CC BY
36
ством предприятий, что подтверждается низким уровнем инновационной активности хозяйствующих субъектов в РФ, составляющим по данным Росстата 9,4%.
Проблема оценки инновационной активности хозяйствующих субъектов с позиций роста их рыночной стоимости также осложняется отсутствием единой трактовки понимания «инновационная активность», что осложняет процедуры оценки различными заинтересованными сторонами.
Кроме того, до настоящего времени не принят Федеральный закон «Об инновационной деятельности в Российской Федерации», подготовка которого была начата еще в 1998 году, что свидетельствует об отсутствии проработки правовой базы для инновационной деятельности хозяйствующих субъектов в целом и инновационной активности в частности.
Нельзя не отметить также, что развитие методов оценки инновационной активности сдерживается ограниченным набором льгот для субъектов хозяйствования, осуществляющих инновационную деятельность. Это не позволяет оценить в полном объеме степень влияния различных механизмов стимулирования на инновационную активность и подобрать соответствующие инструменты оценки.
Принципиальная проблема оценки инновационной активности хозяйствующих субъектов связана с человеческим капиталом, как сточки зрения роста его уровня, так и сточки зрения динамики притока и оттока, определяемой характером производительных сил и производственных отношений. При этом продолжающаяся утечка мозгов затрудняет процесс воспроизводства интеллектуального капитала как основного фактора проявления инновационной активности.
Проблемы оценки инновационной активности хозяйствующих субъектов также связаны со сложность связи этой активности с внешними факторами неблагоприятного делового климата, характеризуемого индексом предпринимательской уверенности, и проявляющегося в высоком уровне фискального давления, в относительно пассивной роли государства в защите прав собственности, в фактическом отсутствии равных условий для конкуренции. При
этом в целом можно говорить об относительно слабой поддержке государством предприятий инновационной сферы. Так согласно результатам опросов руководителей предприятий, 95% из них считают, что участие в тех или иных программах государственной поддержки не принесло предприятиям никаких дивидендов с точки зрения инновационной активности.
Существенные сложности в оценке инновационной активности создают высокие издержки на трансферт инновационных технологий и различные административные барьеры, препятствующие проявлению инновационной активности.
Серьезной проблемой оценки инновационной активности хозяйствующих субъектов является учет негативного влияния агентских конфликтов между менеджерами и владельцами компаний, а также неэффективного управлением предприятием, обусловленного компетенцией менеджеров и низким уровнем корпоративной культуры.
Следует также признать, что на оценку инновационной активности хозяйствующих субъектов влияют проблемы учета степени проработки инновационной политики предприятия и ее развертывания в стратегии и тактике инновационной деятельности.
В целом проведенный анализ проблем оценки инновационной активности хозяйствующих субъектов как источника роста их рыночной стоимости позволил разработать алгоритм их решения, представленный на рис.2.
Литература:
1. Гохберг Л.М. Новая инновационная система для «новой экономики». - М.: ГУ ВШЭ, 2000.
2. Дойль П. Менеджмент: стратегия и тактика. - СПб.: Питер, 2009.
3. Трифилова А.А. Управление инновационным развитием предприятия. - М.: Финансы и статистика, 2003.
4. Фатхутдинов Р.А. Инновационный менеджмент: Учебник для вузов.5-е изд. - СПб.: Питер, 2006.
5. Тебекин А.В. Инновационное развитие экономики. - М.: МГАДА, 2008.
МЕТОДИЧЕСКИЕ АСПЕКТЫ РИСК-АНАЛИЗА ИНФРАСТРУКТУРНОГО ПРОЕКТА, ФИНАНСИРУЕМОГО ЧЕРЕЗ РАЗМЕЩЕНИЕ ЦЕННЫХ БУМАГ
Покровский А.М., Российская экономическая академия им. Г.В. Плеханова
Статья посвящена выявлению особенностей и методическим аспектам риск-анализа инвестиционных инфраструктурных проектов, в сравнении с традиционными объектами инвестиций - промышленными и производственными проектами.
Ключевые слова: риск-анализ, ценные бумаги, инфраструктурный проект.
