Проблемы анализа риска, 2017, том 14, № 1

ФГБУ «Всероссийский научно-исследовательский 
институт по проблемам гражданской обороны 
и чрезвычайных ситуаций МЧС России» (ФЦ) 

Том 14, 2017, № 1 
ISSN: 1812-5220
Vol. 14, 2017, No. 1

Научно-практический журнал
Проблемы анализа риска

Scientifi c and Practical Journal
Issues of Risk Analysis

Общероссийская общественная организация 
«Российское научное общество анализа риска»
Финансовый издательский дом 
«Деловой экспресс»

Редакционный совет:

Воробьев Юрий Леонидович (председатель),
кандидат политических наук, заместитель председателя Совета Федерации 
Федерального собрания Российской Федерации, председатель Экспертного совета МЧС России
Акимов Валерий Александрович (заместитель председателя),
доктор технических наук, профессор, заслуженный деятель науки РФ, 
начальник ФГБУ «Всероссийский научно-исследовательский институт 
по проблемам гражданской обороны и чрезвычайных ситуаций МЧС России» (ФЦ),
заместитель председателя Экспертного совета МЧС России
Солодухина Лариса Владимировна, 
управляющий Акционерным обществом «Финансовый издательский дом «Деловой экспресс»
Фалеев Михаил Иванович,
кандидат политических наук, начальник ФКУ «Центр стратегических исследований 
гражданской защиты МЧС России»,
президент Российского научного общества анализа риска

Редакционная коллегия:

Быков Андрей Александрович (Главный редактор),
доктор физико-математических наук, профессор, заслуженный деятель науки РФ, 
вице-президент Российского научного общества анализа риска
Порфирьев Борис Николаевич (заместитель Главного редактора),
член-корреспондент РАН, заместитель директора по научной работе, заведующий лабораторией анализа 
и прогнозирования природных и техногенных рисков экономики Института народнохозяйственного прогнозирования РАН 
Аверченко Владимир Александрович,
кандидат экономических наук, профессор кафедры «Финансовая стратегия» Московской школы экономики 
МГУ им. М. В. Ломоносова, председатель Совета директоров Инвестиционной Группы «Бизнес Центр»
Башкин Владимир Николаевич, 
доктор биологических наук, профессор, главный научный сотрудник Института физико-химических и биологических проблем 
почвоведения РАН 
Елохин Андрей Николаевич,
доктор технических наук, член-корреспондент РАЕН, начальник отдела страхования ПАО «ЛУКОЙЛ»
Живетин Владимир Борисович,
доктор физико-математических наук, профессор, ректор Института проблем риска
Кременюк Виктор Александрович,
доктор исторических наук, профессор, заместитель директора Института США и Канады РАН
Махутов Николай Андреевич,
член-корреспондент РАН, Председатель Рабочей группы при Президенте РАН по анализу риска 
и проблем безопасности, главный научный сотрудник Института машиноведения им. А. А. Благонравова РАН
Мельников Александр Викторович,
доктор физико-математических наук, профессор, факультет математических 
и статистических наук, Университет провинции Альберта, Эдмонтон, Канада
Ревич Борис Александрович,
доктор медицинских наук, руководитель лаборатории прогнозирования качества окружающей среды 
и здоровья населения Института народнохозяйственного прогнозирования РАН
Родионова Марина Евгеньевна, 
кандидат социологических наук, Ph.D, профессор Российской Академии Естествознания, доцент департамента Социологии, 
заместитель директора по планированию и организации НИР Финансового университета при Правительстве Российской 
Федерации
Соложенцев Евгений Дмитриевич,
доктор технических наук, профессор, заслуженный деятель науки РФ, заведующий лабораторией интегрированных систем 
автоматизированного проектирования Института проблем машиноведения РАН 
Сорогин Алексей Анатольевич,
кандидат технических наук, директор по специальным проектам 
Акционерного общества «Финансовый издательский дом «Деловой экспресс»
Сорокин Дмитрий Евгеньевич,
член-корреспондент РАН, доктор экономических наук, профессор, 
первый заместитель директора Института экономики РАН
Сосунов Игорь Владимирович,
кандидат технических наук, доцент, заместитель начальника ФГБУ «Всероссийский научно-исследовательский институт 
по проблемам гражданской обороны и чрезвычайных ситуаций МЧС России» (ФЦ)
Табаков Валерий Алексеевич,
кандидат экономических наук, Ph.D и DBA в области делового администрирования, член Совета директоров, председатель 
правления Инвестиционной Группы «Бизнес Центр», Президент Группы компаний ИКТ

