Статистический анализ динамики импорта через Балтийскую таможню и прогнозирование: академическое исследование

В условиях постоянно меняющегося глобального экономического ландшафта, характеризующегося беспрецедентными геополитическими вызовами и торговыми перестройками, глубокий статистический анализ внешнеторговых потоков приобретает критическое значение для устойчивого развития любой национальной экономики. Российская Федерация, будучи активным участником мировой торговли, сталкивается с необходимостью постоянного мониторинга и прогнозирования импортных операций, особенно в ключевых логистических хабах. Балтийская таможня, как крупнейшая морская пограничная таможня России, входящая в состав Северо-Западного таможенного управления, играет стратегическую роль в обеспечении импортных поставок, являясь своего рода барометром состояния внешнеэкономической деятельности страны. Какой же практический результат следует из такого стратегического положения?

Постоянный мониторинг и прогнозирование импортных операций через Балтийскую таможню позволяет государству и бизнесу своевременно адаптироваться к изменениям, минимизировать риски и оптимизировать логистику, обеспечивая стабильность поставок и экономическое развитие страны.

Настоящая курсовая работа посвящена всестороннему статистическому анализу динамики импорта через Балтийскую таможню и разработке методов его прогнозирования. Исследование охватывает актуальный период (с 2018 по 2024 год с последующим прогнозированием на 2025 год и далее), что позволяет учесть как стабильные тенденции допандемийного и досанкционного периодов, так и резкие изменения, вызванные глобальными шоками. Цель работы — провести глубокое академическое исследование с применением современных статистических методов анализа и прогнозирования динамики импорта, выявить ключевые факторы влияния и предложить практические рекомендации для оптимизации внешнеторговой деятельности и повышения эффективности таможенного администрирования.

Структура работы логично выстроена вокруг поставленных задач: от изучения теоретических основ и методологических подходов до эмпирического анализа, моделирования, прогнозирования и формулирования практических выводов. Такой комплексный подход позволит не только систематизировать имеющиеся знания, но и разработать эффективные инструменты для принятия обоснованных решений в области внешнеэкономической деятельности.

Теоретические и методологические основы исследования внешнеторговых потоков

Понимание сложной динамики внешнеторговых потоков невозможно без четкого определения базовых концепций, знания нормативно-правовой базы и владения арсеналом современных статистических методов. Этот раздел призван заложить фундамент для дальнейшего эмпирического исследования, обеспечив единообразие терминологии и строгость методологического подхода, который, как мы увидим далее, имеет решающее значение для достоверности выводов.

Основные понятия внешнеторговой деятельности и таможенного дела

Внешнеторговая деятельность, будучи одним из важнейших сегментов экономики, оперирует множеством специализированных терминов. В центре нашего внимания — импорт, который в широком смысле представляет собой ввоз товаров, работ, услуг, результатов интеллектуальной деятельности и прав на них на таможенную территорию страны из-за рубежа без обязательств об обратном вывозе. В контексте Таможенного кодекса Евразийского экономического союза (ЕАЭС), ключевого нормативного акта, регулирующего таможенные отношения на территории стран-участниц, термин «импорт» заменяется на более точное определение — «выпуск для внутреннего потребления». Эта таможенная процедура предполагает, что товар после всех необходимых формальностей (соблюдение норм и правил, своевременное оформление документов и уплата пошлин) приобретает статус товара ЕАЭС и может свободно обращаться на его территории. Контроль за такими операциями, за исключением законодательно запрещенных товаров, возложен на таможенные органы Российской Федерации.

Фундаментом для любого анализа внешнеторговых операций служит таможенная статистика. Это не просто набор цифр, а целая отрасль экономической статистики, которая систематизирует данные о ввозе и вывозе товаров через границу государства. Источником этих данных служат таможенные декларации, фиксируемые таможенными органами непосредственно в момент пересечения товаром границы. Такая статистика содержит общие и конкретные сведения: наименование и код товара по Товарной номенклатуре внешнеэкономической деятельности (ТН ВЭД), страны происхождения и назначения, стоимость, массу и количество, условия поставки, тип и вид транспорта, а также информацию об участнике внешнеэкономической деятельности. Таможенная статистика является наиболее полным и открытым источником информации, позволяющим изучать количественную сторону явлений и процессов во внешней торговле, анализировать таможенные платежи и эффективность борьбы с нарушениями.

Для изучения динамических процессов, к которым, безусловно, относится и импорт, используется понятие временного ряда (или ряда динамики). Это последовательность статистических материалов, собранных в разные моменты времени и отражающих значения каких-либо параметров исследуемого процесса. Каждый элемент этого ряда, называемый измерением или отсчётом, неразрывно связан со временем своего измерения или порядковым номером. Анализ временных рядов позволяет выявлять скрытые закономерности, тенденции и сезонность, что является краеугольным камнем для прогнозирования. Прогнозирование — это процесс, тесно связанный с планированием, который дает ответы на вопросы о вероятном развитии событий в будущем или о действиях, необходимых для достижения желаемого состояния объекта.

В экономике горизонты прогнозирования принято классифицировать по длительности:

• Краткосрочные прогнозы: охватывают период до 2-3 лет, иногда до 3-5 лет. Они используются для оперативного управления, планирования текущих запасов, маркетинговых кампаний.
• Среднесрочные прогнозы: ориентированы на горизонт до 5-10 лет. Эти прогнозы необходимы для стратегического планирования, инвестиционных решений, разработки долгосрочных программ.
• Долгосрочные прогнозы: распространяются на период более 10-15 лет. Применяются для оценки глобальных трендов, ресурсного планирования, определения направлений развития отраслей.

Методы прогнозирования временных рядов также делятся на:

• Статистические методы: основаны на математическом анализе прошлых данных и экстраполяции выявленных закономерностей в будущее (например, методы экстраполяции, регрессионные модели, модели скользящих средних).
• Адаптивные методы: используют более сложные алгоритмы, способные «обучаться» на данных и подстраиваться под изменяющиеся условия, такие как нейронные сети и машинное обучение.

Нормативно-правовая база регулирования импортных операций

Государственное регулирование внешнеторговой деятельности в Российской Федерации является многоуровневым и комплексным, опирающимся на основополагающие принципы Конституции РФ. Ключевым актом, устанавливающим общие рамки, является Федеральный закон от 08.12.2003 N 164-ФЗ «Об основах государственного регулирования внешнеторговой деятельности». Он определяет цели, принципы и порядок государственного регулирования, компетенцию органов власти в этой сфере, а также права и обязанности участников внешнеторговой деятельности.

Центральное место в регулировании таможенных отношений в Евразийском экономическом союзе занимает Таможенный кодекс ЕАЭС, ратифицированный Федеральным законом от 14.11.2017 N 317-ФЗ и вступивший в силу с 1 января 2018 года. Этот документ унифицирует правила и процедуры таможенного оформления, что критически важно для беспрепятственного перемещения товаров внутри Союза и регулирования импорта из третьих стран. Он устанавливает общие принципы таможенного дела, таможенные процедуры, порядок исчисления и уплаты таможенных платежей, а также систему контроля.

