Метод оценки общественного ущерба от информационной закрытости на основе анализа среды функционирования и теории игр Текст научной статьи по специальности «Экономика и бизнес»

С. В. Ратнер,

д. э. н., доцент, ведущий научный сотрудник, Институт проблем управления им. В. А. Трапезникова РАН, Москва

[email protected]

Метод оценки общественного ущерба от информационной закрытости на основе анализа среды функционирования и теории игр

В настоящей работе предложен метод измерения ущерба от информационной закрытости компаний, основанный на методологии анализа среды функционирования (в англоязычном варианте — Data Envelopment Analysis, DEA) и кооперативной теории игр, а также алгоритм распределения общественного выигрыша от раскрытия информации об экологических аспектах деятельности компании, который может быть положен в основу механизма стимулирования роста информационной прозрачности. Разработанный метод специально адаптирован под решение практических задач отбора проектов по модернизации предприятий электроэнергетики, однако он также может быть применен для решения аналогичных управленческих задач в других отраслях экономики, оказывающих существенное негативное экологическое воздействие на окружающую среду. Главным преимуществом разработанного метода измерения общественного ущерба от информационной закрытости является комплексный подход к определению понятия экологической эффективности деятельности предприятия, который позволяет учитывать, как технологические, так и управленческие аспекты и не требует детального анализа продукционной системы предприятия.

Ключевые слова: экологические эффекты, электроэнергетика, модернизация, анализ среды функционирования, теория игр.

Введение

Экономика России пока остается одной из самых энергоемких и ресурсоемких экономик среди технологически развитых стран мира, а энергетическая отрасль в настоящее время нуждается в масштабной модернизации. Программа модернизации одной из наиболее развитых отраслей российской энергетики — тепловой энергетики, обеспечивающей до 70% всей выработки электроэнергии на территории страны, в настоящее время активно обсуждается в Правительстве, Государственной Думе и экспертном сообществе. В ноябре 2017 г. по итогам совещания у Президента РФ была в целом одобрена новая программа модернизации на основе договоров на предоставление мощности (ДПМ), получившая рабочее название «ДПМ-штрих», в основу которой положены те же базовые экономические механизмы, что и в предыдущей программе модернизации на основе ДПМ 2010-2017 гг.: конкурсный отбор по ценовым критериям проектов для оказания господдержки, гарантировался возврат вложенных средств инвесторов в течение 15 лет с базовой доходностью 14%, штрафы за несвоевременное или неполное

исполнение обязательств по реализации отобранных проектов [1].

По данным Минэнерго России, на настоящий момент средний возврат оборудования в отрасли составляет 34 года, более 30% оборудования старше 45 лет, а ситуация с изношенностью мощностей характеризуется существенной пространственной неоднородностью. Так, средний возраст теплового генерирующего оборудования в зоне свободного перетока «Северная Тюмень» составляет 9 лет, тогда как в Мурманской области он достигает 56 лет. В 2010-2017 гг. в рамках достаточно успешно реализуемой программы ДПМ было введено 33 ГВт новых мощностей тепловых электростанций (ТЭС), а также 5,1 ГВт атомных электростанций (АЭС) и 3,7 ГВт гидроэлектростанций (ГЭС), что позволило замедлить процесс «старения» технологического парка отрасли и вывести некоторые неэффективные объекты из эксплуатации. Однако улучшений показателей добиться пока не удалось: средний возраст ТЭС, работающих на оптовом рынке, за восемь лет вырос с 31,6 до 32,2 года.

Эксплуатация устаревшего оборудования и технологий в электроэнергетике, помимо очевидных проблем

оо о

со со N

m

J

<

CQ О

оо о

CN

со со N

со

J <

со

низкой надежности энергоснабжения и экономической неэффективности, приводит также к такой проблеме, как неоправданно (на существующем уровне развития технологий) высокой нагрузке на окружающую среду, Выбросы загрязняющих веществ (ЗВ) электростанциями составляют 16% от общероссийского объема выбросов всех стационарных источников. Забор природных вод электростанциями достигает 35% общего использования водных ресурсов в России. Сбросы ЗВ в водные объекты составляют 3% от общего объемов сброса загрязненных сточных вод в стране. Объем образования отходов объектами электроэнергетики достигает примерно 2% от общероссийского показателя. Выбросы парниковых газов электростанциями отрасли достигают 21% от общероссийских объемов [2]. Поэтому одним из обязательных критериев отбора проектов в разрабатываемой программе «ДМП-штрих», по моему мнению, должен быть критерий экологической эффективности работы генерирующего оборудования. В противном случае, конкуренция среди потенциальных участников конкурсных отборов, будет идти лишь по экономическим показателям, таким как минимальная цена проекта, не обеспечивающим выбор наилучших с экологической точки зрения технологий, а потребитель, в конечном итоге, оплатит расширение бизнеса электрогенерирующих компаний не только своими средствами, но и своим здоровьем.

