УДК 338.45:69 DOI: 10.22227/1997-0935.2017.11.1229-1239
моделирование тренда инвестиционной
и строительной деятельности российской
федерации
И.Н. Гераськина, А.В. затонский*
Санкт-Петербургский государственный архитектурно-строительный университет (СПбГАСУ), 190005, г. Санкт-Петербург, ул. 2-я Красноармейская, д. 4; *Березниковский филиал «Пермский национальный исследовательский политехнический университет» (БФ ПНИПУ), 1618404, Пермский кр., г. Березники, ул. Тельмана, д. 7
Предмет исследования: инвестиционно-строительная деятельность (ИСД), системные особенности и закономерности которой выявляются в результате экономико-математического моделирования.
Цели исследования: своевременное и качественное прогнозирование кризисных моментов в ИСД; моделирование управленческих воздействий с целью перехода на желаемый путь развития данной экономической системы; построение несложной для практического применения экономистами модели и использование в ней общедоступных массивов данных.
Методы: аппроксимация статистических данных, регрессионный анализ, фазовый анализ, дифференциальное моделирование.
Результаты: разработана экономико-математическая модель, позволяющая использовать статистические данные об ИСД и прогнозировать моменты рецессии системы, а также выявлять чувствительность параметров порядка к динамике управляющих переменных, бифуркационные состояния и поведение объекта при определенных управленческих воздействиях.
Выводы: представлена методика моделирования и прогнозирования тренда развития сложной циклической и стохастической подсистемы национальной экономики — инвестиционной и строительной деятельности. Разработана экономико-математическая модель на базе дифференциального уравнения второго порядка, позволяющая использовать статистические данные и прогнозировать поведение системы в зависимости от управленческих воздействий. Выявлена динамика влияния управляющих переменных на параметр порядка исследуемой экономической системы в разные временные периоды. Полученные результаты целесообразно использовать в стратегическом планировании и управлении инновационным развитием инвестиционной и строительной деятельности России.
КЛЮЧЕВЫЕ СЛОВА: строительство, инвестиции, экономическая система, дифференциальное моделирование, параметр порядка, управляющий параметр, прогноз, развитие, кризис, цикличность
ДЛЯ ЦИТИРОВАНИЯ: Гераськина И.Н., Затонский А.В Моделирование тренда инвестиционной и строительной деятельности Российской Федерации // Вестник МГСУ. 2017. Т. 12. Вып. 11 (110). С. 1229-1239.
MODELING TRENDS OF INVESTMENT AND CONSTRUCTION
ACTIVITIES OF THE RUSSIAN FEDERATION £
--H
I.N. Geraskina, A.V. Zatonskiy*
SaSaint Petersburg State University of Architecture and Civil Engineering (SPSUACE), *
4 2ndKrasnoarmeiskaya str., Saint-Petersburg, 190005, Russian Federation §
*Perm National Research Polytechnic University, Berezniki branch (BB PNRPU), C
7 Telmana str., Berezniki, Perm oblast, 1618404 y
T
ISJ
В
r
3 У
Subject: the results of the study are particularly relevant in the modern system of cyclical crisis generated by the change of Kondratieff's long waves of economic development and technological structures. From the point of view of synergetics, these processes have the ability to trigger a new order having spontaneous transformation due to endogenous factors. Qualitatively predictable fluctuations in the socio-economic environment and management may lead to self-organization and sustainable development of the economic system. Construction and investment activity of Russia in the majority of cases W was investigated by economists without a detailed understanding of system characteristics, inherent properties and laws which are identified from the results of economic-mathematical modeling. Research objectives: 1. Timely and qualitative prediction of moments of crisis in the investment and construction activities o of Russia; 2. Modeling of management activities for the purpose of transitioning to the desired path of development of S economic system; 3. Creation of a model that is simple enough for practical use by economists and the use of public data sets in it; studying influence of the bifurcation diagram at a certain time and bypassing the critical points of the system that lead to undesirable outcome.
Materials and methods: approximation of the statistical data sets, regression analysis, phase analysis, differential modeling.
© И.Н. Гераськина, А.В. Затонский 1229
Results: The authors developed a mathematical model that allows us to use statistical data on investment and construction activities and accurately forecast the chances of recession of the system, and also identify the sensitivity of order parameters to the dynamics of control variables, bifurcation states and behavior of the object under certain management conditions. Conclusions: the paper presents an approach to modeling and forecasting the trends of development of complex cyclic and stochastic subsystem of the national economy — investment and construction activities. We developed economic-mathematical model based on differential equation of the second order, allowing us to use statistical data and predict behavior of the system depending on management actions. We identified the dynamics of the impact of control variables on the order parameter of the economic system under study in various time periods. the obtained results should be used in strategic planning and management of innovative development of investment and construction activities of Russia.
