'
Научный журнал «Вестник науки»

Режим работы с 09:00 по 23:00

zhurnal@vestnik-nauki.com

Информационное письмо

  1. Главная
  2. Архив
  3. Вестник науки №12 (45) том 1
  4. Научная статья № 5

Просмотры  222 просмотров

Платонычев А.Н.

  


МОДЕЛИ СТРАТЕГИЧЕСКОГО ПЛАНИРОВАНИЯ ЦЕН В НЕФТЯНОМ СЕКТОРЕ РОССИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ *

  


Аннотация:
в нефтяном секторе экономике России катализатором кризиса стали пандемия и введенные большинством стран ограничительные меры. В статье представлены данные анализа доли нефтегазовых доходов в общих доходах федерального бюджета Российской Федерации. С целью прогнозирования цен в нефтяном секторе как неотъемлемой части стратегического планирования в исследовании использовались модели авторегрессии и скользящего среднего для стационарных и нестационарных временных рядов. Составлен график прогноза диапазона цен на нефть марки Urals в период с 25 октября по 21 ноября 2021 года   

Ключевые слова:
нефтяной сектор, экономическая активность, прогноз социально-экономического развития, моделирование, неопределенность   


УДК 338.12

Платонычев А.Н.

кафедра Государственного и территориального управления,

Федеральное государственное бюджетное

образовательное учреждение высшего образования

«Санкт-Петербургский государственный экономический университет»

(г. Санкт-Петербург, Россия)

 

МОДЕЛИ СТРАТЕГИЧЕСКОГО ПЛАНИРОВАНИЯ

ЦЕН В НЕФТЯНОМ СЕКТОРЕ РОССИИ

В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

 

Аннотация: в нефтяном секторе экономике России катализатором кризиса стали пандемия и введенные большинством стран ограничительные меры. В статье представлены данные анализа доли нефтегазовых доходов в общих доходах федерального бюджета Российской Федерации. С целью прогнозирования цен в нефтяном секторе как неотъемлемой части стратегического планирования в исследовании использовались модели авторегрессии и скользящего среднего для стационарных и нестационарных временных рядов. Составлен график прогноза диапазона цен на нефть марки Urals в период с 25 октября по 21 ноября 2021 года.

 

Ключевые слова: нефтяной сектор, экономическая активность, прогноз социально-экономического развития, моделирование, неопределенность.

 

Актуальность статьи подтверждается тем фактом, что распространение новой коронавирусной инфекции стало одним из самых серьезных вызовов для мировой экономики в последние десятилетия. В этом году в мире ожидается самый глубокий спад в поствоенный период. Это не могло не затронуть и мировые рынки товаров традиционного отечественного экспорта – в частности, нефтяной рынок, переживающий в этом году самое масштабное в современной истории падение спроса.

Таким образом, в связи с глобальной пандемией в первом полугодии 2020 года отечественная экономика оказалась под одновременным воздействием двух мощнейших вызовов:

а) серьезное ухудшение внешнеторговых условий в связи с обвалом цен на нефть;

б) вынужденное резкое сокращение деловой активности вследствие ограничений, направленных на сдерживание распространения вируса;

в) функционирование в условиях неопределенности.

Нет сомнений, что сопутствующий рост потребительского спроса содействует относительно быстрому восстановлению деловой активности в секторах, где деятельность приостанавливалась. Это создает необходимые предпосылки для восстановления занятости и снижает риски сокращения экономического потенциала в соответствующих видах экономической деятельности.

Это не могло не отразиться на ценовой конъюнктуре, особенно в период до заключения соглашения по ограничению добычи между странами ОПЕК и другими крупнейшими производителями нефти. В отдельные периоды в течение 1 полугодия 2020 года цены на нефть падали ниже 10 $/барр.

Пандемия оказала масштабное негативное влияние на экономическую активность. По оценкам МВФ в 2020 году в мире ожидается самый глубокий спад за период после Второй Мировой войны. При этом с начала года оценки динамики мирового ВВП в 2020 году понижались уже трижды: с +3,3% в январе до текущих -4,9% [1].

