ISSN 2221-1055 · e-ISSN 2413-2322

Перколаційні моделі конкуренції та монополізації на аграрному ринку

Отримано: 25.07.2025 Доопрацьовано: 27.10.2025 Прийнято: 02.12.2025 Опубліковано: 30.12.2025
Анотація

Дослідження є актуальним через зростаючі ризики монополізації аграрного ринку в Україні, що потребує кількісного аналізу процесів концентрації за допомогою сучасних інструментів моделювання. Метою дослідження було побудувати модель формування монополії на аграрному ринку, застосовуючи перколаційний підхід для прогнозування фазових переходів у конкурентному середовищі. Розроблено двовимірну перколаційну модель аграрного ринку для моделювання захоплення ринкових сегментів великими утвореннями та оцінки динаміки концентрації. Числові експерименти (область 200×200) показали, що з наближенням контрольного параметра до критичного значення P* = 0,5945, коефіцієнт кореляції діаграм рейтингів і частот різко впав з 0,94-0,97 при P = 0,50-0,58 до 0,55 при P = 0,59, що вказує на фазовий перехід, що інтерпретується як формування монопольних кластерів. Використовуючи дані аграрного ринку України за 2017-2023 роки, модель виявила критичний поріг перколяції при P* = 0,59, що супроводжувалося зниженням коефіцієнтів кореляції з 0,96 до 0,55. Логарифмічний зв'язок W = -0,3839-0,153 lnP−P*∣, R2 = 0,9821 описує зростання домінуючих кластерів. Кількість аграрних підприємств знизилася з 40,7 до 30 тисяч (-26 %), а середня площа на одне підприємство збільшилася з 490 до 576 га, що підтверджує інтенсифікацію процесів концентрації і ілюструє, як геометрична поведінка кластерів відображає реальні структурні зрушення в секторі, тим самим зміцнюючи прикладне значення розробленого підходу до моделювання і надаючи кількісну основу для виявлення ранніх ознак монополізації ринку, оцінки системних вразливостей та інтерпретації динаміки концентрації через призму феноменів фазових переходів. Практична цінність дослідження полягає в можливості раннього виявлення монополізації ринку та критичних точок переходу, що сприяє більш точному прогнозуванню структурних змін і розробці ефективних антимонопольних та регуляторних заходів