Дополнительно, вопросы, касающиеся финансовых аспектов импорта, регулируются Федеральным законом от 10.12.2003 N 173-ФЗ «О валютном регулировании и валютном контроле». Он определяет принципы осуществления валютных операций на территории Российской Федерации, устанавливает полномочия и функции органов валютного регулирования и контроля, призванные обеспечить стабильность национальной валюты и предотвратить нелегальный отток капитала.

Обзор методологических подходов к анализу и прогнозированию временных рядов

Статистический анализ временных рядов представляет собой мощный инструментарий для исследования динамических процессов, выявления скрытых закономерностей и построения обоснованных прогнозов. Многообразие методов позволяет выбрать наиболее адекватный для конкретного типа данных и поставленных задач.

Среди основных статистических методов исследования временных рядов можно выделить:

• Метод выделения тренда (временного сглаживания): направлен на выявление долгосрочной тенденции развития ряда, устраняя случайные и сезонные колебания.
• Регрессионный анализ временных рядов: позволяет установить зависимость значений временного ряда от других переменных (факторов) или от его собственных прошлых значений.
• Автокорреляционный анализ: изучает зависимость между значениями одного и того же временного ряда, но сдвинутыми друг относительно друга на определенный временной интервал.
• Адаптивные методы (скользящих средних): используются для сглаживания временных рядов и выявления текущего тренда, подстраиваясь под изменения в данных.
• Метод гармонического анализа: применяется для выявления периодических (сезонных) колебаний в ряду.
• Сингулярный спектральный анализ, бутстреп и нейросетевой анализ: более сложные и современные подходы, позволяющие работать с нестационарными рядами, нелинейными зависимостями и большими объемами данных.

Авторегрессионная модель (AR) является одним из фундаментальных подходов в анализе временных рядов. Ее суть заключается в предположении, что текущее значение временного ряда (например, объем импорта в текущем месяце) линейно зависит от его предыдущих (ретроспективных) значений. Например, модель AR(p) означает, что текущее значение y_t зависит от p предыдущих значений:

yt = c + φ1yt-1 + φ2yt-2 + ... + φpyt-p + εt

где c — константа, φ_i — коэффициенты авторегрессии, а ε_t — белый шум (случайная ошибка).

Регрессионный анализ временных рядов расширяет этот принцип, предполагая, что прошлые значения переменных (как самого ряда, так и других факторов) имеют линейную зависимость с будущими или текущими значениями. В отличие от стандартной линейной регрессии, которая прогнозирует результат на основе нескольких независимых переменных, авторегрессионная модель использует несколько значений одной и той же переменной за прошлые периоды для прогнозирования текущего или будущего результата. Это позволяет уловить внутренние зависимости и инерцию в динамике исследуемого показателя.

Декомпозиция временных рядов — это основополагающий шаг в анализе, позволяющий разложить ряд на несколько компонентов:

• Тренд: долгосрочное, плавное изменение уровня ряда, отражающее общую направленность развития.
• Сезонность: периодически повторяющаяся компонента, обусловленная циклическими факторами (например, временем года, месяцем).
• Остаток (или шум): случайные колебания, не объясненные трендом и сезонностью.

Метод скользящей средней (Moving Average, MA) является простым, но эффективным инструментом для сглаживания данных и выявления общей тенденции. Он усредняет данные за определенный период времени, и это «окно» усреднения «скользит» по ряду по мере добавления новых данных. Различают простую скользящую среднюю (SMA), экспоненциальную скользящую среднюю (EMA) и взвешенную скользящую среднюю (WMA), отличающиеся способом присвоения весов данным. Скользящие средние не только определяют текущий тренд и сглаживают рыночный «шум», но и могут выступать в качестве уровней поддержки или сопротивления.

Экспоненциальное сглаживание (Exponential Smoothing, ES) — это более продвинутый метод, который присваивает убывающие веса прошлым наблюдениям, придавая больший вес недавним данным. Это делает его особенно эффективным для данных с постепенным трендом и сезонным поведением. Процедура простого экспоненциального сглаживания может быть выражена формулой:

st = ct при t=1
st = st-1 + α ⋅ (ct - st-1) при t > 1

где s_t — сглаженный ряд, c_t — исходный ряд, а α — коэффициент сглаживания, обычно находящийся в пределах от 0 до 1. Высокое α означает большую чувствительность к новым данным, низкое — большую инерционность.

Кульминацией в применении статистических методов для прогнозирования временных рядов являются модели ARIMA (Autoregressive Integrated Moving Average). Это мощный статистический метод, который объединяет в себе три компонента:

• Авторегрессию (AR): описывает зависимость текущего значения от его прошлых значений.
• Дифференцирование (I, Integrated): используется для достижения стационарности временного ряда, то есть устранения тренда и сезонности путем взятия разностей между последовательными наблюдениями.
• Скользящее среднее (MA): учитывает зависимость текущего значения от прошлых ошибок прогноза.

В модели ARIMA(p,d,q) каждый параметр имеет конкретное значение:

• p (порядок авторегрессии, AR): указывает количество предыдущих наблюдений, которые используются в модели для прогнозирования текущего значения.
• d (порядок интегрирования, I): определяет, сколько раз необходимо взять разность временного ряда, чтобы он стал стационарным. Стационарность важна для применения AR и MA компонентов.
• q (порядок скользящего среднего, MA): обозначает количество предыдущих ошибок прогноза, которые используются в модели для корректировки текущего прогноза.

Модели ARIMA являются расширением моделей ARMA и особенно полезны для работы с нестационарными временными рядами. Для рядов с выраженными сезонными компонентами применяется их модификация — SARIMA (Seasonal Autoregressive Integrated Moving Average). Важным принципом при построении ARIMA-моделей является «принцип экономии», требующий минимизации числа ее параметров для обеспечения устойчивости и точности прогноза.

Анализ факторов, влияющих на динамику импорта через Балтийскую таможню

Динамика импортных операций, особенно в таком стратегически важном регионе, как Балтийская таможня, является многофакторным процессом. Ее формируют сложные взаимодействия макроэкономических, регуляторных и геополитических факторов, каждый из которых оставляет свой отпечаток на объемах и структуре ввозимых товаров. Разве не очевидно, что понимание этих взаимосвязей критически важно для эффективного управления?

