CC BY
13УДК: 330,342,4
ОБ ИСПОЛЬЗОВАНИИ ПРИНЦИПОВ ФУНКЦИОНИРОВАНИЯ ЖИВЫХ СИСТЕМ В МОДЕЛИРОВАНИИ ЭКОНОМИЧЕСКИХ СИСТЕМ
Иванус А.И.
Финансовый университет при Правительстве Российской Федерации (Финуниверситет), Москва
Аннотация. Рассматривается подход к моделированию экономических систем с использованием универсальных классических принципов, применяемых к живым системам. Это дает возможность более полного понимания динамики развития экономических систем, что позволяет использовать более совершенные алгоритмы управления. В частности, делается вывод о целесообразности использования в алгоритмах управления экономическими системами методов нейросетевого моделирования.
Ключевые слова: живая система, энтропия, структура системы, скорость развития, нейронные сети
ABOUT USING THE PRINCIPLES OF LIVING SYSTEMS IN THE MODELING OF
ECONOMIC OBJECTS
Ivanus A.I.
Financial University under the Government of the Russian Federation, Moscow
Abstract. An approach to modeling economic systems using universal classical principles applied to living systems. This gives a more complete understanding of the dynamics of development of economic systems that allows the use of more sophisticated control algorithms. In particular, the conclusion about expediency of use in the algorithms of management of economic systems methods neural network modeling.
Key words: living system, the entropy structure of the system, the speed of development, neural networks
В настоящее время в экономических исследованиях наметилась устойчивая тенденция сравнивать поведение экономических систем с поведением живых систем (ЖС). Это вполне логично и объяснимо, хотя бы потому, что экономические системы, включают в своем составе живых людей, и поэтому не могут не придавать экономическим процессам признаков живого существа. Такое сравнение достаточно убедительно позволяет объяснить наличие огромного поведенческого разнообразия в экономике. Это разнообразие ощутимо практически везде - от сферы финансов, где банковские транзакции протекаю очень быстро, до отраслей с длительным циклом материального производства. В значительной степени поведенческое разнообразие порождает существенную непредсказуемость
экономических процессов и, как следствие, вынуждает искать новые методы управления. В этом плане природные ЖС, которые не просто живут в конкурентной среде, но и успешно выживают в ней, могут подсказать правильные направления поиска. Данное обстоятельство послужило поводом к проведению ряда исследований, изложенных ниже.
Принципы поведения ЖС
При проведении анализа всего спектра поведения ЖС, мы в первую очередь обращаем внимание на очевидный факт, что для ЖС характерно непрерывное потребление вещества. Обозначим величину потребляемого вещества через Qпотр. Это количество вещества направлено на обеспечение существования двух взаимосвязанных и взаимодополняемых процессов:
1. Поддержание структуры ЖС. Поскольку структура ЖС есть структура самообновляемая, то естественному процессу её распада необходимо противопоставить некоторый компенсационный процесс восстановления, как процесс поддержания необходимого заданного уровня структуры. Но поскольку по количеству используемого вещества «величина распада = величина восстановления» структуры, то можно считать, что количество этого вещества равно Qрасп = Qвосст = Qструкт .
2. Обеспечение процессов развития ЖС. Обозначим эту составляющую Qразв. В процессы развития ЖС обычно включают:
• процесс качественного совершенствования структуры,
• процесс количественного роста структуры,
• процесс накопления вещества на будущее для:
а) формирования новых будущих процессов развития, которых в настоящем еще пока нет, и они предполагаются в будущем,
б) создания страхового запаса вещества, если вдруг произойдет сбой в добыче необходимого его количества.
С учетом вышесказанного можно записать равенство:
Qпотр = Qразв + Qструкт, (1)
или в эквивалентной форме:
Qразв = Qпотр - Qструкт. (2)
Вербальный аналог этой формулы хорошо известен: ЖС всегда потребляет вещество в количествах, больших, чем это необходимо только для поддержания уровня сложности её структуры. Аналогичные рассуждения можно привести и для ряда других фундаментальных параметров ЖС:
1. Для термодинамической энтропии подобное равенство выглядит так:
ЛSразв = Sпотр - Sструкт, (3)
где Sразв, Sпотр и Sструкт соответствуют величинам вещества, предназначенных для развития ^разв), потребления ^потр) и восстановления структуры ^структ).