По мнению заместителя директора департамента Министерства промышленности и торговли Российской Федерации О. Токарева, задача повышения экологичности и энергоэффективности электрогенерации в ходе модернизации может быть решена через обязательство использовать только оборудование, соответствующее уже разработанным справочникам наилучших доступных технологий (НДТ). НДТ представляют собой технологии производства продукции (товаров), выполнения работ, оказания услуг, определяемые на основе современных достижений науки и техники и наилучшего сочетания критериев достижения целей охраны окружающей среды при условии наличия технической возможности их применения. В соответствии с Правилами определения технологии в качестве НДТ, утвержденными постановлением Правительства Российской Федерации от 23 декабря 2014 г. № 1458, Росстандарт осуществляет утверждение и опубликование на своем официальном сайте информационно-технических справочников (ИТС) по наилучшим доступным технологиям. В конце декабря 2017 г. Росстандартом был утвержден справочник ИТС 38-2017 «Сжигание топлива на крупных установках в целях производства энергии», в который вошло соответствующее российское оборудование.

Такой подход к формированию процедуры конкурсного отбора проектов в программу «ДПМ-штрих», в целом, представляется целесообразным и перспективным. Однако ориентация на показатели экологической эффективности, зафиксированные в ИТС, не учитывает несколько важных моментов. Во-первых, данный подход обеспечивает только узкую «внутривидовую» конкуренцию генерирующего оборудования, в рамках определенного заданного вида топлива и физического принципа преобразования энергии. Во-вторых, заяв-

ленные и подтвержденные в лабораторных условиях показатели экологичности, могут не достигаться на практике, как в силу технических причин (например, изменения условий эксплуатации), так и в силу низкого качества энергоменеджмента на генерирующем предприятии. В-третьих, информация, на основе которой осуществляется выбор НДТ, в настоящее время поступает от самих участников рынка — крупнейших российских производителей тепловой и электрической энергии, что не исключает возможности лоббирования, протекционизма и оппортунистического поведения, особенно в условиях столь низкой информационной прозрачности, в которых функционирует сегодня российская электроэнергетика.

Анализ корпоративной годовой отчетности крупнейших российских электрогенерирующих компаний за последние 10 лет, результаты которого подробно описаны в работах [3, 4], свидетельствует о том, что, несмотря на активное внедрение в отрасли стандартов на системы экологического менеджмента в соответствии с международными стандартами ISO 14001, качество корпоративной отчетности не улучшается. Показатели негативного воздействия на окружающую среду часто приводятся интегрированными компаниями в усредненном виде, без разбивки по отдельным производственным единицам, и только по наиболее общим и «малоговорящим» показателям, таким как общий объем выбросов загрязняющих веществ в атмосферу, общий объем сброса сточных вод и потребления воды, общий объем образования твердых отходов. Единицы измерения показателей и сами показатели могут изменяться от года к году, что не позволяет проследить динамику экологических аспектов деятельности компании. С прекращением в 2012 г. деятельности ЗАО «Агентство по прогнозированию балансов в электроэнергетике» по сбору и систематизации дынных об экологическом воздействии объектов электроэнергетики на окружающую среду, какая-либо детальная агрегированная отчетность по экологическим аспектам деятельности отрасли отсутствует. Наиболее подробно экологические аспекты деятельности компаний освещаются в корпоративной отчетности только в годы, непосредственно предшествующие сертификации по стандартам экологического менеджмента ГОСТ Р ИСО 14001:2016, тогда как после получения сертификата некоторые компании перестают публиковать ряд показателей воздействия на окружающую среду, которые они публиковали ранее.

Такая информационная закрытость приводит к невозможности осуществления контроля со стороны общества за потенциально опасной с экологической точки зрения производственной деятельностью элек-трогенерирующих компаний и снижает вероятность правильной идентификации наилучших доступных технологий и успешного проведения модернизации отрасли. Поэтому разработка механизмов стимулирования роста информационной открытости предприятий электроэнергетики является актуальной научно-практической задачей, решение которой, в конечном итоге, позволит избежать неоптимального распределения дефицитных ресурсов, доступных для технологического перевооружения.

В настоящей работе предложен метод измерения ущерба от информационной закрытости компаний, основанный на методологии анализа среды функционирования (в англоязычном варианте — Data Envelopment Analysis, DEA) и кооперативной теории игр, а также алгоритм распределения общественного выигрыша от раскрытия информации об экологических аспектах деятельности компании, который может быть положен в основу механизма стимулирования роста информационной прозрачности в отрасли. Выбор методологии DEA как основного подхода к измерению ущерба от информационной закрытости связан с тем, что эффективность деятельности каждого объекта в задачах DEA определяется на основе данных о других объектах, т. е. на основе данных, так называемого, референтного множества. Чем шире референтное множество и чем выше вероятность того, что в него попали наиболее эффективные объекты из всех возможных, тем более адекватной будет оценка эффективности деятельности каждого отдельного объекта и, как следствие, тем точнее будут его цели по достижению эффективности. Данная особенность задач DEA ранее уже использовалась в работах ряда зарубежных авторов для оценки потенциальных последствий сделок по слияниям и поглощениям [5] и формирования горизонтальных межфирменных сетей обмена информацией [6]. Постановка задачи DEA для оценки ущерба от информационной закрытости компаний выполнена в данной работе впервые.