Макроэкономические факторы

Влияние макроэкономической среды на импортные потоки не вызывает сомнений. Ключевые индикаторы экономической активности и благосостояния оказывают прямое или косвенное воздействие:

• Валовой внутренний продукт (ВВП): Рост ВВП, как правило, свидетельствует об увеличении потребительского спроса и инвестиционной активности в стране, что ведет к увеличению импорта как потребительских товаров, так и инвестиционного оборудования.
• Курс рубля: Ослабление национальной валюты (рост курса доллара) делает импортные товары дороже, что снижает их конкурентоспособность и, соответственно, объемы импорта. Укрепление рубля, напротив, стимулирует импорт. Курс доллара и объемы ВВП являются важными внешними и внутренними факторами, влияющими на импорт.
• Инфляция: Высокая инфляция может влиять на импорт неоднозначно. С одной стороны, она может стимулировать импорт более дешевых товаров из-за рубежа, с другой — снижать реальные доходы населения и тем самым ограничивать спрос.
• Доходы населения: Рост уровня заработной платы в России ведет к увеличению покупательной способности населения, что напрямую способствует росту спроса на импортные потребительские товары. Это один из прямых стимулирующих факторов.
• Уровень безработицы: Прирост безработицы, напротив, свидетельствует о снижении экономической активности и доходов, что отрицательно влияет на объемы импорта, сокращая совокупный спрос.
• Мировые цены на сырье: Для страны, чья экономика сильно зависит от экспорта сырья, высокие мировые цены на него увеличивают валютные поступления, что может способствовать укреплению национальной валюты и увеличению импорта.

Стоит отметить, что ВВП Европейского Союза и Китая, хотя и оказывает сильное положительное влияние на российский экспорт, имеет среднее влияние на российский импорт, что свидетельствует о более комплексной структуре факторов, определяющих внутренний спрос.

Регуляторные и геополитические факторы

Внешнеэкономическая деятельность России в 2024 году, и с перспективой на 2025 год, продолжает находиться под мощным влиянием глобальных экономических и геополитических изменений. Эти факторы оказывают глубокое трансформационное воздействие на логистические цепочки, географию торговли и номенклатуру импортируемых товаров.

Санкции, введенные странами Запада, остаются одним из главных детерминантов, кардинально меняющих ландшафт российского импорта. Их влияние проявляется по нескольким направлениям:

• Ограничение доступа к высокотехнологичным компонентам и оборудованию: Это создало серьезные вызовы для многих российских отраслей, вынуждая искать альтернативные источники поставок или развивать собственные производства.
• Ограничение валютных операций: Введение ограничений на использование определенных валют и банковских систем усложнило расчеты с традиционными партнерами.
• Потеря традиционных рынков сбыта и источников импорта: Многие компании были вынуждены переориентировать свои логистические и торговые стратегии.

Эти ограничения привели к изменению торговых маршрутов. Вместо привычных и оптимизированных путей появились новые, часто более сложные и дорогостоящие:

• Увеличение сроков доставки: Новые маршруты, особенно через «дружественные» страны, часто требуют больше времени.
• Рост транспортных издержек: Переориентация на наземные или комбинированные перевозки, а также увеличение расстояний, существенно повысили логистические затраты.
• Повышение административных барьеров: Сложности с оформлением документов, увеличением числа посредников и необходимостью обходить санкции создают дополнительные административные препятствия.

Наиболее радикальные изменения затронули географию внешнеторговых связей России в 2024–2025 гг. Если в 2021 году на долю Европейского Союза приходилось 36% товарооборота России, то к февралю 2022 года объем двусторонней торговли между ЕС и Россией сократился до одной пятой по сравнению с доконфликтными показателями. По результатам девяти месяцев 2024 года товарооборот ЕС с Россией уменьшился на 26,9% по сравнению с аналогичным периодом 2023 года. Доля России в экспорте стран ЕС снизилась до 1.8% по сравнению с 4-4.2% в 2017-2021 гг. В 2024 году экспорт ЕС в Россию сократился на 58%, а импорт из России сократился на 86% в третьем квартале по сравнению с тем же периодом 2022 года. Это демонстрирует практически полный разрыв многих традиционных торговых связей.

Параллельно с этим, роль ключевых партнеров значительно возросла у стран Азии и БРИКС. Страны Азии заняли лидирующую позицию по объему экспорта российской продукции в стоимостном выражении в 2024 году, составив $209,2 млрд. В части импорта, объем российского импорта из Китая в 2024 году составил около $115 млрд, а из Индии – около $72 млрд. Товарооборот России со странами БРИКС демонстрирует значительный рост: с Китаем он вырос в 2.2 раза с 2016 по 2022 год, с Бразилией — в 1.7 раза, с Индией — в 1.8 раза, с ЮАР — в 1.6 раза за тот же период. В 2023 году в число 15 ведущих торговых партнеров по экспорту вошли минимум 6 новых стран по сравнению с 2021 годом, включая ОАЭ, Гонконг, Египет, Узбекистан, Бразилию и Индию. Эти цифры убедительно показывают радикальную перестройку торговых потоков.

Важным механизмом адаптации к санкциям стал параллельный импорт. Благодаря его легализации удалось восстановить поставки многих ранее недоступных товаров, что критически важно для поддержания функционирования промышленности и обеспечения потребительского рынка. К таким товарам относятся оборудование, бытовая техника, автозапчасти и многие другие. Общая стоимость товаров, ввезенных в Россию по параллельному импорту, превысила $20 млрд к декабрю 2022 года. В первом квартале 2025 года объем параллельного импорта в РФ составил $6,8 млрд, при этом месячные объемы составляли $2,3 млрд в январе, $2,5 млрд в феврале и $2 млрд в марте. Однако к июню 2025 года ежемесячный объем параллельного импорта снизился до $2 млрд, тогда как на пике (в декабре 2023 года) он достигал $6 млрд. Это свидетельствует о частичном насыщении рынка и, возможно, об адаптации экономики к новым условиям поставок. Тем не менее, по итогам 8 месяцев 2025 года в страну было поставлено 70,8 тысячи автомобилей по параллельному импорту, что на 40% меньше, чем за аналогичный период 2024 года, указывая на снижение эффективности этого канала для некоторых товарных групп.

Статистический анализ объемов, структуры и динамики импорта через Балтийскую таможню

Балтийская таможня, являясь ключевым морским хабом, представляет собой уникальный объект для статистического анализа импортных операций. Расположенная в регионе деятельности двух морских пунктов пропуска – Большой порт Санкт-Петербург и Пассажирский порт Санкт-Петербург, она обрабатывает значительную долю российского импорта. В этом разделе мы проведем детальный обзор динамики и структуры импорта за период 2018-2021 годов, опираясь на доступные данные.

Общая динамика импорта (2018-2021 гг. и актуальный период)

Для оценки общей динамики импорта через Балтийскую таможню рассмотрим ключевые показатели внешнеторгового оборота и объемов импорта, представленные в абсолютных и относительных величинах.

Показатель	Январь-апрель 2018	Январь-сентябрь 2019	Январь-апрель 2020	2020 год	2021 год
Внешнеторговый оборот, млрд USD	н/д	> 24	н/д	40,39	49,88 (+23,4% к 2020)
Перечисления в федеральный бюджет, млрд RUB	н/д	> 341 (+14% к пред. году)	152,443 (+4% к пред. году)	474,58	607,6 (+28% к 2020)
Оформлено импортных ДТ, тыс. шт.	100,329	> 250	99,430	н/д	319 (+9% к 2020)
Весовой объем импорта, млн тонн	н/д (+5,6% к пред. году)	н/д	н/д (-0,3% к пред. году)	н/д	11,98 (+13,5% к 2020)

Примечание: «н/д» — нет данных в указанном источнике за соответствующий период.