2. Обмен ЖС с внешней средой происходит и на информационном уровне. Влияние внешней информации на поведение системы может быть оценено через приращение энтропии информации:
ЛНразв = Нпотр - Нуст (4)
Данное равенство отражает адаптационные свойства ЖС и указывает, что энтропия информационного ресурса, направленного на развития ЖС, формируются как разность энтропий двух информационных потоков: потребляемого системой из внешней среды и идущей на формирование структуры внутренней модели устойчивого поведения ЖС [1].
Принципы поведения экономических систем
В экономических системах (ЭС) аналогом уравнений (2), (3) и (4) служит прибыль, которую как ресурс развития, можно записать в виде равенства
ЛDразв = Dвыр - Dзатр (5)
где Dвыр - выручка от продажи товара (услуги),
Dзатр - затраты на производство товара (услуги).
Обычно величину Dвыр стремятся максимизировать, для чего и нужен механизм рынка. Здесь государственное регулирование цены, а, следовательно, и выручки, явно проигрывает перед возможностями рынка.
А вот Dзатр, наоборот, необходимо минимизировать, и здесь вопрос о преимуществах рынка над государственным способом регулирования не столь очевиден. Мы помним из советского прошлого, до какой степени совершенства (и даже фанатизма) была доведена система ограничения и экономии затрат. И главными объектами минимизации были: заработная плата, условия жизни, расходы материалов, энергии и т.д. Всё было доведено до минимума, ничего лишнего.
Для этого разрабатывалась системы нормативов, квот и лимитов по расходу всего и вся.
В результате минимизации затрат и максимизации выручки получается величина прибыли ADразв, которая, как известно, является практически единственным источником развития и роста экономической системы. Часть их идет в налоги, а часть на развитие.
Принцип Г. Циглера
Но дальше всех продвинулся Г.Циглер, предложив новый динамичный вариант энтропийной оценки, который можно рассматривать с позиций единства применения как для ЖС, так и для ЭС [2].
В соответствии с принципом Г.Циглера
измеряются не только величины энтропии, но и
их производные по времени, то есть скорости:
йД5разв й5потр Й5структ -=--- (6)
й й Л у 7
Непосредственно в виде равенства (6) принцип максимальной скорости сам Г.Циглер не формулировал, но в ряде работ [3] указывается на правомерность именно такой трактовки:
«.....из принципа максимума производства
энтропии следует, что скорость стремления к состоянию с максимальной энтропией наибольшая. Система в каждый момент времени так подбирает свой поток при фиксированных силах (потоках), чтобы изменение энтропии было наибольшим и соответственно движение к конечному состоянию происходило наискорейшим образом.
...в макроскопической неравновесной системе самопроизвольно протекают лишь те процессы, которые при заданных внешних условиях приводят систему к термодинамическому равновесию наиболее быстро.
....окружающий нас мир производит порядок (организуются более упорядоченные
подсистемы, в том числе и человек), как только получит шанс, потому что порядок производит энтропию быстрее».
Мы убеждаемся в работоспособности данного принципа для ЭС в самом широком диапазоне примеров его проявлении. Примеров, подтверждающих данный вывод о скорости, причем не только в экономике, можно привести множество.
1. Известны слова В.И. Ленина «Производительность труда - это, в последнем счете, самое важное, самое главное для победы нового общественного строя». [В.И. Ленин. Великий почин. ПСС. Т, 39, с. 21]. Если учесть, что производительность труда есть не что иное, как скорость производства товаров, то становится объяснимым тот факт, что развитие современной экономики России тормозится в значительной степени и по этой причине.
2. Быстродействие станков и оборудования, от которых непосредственно производительность труда зависит - это тоже по сути скорость.
3. В экономике кроме скорости производства товаров есть и такие показатели, как скорость перемещения товаров, которые определяется скоростью транспортных средств (поездов, самолетов, кораблей). Здесь всегда велась и будет вестись борьба за их скорость в буквальном смысле.
4. В военном деле скорость перемещения войск, или мобильность, является решающим фактором победы, даже в случае, если нет достаточного перевеса в людях и технике.
5. В учебе также скорость овладения учебным материалом всегда поощрялась и ценилась.
6. В технологиях управлении скорость подготовки, обработки данных, принятия решений, имеет решающую роль. Быстродействие информационно-компьютерных систем есть фактор, за который борются все разработчики во всем мире. Скорость здесь имеет тенденцию всегда только роста.
7. Даже такое негативное явление, как взятки, по своей сути также являются фактором стимулирования скорости продвижения каких-либо «разрешительных» бюрократических процессов.