KEY WORDS: construction, investments, economic system, differential simulation, order parameter, control parameter, prediction, development, crisis, cyclicity
FOR CITATION: Geraskina I.N., Zatonskiy A.V. Modelirovanie trenda investitsionnoy i stroitel'noy deyatel'nosti Rossiyskoy Federatsii [Modeling trends of investment and construction activities of the Russian Federation]. Vestnik MGSU [Proceedings of the Moscow State University of Civil Engineering]. 2017, vol. 12, issue 11 (110), pp. 1229-1239.
ВВЕДЕНИЕ
Инвестиционно-строительная деятельность (ИСД) является одной из приоритетных сфер национальной экономики и вносит вклад в прирост макроэкономических показателей страны — около 5,5 %. ИСД — это сложный и многогранный объект научного исследования, одна из важнейших саморегулируемых подсистем экономики, представляющая собой организованную совокупность структурных элементов с нелинейными связями, обладающих независимостью и самостоятельностью в выборе оптимального режима своего функционирования, ориентированных на экономически эффективную деятельность и удовлетворение общественных потребностей в объектах строительства. Характерными свойствами данной социально-экономической системы являются[1]:
• множественность разнородных субъектов и отношений между ними (транзакционные связи, схемы владения);
• наличие нелинейных связей, приводящих к возникновению относительно устойчивых структур;
• интеграционные и когерентные процессы;
• высокая адаптационная способность к турбулентным условиям среды и помехам;
т-
• системные отношения характеризуются организованностью;
£ • интеграция субъектов осуществляется на осно-
С ве прямых, обратных и резервных связей; л
• циклическая траектория развития;
рц • разнотипность строительного производства и характера конечной продукции, динамизм строи-2 тельно-монтажных работ по сложности и видам. |2 Учитывая перечисленные особенности и то, что ^ экономика России имеет потребность в формирова-О нии конкурентоспособного инвестиционно-строительного комплекса, соответствующего стандартам ^ качества, безопасности, экологичности и инноваци-онности, актуализируется потребность в эффектив-I- ном управлении развитием данной экономической Ф системы. В такой ситуации экономико-математиче-10 ское моделирование позволяет [2]:
• прогнозировать поведение системы в зависимости от управленческих воздействий;
• идентифицировать управляющие переменные и их взаимосвязи;
• выявить степень влияния управляющих факторов на параметры порядка экономической системы, а также структурную динамику.
Задача эффективного управления развитием ИСД и ее оценки трудна и многоаспектна по причинам сложности, стохастичности и высокой степени консильности системы. Традиционным подходом к решению указанной проблемы выступает: разбиение системы на блоки и получение интегрального показателя на основе оценки блоков; косвенная оценка на основании устоявшихся показателей; аппроксимация статистических данных.
ОБЗОР ЛИТЕРАТУРЫ
Традиции современного факторного и регрессионного анализа таковы, что в основу экономико-математических моделей помещают, как правило, алгебраические полиномы при построении линейных многофакторных моделей (ЛММ). В случае разработки динамических моделей, используют формулу
у )=у (х )) = а<> +Х ах ) у(*„) = а0 +Х(*„), (1)
I
где t — произвольный момент времени; 1п — время очередного отсчета значений в рядах факторов.
Такие модели упрощенно интерпретируются примерно как вложение инвестиций в предприятие по графику х(), которое позволяет получить чистый дисконтированный доход (или другой показатель экономической эффективности) у (х1 (t), zl ^)) с учетом требований рынка на продукцию (возмущающего воздействия) z1(t). При этом априорно полагается, что существует только линейная связь между факторами и значением реакции системы, а единственный динамический элемент в модели — временной лаг А! (например, в моделях вида:
у (х(:)) = а0 + Х ах (t -А)).
Подобные подходы используются в исследованиях [3-5], где по умолчанию принимается предположение о наличии только прямых связей между факторами и силой реакции, а единственный динамический элемент — чистое запаздывание, как, например, в моделях вида
у(х(:)) = а0 + Е,а,х, (:-А:).
(2)
С точки зрения авторов данной работы, такое предположение не правомерно. Из общефилософских рассуждений следует, что приложение силы всегда приводит к изменению ускорения определенного процесса, хотя бы во втором законе Ньютона. Поэтому было бы логично в основе экономико-математической модели иметь дифференциальное уравнение
d2x (:) 1
с:2
^ (:).
В качестве «сил» должны выступать значения факторов [6, 7].
Для сложных систем типа ИСД регрессионная идентификация коэффициентов связей между у(:) и х(:) без убедительного доказательства их взаимной независимости приводит к бессмысленности моделирования и прогнозирования. Те же результаты приносят попытки экстраполировать значения у(:) по данным временных рядов, в том числе с использованием авторегрессионных моделей.
Результаты современных исследований [7-13] развивают идеи моделирования экономических систем с применением регрессионно-дифференциального уравнения. Последним можно воссоздавать колебательные и циклические переходные процессы без дополнительных математических усилий (определения и исключения периодического процесса, тренда и т.д.), что невозможно учесть в [14].