Нижняя точка кризиса была пройдена во 2 квартале 2020 года, когда глубокое падение ВВП наблюдалось практически во всех странах большой двадцатки (за исключением Китая). В летние месяцы по мере ослабления карантинных ограничений и активизации мер государственной поддержки наблюдалось улучшение деловых настроений. Тем не менее, ситуация в мировой экономике остается сложной, а траектория дальнейшего восстановления неясной. Даже по итогам 2021 года мировой выпуск, вероятно, не вернется к уровню 2019 года, а по сравнению с прогнозами до пандемии его уровень ожидается на 6,5% ниже.

Цены на нефть с начала 2020 г. демонстрировали нисходящую динамику и в апреле достигали минимальных значений с 2002 года. По сравнению с уровнем в 66,3 $/барр., на начало года цены на Brent (ближайший фьючерс) в апреле сократились более чем в три раза - до 19,3 $/барр., а цена на ближайший фьючерс нефти сорта WTI (эталонный сорт для США) опускалась до отрицательных значений.

Фундаментальным факторами снижения нефтяных котировок стали ограничительные меры стран мира по борьбе с распространением коронавируса, которые привели к резкому снижению пассажирских перевозок, особенно в авиационном секторе, а также в использовании личного и общественного транспорта и, как следствие, к беспрецедентному падению мирового спроса на нефть (в апреле - 20% г/г). Ограничения добычи нефти в рамках соглашения между крупнейшими странами производителями (ОПЕК+), наряду с естественным сокращением коммерческой добычи нефти в других странах, помогло стабилизировать ценовую конъюнктуру на глобальном рынке. Ожидается, что повышенный уровень запасов, сформировавшийся в первом полугодии 2020 года, будет постепенно сокращаться благодаря восстановлению спроса и действующим ограничениям добычи в рамках соглашения ОПЕК+.

В то же время, в отношении траектории восстановления спроса сохраняются повышенные риски и неопределенность, связанные с эпидемиологической ситуацией и карантинными мероприятиями в разных странах.

Отдельного внимания заслуживают основные направления бюджетной, налоговой и таможенно-тарифной политики на 2021 - 2023 гг. разработанные на основании базового варианта прогноза социально-экономического развития Российской Федерации на 2021 год и на плановый период 2022 и 2023 гг. Базовый прогноз построен с учетом влияния на экономическую активность распространения новой коронавирусной инфекции и предполагает реализацию национальных целей развития на период до 2030 года, предусмотренных Указом Президента РФ от 21 июля 2020 г. № 474 [2]. Основные внешнеэкономические предпосылки базового прогноза показаны на рисунке 1.

 

 

Рисунок 1. Предпосылки базового варианта прогноза социально-экономического развития РФ

 

Основные параметры базового прогноза социально-экономического развития РФ представлены в таблице 1:

Таблица 1

Основные параметры базового прогноза социально-экономического развития РФ

Показатель

2020

2021

2022

2023

Цена на нефть марки «Юралс», $/барр.

41,8

45,3

46,6

47,5

Курс доллара США к рублю, среднегодовой

71,2

72,4

73,1

73,8

ВВП, трлн руб.

107,0

115,5

124,2

132,8

Источник: [3]

 

Расчет базовых нефтегазовых доходов формируется исходя из базовой цены на нефть, определяемой как 40 $/барр. в ценах 2017 года (с ежегодной индексацией на 2%). Определение базовой цены на нефть на этом уровне обусловлено оценкой долгосрочного равновесного уровня цен на нефть в условиях ускоряющихся технологических изменений и произведено принимая во внимание ограниченный уровень накопленных в суверенных фондах резервов. Основные характеристики федерального бюджета в 2019 - 2023 гг. представлены в таблице 2.

Таблица 2

Основные характеристики федерального бюджета в 2019 – 2023 гг., млрд рублей

Показатель

2019

2020

2021

2022

2023

Доходы

20 188,8

17 852,4

18 765,1

20 637,5

22 262,7

% ВВП

18,3

16,7

16,2

16,6

16,8

Нефтегазовые доходы (НГД)

7 924,3

5 127,0

5 987,2

6 884,3

7 489,8

базовые НГД

4 967,4

5 508,7

6 078,3

6 181,6

6 702,5

% ВВП

7,2

4,8

5,2

5,5

5,6

в % от общего объема

39,3

28,7

31,9

33,4

33,6

 Источник: [3]

 

Очевидно, что стратегическое планирование цен на долгосрочный период на нефть (на несколько месяцев, лет вперед) затруднительно в существующих условиях неопределенности. Однако вполне целесообразно производить прогнозы на небольшие отрезки времени – дни, недели [6]. Анализ временных рядов позволяет выполнять именно такие прогнозы.