METHODOLOGICAL ASPECTS OF RISK ANALYSIS OF INFRASTRUCTURE PROJECTS FUNDED THROUGH PLACEMENT OF SECURITIES
Pokrovsky A., Plekhanov Russian Academy of Economics
The article is devoted to identifying the features and methodological aspects of risk analysis of investment infrastructure projects, in comparison with the traditional objects of investment - industrial and manufacturing projects.
Keywords: risk analysis, securities, infrastructure projects.
Растущая привлекательность финансирования инфраструктурных проектов для инвесторов в последние годы стала четко выделенным трендом в развивающихся государствах. Привлечение средств частного и корпоративного секторов для финансирования государственных проектов по строительству инфраструктурных объектов - шоссе, железных дорог, больниц - скорее правило, чем исключение. В то же время инфраструктурные проекты являются уникальными проектами, которые характеризуются как высокой социальной и государственной значимостью, так и низкой рентабельностью, порой переходящей в убыточность, и в этой связи актуальной является задача риск-анализа инфраструктурных проектов, финансируемых через размещение ценных бумаг.
При этом в качестве объекта анализа выбран проект по реконструкции автодороги в Туркменистане, использующий в качестве источника инвестиций выпущенные долговые ценные бумаги. Такой способ привлечения средств является типичным для США и
Европы, однако в странах СНГ он еще не получил столь существенного распространения. В качестве альтернативных проектов выбраны два инвестиционных проекта - проект завода по производству дизельного топлива из отходов и проект завода по производству пеллеца.
Несмотря на кажущуюся полноту информации по проектам такого рода, все три инвестиционных проекта характеризуются высокой инновационностью, их реализация сопровождается высокой неопределенностью факторов риска, и в этой связи в качестве инструментария риск-анализа нами использована экспертно-аналитическая технология, основанная на двух методах системного анализа - методе анализа иерархий (МАИ) [1] и методе аналитических сетей (МАС) [2]. Оба метода разработаны в последней трети прошлого века американским специалистом в области исследования операций Т. Саати, и в настоящее время широко используются во многих странах мира, в том числе в России, для решения задач мно-
гокритериального выбора альтернативных проектов в тех случаях, когда критерии их сравнения нельзя или трудно измерить количественно, и сравнение альтернатив производится экспертами.
Популярность этих методов объясняется тем, что, помимо возможности иерархического представления проекта как системы в виде ряда связанных друг с другом уровней различной природы (цель, подцели, критерии, акторы (участники проекта), цели акторов, альтернативы решений), существует ряд преимуществ, главными из которых являются, во-первых, относительная простота действий экспертов (парное сравнение элементов на каждом уровне иерархии по лингвистической шкале), во-вторых, то, что в результате субъективных суждений экспертов мы получаем объективизированные количественные отношения между различными элементами разных иерархических уровней, интерпретируемые как приоритеты.
Но далеко не всегда следует стремиться к усложнению иерархического представления проекта в виде многих уровней, в большинстве случаев достаточно ограничиться всего тремя иерархическими уровнями - на верхнем уровне - цель (фокус), на среднем -критерии сравнения, на нижнем - альтернативы. В задачах риск-анализа целью является оценка риска проекта, критериями - виды риска, альтернативами - сравниваемые проекты. Это - так называемая базовая иерархическая модель, которую часто называют также прямой трехуровневой иерархией. В рамках прямой иерархической модели риск-анализа эксперт (эксперты) вначале сравнивает между собой виды рисков по степени влияния на цель, затем -альтернативные проекты или варианты их реализации по каждому из видов риска. На заключительном этапе риск-анализа суждения эксперта относительно приоритетов проектов интегрируются с учетом значимости видов риска, тем самым достигается взвешенное сравнение проектов по множеству факторов риска.
Но, наряду с прямой иерархической моделью риск-анализа, целесообразно рассматривать также обратную иерархическую модель, в которой на среднем уровне находятся альтернативные проекты, а на нижнем - виды риска. В рамках этой модели эксперт вначале сравнивает между собой альтернативные проекты по степени риска, затем - виды риска по их важности для каждого из проектов. На заключительном этапе суждения эксперта интегрируются с учетом рисков проектов, тем самым достигается взвешенное сравнение факторов риска по множеству проектов.