материалы и методы
С целью определения очертаний экономико-математической модели ИСД, необходимо осуществить регрессионный анализ, а также выявить вид и порядок дифференциального уравнения. Важно получить достаточно простой инструмент для прогноза тренда ИСД, где не возникает проблемы идентификации данных. Использование в модели обыкновенного дифференциального уравнения 1-го порядка приводит к высокой погрешности прогнозирования и кусочно-ломаному тренду при интегрировании частичной аппроксимации факторов, к скачкам значений производной, что недопустимо исходя из особенностей экономической системы.
Регрессионно-дифференциальное моделирование (РДМ) обеспечивает достоверное совпадение
первой и второй производных ряда значений реакции. Это означает следующее: если исходный ряд увеличивается с замедлением, то и отрезок, полученный постпрогнозом, также будет расти с замедлением, хотя может и «обгонять», и «отставать» от исходного ряда. Прогнозирование на основе РДМ пока не свободно от недостатков и неясностей. К примеру, приходится действовать методом проб и ошибок, постепенно включая и исключая факторы, и наблюдая за изменением суммарного среднеквадратичного отклонения модели на протяжении всех исходных рядов данных или в пределах горизонта постпрогноза.
Итак, построение РДМ п-го порядка имеет вид
смо +у =
' сг
т
= а + ь-у-То) + Хс, -х -т,) +
,=1
т т
+ХХСу-X -Т )'Х, (:-Т, ) +
,=1 ,=1
т
+ХХ-[х (:-Т )]2, (4)
г=1
где — коэффициенты влияния младших производных реакции; а — константа, описывающая влияние одной п-й производной реакции при построении тренда; Ь — коэффициент «обратной связи», описывающий влияние значения реакции на ее же п-ю производную; т0 — лаг в обратной связи, производится путем последовательного включения в нее рядов факторов и отказа от включения фактора, если оно ухудшает погрешность модели; с. — коэффициенты влияния факторов; С, : г ^ } — коэффициенты взаимного влияния факторов; ^ = С. — коэффициенты влияния квадратов факторов; т. — лаг ,-го фактора. РДМ дополняется п - 1-м начальным условием:
С(п-1) у (0)
су (0) у СМ0)
с: ~ ^ с:2 Уо,
с:
(п-1)
(п-1)
■ = у0 ■
Неизвестными в данном случае являются все начальные условия, а также у°, а, Ь, с,, С,,, /,, т0, т.. Их поиск произведем минимизацией критерия, т.е. решением задачи минимизации:
{уа,Ь,с,,/,,Т0,т,} : 5(у '0,а,Ь,с,,/,,Т0,т, min.
В частности, если не принимать во внимание лаги, для РДМ второго порядка получим
СМ)+„ - М) = а+Ь - у (: )+|с, - X, (:) +
т т т 2
+ХХ с. - х, ) - X. (:) + X I, - [х, )] . (5)
,=1 .=1 ,=1
Поиск неизвестных произведем минимизацией критерия
Л
Ф
0 т
1
*
О У
Т
0
г
1
К)
В
г п
у
о *
^ п.
S = К y b)-y« (tk ))2
(6)
среднеквадратичного отклонения расчетной величины y(t) от статистических значений ряда реакции y (tk), т.е. решением задачи минимизации
{у0, a b, ci, d„, fi, V t}: S (у', a b, С, dy, fi, V t min. (7)
Для исключения влияния размерностей ряды факторов предварительно нормируются в интервал [0, 1]:
г,- (ч ) =
x (tk)- min x (tk) max x (tk)- min x (tk).
(8)
Ряд реакции нормируем аналогично. Технически минимизацию выполняем в среде Ма1ЬАБ.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
В качестве реакции системы ИСД авторами выбран статистический количественный показатель ввода в действие зданий, сооружений, отдельных производственных мощностей, домов, объектов социально-культурного назначения, измеряемый в тыс. м2, в максимальной степени характеризующий динамику развития исследуемой экономической системы.
Анализ множества статистических показателей ИСД с 1990 по 2016 г. позволил выделить влияющие на тренд факторы [15]:
У — инвестиции в основной капитал, млн руб. (до 1998 г. — млрд руб .); У2 — объем ипотечных кредитов, млрд руб.; У3 — затраты на 1 руб. работ, коп.; У, — население РСФСР/РФ, млн чел.; У —
>4 ' ' 5
среднемесячная заработная плата работников, тыс. руб.; У6 — индекс объема производства промышленности строительных материалов; У7 — сводный индекс цен на основные виды строительных материалов и работ; У8 — среднедушевые доходы насе-
ления, руб. в мес. (до 1998 г. — тыс. руб. в мес.); У9 — обеспеченность собственными ресурсами организаций строительной сферы; У10 — доля расходов на приобретение недвижимости в денежных расходах населения; У11 — ставка рефинансирования, %; У12 — годовая инфляция; У13 — объемы жилищного строительства, тыс. м2; У — индекс производительности труда, %; У15 — уровень рентабельности в строительстве, %; У — средние цены 1 м2 общей площади на первичном рынке жилья, руб.; У17 — наличие основных фондов, млрд руб.; У — число действующих строительных организаций, шт.