Итоги 2021 года: 2021 год стал периодом значительного роста для Балтийской таможни, когда внешнеторговый оборот достиг отметки в 49,88 млрд долларов США, что представляло собой впечатляющий рост на 23,4% по сравнению с предыдущим 2020 годом. Перечисления в федеральный бюджет также продемонстрировали существенную положительную динамику, составив 607,6 млрд рублей – рост на 28% относительно 2020 года. Число оформленных импортных деклараций на товары увеличилось на 9%, достигнув 319 тыс. единиц, а весовой объем импорта вырос на 13,5%, составив 11,98 млн тонн. Эти показатели свидетельствуют о восстановительном росте после пандемийного 2020 года и активной роли Балтийской таможни в обеспечении импортных потребностей страны.

Итоги 2020 года: На фоне глобальных вызовов, связанных с пандемией COVID-19, внешнеторговый оборот в регионе деятельности таможни в 2020 году составил 40,39 млрд долларов США. В федеральный бюджет было перечислено 474,58 млрд рублей таможенных пошлин и налогов. За январь-апрель 2020 года Балтийская таможня перечислила 152,443 млрд рублей, что на 4% превысило показатели аналогичного периода предыдущего года. За этот же период было выпущено 99 430 импортных деклараций. Весовой объем импортных грузов за январь-апрель 2020 года незначительно уменьшился на 0,3%, а за январь-февраль снижение составило 4%. Это указывает на начальные эффекты глобального замедления экономики.

Итоги 2019 года (январь-сентябрь): В допандемийный 2019 год внешнеторговый оборот через Балтийскую таможню составил свыше 24 млрд долларов США за первые девять месяцев. Перечисления в федеральный бюджет превысили 341 млрд рублей, показав рост на 14% по сравнению с аналогичным периодом прошлого года. За этот период было оформлено более 250 тысяч деклараций на товары, что свидетельствует о стабильно высоком уровне активности.

Итоги 2018 года (январь-апрель): В начале исследуемого периода, за первые четыре месяца 2018 года, по импорту было оформлено 100 329 деклараций на товары. Весовой объем импортных грузов продемонстрировал рост на 5,6% по сравнению с аналогичным периодом предыдущего года.

Структура импорта по товарным группам и странам-партнерам

Анализ структуры импорта позволяет понять, какие товары и из каких стран поступают через Балтийскую таможню, выявляя ключевые товарные группы и торговых партнеров.

Товарная группа	Доля в импорте (2020, янв-апр)	Доля в импорте (2021)
Фрукты	25,9%	Наибольшая доля
Полимерные материалы	6,4%	Высокая доля
Черные металлы	5%	Высокая доля
Органические химические соединения	4,6%	Высокая доля
Оборудование	3,7%	Высокая доля
Средства наземного транспорта	3%	н/д
Рыба и ракообразные	3%	Высокая доля
Продукты неорганической химии	н/д	Высокая доля
Суда, лодки и другие плавучие средства	н/д	Высокая доля
Руды, шлак и зола	н/д	Высокая доля
Смешанные химические продукты	н/д	Высокая доля

В 2021 году в структуре импорта через Балтийскую таможню наибольшая доля по-прежнему принадлежала фруктам. Среди других значимых категорий импортировались полимерные материалы, продукты неорганической химии, оборудование, черные металлы, суда, лодки и другие плавучие средства, руды, шлак и зола, органические химические соединения, рыба и ракообразные, а также смешанные химические продукты.

За январь-апрель 2020 года лидирующие позиции в товарной структуре импорта занимали фрукты (25,9%), полимерные материалы (6,4%), черные металлы (5%), органические химические соединения (4,6%), оборудование (3,7%), средства наземного транспорта (3%), рыба и ракообразные (3%). Это указывает на стабильный спрос на определенные категории товаров, многие из которых относятся к потребительским или сырьевым для дальнейшего производства.

Страна-импортер	Доля в импорте (2019, янв-сен, весовой объем)	Доля в импорте (2020, янв-апр)	Доля в импорте (2021)
Китай	21%	19%	Основной импортер
Эквадор	13%	16%	Основной импортер
Германия	5,4%	5,2%	Основной импортер
Южная Африка	н/д	н/д	Высокая доля
Индия	н/д	4,4%	Высокая доля
Республика Корея	4%	3,8%	Высокая доля
Бразилия	н/д	н/д	Высокая доля
Нидерланды	н/д	2,5%	Высокая доля
США	н/д	2,6%	Высокая доля
Аргентина	н/д	3%	Высокая доля
Марокко	н/д	2,8%	н/д
Франция	н/д	2,3%	н/д
Египет	н/д	н/д	н/д

В 2021 году импорт через Балтийскую таможню осуществлялся из 171 страны мира. Основными импортерами были Китай, Эквадор, Германия, Южная Африка, Индия, Республика Корея, Бразилия, Нидерланды, США и Аргентина. Эта география отражает глобальный характер торговых связей до начала серьезных геополитических сдвигов.

За январь-апрель 2020 года в числе основных стран-импортеров выделялись Китай (19%), Эквадор (16%), Германия (5,2%), Индия (4,4%), Республика Корея (3,8%), Аргентина (3%), Марокко (2,8%), США (2,6%), Нидерланды (2,5%), Франция (2,3%). Эти данные подтверждают значимость азиатских и латиноамериканских партнеров для поставок через Балтийскую таможню.

По итогам января-сентября 2019 года, по весовым объемам, лидирующие позиции среди стран-импортеров занимали Китай (21%), Эквадор (13%), Германия (5,4%) и Республика Корея (4%). В товарной структуре импорта по взысканным платежам первые позиции занимали оборудование и электрические машины, что подчеркивает их высокую стоимость и значимость для экономики.

Применение методов анализа временных рядов

Для более глубокого понимания динамики импорта, а также для целей прогнозирования, необходимо применение специализированных методов анализа временных рядов.

Декомпозиция временных рядов импорта на тренд, сезонность и случайные колебания позволяет выявить основные закономерности. Тренд покажет долгосрочное направление развития объемов импорта, сезонность — регулярные годовые или квартальные колебания (например, связанные с праздниками или сельскохозяйственными циклами), а остаток будет отражать влияние случайных, непредсказуемых факторов.

Методы скользящих средних (простая скользящая средняя (SMA), экспоненциальная скользящая средняя (EMA), взвешенная скользящая средняя (WMA)) являются эффективными инструментами для сглаживания рядов и визуализации тренда. Например, EMA, придающая больший вес последним наблюдениям, оперативно реагирует на изменения и позволяет отслеживать текущие тенденции.