Учет обратной связи, как и учет взаимосвязей между элементами иерархии в модели риск-анализа, возможен при использовании развития метода аналитических иерархий - метода аналитических сетей [2]. Представляется, что наиболее важным результатом, достигаемым при достаточно серьезном усложнении модели, является учет обратной связи между компонентами иерархической модели риск-анализа. Дополнительным преимуществом учета обратной связи является уточнение приоритетов видов риска: если в «прямой» иерархии их соотношение определялось напрямую, как результат парного сравнения видов риска, то в обратной иерархии - как интегральный вектор приоритетов по различным направлениям инвестирования. Но объединение оценок прямой и обратной иерархии производится уже иначе - путем построения блочной суперматрицы, учитывающей результаты обработки парных суждений эксперта по прямой и обратной моделям, приведения ее к стохастическому виду и расчета предельной суперматрицы.
Применение сетевых моделей до последнего времени ограничивалось отсутствием на отечественном рынке информационных технологий, поддерживающих алгоритмы метода аналитических сетей. Автор этого метода Т. Саати предлагает использовать программу Super Decisions, которая поддерживает алгоритмы МАС, но этот программный продукт, как и программа Expert Choice, поддерживающая алгоритмы МАИ, малодоступна российским исследователям.
Ввиду актуальности задачи совершенствования методики риск-анализа, в настоящее время интенсивная работа по созданию программного продукта, поддерживающего алгоритмы прямой и обратной иерархии, а также алгоритмы сетевой модели, проводится на кафедре математических методов в экономике Российского экономического университета имени Г.В. Плеханова [4]. Ее результатом явилось создание первой версии экспертно-аналитической системы Expert Solution 1.0, апробация которой при решении различных задач многокритериального выбора показала ее эффективность.
Эффективным оказалось также применение экспертно-аналитической системы Expert Solution 1.0 в задаче риск-анализа инвес-
тиционного инфраструктурного проекта по реконструкции автодороги в Туркменистане, использующего в качестве источника инвестиций выпущенные долговые ценные бумаги.
Сформулируем эту задачу. Сравниваются риски трех инвестиционных проектов: 1) инвестиционного инфраструктурного проекта по реконструкции автодороги в Туркменистане; 2) проекта завода по производству дизельного топлива из отходов; 3) проект завода по производству пеллеца. Первый проект характеризуется следующими рисками, наиболее значимыми для инвестиционных проектов вообще: 1) инвестиционным риском; 2) риском ликвидности; 3) процентным риском; 4) кредитным риском; 5) валютным риском; 6) операционным риском; 7) политическим риском; 8) технологическим риском. Поскольку основная цель публикации - рассмотреть методические аспекты риск-анализа инвестиционных инфраструктурных проектов, мы не будем приводить детальное описание проектов и рисков, а сосредоточимся на технологических вопросах, раскрывающих особенности риск-анализа инфраструктурных проектов с помощью экспертно-аналитической системы Expert Solution.
Дадим краткую характеристику технологических аспектов риск-анализа в системе Expert Solution, прямое назначение которой -решение практически важного класса задач сравнительной оценки инновационных проектов.
За основу в этой системе принята базовая трехуровневая иерархия «цель (фокус) - критерии (факторы) - альтернативы», в которой элементы нижнего уровня (альтернативы) сравниваются друг с другом по каждому из включенных в анализ критерию. Требуется каждой альтернативе поставить в соответствие приоритет - число в интервале (0; 1). Эти числа являются результатом обработки матриц парных сравнений экспертом альтернатив по каждому из критериев, причем сравнения проводятся по лингвистической шкале отношений - от их одинаковой значимости до абсолютного превосходства одной альтернативы над другой. По этому же алгоритму сравнивается значимость критериев, после чего производится синтез локальных векторов приоритетов. Это - модель прямой иерархии, которая обеспечивает достаточно детальное сравнение альтернатив, но не критериев, для детального сравнения которых необходимо строить обратную иерархию с альтернативами на среднем уровне и критериями - на нижнем. Заметим, что пользователь в системе Expert Solution задает лишь перечень альтернатив и критериев, сами же модели - и прямой, и обратной иерархии - генерируются в автоматическом режиме после заполнения экспертом таблиц парных сравнений элементов среднего и нижнего уровня.
