прогноз социально-экономического развития Российской Федерации на
2026 год и на плановый период 2027 и 2028 годов [Электронный ресурс] /
Минэкономразвития России.
—
Электрон. дан.
—
М., 2026.
—
Режим
доступа: https://www.economy.gov.ru/material/directions/makroec/prognozy_socialn
o_ekonomicheskogo_razvitiya/prognoz_socialno_ekonomicheskogo_razvitiya_rf_na
_ 2026_god_i_na_planovyy_period_2027_i_2028_godov.html (дата
обращения:
11.05.2026).
41. Комментарий к среднесрочному прогнозу Банка России (апрель 2026 г.)
[Электронный ресурс] / Банк России. — Электрон. дан. — М., 2026. — Режим
доступа: https://www.cbr.ru/Content/Document/File/189920/comment_07052026.pd
f (дата обращения: 11.05.2026).

90
ПРИЛОЖЕНИЯ
Приложение 1
Таблица 1 – Динамика оборота оптовой торговли в РФ за 2010-2024 гг.
Годы
Оборот
оптовой
торговли по РФ
Абсолютный
прирост,
базисный,
млрд руб.
Абсолютный
прирост,
цепной, млрд
руб.
Темп
прироста
базисный, %
Темп
прироста
цепной
2010
32 153,5
-
-
-
-
2011
39 154,0
7 000,5
7 000,5
21,77
21,77
2012
42 946,0
10 792,5
3 792,0
33,57
9,68
2013
45 121,4
12 967,9
2 175,4
40,33
5,07
2014
51 343,9
19 190,4
6 222,5
59,68
13,79
2015
56 732,5
24 579,0
5 388,6
76,44
10,50
2016
61 715,1
29 561,6
4 982,6
91,94
8,78
2017
69 694,2
37 540,7
7 979,1
116,75
12,93
2018
79 779,9
47 626,4
10 085,7
148,12
14,47
2019
84 148,7
51 995,2
4 368,8
161,71
5,48
2020
84 847,9
52 694,4
699,2
163,88
0,83
2021
109 486,8
77 333,3
24 638,9
240,51
29,04
2022
118 243,8
86 090,3
8 757,0
267,75
8,00
2023
137 299,9 105 146,4
19 056,1
327,01
16,12
2024
158 539,2 126 385,7
21 239,3
393,07
15,47
Источник: составлено автором на основе данных Росстата [14]

91
Приложение 2
Таблица 2 – Расчет индексов структурных сдвигов по группам товаров за 2017-2024 гг. в РФ.
Группы товаров
2017 2018 2019 2020 2021 2022 2023 2024 (di1-
di0)^2
(di1+di0)^
2
di1^2 di0^2 abs(di1-
di0)
Сельскохозяйственное сырье, цветы и растения
2,80 3,00 2,60 3,50 3,20 3,40 4,40 4,20
1,96
49,00 17,64 7,84
1,40
Пищевые продукты, напитки и табачные изделия
21,2
0
19,5
0
19,7
0
21,2
0
20,1
0
20,9
0
21,5
0
21,6
0
0,16 1831,84 466,56 449,44
0,40
Непродовольственные потребительские то вары
14,9
0
13,5
0
14,4
0
17,1
0
16,0
0
14,7
0
14,8
0
14,7
0
0,04 876,16 216,09 222,01
0,20
Автотранспортные средства и мотоциклы, их детали, узлы и
принадлежности
0,40 0,20 0,20 0,20 0,40 0,40 0,40 0,30
0,01
0,49 0,09 0,16
0,10
Специализированная оптовая торговля прочая
47,4
0
50,7
0
49,4
0
41,9
0
43,6
0
46,3
0
42,6
0
42,7
0
22,09 8118,01 1823,2
9
2246,7
6
4,70
Информационное и коммуникационное оборудование
1,40 2,20 3,10 4,30 4,70 3,70 4,60 4,80
11,56
38,44 23,04 1,96
3,40
Прочие машины, оборудование и инструменты
5,70 4,80 5,40 6,70 6,70 6,30 7,80 7,20
2,25 166,41 51,84 32,49
1,50
Прочие товары, не включенные в вышеприведенные
группировки
6,20 6,10 5,20 5,00 4,90 4,20 3,90 4,50
2,89 114,49 20,25 38,44
1,70
Индекс Рябцева
0,060
Индекс Гатева
0,085
линейный коэффициент абсолютных структурных сдвигов
1,675
Источник: составлено автором на основе данных Росстата [20]

92
Приложение 3
Таблица 3 – Показатели финансовых результатов и эффективности
организаций оптовой торговли в РФ за 2014-2024 гг.
Год
Валовая
прибыль
организаций
оптового
торговли, млн
руб.
Коммерческие
и
управленческие
затраты
организаций
оптовой
торговли, млн
руб.
Оборот
оптовой
торговли, млн
руб.
Рентабельность
продаж
органиазций
оптовой
торговли, %
Затраты
на 1 руб.
оборота
оптовой
торговли,
млн руб.
2014
5484125 3385138
51 343 900
4,088 0,066
2015
6044129 3819647
56 732 500
3,921 0,067
2016
5780847 4088667
61 715 144
2,742 0,066
2017
5915363 4306563
69 694 214
2,308 0,062
2018
6880824 4645468
79 779 930
2,802 0,058
2019
7184416 4809699
84 148 700
2,822 0,057
2020
6742529 4932670
84 847 938
2,133 0,058
2021
10596926 5854617
109 486 800
4,331 0,053
2022
11413183 6305706
118 243 837
4,319 0,053
2023
9736182 7003029
137 299 900
1,991 0,051
2024
10872002 7904079
158 539 200
1,872 0,050
Источник: составлено автором на основе данных Росстата [20]