Содержание

Колонка редактора

 
4 Об управлении отдельными видами рисков в нефтегазовых компаниях 
А. А. Быков, Главный редактор

Управление кредитным риском

 
6 Системно-динамическая модель кредитного риска нефтедобывающей и нефтеперерабатывающей 
компании
Д. С. Куренной, Д. Ю. Голембиовский, МГУ им. М. В. Ломоносова, г. Москва

Риск природный

 24 Учет опасных геоморфологических процессов в зонах разломов при экологическом проектировании 
трассы магистрального газопровода
С. Б. Кузьмин, Институт географии им. В. Б. Сочавы СО РАН, г. Иркутск

Риск пожарный

 42 Модель оптимизации мероприятий для управления пожарными рисками на территории нефтегазовых 
объектов с использованием генетических алгоритмов
С. В. Гудин, Р. Ш. Хабибулин, Академия ГПС МЧС России, г. Москва

Риск принятия решений

 56 Субъективные аспекты принятия решений в условиях риска и неопределенности в бизнес-сегменте 
Upstream
С. Д. Кожевникова, Д. С. Шутько, ООО «ДТА Проект-Центр», г. Москва
С. Ю. Шутько, ООО «СибГеоПроект-Центр», г. Москва

Риск социально-экономический

 64 Верхний уровень управления социально-экономическими системами
Е. Д. Соложенцев, Институт проблем машиноведения РАН, г. Санкт-Петербург
Е. И. Карасева, Санкт-Петербургский государственный университет аэрокосмического приборостроения

Информационное окно

 74 Протокол расширенного заседания Президиума  Российского научного общества анализа риска

 76 Декларация Российского научного общества анализа риска «О дальнейшем развитии в Российской 
Федерации теории и практики оценки и управления рисками чрезвычайных ситуаций природного 
и техногенного характера»

 84 Концепция Российского научного общества анализа риска «О научной поддержке развития 
государственно-общественной системы управления защитой населения и территорий Российской 
Федерации от чрезвычайных ситуаций природного и техногенного характера»

 92 Аннотации статей на английском языке

 94 Инструкция для авторов

Колонка редактора   Проблемы анализа риска, том 14, 2017, № 1

Об управлении отдельными 
видами рисков в нефтегазовых 
компаниях 
ISSN 1812-5220
© Проблемы анализа риска, 2017

А. А. Быков,
Главный редактор

Уважаемые коллеги!
Главная тема настоящего номера журнала — 
«Управление рисками в нефтегазовых компаниях». 
Причиной такого выбора стала подборка статей 
по различным аспектам управления отдельными 
видами рисков, при этом приложение рассматриваемых подходов и методов авторами демонстрируется для объектов нефтегазовых компаний.
В рубрике «Управление кредитным риском» 
Д. С. Куренной и Д. Ю. Голембиовский, представляющие кафедру исследования операций факультета 
вычислительной математики и кибернетики МГУ 
им. М. В. Ломоносова, демонстрируют разработанную системно-динамическую модель кредитного 
риска нефтедобывающей и нефтеперерабатывающей компании (на примере компании Башнефть), 
выявленные и формализованные взаимосвязи 
между различными ее элементами, результаты имитационного моделирования компании, макроэкономические сценарии, приводящие к дефолту заемщика. Совокупность найденных сценариев дефолта, 
по мнению авторов, дает представление об устойчивости компании, а дальнейшие эксперименты над 
моделью позволят понять, какие меры стоит предпринимать, чтобы избежать дефолта.
В рубрике «Риск природный» С. Б. Кузьмин, представляющий Институт географии им. В. Б. Сочавы 
СО РАН, развивает авторскую концепцию природной опасности и риска и модель типов структур 
опасных геоморфологических процессов. Рассмотрена возможность активизации разломов в платформенных тектонических условиях на равнинных территориях. Такие разломы представляют геоморфологическую опасность для крупных хозяйственных 
объектов, таких как магистральные трубопроводы. 