А вот такое явление, как бюрократизм, наоборот, всегда тормозит скорость, поэтому он всегда был замедляющим явлением, и это есть одна из причин, почему он вызывает отрицательное к себе отношение. Поэтому с бюрократизмом всегда борются.
Универсальный подход к моделированию ЖС и ЭС
В общем виде единый универсальный вид параметров поведения ЖС и ЭС, связывающий прошлое, настоящее и будущее, может быть представлен следующим равенством:
РАЗВИТИЕ (направленное в будущее время) = РЕСУРСЫ (приобретённые в настоящее время) - ЗАТРАТЫ на поддержание существующего состояния (структура, устойчивость, реализованные в прошедшем времени).
Ниже приводится таблица 1, где эта связь времен конкретизирована для ряда выбранных фундаментальных параметров ЖС и ЭС. Из таблицы 1 видно, что структура всех уравнений развития однотипна для всех приведенных параметров.
Таблица 1.
N Фундаментальные параметры ЖС и ЭС Критерии оптимальности, к которым стремятся параметры ЖС и ЭС и их временная связь
мах мах Мт
будущее настоящее Прошлое
1 Количество вещества Qразв = Qпотр - Qструкт
2 Энтропия термодинамическая ASразв = Sпотр - Sструкт (тах по Больцману) (тт по Пригожину)
3 Энтропия информационная ДНразв = Нпотр - Нуст
4 Прибыль в экономике ADразв = Dвыр - Dзатр
5 Скорость прироста энтропии (по Циглеру) ^5разв дХ ^5потр <И ^структ
Эта однотипность позволяет объяснить и сформировать общий подход к ЖС и ЭС, которую в общем виде с использованием некоторой обобщенной величины W можно записать:
Wразв = max Wпотр - min Wструкт (7)
Еще более обобщая полученные результаты, мы приходим к выводу, что максимизация величины потребления - это есть своего рода вынужденная мера, залог возможности существования ЖС и ЭС, иначе она не сможет обеспечить развитие своей собственной структуры. И эта вынужденная мера называется экспансией. В экономике рост энтропии эквивалентен явлению экспансии экономической системы: рост логистических связей, рост ассортимента продукции и т.д.
В этой связи уместно вспомнить слова академика А.Д.Сахарова: «Смысл жизни - в экспансии».
Распределение элементов структуры ЭС
Если рассматривать распределения элементов структуры ЭС, то в этих распределениях должны отражаться все приведенные в таблице 1 равенства.
Рассмотрим эти распределения.
ЭС описываются негауссовыми
распределениями (типа гиперболических или Ципфа-Парето) элементов в структуре.
Графически распределение количества Р элементов структуры по номерам уровней иерархии N выглядит следующим образом (рисунок 1):
Р(х)
1 2 n
Рисунок 1 - Гиперболический закон распределения элементов структуры ЭС
P(N) = AN
-(1+а)
(8)
где А -константа, N - номер уровня иерархии, а - параметр распределения. Происхождение гиперболического закона следует из следующих соображений.
Разность между Wпотр и Wструкт и есть величина Wразв, составляющая ресурс для развития ЭС. Ради максимизации этого ресурса, с одной стороны, максимизируются значения «Хроноэкономика» № 5 (7). Октябрь 2017
параметров потребления и, с другой, -минимизируются значения параметров структуры.
Можно эту же идею изобразить в виде следующей схемы (рисунок 2.)
Элементы самого нижнего уровня 1 связаны непосредственно с ресурсами, которые используются для строительства структуры на более высоких уровнях. Т.е. они являются своего рода добытчиками «стройматериалов».
В процессе такого разделения обязанностей в ЭС элементы уровня 2 являются потребителями ресурсов, а элементы уровня 1 - поставщиками этих самых ресурсов, т.е. посредниками между потребителями и ресурсами.
Чтобы каждый из уровней мог существовать и функционировать в составе системы, необходимо наличие следующего подхода: он должен быть посредником, т.е. микросистемой, реализующей суть уравнений таблицы 1.
В пределе самый верхний уровень состоит из одного элемента, а самый нижний - из максимального количества элементов.
Для каждого уровня можно записать уравнение таблицы 1:
Wi разв = Wiпотр - Wiструкт . (9)
Wiпотр - потребляется с нижнего >1 уровня,
Wiструкт потребляется ьм уровнем на формирование своей собственной структуры,
Wi разв - поступает на развитие своей структуры и также в качестве ресурса на вышестоящую структуру:
Wi разв = Wi разв. собств. + Wi+1 потр. (10)
Ясно, что Wi разв > Wi+1 потр, т.е. на верхний i+1 уровень поступает от ьго меньше ресурсов, чем >ый уровень вырабатывает. Поэтому численность i+1 уровня всегда меньше, чем >го.