С императивом решения проблемы объективности оценки комплексного критерия системы ИСД решено использовать УВА-программу для полного перебора перестановок всех рангов методом Фишера—йетса [16]. Этим же методом были обследованы ранжировки (табл. 1).
Так как все частные критерии, входящие в комплексную оценку, варьировались с течением времени плавно, а небольшое колебание критерия оказывает минимальное влияние на динамику комплексной оценки, то можно предположить, что и она с течением времени изменялась равномерно. Таким образом, комплексная оценка представляет собой плавную функцию, а наилучшая ранжировка будет обеспечивать максимальную гладкость и минимум оценки:
S = ?(Y+1 - Y )2
^ min,
(9)
где — значение оценки, У.+1; У. — значения частных критериев.
Для каждой ранжировки рассчитано по 15 ее вариантов каждого вида с минимальным значением 5 (табл. 2).
Распределение с минимальным значением оценки — частичная ранжировка № 5 {10, 0, 7, 11, 9, 0, 0, 1, 13, 6, 4, 14, 8, 12, 0, 2, 5, 3} при которой
О >
С
ю
N ^
2 о
н >
о
X S I h
О ф
Табл. 1. Вид ранжировки и полученный результат по факторам
Вид ранжировки Результат
Полная, где участвуют все исходные частные критерии. Все они обладают разыми весовыми коэффициентами № 1: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18}
Частичные, с разными весовыми коэффициентами и исключением от одного до шести критериев № 2 № 3 № 4 № 5 № 6 № 7 {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17}; {0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16}; {0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15}; {0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14}; {0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13}; {0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Полные, где частные критерии могут иметь одинаковые весовые коэффициенты № 8 № 9 {1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6}; {1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3}
частичные, где частные критерии могут иметь одинаковые весовые коэффициенты и некоторые из них могут быть исключены № 10: {0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5}; № 11: {0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6}
k =1
табл. 2. Наилучшие распределения по видам с наименьшим значением оценки
Ранжировки
1 2 3 4 5 6 7 8 9 10 11
У1 5 8 16 13 1 0 5 4 3 2 6
У2 10 0 11 3 0 0 0 6 2 1 4
У3 9 11 3 15 7 11 8 3 2 4 5
У4 7 6 10 14 11 0 0 4 2 2 1
У5 8 13 7 8 9 10 6 5 3 0 0
4 17 0 0 0 0 0 4 3 5 4
12 9 15 12 0 6 0 6 3 4 0
У8 1 1 1 1 1 1 9 5 1 3 3
У9 16 15 13 9 13 8 7 3 2 2 0
У10 13 5 9 2 6 3 10 1 1 1 2
У11 17 14 6 0 4 9 11 2 2 3 0
У12 15 10 14 6 14 12 12 5 2 0 0
У13 14 12 8 5 8 13 4 2 1 5 6
У14 11 7 12 10 12 7 0 3 3 5 5
У15 18 16 0 0 0 0 0 6 3 0 0
У16 6 4 2 5 2 4 1 1 1 3 2
У17 2 2 5 7 5 2 3 1 1 1 3
У18 3 3 4 11 3 5 2 2 1 4 1
S 0,093 0,083 0,0796 0,085 0,077 0,082 0,094 0,113 0,113 0,112 0,114
5 = 0,077. Она обеспечивает минимальное значение негладкости оценки 5 = 0,088. Чуть большее значение 5 = 0,796 складывается в ранжировке № 3 (16, 11, 3, 10, 7, 0, 15, 1, 13, 9, 6, 14, 8, 12, 0, 2, 5, 4).
Отметим, что распределения № 3, 4, 5, 6, 7 присваивают частному критерию У6 ранг, равный нулю, т.е. признают его статистически незначимым. Аналогично распределения №3, 4, 5, 6, 7, 10, 11 от-
брасывают критерий У . Кроме того, критерий У8 наиболее часто имеет ранг, равный единице, что говорит о его высоком влиянии на комплексную оценку ИСД.
Исходя из этого, можно сделать следующий вывод: наименьшее значение на комплексную оценку ИСД в Российской Федерации в период 1990-2016 гг. оказывают индекс объема производства промыш-
табл. 3. Медианный ранг для значимых критериев гладких распределений
Варианты Критерии Медиана
1 2 3 4 5 6 7
У1 5 8 16 13 1 0 5 5
У2 10 0 11 3 0 0 0 0
У3 9 11 3 15 7 11 8 9
У4 7 6 10 14 11 0 0 7
У5 8 13 7 8 9 10 6 8
У7 12 9 15 12 0 6 0 9
У8 1 1 1 1 1 1 9 1
У9 16 15 13 9 13 8 7 13
У10 13 5 9 2 6 3 10 6
У11 17 14 6 0 4 9 11 9
У12 15 10 14 6 14 12 12 12
У13 14 12 8 5 8 13 4 8
У14 11 7 12 10 12 7 0 10
У16 6 4 2 5 2 4 1 4
У17 2 2 5 7 5 2 3 3
У18 3 3 4 11 3 5 2 3
S 0,093 0,083 0,0796 0,085 0,077 0,082 0,094 0,088
ленности строительных материалов и уровень рентабельности в строительстве, тогда как наибольшее значение имеют среднедушевые доходы населения.