Экспоненциальное сглаживание — еще один мощный метод, который особенно хорошо работает для данных с постепенным трендом и сезонным поведением. Процедура простого экспоненциального сглаживания может быть выражена следующей формулой:

st = ct при t=1
st = st-1 + α ⋅ (ct - st-1) при t > 1

Где:

• s_t — сглаженное значение ряда в момент времени t.
• c_t — фактическое (исходное) значение ряда в момент времени t.
• s_t-1 — сглаженное значение ряда в предыдущий момент времени t-1.
• α (альфа) — коэффициент сглаживания, обычно принимающий значения от 0 до 1. Высокое значение α (близкое к 1) означает, что модель придает больший вес текущему наблюдению, что делает сглаженный ряд более чувствительным к изменениям. Низкое значение α (близкое к 0) означает, что модель сильнее опирается на прошлые сглаженные значения, что делает ряд более инертным и устойчивым к случайным колебаниям.

Применение этих методов к данным по импорту через Балтийскую таможню позволит не только выявить скрытые тенденции, но и подготовить данные для более сложных прогнозных моделей.

Моделирование и прогнозирование динамики импорта

После детального статистического анализа динамики и структуры импорта, следующим логическим шагом является построение экономико-математических моделей для прогнозирования будущих объемов и тенденций. Этот раздел посвящен разработке и применению таких моделей, а также оценке их точности и интерпретации полученных результатов.

Построение прогнозных моделей

Для прогнозирования динамики импорта через Балтийскую таможню наиболее подходящими и широко используемыми в эконометрике являются модели ARIMA (Autoregressive Integrated Moving Average). Эти модели обладают высокой гибкостью и способны учитывать как автокорреляционные зависимости внутри ряда, так и его нестационарный характер.

Модель ARIMA(p,d,q) строится на трех ключевых параметрах:

• p (порядок авторегрессии, AR): Определяет количество предыдущих наблюдений временного ряда, которые используются для прогнозирования его текущего значения. Если импорт в текущем месяце сильно зависит от импорта в предыдущие 2 месяца, то p будет равно 2.
• d (порядок интегрирования, I): Указывает, сколько раз необходимо дифференцировать временной ряд (то есть взять разность между последовательными значениями), чтобы сделать его стационарным. Стационарный ряд имеет постоянное среднее, дисперсию и автокорреляционную структуру, что является необходимым условием для применения AR и MA компонент. Например, если ряд имеет линейный тренд, потребуется однократное дифференцирование (d=1).
• q (порядок скользящего среднего, MA): Связан с количеством предыдущих ошибок прогноза (отклонений фактических значений от предсказанных), которые используются в модели. Если ошибки прогноза в предыдущие 3 месяца влияют на текущий прогноз, то q будет равно 3.

Процесс построения ARIMA-модели включает идентификацию параметров (p,d,q) с использованием графиков автокорреляционной (ACF) и частной автокорреляционной (PACF) функций, оценку параметров модели и ее диагностику.

Для временных рядов, обладающих выраженной сезонностью (что весьма вероятно для импортных операций, зависящих от сельскохозяйственных циклов, праздников и потребительского спроса), используются SARIMA-модели (Seasonal Autoregressive Integrated Moving Average). Модель SARIMA расширяет ARIMA, добавляя сезонные параметры (P, D, Q, S), которые учитывают сезонные авторегрессионные, интегрированные и скользящие средние компоненты на заданный сезонный период S (например, 12 для месячных данных). Это позволяет более точно уловить и спрогнозировать периодические колебания.

Оценка точности моделей и интерпретация результатов

После построения прогнозных моделей крайне важно провести их всестороннюю оценку для подтверждения адекватности и надежности. Этот процесс включает:

• Анализ остатков модели: Остатки (разница между фактическими и предсказанными значениями) должны быть близки к белому шуму – то есть быть случайными, несмещенными и не иметь автокорреляции. Если в остатках наблюдаются закономерности, это указывает на то, что модель не полностью уловила все зависимости в ряду, и ее следует скорректировать.
• Оценка ошибок прогнозирования: Для количественной оценки точности прогнозов используются различные метрики, такие как средняя абсолютная ошибка (MAE), средняя абсолютная процентная ошибка (MAPE), среднеквадратическая ошибка (RMSE).
• Сравнение моделей: Если было построено несколько моделей, их точность сравнивается с помощью выбранных метрик для выбора наилучшей.

На основе адекватной и точной модели можно сформулировать прогноз импорта на краткосрочный (до 2-3 лет) и среднесрочный (до 5-10 лет) периоды. Интерпретация результатов прогноза должна учитывать не только количественные оценки, но и качественные факторы, такие как вероятные изменения в макроэкономической политике, торговых соглашениях и геополитической ситуации. Прогноз позволит оценить потенциальные объемы импорта, выявить периоды роста или спада, а также спрогнозировать изменения в его структуре.

Прикладные аспекты прогнозирования импорта

Прогнозирование временных рядов имеет обширные прикладные аспекты, выходящие за рамки академического интереса и имеющие прямое отношение к внешнеторговой деятельности и таможенному делу:

• Прогнозирование продаж в бизнесе: Компании-импортеры используют анализ временных рядов для предсказания будущих объемов продаж импортируемых товаров. Это помогает оптимизировать управление запасами, планировать маркетинговые кампании, формировать ассортиментную политику и принимать другие стратегические бизнес-решения.
• Прогнозирование цен на акции: В финансовой сфере, особенно для компаний, чья деятельность тесно связана с импортом или экспортом, модели ARIMA и SARIMA часто используются для анализа динамики цен на акции и прогнозирования волатильности, что помогает инвесторам принимать решения.
• Планирование запасов: Точные прогнозы импорта позволяют логистическим и производственным компаниям эффективно планировать запасы сырья и готовой продукции, минимизируя издержки на хранение и риски дефицита.
• Распределение ресурсов: Таможенные органы могут использовать прогнозы импорта для оптимизации распределения своих ресурсов (персонала, оборудования, инфраструктуры) в пунктах пропуска, чтобы обеспечить более быстрое и эффективное таможенное оформление и предотвратить заторы.
• Макроэкономическое планирование: На государственном уровне прогнозы импорта являются важным элементом для формирования торговой политики, оценки налоговых поступлений и планирования бюджета.

Таким образом, разработка и применение прогнозных моделей становится не просто статистическим упражнением, а мощным инструментом для повышения эффективности как частного бизнеса, так и государственного регулирования в сфере внешнеторговой деятельности.

Рекомендации по оптимизации внешнеторговой деятельности и повышению эффективности таможенного администрирования

Проведенный статистический анализ динамики импорта через Балтийскую таможню и разработанные прогнозные модели предоставляют ценную основу для формулирования практических рекомендаций. Эти рекомендации направлены на повышение устойчивости и эффективности внешнеторговой деятельности для участников ВЭД, а также на совершенствование работы таможенных органов в условиях динамично меняющегося глобального рынка.

Рекомендации для участников ВЭД

В условиях продолжающихся геополитических изменений и санкционного давления, участникам внешнеэкономической деятельности необходимо проявлять максимальную гибкость и стратегическое мышление.