Выше отмечалось, что и прямая, и обратная иерархические модели не учитывают взаимовлияния уровней иерархии. Этот недостаток преодолевается в сетевой модели, в которой уровни критериев и альтернатив рассматриваются как компоненты, связанные прямой и обратной связями. В отвечающем этой модели методе аналитических сетей основным математическим конструктом является уже не множество матриц парных сравнений, а блочная суперматрица, основные блоки которой расположены на вспомогательной диагонали. Верхний правый блок образуют локальные векторы приоритетов альтернатив, нижний левый блок - локальные векторы приоритетов (весов) критериев. Первый блок образуют локальные векторы приоритетов альтернатив, это матрица прямой иерархии. Соответственно, второй блок образуют локальные векторы весов критериев, это матрица обратной иерархии. Диагональные блоки суперматрицы образуют квадратные матрицы, отражающие взаимосвязи альтернатив (верхний левый блок) и критериев (нижний правый блок). Таким образом, размерность суперматрицы превышает размерность матриц парных сравнений. Этот математический конструкт в системе Expert Solution также генерируется в автоматическом режиме.
В предположении, что альтернативы, с одной стороны, и критерии, с другой, друг с другом не взаимодействуют, диагональные блоки суперматрицы будут нулевыми или единичными соответствующей размерности. Если принять эти блоки нулевыми, то приведение суперматрицы к стохастической форме сводится к проверке равенства единице суммы весов по ее столбцам, поскольку из-за ошибок округления эта сумма может немного (на ±0,001) отличаться от единицы. В этом случае проводится корректировка локальных векторов альтернатив и критериев.
Для получения надежных выводов по важности критериев и альтернатив исключительно важное значение имеет рациональный подбор экспертов. В нашем случае группа экспертов, проводивших
риск-анализ проектов, включала трех специалистов - профессионального экономиста и инвестора (эксперт 1), специалиста в области технологической реализации проектов (эксперт 2), профессионального политолога и специалиста по страновым рискам (эксперт 3).
В рамках анализа прямой иерархии, каждому из экспертов было предложено выполнить, во-первых, ранжирование критериев (видов риска) по отношению друг к другу, во-вторых, ранжирование проектов в разрезе каждого из видов риска, и, соответственно, в рамках анализа обратной иерархии вначале ранжирование проектов, а затем - ранжирование видов риска для каждого из проекта.
Ради сокращения объема публикации, приведем результаты работы в системе Expert Solution лишь одного эксперта - профессионального экономиста и инвестора.
На рис. 1 приведена концептуальная модель прямой иерархии, сгенерированная в системе Expert Solution «по умолчанию», т.е. когда все элементы среднего и нижнего уровней иерархии равнозначимы.
В прямой иерархической модели риск-анализа на среднем уровне восемь видов риска, и в предположении их равной значимости приоритет каждого будет со ставлять 1/8, или 0,125, на нижнем уровне - три альтернативных проекта с приоритетами риска 1/3, или 0,333.
Аналогично формируется обратная иерархическая концептуальная модель риск-анализа - рис. 2.
Задача эксперта в обеих моделях - изменить оценки парных сравнений с равной значимости на те суждения, которые, в соответствии с его опытом и интуицией, в наибольшей мере отвечают имеющимся реалиям.
В качестве примера в табл. 1 представлены суждения первого эксперта по парной значимости видов риска.
Поясним числа в матрице парных сравнений (табл. 1). Элементом (1,2) матрицы является число 5, что, согласно девятибалльной шкале отношений Т. Саати, соответствует следующей вербальной оценке эксперта - «инвестиционный риск ликвидности существенно превосходит риск ликвидности». Матрица парных сравнений - обратносимметрическая, и в ней в ячейку (2,1) автоматически генерируется число 1/5.