В методе экспертиз для усреднения экспертных оценок и получения итоговой ранжировки вычисляются медианы и средние арифметических рангов. Для значимых критериев и распределения с наибольшей гладкостью вычислим медианный ранг (табл. 3).
На основании полученной медианы получаем распределение {5, 0, 9, 7, 8, 0, 9, 1, 13, 6, 9, 12, 8, 10, 0, 4, 3, 3}, где критерии У6 и У признаны незначимыми и их значения равны нулю. Проанализировав полученную ранжировку, приходим к выводу, что критерий У8 (среднедушевые доходы населения, руб. в месяц) имеет наибольшее влияние на комплексную оценку ИСД, а критерий У2 (объем
ипотечных кредитов, млрд руб.) практически незначим. Оценка медианной ранжировки составляет 5 = 0,088, что больше, чем у наилучшей, полученной при помощи специальной программы.
На рис. 1 приведены тренды динамики оценок по годам для полной ранжировки с разными весами критериев (№ 1), полного распределения с повторяющимися весами (№ 8), частичной ранжировки с разными весами (№ 5) и с повторяющимися весами (№ 10). Очевидно, что ранжировки с разными весами обеспечивают большую гладкость нежели те, в которых веса повторяются. Распределение, обеспечивающее минимум оценки, является лучшим по причине гладкости и его тренд расположен ниже.
На рис. 2 представлена медианная ранжировка критериев. Ее тренд близок по своему харак-
2 .•^'■'ч?^^4-'''*""'''"'^
..........'
№ 1 ■ № 5 № 8 № 10
0
1990 1995 2000 2005
^ Рис. 1. Тренды динамики оценок в зависимости от года
2010
2015
О >
С
во
N
X 5 I н
о ф
Ю
2
2 о
н
>»
О 1
медианная ранжировка
1990
1995
2000
2005
2010
2015
Рис. 2. Тренд медианной оценки в зависимости от года
6
5
4
3
4
3
0
теру к тенденциям распределений № 8 и № 10 на рис. 1. Это обеспечивает достаточную гладкость и подтверждает предположения о значимости влияния на комплексную оценку среднедушевых доходов населения У отсутствии влияния на оценку индекса объема производства промышленности строительных материалов и уровня рентабельности в строительстве. Кроме того, исключается влияние критерия объема ипотечных кредитов У2.
На всех представленных графиках (рис. 1, 2) наблюдается повышение тренда с небольшими колебаниями в период 1995-2015 гг. Затем отмечается падение оценки, что не противоречит информации с официальных сайтов: «Колебания динамики строительства жилья воспроизводят специфику данной сферы экономической деятельности, зависящей от конъюнктурных факторов. В период снижения экономической активности отмечается инерционный рост объемов ввода жилья, что вызвано завершением реализации ранее начатых проектов. В то же время уже формируется тренд на снижение объемов нового строительства, который в полной мере, с учетом траектории строительного цикла, отразится в статистике в ближайшие годы» [17, 18].
ВыВОДы
Результат моделирования с погрешностью аппроксимации 0,1145833 представлен на рис. 3.
Значения коэффициентов факторов модели оказываются следующими:
Фактор
У,
У15
У,,
Значение
0,2371
0,214
0,0843
0,2493
-0,1344
-0,1786
0,0046
Результаты моделирования свидетельствуют о том, что результирующие показатели ИСД скорее всего сохранят свои фактические значения в ближайшие два года, после чего последует их резкое падение (минимум на 30 %) и период рецессии. Варьируя значения управляющих переменных, выявленных при моделировании, а также оптимизировав структуру ИСД и синхронизировав инновационные циклы, можно избежать кризисного момента и добиться системной устойчивости в перспективе [19, 20]. Это важно учитывать при стратегическом планировании и управлении инновационным развитием инвестиционной и строительной деятельности России. Важнейшая проблема современного отечественного инвестиционно-строительного комплекса — отсутствие конкурентной среды и господство монополий, в результате чего 90 % прибыли получают крупные, вертикально-интегрированные компании. Например, в Санкт-Петербурге девять строительных организа-
У
2
У
11
У
13
У
14
Рис. 3. Результат моделирования ИСД
ций выполняют 85 % всех объемов работ, получая при этом 90 % прибыли. В таких условиях малому и среднему бизнесу просто некуда приложить свои усилия. В результате в 2016 г. на строительном рынке страны функционировало около 30 % убыточных строительных организаций. Они с трудом справляются с долговыми обязательствами. За год доля просроченных ими рублевых кредитов выросла почти на 9 % и достигла уровня 23 %. При этом в абсолютных цифрах просроченная задолженность увеличилась в полтора раза — до 400 млрд руб. Такая ситуация способствует самоорганизации в области слияний и поглощений друг другом субъектов инвестиционно-строительного комплекса.