В качестве примера проанализирована степень геоморфологической опасности активных разломов для 
проектируемой трассы магистрального газопровода 
«Ковыкта — Иркутск» в Иркутской области.
В рубрике «Риск пожарный» С. В. Гудин 
и Р. Ш. Хабибулин, представляющие кафедру информационных технологий Академии ГПС МЧС 
России, демонстрируют математическую модель 
оптимизации мероприятий по управлению пожарными рисками на территории производственных 
объектов нефтегазовой отрасли с использованием 
генетических алгоритмов. На практическом примере определено количество возможных комбинаций 
мероприятий по снижению расчетных величин пожарных рисков на типовой газораспределительной 
станции. Эффективность полученной модели была 
апробирована на основе ИС FireRisks, в результате 
чего сделан вывод, что одним из главных преимуществ предложенного подхода является значительное уменьшение количества расчетных операций, 
что, в свою очередь, решает задачу оптимизации 
мероприятий по управлению пожарными рисками 
на производственных объектах с использованием 
современных информационных систем.
В рубрике «Риск принятия решений» С. Д. Кожевникова, Д. С. Шутько и С. Ю. Шутько, представляющие «ДТА Проект-Центр» и «СибГеоПроектЦентр», анализируют взаимосвязь и влияние субъективных аспектов восприятия рисковых ситуаций 
и неопределенностей сегмента разведки и добычи 
полезных ископаемых. В этом сегменте в результате разделения труда сложилось положение, когда 
одни специалисты разрабатывают решение, другие 
его принимают, а третьи реализуют. Авторы дают 

А. А. Быков. Об управлении отдельными видами рисков в нефтегазовых компаниях 
5

общую картину возможных ошибок в организационной структуре компании, которые могут негативно сказаться на процессе подготовки и принятия 
управленческих решений. Рассматриваются механизмы, препятствующие принятию управленческих 
решений. На основе проведенного исследования 
даются рекомендации о создании системы независимых экспертов, принимающих непосредственное 
участие в подготовке и принятии решения, особенно успешна данная модель взаимодействия для 
управления рисковыми активами, определены направления в подготовке и адаптации руководителей 
и коллективов, участвующих в процессе принятия 
управленческих решений, и предлагаются готовые 
продукты и услуги для практического применения.
В статье Е. Д. Соложенцева и Е. И. Карасевой, представляющих Санкт-Петербургский государственный 
университет аэрокосмического приборостроения, 
размещенной в рубрике «Риск социально-экономический», рассматривается более высокий уровень управления структурно сложными системами в экономике, 
социально-экономическими системами (СЭС) государства, регионов, компаний. Авторы развивают 
подходы логико-вероятностного (ЛВ) моделирования риска, вводят новые типы ЛВ-моделей риска для 
верхнего уровня управления: гибридные, невалидные, 
концептуальные, индикативные, управления состоянием и развитием систем и оценки качества систем 
управления. Рассмотрены вопросы безопасности социально-экономических систем: наивысшей важности для государства и национальной безопасности, 
комплексных для государства и регионов, зависящие 
от нескольких министерств и ведомств; локальных 
для компаний и фирм. Приведены примеры неуспеха 
проектов и систем в экономике и технике, ЛВ-модели 
невалидности (качества) состояния и развития системы управления (страной, регионом, компанией) для 
оценки затрат на управление СЭС и обеспечения национальной безопасности. В целом авторами делается 
вывод о необходимости создания нового научного направления в экономике «Управление социально-экономической безопасностью».
В заключительной рубрике «Информационное 
окно» публикуются анонсированные в прошлом 
номере журнала материалы прошедшего 29 ноября 
2016 г. расширенного заседания Президиума Российского научного общества анализа риска, на котором 

помимо рабочих вопросов об итогах деятельности 
Общества были рассмотрены и утверждены два новых документа Общества — Декларация Российского научного общества анализа риска «О дальнейшем 
развитии в Российской Федерации теории и практики оценки и управления рисками в области природной и техногенной безопасности» и Концепция Российского научного общества анализа риска «О направлениях деятельности по совершенствованию 
и развитию государственно-общественной системы 
управления защитой населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера».
Российское научное общество анализа риска, утвердив вышеупомянутую Декларацию, призывает 
к ее реализации присоединиться всем федеральным 
органам исполнительной власти, органам исполнительной власти субъектов Российской Федерации, 
органам местного самоуправления, организациям 
(учреждениям), а также специалистам, осуществляющим деятельность в области оценки и управления 
рисками чрезвычайных ситуаций природного и техногенного характера. 
Концепция представляет собой систему взглядов Общества на становление и развитие государственно-общественной системы управления защитой населения и территорий Российской Федерации 
от чрезвычайных ситуаций природного и техногенного характера. Она призвана способствовать расширению общественного участия в защите населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного 
характера, росту влияния общества на обеспечение 
безопасной среды жизнедеятельности для населения, открытости системы управления рисками 
чрезвычайных ситуаций.
Обществом будет подготовлена пояснительная 
записка к Концепции для внесения в Федеральное 
Собрание — Государственную Думу Российской Федерации, Правительство Российской Федерации, соответствующие федеральные органы исполнительной власти и общественные организации. 
Программа реализации Декларации и план реализации Концепции будут представлены для рассмотрения и принятия на предстоящей в 2017 г. 
отчетно-выборной конференции Российского научного общества анализа риска. 