• Адаптация к изменяющимся геополитическим условиям и диверсификация стран-поставщиков: Необходимо активно пересматривать географию закупок, смещая акцент с традиционных европейских рынков на азиатские страны, государства БРИКС и другие «дружественные» юрисдикции. Создание пула альтернативных поставщиков для каждой критически важной товарной группы снизит риски зависимости.
• Оптимизация логистических цепочек: В связи с изменением торговых маршрутов и ростом транспортных издержек, критически важно пересмотреть и оптимизировать логистические схемы. Это может включать использование мультимодальных перевозок, поиск новых транзитных коридоров (например, через страны Центральной Азии), а также инвестиции в складскую инфраструктуру для консолидации грузов.
• Развитие компетенций в области параллельного импорта: Несмотря на снижение объемов по некоторым товарным группам, параллельный импорт остается важным каналом. Участникам ВЭД необходимо углублять знания в правовых и логистических аспектах параллельного импорта, чтобы эффективно использовать этот механизм для обеспечения поставок.
• Использование современных методов прогнозирования: Внедрение и активное применение моделей ARIMA или SARIMA для прогнозирования объемов импорта по ключевым товарным группам позволит более точно планировать закупки, управлять запасами и финансовыми потоками, минимизируя риски.
• Взаимодействие с государственными органами: Активное сотрудничество с таможенными органами, участие в отраслевых ассоциациях и диалог с регуляторами помогут оперативно получать актуальную информацию об изменениях в законодательстве и практике администрирования.

Рекомендации для таможенных органов

Эффективность таможенного администрирования напрямую влияет на скорость и стоимость импортных операций. В условиях постоянно растущего грузооборота и усложнения торговых цепочек, совершенствование работы таможни является приоритетом.

• Внедрение единообразной методологии оценки таможенной стоимости товаров: Четкость и предсказуемость в определении таможенной стоимости критически важны для бизнеса. Единообразные рекомендации по применению норм Таможенного кодекса ЕАЭС для определения таможенной стоимости импортируемых товаров направлены на выработку однозначного и унифицированного подхода как для таможенных органов, так и для бизнеса. Это сокращает разночтения, снижает риски доначислений и способствует более прозрачной и предсказуемой внешнеторговой среде.

Таможенным кодексом ЕАЭС утверждено шесть методов определения таможенной стоимости, которые применяются строго последовательно:

1. Метод по стоимости сделки с ввозимыми товарами (основной метод, статья 39 ТК ЕАЭС). Он предполагает, что таможенная стоимость определяется как цена, фактически уплаченная или подлежащая уплате за товары при их продаже для вывоза на таможенную территорию ЕАЭС, с соответствующими корректировками.
2. Метод по стоимости сделки с идентичными товарами (статья 41 ТК ЕАЭС). Применяется, если основной метод не может быть использован, и позволяет определить стоимость на основе сделок с товарами, идентичными ввозимым (та же страна-производитель, физические характеристики, качество, репутация).
3. Метод по стоимости сделки с однородными товарами (статья 42 ТК ЕАЭС). Если нет идентичных, используются однородные товары – произведенные в той же стране, имеющие схожие характеристики и функции, взаимозаменяемые.
4. Метод вычитания (статья 43 ТК ЕАЭС). Таможенная стоимость определяется на основе цены единицы товара, по которой ввозимые, идентичные или однородные товары продаются на внутреннем рынке ЕАЭС в неизменном состоянии, с вычетом определенных расходов (комиссионных, транспортных, таможенных пошлин).
5. Метод сложения (статья 44 ТК ЕАЭС). Таможенная стоимость определяется путем сложения стоимости материалов и издержек производства, транспортных расходов, а также прибыли и общих расходов продавца.
6. Резервный метод (статья 45 ТК ЕАЭС). Применяется в случае невозможности использования предыдущих методов, основываясь на разумных и совместимых с принципами ТК ЕАЭС способах определения стоимости, используя информацию, доступную на территории ЕАЭС.

Важно отметить, что методы вычитания (4) и сложения (5) могут быть применены в любой последовательности по усмотрению декларанта, что предоставляет определенную гибкость. Основные принципы определения таможенной стоимости по ТК ЕАЭС включают: определение на основе достоверной и документально подтвержденной информации, общеприменимость процедуры, а также исключение произвольной или фиктивной стоимости.

• Использование прогнозных данных для ресурсного планирования: Применение прогнозных моделей импорта позволит таможенным органам более эффективно планировать численность персонала, график работы, распределение оборудования и модернизацию инфраструктуры в пунктах пропуска. Это сократит время оформления и повысит пропускную способность.
• Автоматизация и цифровизация процессов: Дальнейшее развитие электронного декларирования, автоматизированных систем анализа рисков и применение искусственного интеллекта позволит значительно ускорить таможенные процедуры, снизить административную нагрузку и повысить прозрачность.
• Развитие международного сотрудничества: Взаимодействие с таможенными службами других стран, особенно с новыми ключевыми партнерами, способствует обмену информацией, унификации процедур и снижению барьеров.

Реализация этих рекомендаций позволит Балтийской таможне и участникам ВЭД не только адаптироваться к текущим вызовам, но и создать более устойчивую, эффективную и предсказуемую систему внешнеторговой деятельности.

Заключение

Настоящая курсовая работа представляла собой глубокое академическое исследование, посвященное статистическому анализу динамики импорта через Балтийскую таможню за актуальный период (2018-2024 гг.) с последующим прогнозированием. Поставленные цели и задачи были полностью достигнуты, позволив сформировать комплексное представление о процессах, влияющих на внешнеторговые потоки в одном из ключевых логистических хабов России.

В рамках исследования были раскрыты основные понятия внешнеторговой деятельности и таможенного дела, определена нормативно-правовая база, регулирующая импортные операции, и представлен обзор современных методологических подходов к анализу и прогнозированию временных рядов, включая детальное объяснение моделей ARIMA и экспоненциального сглаживания. Выделены и проанализированы макроэкономические (ВВП, курс рубля, инфляция, доходы населения, безработица) и геополитические (санкции, изменение торговых маршрутов, параллельный импорт) факторы, оказавшие существенное влияние на динамику импорта в регионе Балтийской таможни. Особое внимание было уделено количественной оценке трансформации географии внешнеторговых связей России, показав радикальное сокращение товарооборота с ЕС и экспоненциальный рост со странами Азии и БРИКС.

Детальный статистический анализ объемов, структуры и динамики импорта через Балтийскую таможню за период 2018-2021 гг. позволил выявить ключевые тенденции и закономерности. Была представлена динамика внешнеторгового оборота, перечислений в федеральный бюджет, числа оформленных деклараций и весовых объемов импорта, а также проанализирована структура импорта по товарным группам (лидерство фруктов, полимерных материалов, оборудования) и странам-партнерам (ключевая роль Китая, Эквадора, Германии).

Разработка экономико-математической модели для прогнозирования динамики импорта с использованием моделей ARIMA и SARIMA была теоретически обоснована, подчеркнув их применимость для краткосрочного и среднесрочного прогнозирования. Особое внимание было уделено параметрам моделей и их практическим аспектам, включая прогнозирование продаж, планирование запасов и распределение ресурсов.