93
Приложение 4
Таблица 4 – Динамика коммерческих и управленческих затрат организаций
оптовой торговли на 1 руб. оборота в РФ за 2014-2024 гг.
Год
Затраты на 1 руб.
оборота оптовой
торговли, млн
руб.
Абсолютный
прирост,
базисный,
млн руб.
Абсолютный
прирост,
цепной, млн
руб.
Темп
прироста
базисный,
%
Темп
прироста
цепной
2014
0,066
-
-
-
-
2015
0,067
0,001
0,001
2,12
2,12
2016
0,066
0,000
-0,001
0,49
-1,60
2017
0,062
-0,004
-0,004
-6,28
-6,73
2018
0,058
-0,008
-0,004
-11,68
-5,77
2019
0,057
-0,009
-0,001
-13,31
-1,84
2020
0,058
-0,008
0,001
-11,82
1,71
2021
0,053
-0,012
-0,005
-18,89
-8,02
2022
0,053
-0,013
0,000
-19,12
-0,27
2023
0,051
-0,015
-0,002
-22,64
-4,36
2024
0,050
-0,016
-0,001
-24,38
-2,25
Источник: составлено автором на основе данных Росстата [20]

94
Приложение 5
Таблица 5 – Динамика количества организаций оптовой торговли на начало
года за 2018-2026 гг.
Год
Количество
организаций
оптовой
торговли,
ед.
Абсолютный
прирост,
базисный, ед.
Абсолютный
прирост,
цепной, ед.
Темп
прироста
базисный, %
Темп
прироста
цепной,
%
2018
1 011 299
-
-
-
-
2019
872 839
-138 460 -138 460
-13,69 -13,69
2020
726 461
-284 838 -146 378
-28,17 -16,77
2021
623 127
-388 172 -103 334
-38,38 -14,22
2022
567 291
-444 008
-55 836
-43,90 -8,96
2023
550 631
-460 668
-16 660
-45,55 -2,94
2024
538 823
-472 476
-11 808
-46,72 -2,14
2025
531 570
-479 729
-7 253
-47,44 -1,35
2026
508 116
-503 183
-23 454
-49,76 -4,41
Источник: составлено автором на основе данных Росстата [20]

95
Приложение 6
Таблица 6 – Динамика количества организаций оптовой торговли за 2014-2024 гг.
Формы собственности
2011 2018 2026
2011-2018
2017-2026
2011-2026
(Di1-Di0)^2 (Di1+Di0)^2 (Di1-Di0)^2 (Di1+Di0)^2 (Di1-Di0)^2 (Di1+Di0)^2
Всего по формам собственности
100,00 100,00 100,00
0,00 40 000,00
0,00 40 000,00
0,00 40 000,00
Государственная собственность
0,111 0,056 0,064
0,00
0,03
0,00
0,01
0,00
0,03
Федеральная собственность
0,052 0,020 0,026
0,00
0,01
0,00
0,00
0,00
0,01
Собственность субъектов Российской Федерации
0,058 0,036 0,037
0,00
0,01
0,00
0,01
0,00
0,01
Муниципальная собственность
0,038 0,012 0,005
0,00
0,00
0,00
0,00
0,00
0,00
Частная собственность
96,293 95,528 95,164
0,58 36 795,41
0,13 36 363,41
1,28 36 655,55
Собственность граждан Российской Федерации,
постоянно проживающих на территории
иностранного государства
0,009 0,023 0,000
0,00
0,00
0,00
0,00
0,00
0,00
Собственность потребительской кооперации
0,039 0,021 0,019
0,00
0,00
0,00
0,00
0,00
0,00
Собственность общественных и религиозных
организаций (объединений)
0,218 0,043 0,030
0,03
0,07
0,00
0,01
0,04
0,06
Смешанная российская собственность
0,238 0,070 0,038
0,03
0,09
0,00
0,01
0,04
0,08
Собственность государственных корпораций
0,001 0,003 0,005
0,00
0,00
0,00
0,00
0,00
0,00
Иностранная собственность
2,052 3,265 3,861
1,47
28,27
0,36
50,78
3,27
34,97
Совместная Российская и иностранная собственность
1,001 0,981 0,814
0,00
3,93
0,03
3,22
0,03
3,30
Индекс Рябцева 2011-2018 гг.
0,0076
Индекс Рябцева 2018-2026 гг.
0,0038
Индекс Рябцева 2011-2026 гг.
0,0113
Источник: составлено автором на основе данных Росстата [20]