Развитием анализа временных рядов являются модели авторегрессии и скользящего среднего для стационарных и нестационарных временных рядов (ARMA и ARIMA). В нашем исследовании будет использоваться прикладной программный пакет для эконометрического моделирования Gretl – GNU Regression, Econometrics and Time-series Library [4].

При работе с временными рядами моделей данного типа мы руководствовались подходом Бокса-Дженкинса [7]. Первое – проведем графический анализ графика с целью выдвижения гипотез о стационарности/нестационарности временных рядов (рис.2.).

 

 

Рисунок 2. Динамика цен на нефть за период

с марта 2015 года по октябрь 2021 года, руб.

 

Визуальный анализ графика цен на нефть (примечание автора – используется цена закрытия торгов) не дает четкого понимания, является ли данный временной ряд стационарным или нестационарным. Проведем расширенный тест Дики-Фуллера (ADF-тест). Результаты теста с константой (p = 0,4216), без константы (p = 0,7159), с константой и трендом (p = 0,5836) говорят о том, что нулевая гипотеза о нестационарности временного ряда принимается, так как p-значения значительно выше уровня значимости α=0,01. Очевидно, что нужно провести тот же тест, только для первой разности переменной. Убедившись, что p-значение теста без константы, равное 1,634*10-33, меньше уровня значимости α=0,01, отвергается нулевая гипотеза о нестационарности временного ряда первой разности, что и требовалось доказать (так как взяв первую разность переменной мы избавились от нестационарности). Таким образом, недельный график цен на нефть с 22.03.2015г. по 24.10.2021г. является нестационарным с надежностью 99%. Исходя из этого построим модель ARIMA. Построим теперь коррелограмму первой разности переменной временного ряда цен на нефть (рисунок 3).

 

Рисунок 3. Коррелограмма переменных первой

разности исходного временного ряда

 

Заметим, что автокорреляционная и частная автокорреляционная функции содержат значимый коэффициент корреляции на первом и четвертом лагах, поэтому идентифицируем порядок p и q для 3 вариантов моделей: модель ARIMA (1;1;1) без константы, модель ARIMA (1;1;1) с константой и модель ARIMA (4;1;4). Результаты оценивания моделей представлены в таблице 3:

 

Таблица 3

Результаты оценивания модели ARMA

Модель

Уровень надежности

Спецификация

R2

AIC

RMSE

Прогноз диапазона цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг.

Фактический диапазон цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг., долл.США

ARIMA

(1;1;1)

95%

Yt=0,0458443Yt-1 + 0,123967εt-1t

0,9619

1622,814

2,537

77,5 – 87,44

80,44 – 84,63

Тест Льюинга-Бокса – нулевая гипотеза: автокорреляция в остатках модели отсутствует, p-значение составило 0,6317

Модель

Уровень надежности

Спецификация

R2

AIC

RMSE

Прогнозная оценка цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг.

Фактический диапазон цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг., долл.США

ARIMA

(1;1;1)

95%

Yt=0,812448+0,0416082Yt-1 + 0,127412εt-1(***)t

0,9619

1624,559

2,536

77,57 – 87,51

80,44 – 84,63

Тест Льюинга-Бокса – нулевая гипотеза: автокорреляция в остатках модели отсутствует, p-значение составило 0,6307

Модель

Уровень надежности

Спецификация

R2

AIC

RMSE

Прогнозная оценка цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг.