1. Методология анализа среды функционирования (литературный обзор)

В настоящее время DEA является хорошо развитой методологией оценки сравнительной эффективности производственной деятельности множества однородных объектов и применяется для решения широкого спектра прикладных задач экономики и менеджмента. Как правило, в качестве входов модели DEA рассматриваются различные виды ресурсов, потребляемых экономическим агентом в процессе производственной деятельности, а в качестве выходов — объемы произведенной полезной продукции различных видов [7]. Эффективность объекта рассчитывается только на основе статистических данных о его входах и выходах, а также на основе данных о входах и выходах других экономических агентов. Однородность экономических агентов понимается в том смысле, что они потребляют одинаковые виды ресурсов и производят одинаковые виды полезной продукции. При таком подходе экономические агенты могут рассматриваться как система «черный ящик», в которой вид связи между входами и выходами до конца неизвестен, что удобно при описании производственной деятельности сложных объектов, продукционные системы которых сложно или даже невозможно представить в виде отдельных бизнес-процессов.

Базовой моделью метода анализа среды функционирования (АСФ) является CCR модель (по первым буквам имен разработчиков — Charnes, Cooper, Rhodes) [8]. Измерение эффективности в CCR-модели для наблюдаемых экономических агентов происходит

с помощью нахождения для каждого из них оптимального отношения взвешенной линейной суммы выходов объекта к взвешенной линейной сумме входов. Полученное в результате решения оптимизационной задачи значение эффективности всегда лежит в пределах от 0 до 1. Объекты, имеющие эффективность равную единице, признаются эффективными и формируют в многомерном пространстве входов и выходов гиперплоскость, называемую границей эффективности.

Во многих классах прикладных задач особый интерес представляет не столько расчет меры эффективности объекта, сколько расчет целевых параметров входов (или выходов) неэффективных объектов, по достижении которых он может стать эффективным [9-11]. Расчет таких целевых параметров осуществляется посредством проецирования точки, представляющей собой неэффективный объект, на границу эффективности. Знание целевых параметров по сокращению входов (или увеличению выходов, в зависимости от ориентации модели) представляет особый интерес для менеджмента неэффективных экономических агентов, так как позволяет правильно выстроить программы стратегического развития.

На практике же достаточно часты ситуации, когда менеджменту компании известны данные о входах и выходах лишь собственных производственных подразделений. В таких случаях выводы об эффективности ли неэффективности ПО делаются на основе неполного множества данных и оценки эффективности, как правило, бывают завышенными. И наоборот, оценки потенциально возможных сокращений входов и увеличения выходов для неэффективных объектов могут быть заниженными. Если же менеджменту известны данные не только по собственным подразделениям, но и по другим производственным объектам, использующим более совершенные технологии, то оценки потенциальных сокращений входов и увеличений выходов становятся более адекватными [5].

В последнее десятилетие интенсивное развитие получило направление DEA, в котором производится включение в модель не только желательных выходов (полезной продукции), но и так называемых нежелательных выходов, под которыми понимаются неизбежные негативные экологические эффекты любого производственного процесса [12]. Такой подход, получивший в литературе название экологического DEA или E-DEA, позволяет оценивать эффективность производственных объектов не только с точки зрения экономики, но и с экологической точки зрения [13-16]. В определенных классах исследовательских задач, когда изучается только экологическая эффективность производственной деятельности экономических объектов, Е-DEA позволяет рассматривать нежелательные выходы (негативные экологические эффекты) как единственные входы модели, что значительно упрощает расчеты [12, 17-19]. Эффективность производственного объекта при таком подходе означает, что данному объекту удается производить наибольшие объемы полезной продукции с наименьшей нагрузкой на окружающую среду [18]. Это может свидетельствовать о том, что на данном производственном объекте используются наилучшие доступные техно-

оо о

CN

со со N

со

J <

со

00 о

(N

СО СО N

СО

<

CQ О

логии, а также внедрены различные организационные экоинновации, обеспечивающие высокое качество экологического менеджмента. В случае, если все наблюдаемые экономические объекты используют одни и те же производственные технологии, более высокое значение эффективности может свидетельствовать о более зрелой системе экологического менеджмента на предприятии.

2. Постановка задачи DEA оценки ущерба от информационной закрытости

Пусть имеется K электрогенерирующих производственных объектов (ПО), каждый их которых задан N входами, под которыми понимаются негативные экологические эффекты производственной деятельности и M выходами, под которыми понимаются объемы произведенной полезной продукции (как правило, объемы тепловой и электрической энергии).

В коэффициентной форме задача оценки эффективности ПО с индексом 0 записывается следующим образом:

м

тах 2АитУто> ' т= 1

(1)

при ограничениях

(2)

где Х=(х10, ..., Хдг0)>0— вектор входов размерности N У=(у10, ..., уМо)>0 — вектор выходов размерности М; К — количество производственных объектов; ит, ъп — неизвестные неотрицательные веса, подлежащие определению.