Стратегическое управление ИСД целесообразно подчинить модели гармоничного соотношения частей системы, позволяющей эффективно развивать бизнес в направлении устойчивости и минимизации затрат. Исходя из представленных данных, очевиден структурный дисбаланс в ИСД: доля малого бизнеса составляет 96 %, а крупного — 4 %. Такое распределение организаций по формам собственности не способствует сбалансированному развитию. Целесообразнее стремиться к гармоничной пропорции в структуре, где доля частной собственности будет 62 %, а доля государственной — 38 %. Такого подхода необходимо придерживаться для обеспечения структурной устойчивости экономической системы.
Важно понимать, что тренд развития экономики задает топологию траектории движения ее подсистем, а национальная экономическая система имеет существенные потери от периодически повторяющихся
кризисов и структурной несбалансированности. Кризисы последних десятилетий демонстрируют гипер-трофированность долей отдельных отраслей в ВВП (например, финансового сектора), существенно искажающих результаты экономической деятельности, а диспропорциональность социально-экономического развития ее подсистем все еще остается одной из главных проблем национальной экономики.
Возрастание значимости инновационного развития приводит к необходимости более глубокого исследования свойств и особенностей экономических систем, содержания и форм взаимодействия ее элементов, поиска путей повышения ее эффективного развития. Проведенные исследования по некоторым аспектам эффективного управления инновационной деятельностью и сбалансированности развития социально-экономических систем продемонстрировали необходимость активного применения междисциплинарных подходов, формирования новой парадигмы изучения, учитывающей динамику параметров порядка социально-экономической системы и степень влияния управляющих переменных на ее тренд. Своевременные управленческие решения по коррекции структурной и промышленной политики могут существенно смягчить диспропорции в этой системе. Основными стратегическими ориентирами выступают: защита прав собственности субъектов хозяйствования, создание конкурентной среды, ужесточение и строгое соблюдение антимонопольного законодательства, стимулирование инновационной деятельности, диверсификация, повышение инвестиционной привлекательности и творческой активности субъектов ИСД.
литература
1. Гераськина И.Н. Инвестиционно-строительный комплекс России — синергетическая система //
w Экономический анализ: теория и практика. 2017. £ Т. 16. № 2. С. 328-339.
2. Янченко Т.В., Затонский А.В. Модель крае-£ вого социального ресурса на основе регрессионноЕ дифференциального уравнения второго порядка // jg Новый университет. Серия: Технические науки. N 2014. № 5-6. С. 23-37.
3. Миролюбова А.А. Методология моделирова-2 ния инвестиционного процесса в реальном секторе |2 экономики региона : автореф. дис. ... д-ра экон. ^ наук. Иваново, 2012. 32 с.
4. Дзюба С.А. Модели управления подсистемами предприятия в сфере среднего бизнеса и их ин-
^ струментальное обеспечение: автореф. дис. ... д-ра
экон. наук. Иркутск, 2011. 34 с. I- 5. Мицек Е.Б. Эконометрическое моделирова-Ф ние инвестиций в основной капитал экономики Рос-
сии : автореф. дис. ... д-ра экон. наук. Екатеринбург, 2011. 40 с.
6. Малинецкий Г.Г. Математические основы синергетики: хаос, структуры, вычислительный эксперимент. М. : Либроком, 2012. 312 с. (Синергетика: от прошлого к будущему)
7. Затонский А.В. Преимущества дифференциальных моделей в эколого-экономическом моделировании // Известия Томского политехнического университета. Инжиниринг георесурсов. 2012. № 5. С. 134-139.
8. Моделирование и прогнозирование глобального, регионального и национального развития / отв. ред. А.А. Акаев, А.В. Коротаев, Г.Г. Малинецкий, С.Ю. Малков. М. : Либроком, 2012. 488 с.
9. Акаев А.А., Румянцева С.Ю., Сарыгулов А.И., Соколов В.Н. Структурно-циклические процессы экономической динамики. СПб. : Изд-во Политехн. ун-та, 2016. 392 с.
10. Белоногое Д.С. Прогнозирование станкостроения в Российской Федерации на основе математических многофакторных моделей // Первый шаг в науку. 2016. № 5-6 (17-19). С. 12-17.
11. Ракаева Т.Г. Регрессионно-дифференциальная модель динамики горной промышленности Пермского края // Новый университет. Серия: Технические науки. 2015. № 7-8 (41-42). С. 47-53.
12. Сиротина Н.А., Затонский А.В. Преимущества дифференциальной модели сложной экономической системы // Образование. Наука. Научные кадры. 2012. № 8. С. 98-102.
13. Клейнер Г.Б. Устойчивость российской экономики в зеркале системной экономической теории. ч. II // Вопросы экономики. 2016. № 1. С. 117-138.
14. Гераськина И.Н. Управление инновационным развитием социально-экономических систем. Саранск, 2017. 170 с.
15. Основные показатели инвестиционной и строительной деятельности в Российской Федерации // Федеральная служба государственной статистики. Режим доступа: http://www.gks.ru/wps/wcm/
connect/rosstat_main/rosstat/ru/statistics/publications/ catalog/doc_1140096774766.