Фактический диапазон цен на нефть (Urals) с 25.10.2021 по 31.10.2021гг., долл.США

ARIMA (4;1;4)

95%

Yt=1,21191Yt-1(***) – 0,633412Yt-2+0,464911Yt-3–0,419896Yt-4(*)–1,06962εt-1(***)+0,453422εt-2 – 0,364975εt-3+0,482326εt-4(*)+εt

0,9633

1623,752

2,496

78,05 – 87,83

80,44 – 84,63

Тест Льюинга-Бокса – нулевая гипотеза: автокорреляция в остатках модели отсутствует, p-значение составило 0,7955

Примечание: *** - параметр значим с надежностью 99%, ** - параметр значим с надежностью 95%, * - параметр значим с надежностью 90%.

Источник: составлено автором

 

Визуальный анализ графика прогноза цен на нефть марки Urals (рис.4) подтверждает расчетные данные – модель является адекватной. Контрольные (фактические) значения диапазона цен на нефть в период с 25 по 31 октября входят в границы прогноза по всем трем моделям. Все модели могут использоваться при прогнозировании цен на нефть марки Urals, однако нами была выбрана именно модель ARIMA (1;1;1) без константы по причине того, что у нее наименьший критерий Акаике (как известно, лучшая модель имеет минимальное значение критерия), к тому же чем меньше объясняющих переменных в модели, тем удобнее ее использование.

 

Рисунок 4. График нормального распределения остатков

модели ARIMA (1;1;1) без константы

 

Теперь проведем прогнозные расчеты для данной модели с 95% доверительным интервалом и представим результаты графически (рисунок 5.).

 

Рисунок 5. График прогноза диапазона цен на нефть марки

Urals в период с 25 октября по 21 ноября 2021 года

 

Прогнозные оценки цен на нефть марки Urals на 4 недели вперед с 25 октября по 21 ноября будут выглядеть следующим образом (таблица 4):

Таблица 4

Прогнозные оценки цен на нефть марки Urals

Дата прогноза (неделя)

Среднеквадратическая ошибка прогноза (RMSE)

Нижняя граница прогноза, долл.США

Верхняя граница прогноза, долл.США

25.10.2021

31.10.2021

2,537

77,5

87,44

01.11.2021

07.11.2021

3,905

74,81

90,12

08.11.2021

14.11.2021

4,917

72,83

92,10

15.11.2021

21.11.2021

5,754

71,19

93,74

Источник: составлено автором

 

Конечно же исследователь может значительно увеличить период прогнозирования, но стоит учитывать, что при этом будет возрастать стандартная ошибка такого прогнозирования. К очевидным преимуществам использования таких моделей можно отнести то, что в основе лежит очень четкое математико-статистическое обоснование, что делает данные модели одними из наиболее научно обоснованных моделей из всего множества моделей прогнозирования тенденций во временных рядах. По нашему мнению, целесообразно прогнозировать одно-четыре наблюдений, параллельно совершенствуя модель по мере добавления новых данных.

Полученную спецификацию модели рекомендуется использовать с учетом действующих допущений, которые в своем исследовании определили аналитики KPMG. Они выделили следующие факторы, которые будут влиять на будущую траекторию движения цены. К факторам поддержки цен относятся:

а) отсутствие устойчивой позитивной динамики в переговорах с Ираном и Венесуэлой в ближайшие годы;

б) озвучивание планов по отказу от углеводородного сырья крупнейшими международными корпорациями в связи с усилением внимания по вопросам климата – например, британская компания BP объявила о планах по выходу на нулевой углеродный след к 2050 г. или раньше, а также по сокращению добычи углеводородов на 40% до 2030 г., в связи с чем компания прекращает инвестировать в новые нефтегазовые проекты и продает часть портфеля в нефтедобыче. Британско-нидерландская Shell озвучила планы по продаже принадлежащих ей сланцевых активов в Пермском бассейне США, в том числе для сокращения выбросов парниковых газов.