Управление кредитным риском   Проблемы анализа риска, том 14, 2017, № 1

Системно-динамическая 
модель кредитного 
риска нефтедобывающей 
и нефтеперерабатывающей 
компании

Аннотация
Данное исследование посвящено построению системно-динамической модели кредитного риска нефтедобывающего и нефтеперерабатывающего предприятия на примере компании Башнефть. Работа демонстрирует возможность использования системно-динамических моделей для определения макроэкономических сценариев, приводящих к дефолту 
заемщика. 

Ключевые слова: системная динамика, кредитные риски, обратное стресс-тестирование, управление 
рисками.

Содержание

Введение
1. Основные положения системной динамики
2. Производственная часть системно-динамической модели компании Башнефть
3. Финансовая часть системно-динамической модели компании Башнефть
4. Численные результаты моделирования
5. Использование системно-динамической модели в стресс-тестировании
Заключение
Литература

ISSN 1812-5220
© Проблемы анализа риска, 2017

Д. С. Куренной,
Д. Ю. Голембиовский,
МГУ им. М. В. Ломоносова,
г. Москва

УДК: 519.865.5

Введение
В настоящее время регуляторы банковской сферы в качестве одной из главных 
процедур оценки рисков предписывают проведение банками обратного стресстестирования [1—4]. Обратное стресс-тестирование заключается в определении 
сценариев, приводящих к заданному уровню финансовых потерь [5, 6]. Результаты обратного стресс-тестирования могут быть использованы, в частности, для 
принятия управленческих решений, позволяющих смягчить последствия реализации определенных сценариев.
Применительно к кредитному риску в рамках обратного стресс-тестирования 
формируют макроэкономические сценарии, которые приводят к заданной величине потерь кредитного портфеля. Из известных моделей оценки кредитного 
риска заемщиков только модели, основанные на макроэкономических показателях, могут быть использованы для решения данной задачи [7]. Однако для калибровки таких моделей необходима выборка аналогичных предприятий достаточ

Д. С. Куренной, Д. Ю. Голембиовский. Системно-динамическая модель кредитного риска...

но большого объема. Данные модели не учитывают 
структуру конкретных предприятий и не рассматривают развитие кризисных явлений во времени. 
Данная работа посвящена построению системно-динамической модели [8—11] кредитного риска 
на примере нефтедобывающей и нефтеперерабатывающей компании. Модель далее используется для 
определения макроэкономических сценариев, приводящих к дефолту компании. С помощью основных инструментов, которыми оперирует системная 
динамика, компания представляется в виде системы 
непрерывно взаимодействующих между собой элементов и внешних макропараметров. Все элементы и выявленные между ними связи выражаются 
функциональными зависимостями и дифференциальными уравнениями, совокупность которых и задает динамику компании, определяя тем самым ее 
реакцию на различные макроэкономические сценарии.
Статья имеет следующую структуру. В первом 
разделе рассматриваются основные принципы системной динамики, на которых основан процесс 
построения системно-динамической модели кредитного риска нефтедобывающей и нефтеперерабатывающей компании. Второй раздел посвящен 
изложению производственной части этой модели, 
а третий описывает ее финансовую составляющую. 
В четвертом разделе представлен анализ полученных численных результатов и приведены графики, 
иллюстрирующие работу различных элементов 
системы. В разделе 5 описано использование полученной модели для построения макроэкономических стресс-сценариев, приводящих к дефолту 
компании.