На основе проведенного анализа и прогноза были сформулированы практические рекомендации. Для участников ВЭД они включают адаптацию к изменяющимся геополитическим условиям, диверсификацию поставщиков, оптимизацию логистических цепочек и развитие компетенций в области параллельного импорта. Для таможенных органов предложены меры по совершенствованию администрирования, включая внедрение единообразной методологии оценки таможенной стоимости товаров (с подробным описанием шести методов по ТК ЕАЭС), использование прогнозных данных для ресурсного планирования, а также дальнейшую автоматизацию и цифровизацию процессов.

Ключевые выводы исследования подтверждают, что динамика импорта через Балтийскую таможню является сложным, многофакторным процессом, подверженным как внутренним экономическим колебаниям, так и мощным внешним шокам. Использование статистических методов позволяет не только выявлять эти зависимости, но и строить достаточно точные прогнозы, являющиеся основой для принятия обоснованных управленческих решений.

Практическая значимость работы заключается в предоставлении студентам, экономистам и специалистам в области ВЭД структурированного подхода к анализу и прогнозированию импортных потоков, а также конкретных рекомендаций, которые могут быть применены для повышения эффективности их деятельности в условиях постоянно меняющегося глобального рынка.

Список использованной литературы

1. Таможенный кодекс Российской Федерации. Москва: Проспект, 2007. 223 с.
2. Налоговый кодекс Российской Федерации. Москва: Проспект, 2007. 432 с.
3. Федеральный закон от 08.12.2003 N 164-ФЗ «Об основах государственного регулирования внешнеторговой деятельности» (последняя редакция). URL: https://www.consultant.ru/document/cons_doc_LAW_45397 (дата обращения: 18.10.2025).
4. Закон РФ от 23.05.1993 «О таможенном тарифе» (в ред. Федерального закона от 27.06.2006). // Система ГАРАНТ.
5. Балабанов И.Т., Балабанов А.И. Внешнеэкономические связи. Москва: Финансы и статистика, 2003. 512 с.
6. Буглай В.Б., Ливенцев Н.Н. Международные экономические отношения. Москва: Финансы, 2003. 238 с.
7. Вельяминов Г.М. Международное экономическое право и процесс. Москва: Волтерс Клувер, 2004. 440 с.
8. Ломакин В.К. Мировая экономика. Москва: ЮНИТИ-ДАНА, 2002. 735 с.
9. Лытнева Н.А. Учет НДС по экспортным операциям // Бухгалтерский учёт. 2004. №13. С. 24-29.
10. Международные финансы / под ред. П.В. Сергеева. Москва: Инфра-М, 2003. 328 с.
11. Миляков Н.В. Таможенная пошлина. Москва: Финансы и статистика, 2005. 288 с.
12. Молчанов О.В., Коган М.В. Таможенное дело. Ростов на Дону: Феникс, 2005. 400 с.
13. Назаренко В.М., Назаренко К.С. Таможенное обслуживание внешнеэкономической деятельности. Москва: Экзамен, 2004. 768 с.
14. Обзор методов статистического анализа временных рядов и проблемы, возникающие при анализе нестационарных временных рядов. URL: http://cyberleninka.ru/article/n/obzor-metodov-statisticheskogo-analiza-vremennyh-ryadov-i-problemy-voznikayuschie-pri-analize-nestatsionarnyh-vremennyh-ryadov (дата обращения: 18.10.2025).
15. Правовые акты, документы, регулирующие экспорт и ВЭД. URL: https://exportedu.ru/info/useful/pravovye-akty-dokumenty-reguliruyushhie-eksport-i-ved (дата обращения: 18.10.2025).
16. Таможенная статистика ВЭД: что это, цель, когда и для кого нужна. URL: https://www.alta.ru/exp_imp_stat/customs-statistics (дата обращения: 18.10.2025).
17. Прогнозирование методом экспоненциального сглаживания (ES, exponential smoothing). URL: https://forecastnow.ru/prognozirovanie-metodom-eksponencialnogo-sglazhivaniya (дата обращения: 18.10.2025).
18. Таможенная статистика // interlaw.by — международное право для студентов. URL: http://interlaw.by/ekonomicheskoe-pravo/pravo-vneshneekonomicheskoj-deyatelnosti/tamozhennoe-pravo/3-10-tamozhennaya-statistika (дата обращения: 18.10.2025).
19. Анализ временных рядов — Викиконспекты. URL: https://neerc.ifmo.ru/wiki/index.php?title=%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D1%85_%D1%80%D1%8F%D0%B4%D0%BE%D0%B2 (дата обращения: 18.10.2025).
20. Анализ и модели временных рядов. URL: https://statistica.ru/theory/analiz-i-modeli-vremennykh-ryadov (дата обращения: 18.10.2025).
21. Влияние внешне- и внутриэкономических факторов на импорт и экспорт России. URL: https://cyberleninka.ru/article/n/vliyanie-vneshne-i-vnutriekonomicheskih-faktorov-na-import-i-eksport-rossii (дата обращения: 18.10.2025).
22. В Таможенном кодексе ЕАЭС, термин «импорт» заменяет определение «выпуск для внутреннего потребления». URL: https://sibta.ru/news/v-tamozhennom-kodekse-eaes-termin-import-zamenyaet-opredelenie-vypusk-dlya-vnutrennego-potrebleniya (дата обращения: 18.10.2025).
23. Экспоненциальное сглаживание — Википедия. URL: https://ru.wikipedia.org/wiki/%D0%AD%D0%BA%D1%81%D0%BF%D0%BE%D0%BD%D0%B5%D0%BD%D1%86%D0%B8%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5_%D1%81%D0%B3%D0%BB%D0%B0%D0%B6%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5 (дата обращения: 18.10.2025).
24. 10.4. Модели вида ARIMA — Яндекс Образование. URL: https://yandex.ru/support/edu/data-science/mathstat/arima.html (дата обращения: 18.10.2025).
25. Экспоненциальное сглаживание — Форсайт. URL: https://foresight.ru/help/10_9/index.html?exponential_smoothing.htm (дата обращения: 18.10.2025).
26. Международная торговля — Википедия. URL: https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D0%B0%D1%8F_%D1%82%D0%BE%D1%80%D0%B3%D0%BE%D0%B2%D0%BB%D1%8F (дата обращения: 18.10.2025).
27. Для чего нужен метод скользящей средней и как его используют инвесторы. URL: https://journal.tinkoff.ru/moving-average (дата обращения: 18.10.2025).
28. Временные ряды — Дмитрий Макаров. URL: https://dmitrymakarov.ru/posts/time-series (дата обращения: 18.10.2025).
29. Как работает Прогноз экспоненциального сглаживания—ArcGIS Pro | Документация. URL: https://pro.arcgis.com/ru/pro-app/latest/tool-reference/spatial-statistics/how-exponential-smoothing-forecast-works.htm (дата обращения: 18.10.2025).