Для каждого производственного объекта решается дробно-линейная задача математического программирования, в которой максимизируется отношение следующего вида

(3)

при ограничениях

В заданном виде мы имеем задачу с постоянным эффектом масштаба и ориентацией по входам. Ее решение позволяет там определить меру эффективности каждой из К электрогенерирующих компаний референтного множества. Объекты, значения коэффициентов эффективности которых оказались меньше единицы посредством пропорционального сокращения входов могут приблизиться к границе эффективности. Обозначим через

значение целевого параметра г-го входа для j-го производственного объекта, т. е. такого значения входа, при котором объект достигает границы эффективности. Заметим, что для эффективных объектов значения целевых параметров будут совпадать с реальными значениями входов. Тогда

минимальный объем негативного г-го экологического эффекта, возможный при достижении эффективности всеми K производственными объектами.

Теперь рассмотрим вторую задачу экологического DEA, в которой референтное множество состоит из двух непересекающихся подмножеств, одно из которых содержит P объектов (P<K), а второе — S объектов (S<K, P+S=K). Решая последовательно задачу (1), (2) на множестве P и на множестве S, получим новые значения мер эффективности и целевых параметров для входов каждого из неэффективных объектов. Суммируя целевые параметры г-го входа, рассчитанные по каждому референтному подмножеству, получим следующие оценки минимально возможных объемов г-го негативного экологического эффекта

Так как данные оценки получены в условиях неполной информации, то выполняется неравенство

min (г; K) < min (г; P) + min (I; S),

а неотрицательная разница

Дг (K; P+S)=min (г; P)+min (г; S)-min (I; K) (4)

представляет собой недооцененный потенциал сокращения г-го негативного экологического эффекта производственной деятельности генерирующих объектов, возникший в силу неполноты референтного множества объектов для сравнения.

Величину Дг можно также рассматривать как ущерб, нанесенный обществу по г-ой категории воздействия на окружающую среду. Тогда суммарный ущерб по всем категориям воздействия может быть представлен как вектор ДK ..., Дд),

элементы которого измерены в разных физических единицах измерения. Однако такая форма представления ущерба не удобна для практического использования, так как не позволяет осуществить прямое сравнение потенциальных последствий двух и более ситуаций информационной закрытости. Для того, чтобы упростить процедуры сравнения оценок потенциального ущерба от информационной закрытости, представляется целесообразным перевести полученные с помощью формулы (4) оценки недооцененного потенциала сокращения каждого г-го негативного экологического эффекта производственной деятельности компаний в денежное выражение.

Пусть с — стоимость единицы ¿-го негативного экологического эффекта (килограмма выброса загрязняющего вещества в атмосферу, кубометра свежей воды, кубометра сточной воды, килограмма образованных твердых отходов и т. д.). Тогда суммарный ущерб от неполноты референтного множества по всем категориям воздействия может быть представлен как

При таком подходе к определению ущерба от информационной закрытости возможно непосредственное сравнение двух и более ситуаций неполноты референтного множества.

3. Оценка ущерба от информационной закрытости в случае двух холдингов (на примере ОГК-2 и «Энел Россия»)

Рассмотрим на реальных статистических данных, как меняется оценка потенциала сокращения негативного воздействия на окружающую среду электрогене-рирующих компаний в случае, когда они ставят цели для модернизации по экологическим параметрам, опираясь не только на собственные данные, но и на данные об экологической эффективности производственных подразделений другой компании. В табл. 1 приведены исходные данные по негативным экологическим эффектам и объемам произведенной электрической и тепловой энергии компаний ОГК-2 и «Энел Россия» за 2016 г., источник данных — корпоративные отчеты компаний, представленные в свободном доступе на их официальных сайтах. В табл. 2 приведены результаты решений трех ориентированных по входам моделей ССЯ: на рефрентном множестве (1), представляющем собой только производственные подразделения компании ОГК-2, на референтном множестве (2), представляющем собой только производственные подразделения компании «Энел Россия» и на референтном множестве (3), представляющем собой объединение производственных подразделений двух компаний.

Анализируя данные, приведенные в табл. 2, нетрудно заметить, что в том случае, когда менеджмент генерирующей компании опирается в принятии решений только на данные по собственным подразделениям, оценка экологической эффективности ряда электростанций может оказаться завышенной. Так, при решении задачи ССЯ на данных по электростанциям компании ОГК-2, два из одиннадцати производственных объектов признаны эффективными — Киришская ГРЭС и Адлерская ТЭС. При решении задачи на данных компаний «Энел Россия», эффективными признаны также два объекта — Среднеуральская ГРЭС и Рефтинская ГРЭС. При объединении двух множеств наблюдаемых объектов решение задачи дает уже иной результат. В качестве экологически эффективных объектов признаны только Адлерская ТЭС и Среднеуральская ГРЭС. Все остальные электростанции являются неэффективными в экологическом плане, а их производственная деятельность нуждается в коррекции.