1. Основные положения системной 
динамики
Родоначальником системной динамики считается 
Джей Форрестер. С помощью предложенных моделей в 1950-х гг. он смог показать, что нестабильность числа рабочих мест компании, с которой он 
сотрудничал, была обусловлена внутренней структурой фирмы и не зависела ни от каких внешних 
факторов. После этого идея представления сложных объектов и явлений в виде системно-динамических моделей получила активное распространение, формальное описание и собственные средства 

компьютерного моделирования. Классическими, 
фундаментальными трудами, посвященными системной динамике, можно назвать книги Форрестера «Индустриальная динамика» [12], «Мировая динамика» [11] и «Динамика развития города» 
[10], раскрывающие применение указанного подхода к моделированию города как динамической 
системы, а также работу Д. Стермана «Бизнес-динамика» [8].
На данный момент системная динамика продолжает развиваться и является эффективным методом имитационного моделирования, позволяющим 
исследовать не только структуру, но и динамику 
сложных систем. 
При разработке системно-динамической модели выделяют два основных этапа. На первом этапе 
должно быть получено описание модели в виде потоковых диаграмм и определены характеристики 
взаимодействия различных ее частей. Затем на втором этапе полученная модель уточняется с помощью компьютерной симуляции, тестирования различных гипотез о ее поведении и проверке построенных взаимосвязей на тестовых данных.
Основным способом описания системно-динамических моделей являются потоковые диаграммы. Ключевыми понятиями, на которых основана 
концепция данного представления, можно назвать 
«потоки», «накопители», «связи», «обратные связи» 
и «вспомогательные переменные». Потоки определяют изменение состояния системы во времени. 
Накопители отражают текущее состояние системы, 
при этом они аккумулируют определенный материальный или нематериальный фактор и изменяются 
путем влияния на них входящих и исходящих потоков. Таким образом, динамическое поведение системы, т. е. изменение системы во времени, возникает 
вследствие интегрирования потоков в накопителях. 
Простейшим примером взаимодействия потоков 
и накопителей может служить диаграмма, изображенная на рис. 1.
Состояния накопителей всегда выражаются 
в заданных исследователем единицах измерения 
(в построенной модели это млн руб. или млн тонн). 
Потокам соответствуют единицы размерности связанного с ними накопителя за единицу времени 
(для данной модели это млн руб. за квартал или 
млн тонн за квартал). Очевидно, что единицы из

Управление кредитным риском   Проблемы анализа риска, том 14, 2017, № 1

Рис. 1. Простейшая потоковая диаграмма, включающая в себя два потока и один накопитель

Входящий поток
Исходящий поток

Накопитель

Рис. 2. Элементарная петля обратной связи

Входящий поток

Cвязь

Накопитель
(состояние системы)

мерения потоков на входе и на выходе накопителя 
всегда совпадают. 
Потоки, определяющие состояния различных 
частей системы, могут изменяться независимо, с некоторым фиксированным темпом, но чаще всего 
они взаимодействуют с другими элементами модели при помощи связей. Связи отражают наличие 
влияния на поток совокупности некоторых факторов, при этом факторы могут быть как независимыми элементами, так и представлять определенную 
функциональную зависимость от других элементов. 
Характер влияния выражается в виде математической формулы. Накопители (S(t)) аккумулируют (интегрируют) потоки, которые обеспечивают 
их изменение. Представленная на рис. 1 структура 
имеет следующую математическую интерпретацию:

1

0

1
1
0
( )
[
(
, ..., 
, )
(
, ..., 
, )]
( ),

t

n
n
t
S t
S
x
x
S x
x
d
S t
+
−
=
τ −
τ
τ +
∫

где S+(x1, ..., xn, τ) представляет собой количество входящего потока за единицу времени в момент времени τ, а S–(x1, ..., xn, τ) — аналогичное 
количество исходящего потока. То же самое можно 
записать в виде дифференциальных уравнений: 

dS
dt

 = чистое изменение накопителя 

в единицу времени = S+(x1, ..., xn, t) – S–(x1, ..., xn, t).

Существенным механизмом, задающим поведение системы, являются обратные связи. Они определяют, каким образом некоторый элемент косвенно влияет на самого себя путем прямого влияния 
на другие элементы системы. Петли обратных связей могут вести к изменению в том же направлении, 
что и первоначальное изменение рассматриваемого элемента, тогда они называются усиливающими 
(положительными), а могут приводить к изменению в обратном направлении, такие петли называются балансирующими или отрицательными. 
В контексте потоковых диаграмм обратные связи 
изображаются так, как показано на рис. 2.
Математически обратная связь может быть представлена в виде дифференциального уравнения:

dS
dt

 =  S+(x1, ..., xn, S, t).