96
Приложение 7
Таблица 7 – Оборот по размеру организаций оптовой торговли за 2014-2024 гг.
Год
Оборот
предприятий
оптовой
торговли,
млрд руб.
Оборот малых
предприятий включая
микропредприятия, млрд
руб.
Оборот
средних
предприятий,
млрд руб.
Оборот
крупных
предприятий,
млрд руб.
Доля оборота
малых и
микропредприятий,
%
Доля
оборота
средних
предприятий,
%
Доля
оборота
крупных
предприятий,
%
2010 25 955,64
7 346,27
3 075,14 15 534,24
28,30
11,85
59,85
2011 31 205,66
10 225,77
1 824,46 19 155,43
32,77
5,85
61,38
2012 33 595,72
9 687,29
1 461,39 22 447,04
28,83
4,35
66,82
2013 35 673,40
9 901,20
1 435,76 24 336,44
27,76
4,02
68,22
2014 41 434,46
10 474,55
1 569,90 29 390,02
25,28
3,79
70,93
2015 46 732,25
19 368,10
4 150,11 23 214,03
41,44
8,88
49,67
2016 50 324,61
16 648,90
2 565,52 31 110,19
33,08
5,10
61,82
2017 56 725,36
21 881,71
2 624,91 32 218,74
38,57
4,63
56,80
2018 63 314,96
24 712,21
2 564,45 36 038,30
39,03
4,05
56,92
2019 66 185,88
23 640,99
2 674,06 39 870,83
35,72
4,04
60,24
2020 67 616,43
20 073,40
3 331,81 44 211,21
29,69
4,93
65,39
2021 85 438,25
22 752,43
4 122,13 58 563,69
26,63
4,82
68,55
2022 92 799,78
22 243,01
3 926,53 66 630,24
23,97
4,23
71,80
2023 105 634,10
22 157,97
4 649,48 78 826,65
20,98
4,40
74,62
Источник: составлено автором на основе данных Росстата [20]

97
Приложение 8
Таблица 8 – Исходные данные для эконометрического моделирования зависимости оборота оптовой торговли в РФ
от макроэкономических факторов за 2000–2024 гг.
Годы
Оборот оптовой
торговли в РФ,
млрд руб.
Коэффициенты
ИПЦ
ВВП
в текущих ценах,
млрд.руб.
Денежная масса
М2, среднегодовое
значение, млрд
руб.
Монетизация
Розничный
товарооборот, млрд
руб.
Среднегодовой
курс доллара,
среднегодовое
значение, руб.
2000
4 256,8
1,2018
7 305,6
889,8
0,121798694
2 352,3
28,12
2001
5 507,8
1,1858
8 943,6
1 276,4
0,142718724
3 070,0
29,17
2002
6 819,2
1,1506
10 830,5
1 719,8
0,158787683
3 765,4
31,34
2003
8 887,7
1,1199
13 208,2
2 462,8
0,186461973
4 529,6
30,69
2004
11 422,9
1,1173
17 027,2
3 542,8
0,208069162
5 642,5
28,81
2005
15 626,0
1,1092
21 609,8
4 795,8
0,221928986
7 041,5
28,28
2006
19 921,8
1,0900
26 917,2
6 834,7
0,253914461
8 711,9
27,18
2007
24 015,6
1,1187
33 247,5
10 331,8
0,310755071
10 869,0
25,57
2008
31 136,4
1,1328
41 276,8
13 267,7
0,321431188
13 944,2
24,81
2009
28 258,8
1,0880
38 807,2
12 490,3
0,32185378
14 599,2
31,68
2010
32 153,5
1,0878
46 308,5
16 568,5
0,35778497
16 512,0
30,36
2011
39 154,0
1,0610
60 114,0
20 517,3
0,341305681
19 104,3
29,35
2012
42 946,0
1,0657
68 103,4
24 123,3
0,354216027
21 394,5
31,07
2013
45 121,4
1,0647
72 985,7
27 759,1
0,380335914
23 685,9
31,82
2014
51 343,9
1,1135
79 030,0
30 111,3
0,381010183
26 356,2
37,97
2015
56 732,5
1,1291
83 087,4
31 801,3
0,382745743
27 526,8
60,66
2016
61 715,1
1,0539
85 616,1
35 460,7
0,414182302
28 240,9
66,90
2017
69 694,2
1,0251
91 843,2
39 084,6
0,425557938
29 745,5
58,33
2018
79 779,9
1,0426
103 861,7
43 384,9
0,417718342
31 579,4
62,54
2019
84 148,7
1,0304
109 608,3
47 183,3
0,430472244
33 624,3
64,73
2020
84 847,9
1,0491
107 658,1
53 694,8
0,498752389
33 873,7
71,94
2021
109 486,8
1,0839
134 727,5
59 467,1
0,44138797
39 472,0
73,65
2022
118 243,8
1,1194
157 001,4
70 440,2
0,448659499
42 577,0
67,46
2023
137 299,9
1,0742
174 265,7
87 014,4
0,499320313
48 155,7
84,66
2024
158 539,2
1,0952
202 320,5
103 550,4
0,511813866
55 791,4
92,44
Источник: составлено автором на основе данных Росстата [14], [22], [17], [24], [20], [23]