Заметим также, что при объединении двух референтных множеств изменились в меньшую сторону и коэффициенты эффективности и некоторых объектов, признанных неэффективными при решении задачи на изолированных рефрентных множествах. Так, коэффициент экологической эффективности Псковской ГРЭС снизился со значения 0,956 до значения 0,869, коэффициент эффективности Конаковской ГРЭС снизился с 0,77 до 0,558, а коэффициент эффективности Невиномысской ГРЭС снизился с 0,912 до 0,595. Это также говорит о том, что прежние значения целевых параметров негативных экологических эффектов были завышенными, и для достижения эффективности на расширенном референтном множестве, объемы негативного экологического воздействия на окружающую среду (в данном случае, выбросы в атмосферу, объем образования отходов и водопотребление) необходимо снижать еще существеннее. Разница в оценке потенциала сокращения негативного воздействия на окружающую среду по каждому виду воздействия приведена для каждой

Таблица 1

Исходные данные для решения задач ССЯ

Наименование электростанции Выбросы в атмосферу, т Отходы, т Водозабор, тыс. м3 Электроэнергия, тыс МВт-ч Тепловая энергия, тыс. Гкал

ОГК-2 Сургутская ГРЭС-1 15349 4683 19130 20412 1646

Рязанская ГРЭС 31192 210295 7071 4 779 249

Киришская ГРЭС 6264 2127 265350 5 333 2 831

Ставропольская ГРЭС 7145 837 1434933 9 910 74

Серовская ГРЭС 11128 169492 15855 3 158 86,3

Псковская ГРЭС 246 288 36827 334 59,9

Адлерская ТЭС 1195 105 255 2 068 175,8

Красноярская ГРЭС-2 37779 236869 436 074 4758 1046

Новочеркасская ГРЭС 77157 1007070 921456 9350 79

Троицкая ГРЭС 42951 669411 4074 2178 540

Череповецкая ГРЭС 34760 276301 165669 4806 111

Энел Конаковская ГРЭС 8764,2 6455 1151036 8 471 199

Россия Невиномысская ГРЭС 8727 1714 669044 7 761 1729

Среднеуральская ГРЭС 6202 1567 28220 7 780 3235

Рефтинская ГРЭС 255070 4443003 19481 19353 418

Таблица 2

Результаты решения ОСИ задач на разных референтных множествах (расчеты выполнены в пакете прикладных

программ MaxDEA)

Наименование электростанции Коэфф-т эфф-ти по множествам (1)/(2) Коэфф-т эфф-ти по множеству (3) Разница оценки потенциала сокращения выбросов Разница оценки потенциала сокращения отходов Разница оценки потенциала сокращения водозабора

1 2 3 4 5 6

ОГК-2 Сургутская ГРЭС-1 0,768 0,768 - - -

Рязанская ГРЭС 0,088 0,088 - - -

Киришская ГРЭС 1 0,866 836,532 284,052 35436,431

Ставропольская ГРЭС 0,801 0,801 - - -

Серовская ГРЭС 0,164 0,164 - - -

Псковская ГРЭС 0,956 0,869 21,281 24,914 3185,793

Адлерская ТЭС 1 1 - - -

Красноярская ГРЭС-2 0,121 0,084 1391,854 8726,728 16065,838

Новочеркасская ГРЭС 0,070 0,070 - - -

Троицкая ГРЭС 0,192 0,192 - - -

Череповецкая ГРЭС 0,080 0,080 - - -

Энел Конаковская ГРЭС 0,770 0,558 1857,853 1368,344 243998,91

Россия Невиномысская ГРЭС 0,912 0,595 2765,429 543,136 212008,001

Среднеуральская ГРЭС 1 1 - - -

Рефтинская ГРЭС 1 0,122 223824,69 3898748,462 17094,636

оо о

(N

СО СО N

СО

J <

СО О

электростанции в 4-6 столбцах табл. 2. Суммируя данные значения по столбам получим величины Д^, определенные с помощью формулы (4). Используя в качестве стоимостных коэффициентов С ставки платы за негативное воздействие на окружающую среду, определенные постановлением Правительства РФ от 13.09.2016 г. № 913 (в редакции от 09.12.2017 г.) и постановлением Правительства РФ от 30.12.2006 г. № 876 (в редакции от 29.12.2017 г.) (табл. 3) можно перейти к непосредственному расчету общей оценки ущерба от информационной закрытости двух исследуемых электрогенерирующих компаний.

Заметим, что выбросы в атмосферу по всем электростанциям представлены в исходном множестве статистических данных в агрегированном виде, без разделений по различным загрязняющим веществам, тогда как ставка платы за выбросы в атмосферу определена для каждого конкретного загрязняющего вещества. В таком случае возможно использовать усредненные значения ставки платы, рассчитанные по основным загрязняющим веществам, выбрасываемым в атмосферу электростанциями.

Таким образом, используя формулу (5), значения С из табл. 3 и значения Д^, как суммы по столбцам 4-6 табл. 2, получим следующую оценку ущерба от информационной закрытости компаний:

15

45; 11+4"

= 38,9 2 (Ху

7=1

+ 13272(4' .И

15

+ 300

7=1 J

target (15) target (11|4)

V У

target (15) target (11\4> x2j

target (15) target (11|4) - x?>j

5355477130.

)+

15; 11+4

То есть оценка ущерба от информационной закрытости в данном случае составляет более 5,35 млрд руб.

