Методы и инструменты анализа влияния конъюнктуры нефтяного рынка на финансовые результаты нефтегазовой компании
Bibliographic record
Abstract
Предмет: диверсификация и устойчивость бизнеса по добыче нефти и нефтепереработке ПАО «Татнефть» им. В.Д. Шашина. Цель: определение чувствительности финансовых результатов крупнейшей компании нефтегазового сектора России к изменению макроэкономических параметров, характеризующих состояние спроса и валютную выручку рынка нефти. Дизайн исследования: для анализа и систематизации информации применялся комплекс методов экономических исследований, включая метод эконометрического моделирования с элементами прогнозирования, анализ и синтез, систематизация и группировка, графический и факторный анализ, инструменты SPACE-анализа, пакеты прикладных программ MsOffice, Microsoft Excel. Результаты: выявлена высокая чувствительность бизнеса ПАО «Татнефть» им. В.Д. Шашина к цене на нефть марки Urals и к курсу доллара, несмотря на успешные шаги группы по диверсификации активов. Определены причины, по которым порядка 65% активов формируют более 90% финансовых результатов компании. Разработаны рекомендации по снижению зависимости финансовой устойчивости бизнеса от внешних конъюнктурных факторов, характеризующих состояние нефтегазовой отрасли.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".