98
Приложение 9
Таблица 9 – Сравнение результатов оценки альтернативных регрессионных
спецификаций зависимости оборота оптовой торговли в РФ
Показатель
Линейн
ая
модель
Логарифмиче
ская модель
Линейно-
логарифмиче
ская модель
Логарифмиче
ски-линейная
модель
Двухфакторн
ая
логарифмиче
ская модель
const
-257738
11,124
-138032
7,868
11,054
X1
170949
1,420
255428
-0,328
X2
1110,35
0,469
62238,3
0,001
0,486
X3
211939
2,209
56205,9
8,557
2,089
Ст. ошибка
модели
11674,8
0,140
14369,06
0,181
0,142
R^2
0,936
0,984
0,902
0,973
0,982
Испр. R^2
0,926
0,981
0,888
0,969
0,981
AIC
542,848
-23,663
553,229
-10,970
-23,778
Источник: составлено автором на основе данных Росстата [14]

99
Приложение 10
Таблица 10 – Результаты диагностических тестов альтернативных
регрессионных спецификаций зависимости оборота оптовой торговли в РФ
Тест
Линейн
ая
модель
Логарифмиче
ская модель
Линейно-
логарифмиче
ская модель
Логарифмиче
ски-линейная
модель
Двухфакторн
ая
логарифмиче
ская модель
Спецификация
модели RESET-
тест, p-value
0,017
0,938
0,000
0,003
0,869
Нелинейность
квадраты, p-value 0,058
0,780
0,006
0,008
0,403
Нелинейность
логарифмы, p-
value
0,082
0,650
0,011
0,012
0,185
Гетероскедастич
ность остатков,
тест Уайта, p-
value
0,220
0,514
0,092
0,036
0,219
Гетероскедастич
ность остатков,
тест Бройша-
Пэгана, p-value
0,010
0,474
0,001
0,315
0,154
Автокорреляция
остатков:
Дарбин-Уотсон,
DW-статистика
1,073
1,893
0,762
2,149
1,773
Тест на
нормальное
распределение
остатков, p-value
0,094
0,349
0,029
0,046
0,545
Источник: составлено автором на основе данных Росстата [14]

100
Приложение 11
Таблица 11 – Прогноз курса доллара США к рублю на 2026–2028 гг.
Год
Базовый прогноз курса
доллара, руб.за доллар
Консервативный прогноз
курса доллара, руб. за
доллар
2024
отчет
92,4
92,4
2025
оценка
86,1
86,1
2026
прогноз
92,2
94,8
2027
95,8
99,3
2028
100,1
104,2
Источник: составлено автором на основе данных Росстата [40]

101
Приложение 12
Таблица 12 - Прогноз монетизации экономики по модели ARIMA на 2025-2027
гг.
год
lnX3 Прогнозирование
Ст.
ошибка
95%
доверительный
интервал
exp(lnX3)
прогнозные
exp 95%
интервала
2018 -0,873
-0,806
2019 -0,843
-0,817
2020 -0,696
-0,785
2021 -0,818
-0,645
2022 -0,801
-0,752
2023 -0,695
-0,732
2024 -0,670
-0,629
2025
-0,602 0,072 -0,742 -0,461
0,548 0,476 0,631
2026
-0,534 0,097 -0,724 -0,344
0,586 0,485 0,709
2027
-0,468 0,114 -0,691 -0,244
0,627 0,501 0,783
Источник: составлено автором на основе данных Росстата [24], [17]

102
Приложение 13
Таблица 13 - Сценарный прогноз оборота оптовой торговли при различных
комбинациях курса доллара и монетизации
Сценарий курса Курс X2
Сценарий
монетизации
X3 lnX2 lnX3 Прогноз lnY
Прогноз Y,
млрд руб.
Базовый
86,1
Базовый
0,548 4,456
-0,601
11,963 156 825,009
Базовый
86,1 Консервативный
0,578 4,456
-0,548
12,074 175 295,186
Консервативный 86,1
Базовый
0,548 4,456
-0,601
11,963 156 825,009
Консервативный 86,1 Консервативный
0,578 4,456
-0,548
12,074 175 295,186
Базовый
92,2
Базовый
0,586 4,524
-0,534
12,136 186 504,172
Базовый
92,2 Консервативный
0,616 4,524
-0,485
12,241 207 006,765
Консервативный 94,8
Базовый
0,586 4,552
-0,534
12,150 189 041,944
Консервативный 94,8 Консервативный
0,616 4,552
-0,485
12,254 209 823,517
Базовый
95,8
Базовый
0,627 4,562
-0,467
12,296 218 840,014
Базовый
95,8 Консервативный
0,657 4,562
-0,420
12,394 241 284,207
Консервативный 99,3
Базовый
0,627 4,598
-0,467
12,314 222 689,854
Консервативный 99,3 Консервативный
0,657 4,598
-0,420
12,411 245 528,887
Источник: составлено автором на основе данных Росстата [14], [40], [24], [17]