В принципе, для ранжирования видов риска по степени значимости достаточно одной строки матрицы парных сравнений, но суждения эксперта, как правило, не вполне согласованы по всем строкам, имеется определенная избыточность, что позволяет оценить степень согласованности суждений эксперта по всей матрице. В данном случае оказалось, что критерий согласованности - так называемое отношение согласованности ОС - равно 0,088. Это свидетельствует о хорошей согласованности суждений эксперта по матрице парных сравнений (принято считать, что величина 0С<0,10 отвечает хорошей согласованности, 0,10<0С<0,20 - удовлетворительной, а при 0С>0,20 требуется корректировка суждений).
Система Expert Solution - интерактивная, и имеется возможность контролировать получаемые результаты ранжирования приоритетов видов риска в прямой иерархии и приоритетов альтернатив - в обратной.
На рис. 3 представлена столбиковая диаграмма приоритетов видов риска, сгенерированная в результате обработки экспертных данных в прямой иерархии, а на рис 4 - столбиковая диаграмма приоритетов риска инвестиционных проектов, сгенерированная в результате обработки экспертных данных в обратной иерархии. Обе
Рис. 1. Прямая иерархическая концептуальная модель риск-анализа
Рис. 2. Обратная иерархическая концептуальная модель риск-анализа
Таблица 1. Матрица парных сравнений экспертом 1 видов риска (экспортирована из рабочего файла системы Expert Solution)
Инве- стиц. риск Риск ликвидности Процент. риск Кредит. риск Валют. риск Операц. риск Полит. риск Технол. риск
Инвестиц. риск 1,000 5,000 5,000 3,000 7,000 9,000 7,000 7,000
Риск ликвидности 0,200 1,000 1,000 0,333 0,167 3,000 2,000 2,000
Процент. риск 0,200 1,000 1,000 0,200 0,250 3,000 2,000 2,000
Кредит. риск 0,333 3,000 5,000 1,000 0,500 3,000 3,000 3,000
Валют. риск 0,143 6,000 4,000 2,000 1,000 3,000 3,000 3,000
Операц. риск 0,111 0,333 0,333 0,333 0,333 1,000 2,000 2,000
Полит. риск 0,143 0,500 0,500 0,333 0,333 0,500 1,000 3,000
Технолог. риск 0,143 0,500 0,500 0,333 0,333 0,500 0,333 1,000
матрицы хорошо согласованы, и это позволяет интерпретировать полученные результаты следующим образом: наиболее значимым видом риска оказался инвестиционный риск (приоритет 0,420), затем следуют валютный и кредитный риски с приоритетами 0,177 и
0,144 соответственно. Остальные виды рисков по величине приоритетов меньше среднего значения 0,125 и, в принципе, их можно далее не рассматривать.
Согласно диаграмме рис. 4, наиболее рискованным является проект реконструкции автодороги - приоритет 0,709, далее следует проект завода по производству дизельного топлива, и наименее рискованный - проект по производству пеллеца.
На рис. 4 представлен вектор приоритетов риска альтернатив, полученный по суждениям эксперта 1 в рамках обратной иерархии. Как отмечалось выше, в рамках прямой иерархической модели эксперт сравнивает риски проектов по каждому из принятых к анализу виду риска. Результатом этих сравнений являются не один, как в обратной иерархии, а восемь локальных векторов весов риска проектов. На рис. 5 представлен один из них - по наиболее приоритетному критерию «инвестиционный риск». Видно, что по этому
критерию эксперт наиболее рискованным признал проект завода по производству дизельного топлива.
Ради сокращения объема публикации мы не будем приводить локальные векторы весов риска проектов по остальным семи критериям, приведем лишь некоторые результаты: по критерию «валютный риск» на первом месте по рискованности - проект реконструкции автодороги, этот же проект характеризуется наибольшим процентным риском.
Итогом прямой иерархической модели риск-анализа является глобальный вектор приоритетов риска проектов, получаемый в результате интеграции локальных векторов с учетом приоритетов видов риска. Этот глобальный вектор также визуализируется в системе Expert Solution - рис. 6. Видно, что векторы риска проектов, представленные на диаграммах рис. 5 и 6, достаточно близки друг к другу.