Вспомогательные переменные обеспечивают 
возможность описания функциональных зависимостей и используются для представления зависимых или независимых элементов системы, влияющих на ее динамику, но не являющихся ни потоками, ни накопителями. 

2. Производственная часть системнодинамической модели компании 
Башнефть

Для построения системно-динамической модели 
был проведен анализ отчетности компании Башнефть, занимающейся нефтедобычей и нефтепереработкой нефти, за период 2010—2015 гг. Компания ведет добычу с 1932 г. и разрабатывает около 
170 месторождений на территории Башкортостана, 
Татарстана, Оренбургской области и Ханты-Мансийского автономного округа. Общий объем ее добычи составляет более 17 млн тонн нефти в год [13]. 
На основе отчетности и информации из других 
открытых источников были выявлены структу

Д. С. Куренной, Д. Ю. Голембиовский. Системно-динамическая модель кредитного риска...

Рис. 3. Потоковая диаграмма производственной части компании

Добыча
Нефть для продажи
и переработки
Нефть на продажу

Нефть на переработку

Покупка
Переработка

Продажа

Внутренний 
рынок

Внутренний рынок

Экспорт

Экспорт

Внутренний рынок

Экспорт

Внутренний рынок

Экспорт

Внутренний рынок

Экспорт

Бензин

Мазут

Дизель

Прочее

ра предприятия и взаимосвязи его элементов как 
сложной системы, подвергаемой анализу путем моделирования средствами системной динамики. Необходимо отметить, что события 2016 г., связанные 
с покупкой этой компании ПАО «Роснефть», при 
построении модели не учитывались.
В качестве параметров, оказывающих влияние на развитие компании, а следовательно, и на ее 
устойчивость, рассматриваются цены на нефть 
и нефтепродукты, курс доллара по отношению 
к рублю, основная ставка налога на добычу полезных ископаемых и ставка МОСПРАЙМ как индикатор рыночных ставок, хотя это не средняя ставка 
кредитования предприятий, а ставка межбанковского рынка. В терминах системной динамики все 
эти параметры представляют собой элементарные 
вспомогательные переменные, то есть переменные, на которые напрямую не оказывает влияния 
ни один другой элемент системы.
Переходя к описанию построенной модели, разделим ее на две смысловые части, непрерывно взаи
модействующие между собой: производственную 
и финансовую. В данном разделе будет рассмотрен 
процесс добычи, переработки и реализации нефти.
Общий объем реализуемой нефти формируется за счет добычи и закупки нефти. Некоторая ее 
часть продается на внутреннем и внешнем рынках, 
остальное перерабатывается. Производимые нефтепродукты можно разделить на основные категории следующим образом: мазут, бензин, дизельное 
топливо и прочие1. Они также в некотором соотношении экспортируются и реализуются в России. 
Описанная таким образом производственная часть 
может быть представлена в виде потоковой диаграммы, изображенной на рис. 3.
Подобное представление необходимо сопроводить формальным описанием отмеченных на диа
1 В категорию «Прочие» включаются нефтепродукты, объем 
реа лизации которых < 0,08: низкооктановый бензин, вакуумный 
газойль и т. п. В качестве цены берется средняя цена по всем нефтепродуктам, которые входят в «Прочие».

Управление кредитным риском   Проблемы анализа риска, том 14, 2017, № 1

Рис. 4. Обратная связь, проходящая через поток объема добычи

Рис. 5. Обратная связь, проходящая через поток 
объема покупок

Добыча
...
Доходы
Средства в рублях
Инвестиции

Покупка
Нефть для продажи
и переработки

Переработка

грамме элементов системы и взаимосвязей между 
ними. В процессе анализа структуры и отчетов компании было выявлено влияние на объем добычи 
(Vd) вкладываемых в разработку месторождений 
инвестиций. Математически это влияние можно записать следующим образом:

Vd = 3,37 + С0 × U + С1 × U + С2 × U + С3 × U – r, (*)