Отсюда получается система распределения с постоянным коэффициентом уменьшения каждого верхнего этажа. Вследствие этого получается гиперболический закон
распределения.
Нетрудно видеть, что для потребителей (структуры) посредники-поставщики выполняют специфическую функцию, которую можно условно назвать функцией «желудка». Реальный желудок любого живого организма сначала увеличивает энтропию поглощаемой пищи Нпотр и только потом она в качестве ресурса поступает на уровень 1.
Уровень 2 - это топ-менеджмент, любая верхушка любой организационной структуре: в бизнесе, политике, науке, армии.
Уровень 2-
потребители
ресурсов
Уровень 1-
посредники-
поставщики
Ресурсы
Рисунок 2. Принцип формирования уровней структуры.
логистического уравнения Ферхюльста);
5) реализация процесса формирование управленческих решений путем мониторинга состояния и оперативного управления изменениями.
Для выполнения обозначенных этапов необходимо сформировать:
• модель иерархической структуры финансово-экономических параметров ЭС,
• модель неопределённости внешней среды,
• модель формирования управленческих решений на основе полученных значений отклонений.
Модели структуры деятельности и структуры рисков строятся в виде специального вида графов - деревьев, а модель организационной структуры является многослойной
иерархической структурой.
Технология применения принципа пропорций Фибоначчи может быть представлена следующим образом:
1. Выделение множества финансово-экономических показателей и построение бинарного (или триадного) дерева, вершинами которого являются избранные факторы, т.е. формирование самоподобной фрактальной структуры.
2. Взвешиванием вершин полученного бинарного дерева, состоящего из двух вершин, выбирается более медленная, которой присваивается вес 0,62, а более быстрая взвешивается значением 0,38 [4]. Процедура присвоения весов выполняется последовательно
Уровень 2 поглощает после повышения энтропии ресурсы с помощью посредников 1 -го уровня.
Гиперболический закон на рис. 1 есть закон самоподобного распределения элементов в структуре системы, т.е. каждый вышестоящий уровень повторяет структуру уровня нижестоящего.
О моделировании ЭС в условиях неопределённости
Функционирование ЭС происходит в двух основных режимах:
1) обычный режим при наличии незначительного или среднего уровня неопределённости,
2) режим готовности при наличии существенного уровня неопределённости.
В условиях неопределённости система управления должна обеспечивать устойчивое функционирование ЭС и решение этой задача осуществляется в пять этапов:
1) построение в соответствии с [4] эталонной гармоничной структуры ЭС на основе принципа пропорций Фибоначчи;
2) мониторинг, выявление отличий реальной структуры ЭС от гармоничной;
3) оценка величины отклонения реальной и гармоничной структур;
4) сопоставление (экспертным путем или на основе математического моделирования) значений отклонений параметров структуры ЭС, значений соответствующих рисков и уровней неопределённости (например, на основе
от вершины - корня дерева к его конечным вершинам.
3. Применение построенного взвешенного дерева к решению задачи принятия решений. Если необходимо выполнить задачу распределения весов, то она выполняется от корня дерева, тогда общая сумма распределяется согласно весам вершин. При построении интегрального показателя процедура выполняется в противоположном направлении - определяются значения факторов, которые отвечают конечным вершинам дерева, полученные значения нормируются и, как правило, приводятся к интервалу от 0 до 1, потом нормированные значения «сворачивают», коэффициенты свертки - веса вершин факторов. Процедура свертки заканчивается при достижении корня дерева.
У пропорций Фибоначчи имеются несколько замечательных свойств, которые в совокупности образуют универсальный системообразующий инструментарий, а именно:
• свойства фрактала, т.е. самоподобия, как способа создания иерархических структур любой сложности;
• свойство максимальной простоты возникновения, как элементарной суммы частей в целом;
• наличие примитивной памяти;
• устойчивость к внешним возмущениям.
Данные свойства компенсируют
отрицательное влияние факторов
неопределенности.
После задания весов вершин проводится анализ отклонения реальных построенных структур от идеальных и динамики изменений в структуре под влиянием внешних и внутренних факторов.
Сопоставление структуры деятельности со структурой рисков является основой построения модели оценивания интегрального риска [5].