103
Приложение 14
Таблица 14 — Прогноз оборота оптовой торговли при базовом сценарии
Год
lnY 95% доверительный
интервал
Прогноз,
млрд руб.
95% доверительный интервал
Нижняя
граница
Верхняя
граница
Нижняя граница,
млрд руб.
Верхняя
граница,
млрд руб.
2024 11,974 -
-
-
-
-
2025 11,963 11,615 12,311 156 825,01
110 696,13 222 176,54
2026 12,136 11,788 12,485 186 504,17
131 645,40 264 223,49
2027 12,296 11,948 12,644 218 840,01
154 469,90 310 034,20
Источник: составлено автором на основе данных Росстата [14], [40], [24], [17]

104
Приложение 15
Таблица 15 — Прогноз оборота оптовой торговли при сценарии монетарного
расширения
Год
lnY 95% доверительный
интервал
Прогноз,
млрд руб.
95% доверительный интервал
Нижняя
граница
Верхняя
граница
Нижняя граница,
млрд руб.
Верхняя
граница,
млрд руб.
2024 11,974 -
-
-
-
-
2025 12,074 11,726 12,423 175 295,19
123 733,45 248 343,54
2026 12,241 11,892 12,589 207 006,76
146 117,31 293 269,85
2027 12,394 12,045 12,742 241 284,21
170 312,30 341 831,26
Источник: составлено автором на основе данных Росстата [14], [40], [24], [17]

105
Приложение 16
Таблица 16 — Прогноз оборота оптовой торговли при сценарии ценовой
переоценки
Год
lnY 95% доверительный
интервал
Прогноз,
млрд руб.
95% доверительный интервал
Нижняя
граница
Верхняя
граница
Нижняя граница,
млрд руб.
Верхняя
граница,
млрд руб.
2024 11,974 -
-
-
-
-
2025 11,963 11,615 12,311 156 825,01
110 696,13 222 176,54
2026 12,150 11,801 12,498 189 041,94
133 436,70 267 818,79
2027 12,314 11,965 12,662 222 689,85
157 187,34 315 488,33
Источник: составлено автором на основе данных Росстата [14], [40], [24], [17]

106
Приложение 17
Таблица 17 — Прогноз оборота оптовой торговли при сценарии инфляционного
роста
Год
lnY 95% доверительный
интервал
Прогноз,
млрд руб.
95% доверительный интервал
Нижняя
граница
Верхняя
граница
Нижняя граница,
млрд руб.
Верхняя
граница,
млрд руб.
2024 11,974 -
-
-
-
-
2025 12,074 11,726 12,423 175 295,19
123 733,45 248 343,54
2026 12,254 11,906 12,602 209 823,52
148 105,53 297 260,39
2027 12,411 12,063 12,760 245 528,89
173 308,44 347 844,76
Источник: составлено автором на основе данных Росстата [14], [40], [24], [17]

107
Приложение 18
Таблица 18 — Результаты диагностических тестов модели на автокорреляцию и
гетероскедастичность остатков
Тест
Тестовая статистика
p-value
Бройша-Годфри на автокорреляцию
остатков
LM = 38,056; TR2 =
15,842; Ljung-Box Q' =
17,473
3,29×10−6; 6,89×10−5;
2,91×10−5
Статистика Дарбина-Уотсона
DW=0,2
—
Уайта на гетероскедастичность
TR2 = 10,761
0,0046
Бройша-Пэгана на гетероскедастичность
LM = 6,475
0,0109
Источник: составлено автором на основе данных Росстата [14]

108
Приложение 19
Таблица 19 — Прогноз оборота оптовой торговли модели ARIMA с
доверительными интервалами
Год
lnY Стандартная
ошибка
95%
доверительный
интервал
Прогноз,
млрд руб.
95% доверительный
интервал
Нижняя
граница
Верхняя
граница
Нижняя
граница,
млрд руб.
Верхняя
граница,
млрд руб.
2024 11,974
-
-
-
-
-
-
2025 12,132 0,093
11,950 12,315 185 759,29 154769,01 222954,95
2026 12,290 0,127
12,041 12,538 217 490,62 169627,14 278859,68
2027 12,447 0,150
12,153 12,740 254 466,89 189755,94 341245,35
Источник: составлено автором на основе данных Росстата [14]