где r — постоянная величина, соответствующая 
истощаемости разрабатываемых месторождений; 
U — объем инвестиций; Ci — константы, отражающие степень влияния этих инвестиций на добычу с различной задержкой: 4, 8, 10 и 12 кварталов 
соответственно каждому из индексов. Значения 
констант получены в результате регрессионного 
анализа квартальных исторических данных периода 2010—2015 гг. [14], взятых для формирования обучающей выборки. Показателям качества 
регрессионной модели соответствуют следующие 
значения: коэффициент детерминации R2 = 0,79, 
p-значение = 5 × 10–6, стандартное отклонение 
остатков = 0,101. Совокупность значений указанных показателей свидетельствует о высоком качестве построенной регрессии.
При определении факторов, влияющих 
на объем закупок нефти, рассмотрены указанные 
макропараметры и некоторые другие элементы 
модели, однако проведенный анализ показал прямое влияние на объем закупок лишь объема переработки. В результате на основе уже упомянутой 
выборки из исторических данных квартальных 
отчетов 2010—2015 гг. была построена регрессионная зависимость объема приобретаемой нефти (Vz) 
от объема переработки (Vp): 

Vz = 0,838 × Vp – 1,718.

При этом коэффициент детерминации R2 = 0,77, 
p-значение = 7 × 10–8, стандартное отклонение 
остатков = 0,13.
Таким способом пополняется накопитель 
«Нефть для продажи и переработки», содержимое 
которого распределяется затем среди вспомогательных накопителей «Нефть на продажу» и «Нефть 
на переработку». Распределение нефти по этим накопителям определяется потоками переработки (p) 
и торговли (m):

p = d × (Vz + Vd) = d × V,   m = (1 – d) × V,

где d — доля переработки, характеризующая политику анализируемой компании. Она определяет количество нефти, готовящееся к переработке, и зависит от цен на нефть и курса доллара. Показатели 
качества соответствующей регрессии имеют следующие значения: R2 = 0,85, p-значение = 6,4 × 10–9, 
стандартное отклонение остатков = 0,02. При этом 
изменение доли производимых нефтепродуктов 
выявлено на основе исторических данных за период 2010—2015 гг. Графики, иллюстрирующие 
указанные зависимости, будут представлены ниже, 
при анализе численных результатов моделирования.
Рассматриваемая часть модели компании содержит две положительные обратные связи. Первая проходит через объем добычи (рис. 4), вторая 
управляет потоком покупок (рис. 5). Таким обра

Д. С. Куренной, Д. Ю. Голембиовский. Системно-динамическая модель кредитного риска...

Рис. 6. Итоговый вид потоковой диаграммы производственной части модели

зом, производственный процесс регулируется путем изменения объемов добычи и покупки.
Итоговый вид потоковой диаграммы, соответствующей производственной части модели, изображен на рис. 6.

3. Финансовая часть 
системно-динамической модели 
компании Башнефть 
Описание финансовой части системно-динамической модели проведем, разделив ее на три основные 
составляющие: доходы, расходы и долг. 
Начнем с рассмотрения структуры доходов, 
которые компания получает за счет экспорта 
и продажи на внутреннем рынке нефти и нефтепродуктов. Обозначим Ci
r и Ci
ех цену i-го товара 
на внутреннем и внешнем рынках соответственно, 

а Vi
r (Vi
ех) — объем i-го товара, реализуемого 
в России (за рубежом), при этом i ∈ G = {нефть, 
мазут, дизельное топливо, бензин, прочее}. Тогда 
формирующуюся выручку (P) компании можно 
выписать в явном виде:

ех
ех
(
).
r
r
i
i
i
i
i  G
P
C
V
C
V

 ∈
=
×
+
×
∑

При этом модель предполагает, что 90% долларовых доходов компании сразу переводятся в рубли по текущему курсу, а остальные 10% тратятся 
на покрытие валютных издержек. Данное предположение было введено в связи с отсутствием в отчетах достаточного для исследования количества 
информации о валютной политике изучаемой компании. Важно отметить, что банки имеют возможность получать всю необходимую информацию 

Добыча
Нефть для продажи
и переработки
Нефть на продажу

Нефть на переработку

Финансовая часть 
модели

Доля переработки

Курс доллара

Цена на нефть в мире

Покупка
Переработка

Продажа

Внутренний 
рынок

Внутренний рынок

Экспорт

Экспорт

Внутренний рынок

Экспорт

Внутренний рынок

Экспорт

Внутренний рынок

Экспорт

Мазут

Бензин

Дизель

Прочее