4. Разработка механизма стимулирования роста информационной прозрачности на основе DEA и кооперативной теории игр

Приведенный расчетный пример наглядно демонстрирует потенциальную неоптимальность определения экологических целей модернизации электрогенерирующих предприятий в условиях информационной закрытости. Однако для расчета потенциального ущерба от информационной закрытости по всем предприятиям отрасли необходимо обладать статистическими данными по всем крупным электро-

Таблица 3

Ставка платы за негативное воздействие на окружающую среду в 2018 г.

Вид негативного воздействия Ставка платы Основание

Выбросы оксида углерода 1,6 руб./т Постановление Правительства №913, ч. I

Выбросы оксида азота 93,5 руб./т Постановление Правительства №913, ч. I

Выбросы диоксида серы 45,4 руб./т Постановление Правительства №913, ч. I

Выбросы золы 15,1 руб./т Постановление Правительства №913, ч. I

Размещение отходов 1327 руб./т Постановление Правительства №913, ч. III

Водозабор 300* руб./тыс. м3 Постановление Правительства №876, ч. I

* Средневзвешенное значение ставки по различным речным бассейнам

генерирующим холдингам, что в настоящее время, как было отмечено во введении, не представляется возможным. Таким образом, приведенный пример обладает, скорее, иллюстративной ценностью, нежели практической. Кроме того, в приведенном выше примере были учтены только три вида негативного воздействия на окружающую среду — объем валовых выбросов в атмосферу, объем образования отходов и объем водопотребления. На практике же необходимо использовать дифференцированный подход и, во-первых, учитывать различную степень опасности загрязняющих веществ (что и отражено в различных ставках платы за выбросы), во-вторых, другие важные категории воздействия на окружающую среду, такие как, выброс загрязняющих веществ в водные объекты, тепловое и шумовое воздействие и т. д.

Тем не менее, приведенный пример не только демонстрирует работоспособность предложенного подхода нами к оценке ущерба от информационной закрытости на основе решения задач DEA по разным референтным множествам, но и дает идею для разработки механизма стимулирования компаний отрасли к раскрытию информации. И действительно, ситуацию, когда две крупные компании раскрывают данные об экологических аспектах деятельности своих производственных подразделений и, благодаря такому обмену информацией, корректируют свои экологические цели модернизации, можно рассматривать как вклад каждой из компаний в конечный выигрыш партнера. Для пояснения данного утверждения, вновь обратимся к результатам решения трех DEA CCR задач, представленным в табл. 2.

Рассчитаем отдельно следующие величины:

(6)

которые представляют собой разности между оценками потенциала сокращения негативных эффектов каждой из двух участвующих в обмене информацией компаний, вычисленными на основе: (1) информации по собственным подразделениям и подразделениям другой компании (ситуация информационного обмена); (2) только на основе информации по собственным подразделениям. Для расчета данных величин вновь используем значения е1 из табл. 3 и значения

из столбцов 4-6 табл. 2. Получим следующие значения:

- ц= 28484296 руб. — оценка ущерба компании ОГК-2 от информационной закрытости компании «Энел Россия» или оценка вклада компании «Энел Россия» в выигрыш компании ОГК-2 от обмена информации;

- Д15 4= 5326992833 руб. — оценка ущерба компании «Энел Россия» от информационной закрытости компании ОГК-2 или оценка вклада компании

ОГК-2 в выигрыш компании «Энел Россия» от

обмена информацией.

Как видно на данных расчетного примера, ущерб компании «Энел Россия» от информационной закрытости компании ОГК-2 на два порядка выше, чем ущерб компании ОГК-2 от информационной закрытости компании «Энел Россия». Обобщая данный результат на произвольное количество компаний, участвующих в информационном обмене, можно утверждать, что вклад одних компаний в снижение ущерба от информационной закрытости посредством раскрытия информации о негативных экологических эффектах производственной деятельности своих подразделений будет гораздо выше, чем вклад других компаний. Поэтому и величина стимула для таких компаний должна быть выше. Однако вывести какую-либо простую зависимость величины вклада компании в оценку потенциала снижения негативных экологических эффектов от количества подразделений, по которым раскрывается информация, или от значений коэффициентов экологической эффективности данных подразделений, в общем случае не представляется возможным.

Очевидно, что чем больше вклад компании в расширение референтного множества, тем больше вероятность, что среди новых объектов, добавляемых в референтное множество, окажутся высокоэффективные подразделения, учет параметров деятельности которых повысит общую оценку потенциала сокращения негативных экологических эффектов. В то же время, не исключена возможность и такой ситуации, когда компания, раскрывая данные только по одному подразделению, оказавшемуся высокоэффективным с экологической точки зрения, вносит наиболее существенный вклад в снижение общественного ущерба от информационной закрытости. Кроме того, важное значение имеет порядок раскрытия информации: чем позже компания присоединяется к числу компаний, обменивающихся информацией, тем ниже ценность предоставляемой ею информации и тем ниже вероятность существенного влияния на оценку потенциала сокращения негативных экологических эффектов. Такая ситуация может быть достаточно адекватно формализована с помощью развитого математического аппарата кооперативной теории игр.