109
Приложение 20
Таблица 20 — Результаты прогнозирования методом Хольта
Год
Оборот
оптовой
торговли в
РФ, млрд
руб.
Lt
Tt
Y^
SSE
RMSE MAPE
2000 4 256,8 4 256,8 6428,43
850 671 666,5 5833,26 11,506
2001 5 507,8 5 507,8 3261,29 10 685,2 26 805 815,9
94,002
2002 6 819,2 6 819,2 2068,5 8 769,1 3 802 061,6
28,594
2003 8 887,7 8 887,7 2068,5 8 887,7
0,0
0,000
2004 11 422,9 11 422,9 2353,99 10 956,2 217 808,9
4,086
2005 15 626,0 15 626,0 3485,13 13 776,9 3 419 206,7
11,834
2006 19 921,8 19 921,8 3981,03 19 111,1 657 186,0
4,069
2007 24 015,6 24 015,6 4050,02 23 902,8 12 716,2
0,470
2008 31 136,4 31 136,4 5928,48 28 065,6 9 429 718,4
9,862
2009 28 258,8 28 258,8 541,614 37 064,9 77 547 034,8
31,162
2010 32 153,5 32 153,5 2592,77 28 800,4 11 243 186,1
10,428
2011 39 154,0 39 154,0 5289,07 34 746,3 19 428 103,4
11,257
2012 42 946,0 42 946,0 4373,28 44 443,1 2 241 221,7
3,486
2013 45 121,4 45 121,4 3028,79 47 319,3 4 830 680,6
4,871
2014 51 343,9 51 343,9 4982,45 48 150,2 10 199 779,9
6,220
2015 56 732,5 56 732,5 5230,9 56 326,4 164 957,5
0,716
2016 61 715,1 61 715,1 5079,01 61 963,4 61 653,2
0,402
2017 69 694,2 69 694,2 6853,06 66 794,1 8 410 522,6
4,161
2018 79 779,9 79 779,9 8830,53 76 547,3 10 449 984,0
4,052
2019 84 148,7 84 148,7 6101,2 88 610,4 19 907 061,9
5,302
2020 84 847,9 84 847,9 2796,68 90 249,9 29 181 564,6
6,367
2021 109 486,8 109 486,8 16158 87 644,6 477 082 545,9
19,950
2022 118 243,8 118 243,8 11630,7 125 644,8 54 774 685,9
6,259
2023 137 299,9 137 299,9 16172,9 129 874,5 55 136 230,4
5,408
2024 158 539,2 158 539,2 19272,1 153 472,8 25 667 940,1
3,196
2025
177 811,3
2026
197 083,5
Источник: составлено автором на основе данных Росстата [14]

110
Приложение 21
Таблица 21 — Результаты прогнозирования методом Хольта с демпфированием
Год
Оборот
оптовой
торговли в
РФ, млрд
руб.
Lt
Tt
Y^
SSE
RMSE MAPE
2000 4 256,8 4 256,8 1 251,0
759 792 893,0 5512,87 7,322
2001 5 507,8 5 473,2 1211,92 5 382,7
15 650,0
2,271
2002 6 819,2 6 748,7 1266,22 6 564,0
65 141,5
3,743
2003 8 887,7 8 611,6 1826,78 7 888,3 998 800,8
11,245
2004 11 422,9 11 100,5 2446,63 10 255,8 1 362 234,9
10,218
2005 15 626,0 14 984,2 3799,6 13 302,5 5 398 748,4
14,870
2006 19 921,8 19 502,5 4463,38 18 403,9 2 304 170,3
7,620
2007 24 015,6 23 878,6 4358,12 23 519,6 246 057,2
2,065
2008 31 136,4 30 215,1 6215,78 27 800,9 11 125 628,2
10,713
2009 28 258,8 30 344,4 402,533 35 809,3 57 009 802,8
26,719
2010 32 153,5 31 753,9 1357,13 30 706,6 2 093 390,6
4,500
2011 39 154,0 37 447,3 5469,88 32 975,3 38 176 681,8
15,781
2012 42 946,0 42 787,0 5318,79 42 370,2 331 516,4
1,341
2013 45 121,4 45 798,8 3100,6 47 573,9 6 014 619,1
5,435
2014 51 343,9 50 583,1 4684,55 48 589,4 7 587 516,0
5,365
2015 56 732,5 56 198,5 5545,46 54 799,1 3 737 848,1
3,408
2016 61 715,1 61 569,9 5352,39 61 189,4 276 369,5
0,852
2017 69 694,2 68 780,7 7091,14 66 387,0 10 937 302,9
4,745
2018 79 779,9 78 504,6 9556,76 75 162,7 21 318 250,6
5,787
2019 84 148,7 84 965,5 6567,9 87 105,6 8 743 552,5
3,514
2020 84 847,9 86 513,1 1765,83 90 876,6 36 344 863,1
7,105
2021 109 486,8 103 580,1 16293,1 88 102,4 457 294 105,9
19,532
2022 118 243,8 118 243,8 14663,8 118 243,8
0,0
0,000
2023 137 299,9 135 681,6 17225,8 131 441,2 34 324 069,9
4,267
2024 158 539,2 156 507,8 20560 151 184,8 54 086 572,7
4,639
2025
175 011,8
2026
191 665,4
2027
Источник: составлено автором на основе данных Росстата [14]

111
Приложение 22
Таблица 22 — Результаты ретро-прогнозирования методами ARIMA и
демпфированной модели Хольта
Метод прогнозирования
Год
Факт оборот
Ретро-прогноз
MAPE
ARIMA
0,168
2023
11,83
11,84
0,100
2024
11,97
12,00
0,236
Демпфированная
модель Хольта
4,994
2023
137299,90 133 018,84
3,118
2024
158539,20 147 646,09
6,871
Источник: составлено автором на основе данных Росстата [14]