Ключові слова
кластеризація; фазовий перехід; концентрація ринку; фрактальна вимірність; асиметрія ринку; оцінка ризику монополії
Деталі
DOI https://doi.org/10.32317/ekon.apk/6.2025.21
Сторінки 21-33
  1. Acemoglu, D., & Robinson, J.A. (2019). The narrow corridor: States, societies, and the fate of liberty. New York: Penguin Press.
  2. Act Against Restraints of Competition. (1998, August). Retrieved from https://www.gesetze-im-internet.de/gwb/.
  3. Cerqueti, R., Maranzano, P., & Mattera, R. (2025). Spatially-clustered spatial autoregressive models with application to agricultural market concentration in Europe. Journal of Agricultural, Biological and Environmental Statistics, 30, 431-465. doi: 10.1007/s13253-024-00672-4.
  4. Conyon, M., Ellman, M., Pitelis, C.N., Shipman, A., & Tomlinson, P.R. (2023). Big tech oligopolies, Keith cowling, and monopoly capitalism. Cambridge Journal of Economics, 46(6), 1205-1224. doi: 10.1093/cje/beac062.
  5. Donets, S., Lytvynenko, V., Startsev, O., Lonin, Yu., Ponomarev, A., & Uvarov, V. (2023). Fractal analysis of fractograms of aluminum alloys irradiated with high current electron beam. Physics and Chemistry of Solid State, 24(2), 249-255. doi: 10.15330/pcss.24.2.249-255.
  6. Druzhinin, E., Kovalevskyi, M., Pohudina, O., & Cheranovskyi, V. (2021). Methods and information technologies of implementation of unmanned aerial vehicles into the airspace of Ukraine. Systems of Arms and Military Equipment, 4, 84-90. doi: 10.30748/soivt.2021.68.12.
  7. Feder, J., Flekkøy, E.G., & Hansen, A. (2022). Colour plates. In Physics of flow in porous media (pp. 349-364). Cambridge: Cambridge University Press. doi: 10.1017/9781009100717.018.
  8. Fu, M., Wang, D., Wang, J., & Li, M. (2018). Modeling method of operational task combined with IDEF and UML. In IEEE 3rd advanced information technology, electronic and automation control conference (IAEAC) (pp. 1443-1447). Chongqing: IEEE. doi: 10.1109/IAEAC.2018.8577660.
  9. Grabar, I., & Kilnitska, O. (2025). A new universal generalized method for multifractals synthesis. Clareus Scientific Science and Engineering, 2(3), 11-19.
  10. Grabar, I., & Kubrak, Yu. (2025). Synthesis of multifractals by Brownian dynamics of a point in a field of N central forces. In C.H. Skiadas & Y. Dimotikalis (Eds.), 16th chaotic modeling and simulation international conference (pp. 157-174). Cham: Springer. doi: 10.1007/978-3-031-60907-7_13.
  11. Kilnitska, O. (2017). Determining the monopoly power of an enterprise in the market and its impact on pricing. In International scientific and practical conference “Ukraine, Bulgaria, EU: Economic and social development trends” (pp. 25-28). Burgas: Avangard Prima.
  12. Law of Ukraine No. 2210-III “On Protection of Economic Competition”. (2001, January). Retrieved from https://zakon.rada.gov.ua/laws/show/2210-14#Text.
  13. Law of Ukraine No. 996-XIV “On Accounting and Financial Reporting in Ukraine”. (1999, July). Retrieved from https://zakon.rada.gov.ua/laws/show/996-14#Text.
  14. Lucas, A. (2022). Nonequilibrium phase transitions in competitive markets caused by network effects. Proceedings of the National Academy of Sciences, 119(40), article number e2206702119. doi: 10.1073/pnas.2206702119.
  15. Maranzano, P., Boccaletti, S., & Viegas, M. (2025). Inequality and concentration in farmland production and size: A regional analysis for the European Union from 2010 to 2020. Bio-Based and Applied Economics. doi: 10.36253/bae-17797.
  16. Moretti, E., Loreau, M., & Benzaquen, M. (2025). Farm size matters: A spatially explicit ecological-economic framework for biodiversity and pest management. arXiv. doi: 10.48550/arXiv.2505.17687.
  17. Mozdzen, A., Addo, F., Krisztin, T., & Kastner, G. (2024). Bayesian nonparametric partial clustering: Quantifying the effectiveness of agricultural subsidies across Europe. arXiv. doi: 10.48550/arXiv.2412.12868.
  18. Nadal, J.P., Phan, D., Gordan, M.B., & Vannimenus, J. (2003). Monopoly market with externality: An analysis with statistical physics and ACE. Computational Economics, article number 0312002.
  19. Nguyen, D.L., Tran, V.B., Dao, N.P., Tran, D.T., Lee, J., & Nguyen, A.Q. (2023). Centralized network model improvement system integrated into UAV swarm. In International conference on advanced technologies for communications (ATC) (pp. 190-195). Da Nang: IEEE. doi: 10.1109/ATC58710.2023.10318895.
  20. Savchuk, V. (2018). Graphic model of the target audience of psychological influence in social networks. Information & Security: An International Journal, 41, 81-93. doi: 10.11610/isij.4106.
  21. Shevchuk, T., Bordyuk, M., Mashchenko, V., Kvasnikov, V., & Krivtsov, V. (2022). Percolation characteristics of filled polyurethane auxetics. Physics and Chemistry of Solid State, 23(3), 590-596. doi: 10.15330/pcss.23.3.590-596.
  22. State Statistics Service of Ukraine. (2024). Complex statistical publications. Retrieved from https://www.ukrstat.gov.ua/druk/publicat/Arhiv_u/01/Arch_zor_zb.htm.
  23. Wang, W., Ding, F., Qu, H., & Gong, X. (2023). Mechanism modeling and application of Salvia miltiorrhiza percolation process. Scientific Reports, 13, article number 8311. doi: 10.1038/s41598-023-35529-2.
Grabar, I., Kilnitska, O., Yaremova, M., & Kubrak, Yu. (2025). Percolation models of competition and monopolisation in the agricultural market. Ekonomika APK, 32(6), 21-33. https://doi.org/10.32317/ekon.apk/6.2025.21