Ситуация информационного обмена между двумя или более компаниями в данном случае будет рассматриваться как формирование коалиции, вступление в которую дает выигрыш каждой из компании. Справедливое распределение выигрышей от формирования коалиции может быть найдено с помощью вектора Шепли, который рассчитывается по следующей формуле:

где п — общее количество игроков (компаний отрасли); & — количество игроков в коалиции С (участвующих в обмене информаций по экологическим аспектам деятельности своих подразделений); V (С) — гарантированный выигрыш (оценка потенциала сокращения негативных экологических эффектов) коалиции С

оо о

(N

СО СО N

СО

<

CQ О

00 о

(N

СО СО N

СО

J <

CQ О

с игроком i; v (C \г) — гарантированный выигрыш (оценка потенциала сокращения негативных экологических эффектов) коалиции С без игрока i.

В общем случае расчет вектора Шепли на достаточно большом множестве игроков, которые произвольно могут формировать различные коалиции с различным количеством игроков, представляет собой сложную вычислительную задачу. Однако для справедливой оценки вклада каждой из компаний отрасли в формирование ситуации информационной прозрачности, позволяющей произвести адекватную оценку потенциала сокращения негативных экологических эффектов при модернизации, достаточно рассчитать предельный вклад каждой компании в общую коалицию:

ADDi = C (N) - C (N\i).

Данная величина представляет собой разницу оценок потенциала сокращения негативных экологических эффектов коалиции с игроком i и без него. Далее рассчитаем стоимостной разрыв по всему множеству игроков:

GAP(iV) = C(iV) + 2 ADD¿.

Для этого необходимо решить задачу DEA N+1 раз: один раз для всего множества игроков (когда все компании отрасли участвуют в обмене информацией) и N раз для множества без одного игрока. Величина

ADDi /GAP (N)

может рассматриваться как i-я компонента вектора Шепли, т. е. служить справедливой оценкой вклада i-й компании в снижение общего ущерба от информационной закрытости.

Иллюстрация предложенного подхода расчета размера справедливого стимулирования каждой из электрогенерирующих компаний к раскрытию информации об экологических аспектах своей производственной деятельности на реальных статистических данных, к сожалению, не представятся возможной в виду их отсутствия в свободном доступе.

Заключение

Предложенный метод измерения ущерба от информационной закрытости компаний, основанный на методологии анализа среды функционирования, и алгоритм распределения общественного выигрыша от раскрытия информации об экологических аспектах деятельности компании, основанный на кооперативной теории игр, специально адаптированы под решение практических задач отбора проектов по модернизации предприятий электроэнергетики. Однако они также могут быть применены для решения аналогичных управленческих задач в других отраслях экономики, оказывающих существенное негативное экологическое воздействие на окружающую среду. Главным преимуществом разработанного метода измерения общественного ущерба от информационной закрытости является комплексный подход к определению понятия эколо-

гической эффективности деятельности предприятия, который позволяет учитывать, как технологические, так и управленческие аспекты и не требует детального анализа продукционной системы предприятия, как это предполагает, например, методология анализа и оценки жизненного цикла продукции [20-21].

Эффективность практического использования предложенного метода в процессе принятия управленческих решений на уровне отрасли будет во многом зависеть от того, насколько удачно (адекватно реальной ситуации) будет выполнен выбор весовых коэффициентов в формулах (5), (6), насколько полно будут учтены различные категории негативного воздействия на окружающую среду и насколько точно собраны статистические данные по входам и выходам модели DEA. Что же касается теоретической конфигурации разработанного метода, то она в полной мере позволяет приблизить модельные расчеты к реальной ситуации и, благодаря этому, повысить качество принимаемых

управленческих решений.

* * *

Работа выполнена при поддержке гранта Российского фонда фундаментальных исследований, проект № 16-06-00147 «Разработка моделей анализа среды функционирования для оптимизации траекторий развития региональных экономических систем по экологическим параметрам».

Список использованных источников

1. А. Белкина. На пороге модернизации//Энергия без границ, 2017, № 6 (47). С. 10-13.

2. Е. Ю. Хрусталев, П. Д. Ратнер. Экоинновации в электроэнергетике: оценка сравнительной эффективности//Инновации, № 9, 2015. С. 8-14.

3. С. В. Ратнер, А. В. Синельникова. Разработка методики оценки эффективности систем экологического менеджмента энергетических компаний//Финансовая аналитика: проблемы и решения. 2017. Т. 10. № 9. С. 1048-1061.

4. Н. А. Алмастян. Анализ современной практики экологического менеджмента на российских предприятиях электроэнергетической отрасли/Russian Journal of Management. 2016. Т. 3. № 6. С. 18.

5. S. Lozano, G. Villa. DEA-based pre-merger planning tool//Journal of the Operational Research Society. 2010. No. 61. P. 1485-1497.

6. S. Lozano. Information sharing in DEA: A cooperative game theory approach//European Journal of Operational Research, 2012, № 222. P. 558-565.

7. W. W. Cooper, L. M. Seiford, K. Tone. Introduction to Data Envelopment Analysis and its Uses. Springer Science, 2006. P. 351.

8. Y. H. Chung, R. Fare, S. Grosskopf. Productivity and undesirable outputs: A directional distance function approach//Journal of Environmental Management, 1997, No. 51. P. 229-240.