112
Приложение 23
Таблица 23 — Динамика дефлированного оборота оптовой торговли в РФ в ценах 2000 г. за 2000-2024 гг.
Годы
Оборот
оптовой
торговли в
РФ, млрд
руб.
Оборот
оптовой
торговли -
всего
Базисный темп
роста
номинального
оборота
Накопленный
ИФО
Дефлированный
оборот оптовой
торговли
Абсолютный
прирост
базисный,
млрд руб.
Абсолютный
прирост
цепной, млрд
руб.
Темп
прироста
базисный%
Темп
прироста
цепной%
2000
4256,80 144,50
100,00
144,50
2945,88
0,00
0,00
2001
5507,80 107,00
129,39
154,62
3562,27
616,39
616,39
20,92
20,92
2002
6819,20 107,60
160,20
166,37
4098,92
1153,04
536,65
39,14
15,06
2003
8887,70 114,50
208,79
190,49
4665,73
1719,85
566,81
58,38
13,83
2004 11422,90 114,30
268,34
217,73
5246,39
2300,51
580,66
78,09
12,45
2005 15626,00 114,80
367,08
249,95
6251,59
3305,71
1005,20
112,21
19,16
2006 19921,80 110,30
468,00
275,70
7225,96
4280,08
974,37
145,29
15,59
2007 24015,60 109,50
564,17
301,89
7955,11
5009,23
729,15
170,04
10,09
2008 31136,40 105,40
731,45
318,19
9785,45
6839,56
1830,33
232,17
23,01
2009 28258,80 102,00
663,85
324,55
8706,94
5761,06
-1078,50
195,56
-11,02
2010 32153,50 103,00
755,34
334,29
9618,41
6672,52
911,46
226,50
10,47
2011 39154,00 104,40
919,80
349,00
11218,91
8273,02
1600,50
280,83
16,64
2012 42946,00 103,60
1008,88
361,56
11877,84
8931,95
658,93
303,20
5,87
2013 45121,40 100,70
1059,98
364,10
12392,75
9446,87
514,91
320,68
4,34
2014 51343,90 103,90
1206,16
378,29
13572,46
10626,57
1179,71
360,73
9,52
2015 56732,50
94,50
1332,75
357,49
15869,74
12923,85
2297,28
438,71
16,93
2016 61715,10 103,10
1449,80
368,57
16744,44
13798,55
874,70
468,40
5,51
2017 69694,20 104,40
1637,24
384,79
18112,37
15166,49
1367,93
514,84
8,17
2018 79779,90 103,30
1874,18
397,49
20071,13
17125,25
1958,76
581,33
10,81
2019 84148,70 101,50
1976,81
403,45
20857,38
17911,49
786,25
608,02
3,92
2020 84847,90 100,60
1993,23
405,87
20905,25
17959,37
47,87
609,64
0,23
2021 109486,80 105,30
2572,04
427,38
25618,14
22672,26
4712,89
769,63
22,54
2022 118243,84
83,80
2777,76
358,14
33015,69
30069,81
7397,55
1020,74
28,88
2023 137299,90 110,00
3225,43
393,96
34851,33
31905,45
1835,64
1083,05
5,56
2024 158539,20 106,90
3724,38
421,14
37645,07
34699,19
2793,74
1177,89
8,02
Источник: составлено автором на основе данных Росстата [14]

113
Приложение 24
Таблица 24 — Сравнение спецификаций трендовых моделей по
дефлированному обороту
Критерий
Линейная
модель
Экспоненциальная
модель
Параболическая
модель
Информационные критерии
Крит. Акаике
(AIC)
478,81
−45,47
449,16
R2
0,8901
0,9838
0,9702
Испр. R2
0,8853
0,9831
0,9675
Ст. ошибка
модели
3357,2
0,0938
1786,18
Значимость модели
F-статистика
186,28
1395,09
358,66
P-значение (F)
1,63×10−12
4,31×10−22
1,62×10−17
Автокорреляция остатков
Стат. Дарбина-
Уотсона (DW)
0,25
0,703
0,666
Параметр rho
0,959
0,554
0,658
LM-тест: F-
статистика
62,07
9,74
14,75
P-значение (LM-
тест)
7,60×10−8
0,005
0,00095
Спецификация модели
Тест Рамсея
(RESET): F
—
20,42
—
P-значение
(RESET)
—
1,19×10−5
—
Источник: составлено автором на основе данных Росстата [14]

114
Приложение 25
Таблица 25 — Показатели модели ARIMA
Показатель
Значение
Характеристики подгонки
R2
0,990
Исправленный R2
0,990
Среднее зависимой переменной
9,350
Ст. откл. зависимой переменной
0,721
Информационные критерии
Критерий Акаике (AIC)
-53,299
Диагностика остатков
LM-тест на автокорреляцию до порядка 2:
χ2(1)
0,734
P-значение (LM-тест)
> 0,05 (нулевая гипотеза не отвергается)
Тест на нормальное распределение: χ2(2)
0,650
P-значение (нормальность)
0,722
Прогноз на 2025–2027 гг.
2025 г.: точечный прогноз ln(Y)
10,638
Ст. ошибка прогноза
0,070
95% доверительный интервал
10,500830 – 10,775923
Прогноз Y, млрд руб. (в ценах 2000 г.)
41 558
Нижняя граница, млрд руб.
36 322
Верхняя граница, млрд руб.
47 556
2026 г.: точечный прогноз ln(Y)
10,740
Ст. ошибка прогноза
0,084
95% доверительный интервал
10,574752 – 10,905486
Прогноз Y, млрд руб.
46 305
Нижняя граница, млрд руб.
39 068
Верхняя граница, млрд руб.
54 852
2027 г.: точечный прогноз ln(Y)
10,841
Ст. ошибка прогноза
0,090
95% доверительный интервал
10,665057 – 11,017762
Прогноз Y, млрд руб.
51 244
Нижняя граница, млрд руб.
42 889
Верхняя граница, млрд руб.
61 219
Источник: составлено автором на основе данных Росстата [14]