В целом европейские корпорации нацелены на постепенный переход к новым видам энергии при сохранении углеводородного бизнеса как ключевого на ближайшие годы. Однако американские гиганты (Exxon, Chevron, Conoco) и по сей день готовы инвестировать в нефтедобывающие проекты;

в) отсутствие успехов в развитии электрического транспорта (как одного из ключевых элементов ускоренного перехода на альтернативные источники энергии) из-за нехватки редких цветных металлов (никель, литий, кобальт) для производства элементов батарей, электроники, солнечных панелей;

г) вакцинация против COVID-19 в странах Африки и Азии - население этих стран может стать основным драйвером роста потребления нефтепродуктов;

К факторам сдерживания цен можно отнести:

а) медленные темпы роста мировой экономики, особенно в развивающихся странах. Как правило, причинами такого является неэффективная монетарная политика и недостаточные меры по поддержке экономик после пандемии;

б) противоречия внутри ОПЕК и ОПЕК+, которые могут привести к росту значимости национальных приоритетов и стремлениям ускорить монетизацию запасов нефти Ближнего Востока и СНГ в ожидании достижения пика потребления нефти;

в) консолидация и восстановление сланцевой отрасли в США на фоне периода высоких цен, частичный пересмотр крупнейшими производителями политики по отказу от новых проектов в нефтедобывающей отрасли;

г) разработка новых технологий, позволяющих снизить зависимость электрического транспорта и возобновляемых источников энергии от применения редкоземельных цветных металлов и углеродный след от использования таких технологий;

д) повышение эффективности и себестоимости нефтедобычи, что позволит при более низких ценах разрабатывать новые сланцевые и шельфовые проекты.

Снижение капитальных затрат в новые проекты может привести к дефициту предложения на горизонте пяти лет. По данным Rystad, по итогам 2020 г. инвестиции в сектор составили 380 млрд долл. США – 70% от среднего значения последних пяти лет (период после падения цен на нефть в 2014 г.) [5]. Rystad также прогнозирует, что инвестиционная активность в 2021 г. будет сопоставима с уровнем прошлого года и сможет восстановиться до 480 млрд долл. США только к 2025 г., что по-прежнему будет на 15% ниже среднего докризисного уровня. В условиях ограничений на капитал предпочтение будет отдаваться проектам с коротким циклом окупаемости и высокой доходностью. С учетом лага в 3–5 лет основной эффект от недоинвестирования начнет сказываться ближе к 2025 г. Дальнейшее снижение привлекательности сектора приведет к дефициту предложения к 2025–2030 гг., что будет поднимать цены на нефть все выше и выше.

По расчетам McKinsey, к 2040 г. для обеспечения спроса на жидкие углеводороды (ЖУВ), который прогнозируется экспертами компании на уровне около 100 млн барр./сут. (сопоставимо с уровнем 2019 г.), потребуются дополнительные проекты на 38 млн барр./сут. Близкую оценку по дефициту новых проектов дает и Wood Mackenzie. По ожиданиям большинства экспертов, уровень себестоимости по новым проектам, большая часть которых придется на сланцевые и шельфовые, может составлять 80–90 долл. США/барр. (в реальных ценах 2021 г.). В сценариях более ускоренного энергоперехода потребность в новых проектах может быть меньше, что позволит снизить границу безубыточности, но такое снижение вряд ли будет существенным, по крайней мере на основе текущего понимания перспектив возобновляемых источников энергии. Сланцевая революция и пандемия COVID-19 должны были сформировать у ключевых игроков осознание того, насколько важно принимать взвешенные решения в части регулирования предложения и инвестиционной активности в секторе. Ключевым фактором обеспечения стабильности в отрасли является необходимость сократить лаг между инвестициями и эффектом на добычу. Однако в действительности этого не происходит – компании снижают инвестиции, что в итоге может привести к дефициту предложения на горизонте 5–10 лет. Особенно это актуально с учетом ожидания крупнейшими игроками пика спроса на ЖУВ в 2025–2035 гг.

 

Таблица 5

Прогнозы пика спроса на ЖУВ крупнейшими игроками рынка нефти

Компания, организация

Прогноз пика спроса на жидкие углеводороды

Citibank, BP

2019

IEA

2021-2030

Bernstein Energy

2025-2030

Equinor

2027

Rystad Energy

2028

McKinsey

2029

Total

2030

Goldman Sachs

2030-2040

Wood Mackenzie

2035

S&P Global

2035-2040

OPEC

2040

Источник: составлено по данным отчетностей и публикаций компаний

 

Таким образом, в данном исследовании были рассмотрены основные проблемы и перспективы мирового сектора нефтедобычи в условиях неопределенности, связанной с распространением коронавирусной инфекции и, как следствие, сокращения мирового спроса на жидкие углеводороды, а также в условиях перехода на альтернативные источники энергии.