16. Кнут Д.Э. Искусство программирования: в 4 т. / пер. с англ. 3-е изд. Т. 2. М. : Вильямс, 2007. 832 с.
17. Бюллетень социально-экономического криза в России. Вып. 11: Жилищное строительство и рынок недвижимости в период спада экономики. Режим доступа: http://ac.gov.ru/files/publication/a78353. pdf.
18. Деловой климат в строительстве. 2016. № 1. Режим доступа: https://iq.hse.ru/news/179333810.html.
19. Клейнер Г.Б. Структурная модель общего равновесия в интерьере системной экономики // Математические методы в современных экономических исследованиях : сб. ст. М. : Проспект, 2014. С. 65-88.
20. Клейнер Г.Б. Системный ресурс стратегической устойчивости экономики // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2015. № 4 (223). С. 10-24.
Поступила в редакцию 27 июля 2017 г. Принята в доработанном виде 3 октября 2017 г. Одобрена для публикации 29 октября 2017 г.
Об авторах: Гераськина Инна Николаевна — кандидат экономических наук, доцент, доцент кафедры управления организацией, Санкт-Петербургский государственный архитектурно-строительный университет (СПбГАСу), 190005, г. Санкт-Петербург, ул. 2-я Красноармейская, д. 4, [email protected], РИНЦ 511970; SCOPUS S2352146517300819#;
затонский андрей Владимирович — доктор технических наук, профессор, заведующий кафедрой автоматизации технологических процессов, березниковский филиал «Пермский национальный исследовательский политехнический университет» (БФ ПНИПу), 1618404, Пермский кр., г. Березники, ул. Тельмана, д. 7, [email protected]; ORCID 0000-0003-1863-2535; РИНЦ 158505; SCOPUS 56069394200.
references
1. Geras'kina I.N. Investitsionno-stroitel'nyy kom-pleks Rossii — sinergeticheskaya sistema [Investment and construction complex of Russia as a synergetic system]. Ekonomicheskiy analiz: teoriya i praktika [Economic Analysis: Theory and Practice]. 2017, vol. 16, no. 2, pp. 328-339. (In Russian)
2. Yanchenko T.V., Zatonskiy A.V. Model' krae-vogo sotsial'nogo resursa na osnove regressionno-differentsial'nogo uravneniya vtorogo poryadka [Regional social potential model based on second order regression-differential equation]. Novyy universitet. Seriya: Tekhnicheskie nauki [New University. Series: Engineering]. 2014, no. 5-6, pp. 23-37. (In Russian)
3. Mirolyubova A.A. Metodologiya modelirovani-ya investitsionnogo protsessa v real'nom sektore eko-
m
ф
nomiki regiona : avtoreferat dissertatsii ... doktora ^
ekonomicheskikh nauk [Methodology of modeling the r
investment process in the real sector of the economy O
of the region : author's abstract of the thesis of doctor ^
economical sciences]. Ivanovo, 2012. 32 p. (In Russian) o
4. Dzyuba S.A. Modeli upravleniya podsiste- 2 mami predpriyatiya v sfere srednego biznesa i ikh ^ instrumental'noe obespechenie : avtoreferat disserta- ^ tsii ... doktora ekonomicheskikh nauk [Models of man- T agement of subsystems of the enterprise in the sphere of y medium-sized business and their instrumental support : O author's abstract of the thesis of doctor economical sci- 1 ences]. Irkutsk, 2011. 34 p. (In Russian)
5. Mitsek E.B. Ekonometricheskoe modelirovanie 1 investitsiy v osnovnoy kapital ekonomiki Rossii: av-
toreferat dissertatsii ... doktora ekonomicheskikh nauk [Econometric modeling of investments in the main capital of the Russian economy: author's abstract of the thesis of doctor economical sciences]. Ekaterinburg, 2011. 40 p. (In Russian)
6. Malinetskiy G.G. Matematicheskie osnovy sinergetiki: khaos, struktury, vychislitel'nyy eksperi-ment [Mathematical foundations of synergetics: chaos, structures, computational experiment]. Moscow, Li-brokom Publ., 2012. 312 p. (Sinergetika: ot proshlogo k budushchemu [Synergetics: from past to future]) (In Russian)
7. Zatonskiy A.V. Preimushchestva differentsi-al'nykh modeley v ekologo-ekonomicheskom mod-elirovanii [Advantages of differential models in environmental and economic modeling]. Izvestiya Tomskogo politekhnicheskogo universiteta. Inzhiniring georesur-sov. [Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering]. 2012, no. 5, pp. 134-139. (In Russian)
8. Akaev A.A., Korotaev A.V., Malinetskiy G.G., Malkov S.Yu. eds. Modelirovanie i prognozirovanie global'nogo, regional'nogo i natsional'nogo razvitiya [Modeling and forecasting of global, regional and national development]. Moscow, Librokom Publ., 2012. 488 p. (In Russian)
9. Akaev A.A., Rumyantseva S.Yu., Sarygu-lov A.I., Sokolov V.N. Strukturno-tsiklicheskie protsessy ekonomicheskoy dinamiki [Structural and cyclic processes of economic dynamics]. Saint-Petersburg, Polytechnical University, 2016. 392 p. (In Russian)
10. Belonogov D.S. Prognozirovanie stankostroeni-ya v Rossiyskoy Federatsii na osnove matematicheskikh mnogofaktornykh modeley [Forecasting of machine tool construction in the Russian Federation on the basis of mathematical multifactor models]. Pervyy shag v nauku [First step in science]. 2016, no. 5-6 (17-19), pp. 12-17.