В системе Expert Solution предусмотрена возможность исключения из иерархических моделей критериев, приоритетами которых можно пренебречь. В случае эксперта 1 в модели достаточно сохранить три вида риска - инвестиционный, валютный и кредит-
Критерии
Рис. 3. Визуализация результатов оценки экспертом 1 вектора приоритетов (весов) видов риска в прямой иерархии
Альтернативы
Рис. 4. Визуализация результатов оценки экспертом 1 вектора приоритетов (весов) риска альтернатив в обратной иерархии
Вектор приоритетов альтернатив по критерию 'инвестиционный риск' Атах = 2,999; ИС = 0,000; ОС = -0,001
0,600
0,450
0,300
0,150
0,000
И
lill
-И IIP
іЩІ
0,200 реконструкция автодороги
0,600 завод по производству дизельного топлив
0,200 завод по производству пеллеца
Альтернативы
Рис. 5. Визуализация результатов оценки экспертом 1 вектора весов риска альтернативных проектов в прямой иерархии по критерию
«инвестиционный риск»
Рис. 6. Визуализация результатов оценки глобального вектора весов риска альтернативных проектов в прямой иерархической модели
риск-анализа
Рис. 7. Редуцированная прямая иерархическая информационная модель риск-анализа
Рис. 8. Редуцированная обратная иерархическая информационная модель риск-анализа
ный. При этом все суждения эксперта в рабочем файле Expert Solution сохраняются, и информационная модель прямой иерархии принимает вид, представленный на рис. 7.
Объем работы эксперта 1 по формированию суждений о парной значимости видов риска по редуцированной обратной модели теперь существенно сокращается, и в результате информационная модель обратной иерархии принимает вид, представленный на рис. 8.
Заключительный этап риск-анализа - реализация сетевой модели. Этот этап включает в себя формирование суперматрицы и
Таблица 2. Редуцированная суперматрица, сформированная в результате обработки парных сравнений эксперта 1 (экспортирована из рабочего файла системы Expert Solution)
0,000 0,000 0,000 0,200 0,200 0,500
0,000 0,000 0,000 0,600 0,400 0,250
0,000 0,000 0,000 0,200 0,400 0,250
0,493 0,160 0,715 0,000 0,000 0,000
0,196 0,691 0,098 0,000 0,000 0,000
0,311 0,149 0,187 0,000 0,000 0,000
вычисление векторов приоритетов видов риска и весов риска проектов. Все эти операции производятся в системе Expert Solution в автоматическом режиме.
Редуцированная суперматрица, сформированная по результатам, полученным по прямой и обратной иерархии, представлена в табл. 2.
Поясним структуру суперматрицы. Ее верхний правый блок размером 3?3 образован локальными векторами весов рисков альтернативных проектов, полученными в результате реализации прямой иерархической риск-модели (элементы векторов записаны по столбцам). Нижний левый блок, также размером 3?3, включает локальные векторы приоритетов критериев - видов риска. Диагональные блоки суперматрицы образуют нулевые квадратные матрицы размером 3?3, отражающие отсутствие взаимосвязи альтернативных проектов (верхний левый блок) и видов риска (нижний правый блок). Суперматрица стохастическая (сумма элементов всех столбцов равна ровно единице), и после ее возведения в высокую степень (эта математическая операция в системе Expert Solution также производится в автоматическом режиме) все ее столбцы становятся идентичными, при этом первые три элемента представляют приоритеты видов риска, а следующие три - веса риска проектов.
Следует, однако, заметить, что приведенные в данной публикации результаты, во-первых, отражают точку зрения лишь одного из участников экспертизы - инвестора, имеющий определенные предпочтения, которые, конечно, отразились в его оценках альтернатив-
ных проектов, тогда как суждения остальных экспертов нами здесь не рассматривались. Кроме того, оценка проектов только с точки зрения рисков не дает исчерпывающей оценки их эффективности; для комплексной экспертизы необходимо также выполнить подобный анализ проектов по факторам выгод, издержек и возможностей, так, как это выполнено, например, в работах [5, 6]. Наконец, необходимо обратить самое серьезное внимание на организационную сторону проведения экспертизы, от которой во многом зависит надежность получаемых выводов.