9. В. Е. Кривоножко, А. В. Лычев. Анализ деятельности сложных социально-экономических систем. М.: Издательский отдел факультета ВМиК МГУ им. М. В. Ломоносова; МАКС Пресс, 2010. 208 c.

10. А. А. Пискунов, А. В. Лычев, М. А. Пискунова, В. Е. Кривоножко. Инструментарий поддержки принятия решений при формировании транснациональных проектов//Нелинейная динамика и управление. Вып. 7. М.: Физматлит, 2010. С. 349-382.

11. А. А. Пискунов, В. Е. Кривоножко, А. В. Лычев, М. А. Писку-нова. Методика оценки формирования и реализации транснациональных проектов с использованием методологии АСФ// Вестник АКСОР. 2010. № 2. С. 29-39.

12. P. J. Korhonen, M. Luptacik. Eco-efficiency analysis of power plants: An extension of data envelopment analysis//European Journal of Operational Research. 2004, No. 154. P.437-446.

ИННОВАЦИОННАЯ ЭКОНОМИКА

13. P. Zhou, B. W. Ang, K. L. Poh. Measuring environmental performance under different environmental DEA technologies// Energy Economics. 2008. Vol. 30. Issue 1. P. 1-14.

14. A. Valadkhani, I. Roshdi, R. Smyth. A multiplicative environmental DEA approach to measure efficiency changes in the world's major polluters//Energy Economics. 2016. Vol. 54. P. 363-37.

15. T. Sueyoshi, Y. Yuan, M. Goto. A literature study for DEA applied to energy and environment//Energy Economics. 2017. Vol. 62. P. 104-124.

16. А. Н. Порунов. Оценка сравнительной эффективности государственного менеджмента экологической безопасности в регионе методом DEA-анализа (на примере Приволжского федерального округа)//Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент». 2016. № 1. С. 104-111.

17. S. Ratner, P. Ratner. DEA-based Dynamic Assessment of Regional Environmental Efficiency//Applied Computer Science. 2017. Vol. 13 (2). P. 48-60.

18. С. В. Ратнер. Сетевой анализ среды функционирования в задачах регионального экологического менеджмента//Проблемы управления. 2016. № 6. С. 35-46.

19. Е. Ю. Хрусталев, П. Д. Ратнер. Выбор оптимальной стратегии перехода региональной энергетической системы на низкоуглеродные технологии//Аудит и финансовый анализ. № 5. 2015. С. 395-400.

20. R. Turconi, A. Boldrin, T. Astrup. Life cycle assessment (LCA) of electricity generation technologies: Overview, comparability and limitations//Renewable and Sustainable Energy Reviews. 2013. № 28. P. 555-565.

21. S. J. W. Klein, E. S. Rubin. Life cycle assessment of greenhouse gas emissions, water and land use for concentrated solar power plants with different energy backup systems//Energy Policy. 2013. Vol. 63. P. 935-950.

Method of assessing public damage from information closure based on DEA and game theory approach

S. V. Ratner, doctor of economics, associate professor, leading researcher, Institute of control sciences named after V. A. Trapeznikov, Moscow.

In this paper we propose a method for measuring damage from information closeness of companies based on the DEA methodology and cooperative game theory, as well as an algorithm for distributing public gains from disclosure of information about the environmental aspects of the company's activities, that can be used as a basis for the mechanism to stimulate the growth of information transparency. The developed method is specially adapted for solving practical problems of selecting projects for the modernization of electric power industry enterprises, but it can also be used to solve similar management problems in other sectors of the economy that have a significant negative environmental impact on the environment. The main advantage of the developed method of measuring public damage from information closeness is a holistic approach to the definition of the concept of the company's environmental performance, which allows to take into account both technological and managerial aspects and does not require detailed analysis of the enterprise's production system.

Keywords: environmental effects, electric power industry, modernization, analysis of the functioning environment, game theory.

ТАЛОН ПОДПИСКИ ЖУРНАЛА

Подписка в редакции — это получение журнала сразу после тиража.

В редакции можно оформить подписку на 2018 год (с 1 по 12 номер) по льготной цене 18840 руб. 00 коп. (Восемнадцать тысяч восемьсот сорок рублей 00 коп.), в том числе НДС — 1 712 руб. 73 коп.

Название организации _

Фамилия, имя, отчество_

Должность_

Почтовый адрес (адрес доставки)_

Просим высылать нам журнал «Инновации» в количестве

Нами уплачена сумма _

Платежное поручение №_ от _

.экземпляров.

20.

Банковские реквизиты редакции:

ООО «ТРАНСФЕР-ИННОВАЦИИ», ИНН 7813280766, КПП 781301001 р/с 40702810727000001308 ПАО «Банк Санкт-Петербург», г. Санкт-Петербург», к/с 30101810900000000790, БИК 044030790

Дата заполнения талона подписки.

Подпись.

Подписка оформляется с любого номера. Заполненный талон подписки мы принимаем по факсу: (812) 234-09-18

Контактное лицо: А. Б. Каминская.

ТАЛОН ПОДПИСКИ ЖУРНАЛА

оо о

CN

со со N

со

J <

со

- " журнал об иннпшишонной деятельности

\!ШЯМШШМ