© (In Russian)
11. Rakaeva T.G. Regressionno-differentsial'naya w model' dinamiki gornoy promyshlennosti Permsk-^ ogo kraya [Regressive-differential model of the min-5i ing industry of the Perm region]. Novyy universitet. £ Seriya: Tekhnicheskie nauki [New University. SeE ries: Engineering]. 2015, no. 7-8 (41-42), pp. 47-53. Ig (In Russian)
^ 12. Sirotina N.A., Zatonskiy A.V. Preimushchest-va differentsial'noy modeli slozhnoy ekonomicheskoy 2 sistemy [Advantages of the differential model of a com-|2 plex economic system]. Obrazovanie. Nauka. Nauchnye
O
Received July 27, 2017. ^ Adopted in final form on October 3, 2017. i Approved for publication on October 29, 2017.
kadry [Education. Science. Scientific Staff]. 2012, no. 8, pp. 98-102. (In Russian)
13. Kleyner G.B. Ustoychivost' rossiyskoy eko-nomiki v zerkale sistemnoy ekonomicheskoy teorii. Ch. II [Sustainability of Russian economy in the mirror of the system economic theory (Part 1)]. Voprosy eko-nomiki [Issues of Economics]. 2016, no. 1, pp. 117-138. (In Russian)
14. Geras'kina I.N. Upravlenie innovatsionnym razvitiem sotsial'no-ekonomicheskikh sistem [Management of innovative development of socio-economic systems]. Saransk, 2017. 170 p. (In Russian)
15. Osnovnye pokazateli investitsionnoy i stroitel'noy deyatel'nosti v Rossiyskoy Federatsii [Main indicators of investment and construction activities in the Russian Federation]. Federal'naya sluzhba gosudarstvennoy statistiki [Federal Service of State Statistics]. Available at: http://www.gks.ru/wps/wcm/ connect/rosstat_main/rosstat/ru/statistics/publications/ catalog/doc_1140096774766. (In Russian)
16. Knuth D.E. The Art of Computer Programming. 2: Seminumerical Algorithms. 3rd ed. Addison-Wesley Professional, 1997.
17. Byulleten' sotsial'no-ekonomicheskogo krizisa v Rossii [Bulletin of the socio-economic crisis in Russia]. Issue 11: Zhilishchnoe stroitel'stvo i rynok ned-vizhimosti v period spada ekonomiki [Housing construction and real estate market in the period of economic decline]. Available at: http://ac.gov.ru/files/ publication/a/8353.pdf. (In Russian)
18. Delovoy klimat v stroitel'stve [Business climate in construction]. 2016, no. 1. Available at: https://iq.hse. ru/news/179333810.html. (In Russian)
19. Kleyner G.B. Strukturnaya model' obshchego ravnovesiya v inter'ere sistemnoy ekonomiki [Structural model of general equilibrium in the interior of a systemic economy]. Matematicheskie metody v sovremen-nykh ekonomicheskikh issledovaniyakh : sbornik statey [Mathematical Methods in Modern Economic Research: collected works] Moscow, Prospekt Publ., 2014, pp. 6588. (In Russian)
20. Kleyner G.B. Sistemnyy resurs strategicheskoy ustoychivosti ekonomiki [System resource of the strategic stability of the economy]. Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogo politekhnicheskogo universiteta. Ekonomicheskie nauki [St. Petersburg Polytechnic University Journal of Economical Sciences]. 2015, no. 4 (223), pp. 10-24. (In Russian)
About the authors: Geras'kina Inna Nikolaevna — Candidate of Economic Sciences, Associate Professor, Head of the Department of Management Organization, Saint Petersburg State University of Architecture and civil engineering (SPSUAcE), 4 2ya Krasnoarmeiskaya str., Saint-Petersburg, 19ООО5, Russian Federation; Geraskina82@ mail.ru; РИНЦ 51197О; SCOPUS S2352146517300819#.
Zatonskiy Andrey Vladimirovich — Doctor of Technical Sciences, Professor, Head of Department of Automation of Technological Processes, Perm National Research Polytechnic University, Berezniki branch (BB PNRPU), 7 Telmana str., Berezniki, Perm oblast, 16184О4, Russian Federation; [email protected]. ORCID ОООО-ООО3-1863-2535; РИНЦ 1585О5; SCOPUS 56О693942ОО.
m
ф
0 H
1
s
*
о У
Т
0 s
1
К) n
г
<
о *