115
Приложение 26
Таблица 26 — Результаты прогнозирования дефлированного оборота оптовой
торговли методом Хольта
Год
Дефлированный
оборот оптовой
торговли, млрд
руб.
Lt
Tt
Y^
SSE RMSE MAPE
2000
2945,88 2945,88 1445,80
63322891,35 1591,51 7,32
2001
3562,27 3640,77 1303,21 4391,68 687928,29
23,28
2002
4098,92 4178,91 1157,93 4943,98 714131,89
20,62
2003
4665,73 4729,25 1042,56 5336,84 450384,12
14,38
2004
5246,39 5296,12 952,24 5771,82 276071,37
10,01
2005
6251,59 6251,28 952,79 6248,36
10,42
0,05
2006
7225,96 7223,89 956,55 7204,07
479,09
0,30
2007
7955,11 7976,44 917,82 8180,44 50773,24
2,83
2008
9785,45 9701,10 1071,02 8894,26 794221,70
9,11
2009
8706,94 8902,41 715,99 10772,12 4264942,50
23,72
2010
9618,41 9618,41 715,99 9618,41
0,00
0,00
2011
11218,91 11135,19 868,05 10334,40 782352,41
7,88
2012
11877,84 11889,71 846,49 12003,24 15725,66
1,06
2013
12392,75 12425,26 787,45 12736,20 117956,37
2,77
2014
13572,46 13538,41 849,30 13212,71 129419,10
2,65
2015
15869,74 15729,46 1104,08 14387,70 2196428,14
9,34
2016
16744,44 16752,87 1088,76 16833,54 7938,93
0,53
2017
18112,37 18086,74 1135,30 17841,63 73299,77
1,49
2018
20071,13 19990,76 1281,27 19222,05 720940,29
4,23
2019
20857,38 20896,62 1209,99 21272,03 171941,13
1,99
2020
20905,25 21018,96 1003,46 22106,61 1443263,30
5,75
2021
25618,14 25277,81 1621,61 22022,42 12929263,53
14,04
2022
33015,69 32436,78 2673,08 26899,42 37408804,84
18,53
2023
34851,33 34875,80 2628,63 35109,86 66837,03
0,74
2024
37645,07 37631,76 2652,81 37504,44 19778,23
0,37
2025
40284,57
2026
42937,38
Источник: составлено автором на основе данных Росстата [14]

116
Приложение 27
Таблица 27 — Результаты прогнозирования дефлированного оборота оптовой
торговли методом Хольта с демпфированием
Дефлированный
оборот оптовой
торговли, млрд
руб.
Lt
Tt
Y^
SSE
RMSE MAPE
2000
2945,88 2945,88 616,39
63813950,49 1597,67 5,05
2001
3562,27 3561,09 611,69 3556,10
37,99
0,17
2002
4098,92 4111,91 589,44 4166,66
4588,33
1,65
2003
4665,73 4671,43 576,47 4695,46
883,36
0,64
2004
5246,39 5245,58 571,72 5242,14
18,10
0,08
2005
6251,59 6167,22 670,78 5811,58 193609,00
7,04
2006
7225,96 7150,29 758,06 6831,30 155758,53
5,46
2007
7955,11 7944,69 763,42 7900,77
2953,32
0,68
2008
9785,45 9577,42 1014,16 8700,48 1177157,62
11,09
2009
8706,94 9066,35 557,63 10581,43 3513710,52
21,53
2010
9618,41 9618,41 552,05 9618,40
0,00
0,00
2011
11218,91 11016,82 797,52 10164,94 1110843,99
9,39
2012
11877,84 11864,13 806,56 11806,37
5107,39
0,60
2013
12392,75 12444,50 734,23 12662,63
72836,47
2,18
2014
13572,46 13495,56 822,40 13171,38 160858,47
2,96
2015
15869,74 15570,63 1185,67 14309,73 2433617,30
9,83
2016
16744,44 16744,44 1173,81 16744,44
0,00
0,00
2017
18112,37 18072,90 1211,09 17906,51
42378,03
1,14
2018
20071,13 19917,88 1389,31 19271,88 638794,17
3,98
2019
20857,38 20940,96 1271,61 21293,30 190034,07
2,09
2020
20905,25 21153,47 950,60 22199,85 1675992,94
6,19
2021
25618,14 24942,55 1780,19 22094,57 12415600,78
13,75
2022
33015,69 31805,70 3265,20 26704,94 39825622,15
19,11
2023
34851,33 34887,17 3188,04 35038,25
34937,96
0,54
2024
37645,07 37721,43 3061,32 38043,33 158609,99
1,06
2025
40752,14
2026
43752,54
Источник: составлено автором на основе данных Росстата [14]

117

118