Автором был использован анализ временных рядов, а именно модели авторегрессии и скользящего среднего для стационарных и нестационарных временных рядов (ARMA и ARIMA). Были получены адекватные результаты прогнозирования и был сделан вывод, что построенная модель ARIMA (1;1;1) может использоваться для последующего краткосрочного прогнозирования по мере внесения в нее новых фактических данных.

 

СПИСОК ЛИТЕРАТУРЫ:

 

Информация Минфина России от 1 октября 2020 г. «Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2021 год и на плановый период 2022 и 2023 годов». Режим доступа: https://www.garant.ru/products/ipo/prime/doc/74626236/ (дата обращения 06.11.2021 г.

Указ Президента Российской Федерации от 21.07.2020 г. № 474 О национальных целях развития Российской Федерации на период до 2030 года. Режим доступа: http://publication.pravo.gov.ru/Document/View/0001202007210012 (дата обращения 01.11.2021 г.).

Официальный сайт Министерств а экономического развития российской Федерации. Режим доступа: https://www.economy.gov.ru/material/directions/makroec/prognozy_socialno_ekonomicheskogo_razvitiya/osnovnye_parametry_prognoza_socialno_ekonomicheskogo_razvitiya_na_2020_god_i_na_planovyy_period_2021_i_2022_godov.html.  (дата обращения 01.11.2021 г.).

Gnu Regression, Econometrics and Time-series Library (Библиотека GNU для регрессий, эконометрики и временных рядов). Режим доступа: http://gretl.sourceforge.net/ru.html (дата обращения 01.11.2021 г.).

Сайт : Нефть. Капитал. Режим доступа: https://oilcapital.ru/article/general/15-06-2021/chto-meshaet-rostu-neftyanogo-rynka (дата обращения 06.11.2021 г.).

Kadochnikova E.I.,  Erina T.V.,  Zainullin S.G. (2019). The Use of Arima Model in Forecasting Accounts Payable. International Journal on Emerging Technologies, vol. 10(2a), pp.71-74.

Box, G., Jenkins, G. (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day.

Ljung G. M., Box G. E. P. (1978). On a Measure of Lack of Fit in Time Series Models, Biometrika, Vol. 65, pp. 297–303.

 

Platonychev A.N.

Department of State and Territorial Administration,

St. Petersburg State University of Economics

(Saint Petersburg, Russia)

 

MODELS OF STRATEGIC PRICE PLANNING

IN THE RUSSIAN OIL SECTOR UNDER UNCERTAINTY

 

Abstract: the crisis in the oil sector of the Russian economy was catalyzed by a pandemic and restrictive measures introduced by most countries. This article presents data from the analysis of the fraction of oil and gas income in the total revenues of the federal budget of the Russian Federation. In order to predict prices in the oil sector as an integral part of strategic planning, the study used autoregressive and moving average models for stationary and non-stationary time series. A chart has been drawn up for the forecast of the range of prices for Urals crude oil for the period from October 25 to November 21, 2021.

 

Keywords: oil sector, economic activity, forecast of economic development, simulation, uncertainty.

  


Полная версия статьи PDF

Номер журнала Вестник науки №12 (45) том 1

  


Ссылка для цитирования:

Платонычев А.Н. МОДЕЛИ СТРАТЕГИЧЕСКОГО ПЛАНИРОВАНИЯ ЦЕН В НЕФТЯНОМ СЕКТОРЕ РОССИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ // Вестник науки №12 (45) том 1. С. 37 - 53. 2021 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/4967 (дата обращения: 02.11.2024 г.)


Альтернативная ссылка латинскими символами: vestnik-nauki.com/article/4967



Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com


Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2021.    16+




* В выпусках журнала могут упоминаться организации (Meta, Facebook, Instagram) в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25 июля 2002 года № 114-ФЗ 'О противодействии экстремистской деятельности' (далее - Федеральный закон 'О противодействии экстремистской деятельности'), или об организации, включенной в опубликованный единый федеральный список организаций, в том числе иностранных и международных организаций, признанных в соответствии с законодательством Российской Федерации террористическими, без указания на то, что соответствующее общественное объединение или иная организация ликвидированы или их деятельность запрещена.