С учетом вышесказанного, представленный в данной публикации методический подход может быть рекомендован для решения задач риск-анализа инновационных проектов, характеризующихся высокой степенью неопределенности исходной информации.
Литература:
1. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.
2. Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети. Пер. с англ. / Науч. ред. А.В. Андрейчиков, О.Н. Андрейчикова. М.: Издательство ЛКИ, 2008.
3. Покровский А.М. Методологические аспекты моделирования и управления инновационными проектами в условиях неопределенности и риска // Вестник Московского экономического института. Вып.2. 2009.
4. Покровский А.М. Алгоритмы, функции и пользовательский интерфейс экспертно-аналитической системы // Вестник Российского экономического университета. М.: Изд-во РЭУ. 2012. №6(42).
5. Атаев А.М. Экспертно-аналитические модели и технологии сравнительной оценки инновационных проектов // Транспортное дело России. 2011. № 11.
6. Атаев А.М., Покровский А.М. Экспертно-аналитические модели выбора варианта трассы морского участка трубопровода «Южный поток» на этапе бизнес-проектирования // Транспортное дело России. 2010. № 12.
АНАЛИЗ ОСОБЕННОСТЕЙ инновационнои деятельности КОММЕРЧЕСКИХ БАНКОВ В УСЛОВИЯХ КРИЗИСА
Никольский А.Ю., соискатель ФАОУ ДПО ГАСИС
Представлены результаты анализа сложившихся подходов к моделированию деятельности банков, особенностей модельного описания инновационной деятельности, факторов, определяющих изменение инновационной деятельности коммерческих банков в условиях кризиса. Определено содержание типовых изменений инновационной деятельности коммерческих банков в условиях кризиса.
Ключевые слова: Анализ особенностей инновационной деятельности коммерческих банков в условиях кризиса.
ANALYSIS OF THE CHARACTERISTICS OF THE INNOVATION ACTIVITIES OF COMMERCIAL BANKS IN A CRISIS
Nikolsky A., the applicant, FAOUDPO GASIS
Results of the analysis of the developed approaches to modeling of activity of banks, features of the modeling description of innovative activity, the factors defining change of innovative activity of commercial banks in the conditions of crisis are presented. The content of standard changes of innovative activity of commercial banks in the conditions of crisis is defined.
Keywords: The analysis of features of innovative activity of commercial banks in the conditions of crisis
Несмотря на то, что в основе многих экономических кризисов лежит отрыв рынка финансовых активов от рынка реальных активов, спровоцированный первым и описанных банковскими циклами экономической активности К. Жугляра, именно банковский сектор одним из первых принимает на себя удар экономического кризиса. Если вспомнить новейшую российскую историю, то в 1998
Таблица 1. Результаты систематизации референтных моделей банковской деятельности
году после августовского дефолта произошел обвал банковского сектора, который, скорее всего, повторился бы осенью 2008 года, если бы не государственная поддержка.
Таким образом, наряду с развитием инновационной деятельности коммерческих банков, адекватных уровню и темпам инновационного развития рынка реальных активов, необходим поиск ра-
№ Тип модели Содержание модели
1 Модели банка как финансового посредника Обосновывают преимущества банка как прямого финансового посредника с позиций транзакционных издержек
2 Производственноорганизационные модели банковской деятельности Производственные модели банка в различных условиях конкурентной среды, построение производственных функций
3 Модели банков как совокупности финансовых потоков Стохастические модели банковских финансовых потоков
4 Модель системы менеджмента качества коммерческого банка Модель формализации и совершенствования деятельности банка на основе подготовке СМК банка к сертификации на соответствие международному стандарту КО 9001:2008
5 Модель «дерево бизнес-процессов» банка Моделирование основных, обеспечивающих и управляющих бизнес-процессов
6 Модель организационной структуры банка Моделирование вариантов оптимизации организационной структуры банка
7 Модель стратегических целей банка и показателей их достижения Моделируются основные результаты стратегической деятельности банка и оцениваются показатели достижения целей