Оценка отклонения реальных финансово-экономических параметров от их гармоничного эталона может производиться любым из способов:
а) разностный - прямого сравнения реальных значений показателей с гармоничными эталонными
К = ^^ - ^^ гарм (11)
с последующим каким-либо способом интегрирования по всем значениям ^ например:
ь = (ЕГ=1 АО
или — 1;\2
2ч 1/2
ь = (2Г=1 А1)2, (Е?=1 Ю
или другие аналогичные разностные меры. «Хроноэкономика» № 5 (7). Октябрь 2017
Выбор меры разности представляет собой отдельную самостоятельную задачу и здесь не рассматриваются.
б) с использованием энтропийного показателя в соответствии с [4]:
Н = - X рi * 1п pi, (12)
где рi - доля величины ьго финансово -экономического показателя ЭС в обобщенном показателе, каким может являться, например, выручка.
Выбор энтропийного показателя Н здесь уместен хотя бы потому, что неопределённость измеряется также величиной энтропийного показателя, в результате чего появляется возможность сопоставления и сравнения этих двух показателей.
Основной или базой для сравнения служит значение Н при гармоничных пропорциях
Нгарм = - X р^арм * 1п ртарм,
где Р1гарм - значения коэффициентов биномиального распределения [4]
1 = (0,62 + 0,38)п (13)
Далее необходимо привести в соответствие АН и величины рисков, а затем - сформировать управленческие воздействия.
Нейросетевая модель ЭС
Нейронный сети активно вошли в практику исследования экономических систем. Наиболее известные работы [6-9] и другие показали, что систему финансово-экономических показателей в условиях неопределённости можно представить в качестве нейронной сети. Это дает следующие возможности [6]:
«Нейронная сеть применяется в первую очередь тогда, когда неизвестен точный вид связи между входом и выходом. Достаточно лишь точно знать, что связь между входными и выходными данными существует. При этом сама зависимость будет выведена в процессе обучения нейронной сети.
.нейронные сети обладают следующими преимуществами:
• Универсальность. Нейронные сети не зависят от свойств входных данных, для них не существует требования к определенному типу распределения исходных данных, либо требования к линейности целевых функций.
• Не существует проблемы «проклятия размерности». Они способны моделировать зависимости в случае большого числа переменных.
• В отличие от статистических исследований не требуют большого объема данных.
• Ускоряют процесс нахождения зависимости за счет одновременной обработки данных всеми нейронами.»
Как видно, данных преимуществ вполне достаточно для того, чтобы рекомендовать использование нейронных сетей в интересах моделирования ЭС.
Нейронная модель может быть сформирована на основе иерархии финансово-экономических показателей и должна включать в своем алгоритме следующие принципы когнитивной технологии принятия управленческих решений [5], имеющий в своей основе:
1. Принцип соответствия, который еще в начале 20 века Н.Бор применил к логике генерации новых знаний в области атомной физики, и который утверждает, что «любая новая теория должна содержать старую в качестве частного случая». По существу, принцип соответствия отражает главную сущность процесса генерации нового знания системой мышления человека.
2. Теорема Гёделя о неполноте, которая также лежит в основе процесса генерации новых знаний и гласит, что «логическая полнота (или неполнота) любой системы аксиом не может быть доказана в рамках этой системы».
3. Методы индуктивного и дедуктивного мышления и моделей функционирования правого и левого полушарий мозга, как материальных носителей этих методов.
4. Вариационный принцип максимума энтропии истинности генерируемых новых знаний, который эквивалентен условию максимальной экспансии инновационной системы, т.е. её количественному росту. Эта сторона вопроса с позиций увеличения истинности новых знаний и увеличения их присутствия на рынке является определяющей, так как именно экспансия истинности знаний об окружающем нас мире и распространение этой истинности вглубь понимания сути вещей есть главная функции системы мышления и только на этой основе возможно развитие инновационной экономики.
Основные особенности состояния максимальной готовности
1. Динамика изменения (скорость) финансово-экономических показателей в состоянии максимальной готовности минимальная, в пределе стремится к нулю.
2. Отношения выбранных показателей стремятся к константам, которые по принятой гипотезе равны числам Фибоначчи.
3. В силу этого мультиколлинеарность выбранных показателей максимальна и ЭС в пределе становится некоторым монолитным «застабилизировавшимся» модулем.
4. Скорость выхода из состояния максимальной готовности при уровне неопределённости Н = 0,38 максимальна [10].
Таким образом, исследование экономических систем с позиций живых систем дает возможность выявить достаточный ряд факторов, позволяющих использовать при моделировании этих систем методы нейронных сетей.