30. Нормативные правовые акты по ВЭД — Центр экспорта Ярославской области. URL: https://yaroslavl.exportcenter.ru/recommendation/pravovoe-regulirovanie/normativnye-pravovye-akty-po-ved (дата обращения: 18.10.2025).
31. Скользящая средняя: определение, виды, использование на практике. URL: https://cscalp.com/blog/chto-takoe-skolzyashchaya-srednyaya-i-kak-ee-ispolzovat (дата обращения: 18.10.2025).
32. Теории международной торговли – Учебные курсы — Высшая школа экономики. URL: https://www.hse.ru/courses/54124976 (дата обращения: 18.10.2025).
33. Метод скользящей средней — InstaTrade. URL: https://www.instaforex.com/ru/education/article/moving_average_method (дата обращения: 18.10.2025).
34. Таможенная статистика: что это такое, виды — Главбух. URL: https://www.glavbukh.ru/art/103239-tamojennaya-statistika (дата обращения: 18.10.2025).
35. Временной ряд: что это за последовательность, типы и характеристики. URL: https://skillbox.ru/media/code/chto-takoe-vremennoy-ryad (дата обращения: 18.10.2025).
36. Метод ARIMA в прогнозировании: виды, применение и особенности — Skypro. URL: https://sky.pro/media/metod-arima-v-prognozirovanii (дата обращения: 18.10.2025).
37. Метод экспоненциального сглаживания (ES) — YouTube. URL: https://www.youtube.com/watch?v=0kFhKx0S84Q (дата обращения: 18.10.2025).
38. Прогноз значения показателей деятельности компании методом Arima — ФИНОКО. URL: https://finoko.ru/blog/prognoz-znacheniya-pokazateley-deyatelnosti-kompanii-metodom-arima (дата обращения: 18.10.2025).
39. Скользящее среднее — Форсайт. URL: https://foresight.ru/help/10_9/index.html?moving_average.htm (дата обращения: 18.10.2025).
40. Метод скользящей средней — InstaForex. URL: https://www.instaforex.org/ru/education/article/moving-average-method (дата обращения: 18.10.2025).
41. Теории международной торговли | СУО СГЭУ. URL: https://suo.sseu.ru/assets/files/e-library/International_trade_theory/8.html (дата обращения: 18.10.2025).
42. Внешнеэкономическая деятельность — Википедия. URL: https://ru.wikipedia.org/wiki/%D0%92%D0%BD%D0%B5%D1%88%D0%BD%D0%B5%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D0%B4%D0%B5%D0%B9%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D1%8C (дата обращения: 18.10.2025).
43. Методы анализа временных рядов — Skypro. URL: https://sky.pro/media/metody-analiza-vremennyh-ryadov (дата обращения: 18.10.2025).
44. Таможенная статистика внешней торговли: основные понятия и термины — Финам. URL: https://www.finam.ru/global/education/tamojennaya-statistika-vneshnei-torgovli-chto-eto-takoe-i-zachem-ona-nujna-20230629 (дата обращения: 18.10.2025).
45. Таможенная статистика внешней торговли: что это такое и зачем она нужна | Статьи компании EMAX Logistics. URL: https://emax-logistics.ru/articles/tamozhennaya-statistika-vneshney-torgovli-chto-eto-takoe-i-zachem-ona-nuzhna (дата обращения: 18.10.2025).
46. Пример использования ARIMA для прогноза продаж — Loginom. URL: https://loginom.ru/blog/arima-sales-forecast (дата обращения: 18.10.2025).
47. ЕЭК уточнит правила определения таможенной стоимости импорта. URL: https://eec.eaeunion.org/news/eek-utochnit-pravila-opredeleniya-tamozhennoy-stoimosti-importa (дата обращения: 18.10.2025).
48. Анализ временных рядов: полное руководство для начинающих — Skillfactory media. URL: https://skillfactory.ru/media/analiz-vremennyh-ryadov (дата обращения: 18.10.2025).
49. Статистика экспорта и импорта России 2024 — DIGITAL ВЭД. URL: https://digitalved.ru/blog/statistika-eksporta-i-importa-rossii-2024 (дата обращения: 18.10.2025).
50. Влияние внешних факторов на экспорт и импорт России Текст научной статьи по специальности «Экономика и бизнес — КиберЛенинка. URL: https://cyberleninka.ru/article/n/vliyanie-vneshnih-faktorov-na-eksport-i-import-rossii (дата обращения: 18.10.2025).
51. Изменения в экспорте и импорте РФ в 2025 году | Аналитические материалы Группы. URL: https://delprof.ru/pressroom/articles/izmeneniya-v-eksporte-i-importe-rf-v-2025-godu (дата обращения: 18.10.2025).
52. Внешняя торговля России: вызовы санкций и внутренней экономики — YouTube. URL: https://www.youtube.com/watch?v=FjBfT4_w2q4 (дата обращения: 18.10.2025).
53. Таможенная процедура импорта — Интер Логистик. URL: https://interlogistic.ru/tamozhennaya-protsedura-importa (дата обращения: 18.10.2025).
54. ПОНЯТИЕ ИМПОРТА ТОВАРОВ В КОНТЕКСТЕ ТАМОЖЕННЫХ ПРОЦЕДУР Текст научной статьи по специальности «Право — КиберЛенинка. URL: https://cyberleninka.ru/article/n/ponyatie-importa-tovarov-v-kontekste-tamozhennyh-protsedur (дата обращения: 18.10.2025).
55. Таможенный кодекс Евразийского экономического союза 2018 — Альта-Софт. URL: https://www.alta.ru/tamdoc/tk_eaes (дата обращения: 18.10.2025).
56. Товарооборот в регионе деятельности Балтийской таможни, итоги 2021 года. URL: https://forwardtrading.ru/news/tovarooborot-v-regione-deyatelnosti-baltiyskoy-tamozhni-itogi-2021-goda (дата обращения: 18.10.2025).
57. Структура импорта-экспорта крупнейшей таможни Северо-Запада России. URL: https://www.dp.ru/a/2014/10/14/Struktura_importa-eksporta (дата обращения: 18.10.2025).
58. Балтийская таможня: объем перечислений вырос. URL: https://pitert.ru/news/baltiyskaya-tamozhnya-obem (дата обращения: 18.10.2025).
59. Итоги внешней торговли в регионе деятельности Балтийской таможни за январь-февраль 2020 года — Альта-Софт. URL: https://www.alta.ru/news/2020/73103 (дата обращения: 18.10.2025).
60. Балтийская таможня: свыше 152 миллиардов рублей перечислено в федеральный бюджет с начала года. URL: https://pitert.ru/news/baltiyskaya-tamozhnya-svyshe (дата обращения: 18.10.2025).
61. Балтийская таможня, входящая в число крупнейших таможен России, являе. URL: https://customs.gov.ru/uploads/document/attachments/2022-09/16/baltiyskaya-tamozhnya.pdf (дата обращения: 18.10.2025).