Список используемых источников
1. Берестнева О.Г., Пеккер Я.С., Мурзина С.С. Энтропийные методы в анализе биосистем/ Бюллетень сибирской медицины, 2014, том 13, № 4, с. 15-20.
2. Циглер Г. Экстремальные принципы термодинамики необратимых процессов и механика сплошной среды / Г. Циглер. М.: Мир, 1966. 134 с.
3. Мартюшев Л.М., Селезнев В.Д. Принцип максимальности производства энтропии в физике и смежных науках. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2006. 83 с.
4. Иванус А.И. Гармоничное управление инновационной экономикой в условиях неопределенности. -М., Книжный дом «Либроком», 2012. -208 с.
5. Богомолов А.И., Иванус А.И., Невежин В.П. Управление экономической системой на основе её фундаментальных свойств. Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2016. № 1. С. 21-28.
6. Кокодей, Т.А. Разработка модели искусственной нейронной сети для прогнозирования уровня устойчивости предприятия. Севастополь: Национально-технический университет. [Электронный ресурс: http://ecrimea.crimea.edu/arhiv/ 2009 econ_27_2009/kokodey.pdf. Дата обращения 21.04.2017].
7. Корнеев Д.С. Использование аппарата нейронных сетей для создания модели оценки и управления рисками предприятия. [Электронный ресурс: http:
//www.vo1su.ru/s_conf/tez_htm/020.htm. Дата обращения 21.04.2017].
8. Мощенок В.В. Использование нейронных сетей для моделирования зависимостей параметров инвестиционных проектов. Украина, Харьков: Национальный автомобильно-дорожный университет. [Электронный ресурс: http://uran.donntu.org/~masters/ 2012/
fknt/dorosh/1ibrary/artic1e6.pdf. Дата обращения 21.04.2017].
9. Никифорова Н.А., Донцов Е.В. Применение нейросетевого моделирования для прогнозирования финансового состояния предприятий [Электронный ресурс: http://finpress.ru/ иЬга1у/702/29 177/].
10. Иванус А.И. О превентивном режиме готовности в управлении инновационной экономикой в условиях неопределённости / Проблемы теории и практики управления. 2016. № 1. С.66-74.
V V
УДК 623
U.S. - CHINA MILITARY CJNFRONTATION
Galochkin V.T., Ph.D., Associate Professor Financial University under the Government of the Russian Federation, Moscow
США-КИТАЙ: ВОЕННОЕ ПРОТИВОСТОЯНИЕ
Галочкин В.Т., к.ф.-м.н., доцент Финансовый университет при Правительстве Российской Федерации, Москва
Аннотация. Проведено сравнение экономик и военного потенциала США и Китая - двух великих держав. Показано, что при большем военном бюджете США, в случае военного конфликта победа США не очевидна.
Ключевые слова: ВВП, ПРО Китая, вооружение США и Китая, перерабатывающая промышленность США и Китая
In recent years, increased the risk of a military conflict between China and the United States in the South China sea, which could spark even accidentally, according to the authors of a new study by the authoritative American analytical and research organization RAND Corp.
Territorial disputes in the region between China, which claims the disputed Spratly Islands, and the United States rejects China's claim and patrolling the sea near the Islands. On the other hand, the Spratly Islands has claimed the Philippines, Vietnam, Taiwan, Brunei, and Indonesia, which are also challenged China's sovereignty in the region.
Consider the possibility of military conflict between the US and China in terms of material and technical support of both armies.
To do this, compare the main indicators of development of the United States and China: GDP [1], process industry [2] and in military spending [3]. Relevant data in current prices are taken from public sources given in tables 1 and 2.
Table 1 - GDP and expenditures of the United States and China service in current prices (billion.)
USA China
Year GDP* Weapon GDP Weapon
2005 13095,4 500,0 2200 50,0
2006 13857,9 527,7 2800 55,3
2007 14480,4 557,0 3600 68,1
2008 14720,3 621,1 4700 86,4
2009 14418,0 668,6 5100 105,6
2010 14958,3 698,2 6100 115,7
2011 15533,8 711,3 7700 138,0
2012 16244,6 684,8 8600 157,5
2013 16799,7 639,7 9800 177,9
2014 17348 609,9 10600 199,7
2015 17947 596,0 11000 214,8
2016 18395 561 11715 1
Table 2 - Industrial production in the US and China in current prices billion. For comparison, the left data on the GDP of both countries
1 No data
