Организация финансовой системы в агентной модели отраслевого развития экономики России Текст научной статьи по специальности «Экономика и бизнес»

УДК 004.94:336.6

DOI 10.18413/2411-3808-2019-46-4-679-688

ОРГАНИЗАЦИЯ ФИНАНСОВОЙ СИСТЕМЫ В АГЕНТНОЙ МОДЕЛИ ОТРАСЛЕВОГО РАЗВИТИЯ ЭКОНОМИКИ РОССИИ

ORGANIZATION OF THE FINANCIAL SYSTEM IN THE AGENT MODEL OF SECTORAL DEVELOPMENT OF THE RUSSIAN ECONOMY

А.Л. Машкова АХ. Mashkova

ФГБОУ ВО «Орловский государственный университет им. И.С. Тургенева», г. Орел, ул. Комсомольская, 95 ФГАОУ ВО «Белгородский государственный национальный исследовательский университет»,

г. Белгород, ул. Победы, 85; ФГБУН Центральный экономико-математический институт РАН, г. Москва, Нахимовский пр, 47

Orel State University named after IS. Turgenev, Orel, 95 Komsomolskaya St,

Belgorod National Research University, Belgorod, 85 Pobedy St, Central Economics and Mathematics Institute, Russian Academy of Sciences, Moscow, 47 Nakhimovsky Ave

E-mail: aleks.savina@gmail.com

Аннотация

В статье представлена агент-ориентированная модель отраслевого развития экономики России. Финансовая система в модели включает Центральный банк и коммерческие банки. В работе коммерческих банков выделяются два вида процессов: регулярные операции в рамках финансового цикла и процедуры распределения кредитного портфеля, предполагающие анализ финансового состояния заемщиков, принятие решения об объемах и условиях кредитования. Кредитные запросы домохозяйств оцениваются на основе данных об их доходах и имуществе. Алгоритм рассмотрения кредитных заявок юридических лиц включает оценку вероятности банкротства заемщика, анализ его финансового положения и расчет процентной ставки. Объемы кредитования определяются суммой привлеченных депозитов и кредитами Центрального банка, который также определяет величину учетной ставки.

Abstract

The report presents an agent-based model of the sectoral development of the Russian economy. The financial system in the model includes the Central Bank and commercial banks. In the work of commercial banks, two types of processes are distinguished: regular operations within the financial cycle and procedures for the allocation of the loan fund, involving analysis of the financial condition of borrowers, decisions on the volume and conditions of lending. Household credit requests are estimated based on data on their income and property, information about which is contained in the model database. Regional banks analyze this information, assessing the solvency of borrowers and the category of credit risk, and based on this, set the interest rate. Each type of organization in the model has its own accounting system. Accounting forms are used in assessing the financial condition of objects, calculating investment programs and lending schemes. The algorithm for considering credit applications of organizations includes assessing the probability of a bankruptcy of a borrower based on the Altman Z-model, analyzing the financial position of the borrower based on the borrower's financial statements, and calculating the interest rate. The volume of loans is determined by the amount of attracted deposits and loans from the Central Bank, which also determines the discount rate. As initial data for modeling financial structures and relations, data sets are used, presented in the annuals of the Federal State Statistics Service, on the website of the Ministry of Finance and the Central Bank.

Ключевые слова: агент-ориентированная модель, отраслевая структура экономики, экономическое развитие, финансовые процессы.

Keywords: agent-based model, sectoral structure of the economy, economic development, financial processes.

Введение

В данной статье представлены структуры и процессы функционирования финансовой системы в агент-ориентированной модели отраслевого развития экономики России. При разработке модели сочетаются методы имитационного моделирования и финансово-экономического анализа [Ashraf Q., Gershman, B., Howitt, P., 2011; Napoletano M., Gaffard J.-L., Roventini, A., 2015; Popoyan L., Napoletano M., Roventini A., 2015; Raberto M., Teglio A., Cincotti S., 2008]. Агентами в модели являются как отдельные индивиды и домашние хозяйства, так и юридические лица различных организационных форм -бюджетные, коммерческие и финансово-кредитные организации [Машкова, 2016]. Методы финансово-экономического анализа применяются в процедурах принятия решений агентами - юридическими лицами, а также для сбора и представления статистики в модели [Cincotti S., Raberto M., Teglio A., 2010; Da Silva M. A., Tadeu Lima, G. 2015; Dawida H, Neugartb M., 2011; Delli Gatti D., Desiderio S., 2015]. Модель имеет модульную структуру; демографические, экономические, финансовые процессы, образовательная система и государственное управление реализованы в отдельных модулях (рис. 1).

Рис. 1 Модульная структура модели отраслевого развития экономики России Fig. 1. The modular structure of the model of industrial development of the Russian economy

Вопросы создания первоначального поколения агентов, установления взаимосвязей между ними и воспроизведения динамики населения обсуждаются в работе [Савина, Машкова, Сарапкина, 2016]. Образовательная и производственная система модели рассматривается в работах [Машкова, 2015; Машкова, Савина, 2015]. В данной статье описывается финансовая система в модели, которая включает Центральный банк и региональные финансовые организации - коммерческие банки, осуществляющие прием вкладов и кредитование юридических лиц и домохозяйств.

Информационное обеспечение моделирования финансовых процессов

На рисунке 2 представлен фрагмент концептуальной схемы базы данных модели, содержащий информацию о субъектах, вовлеченных в финансовые отношения: банках,

нефинансовых коммерческих организациях, агентах и домохозяйствах. Необходимо отметить, что контрагентом банка со стороны физического лица выступает не отдельный агент, а домохозяйство в целом, то есть для всех агентов, состоящих в домохозяйстве, усредняются доходы, расходы, риски и обязательства.

Юридическое лицо

PK ID юо. лица

FK1 Регион Тип организации

К

Агент Домохозяйство

PK ID агента PK ID домохозяйства

FK1 ID домохозяйства Пол Возраст Доход FK1 Регион Имущество Вклады Кредиты

Финансовая организация

PK.FK1 ID ФО

счет 102

à к

Баланс финансовой организации

PK.FK1 PK ID ФО Дата

Значение показателя 1

Коммерческая организация

PK.FK1 ю нко

Объем выпуска Цена Платеж по кредиту Срок кредита счет 01

J 1

Баланс коммерческой организации

PK.FK1 PK ID НКО Дата

Значение показателя 1

Отчет о прибылях и убытках

PK.FK1 PK ID НКО Дата

Показатель 1

Рис. 2. Фрагмент схемы информационного обеспечения модели Fig. 2. A fragment of the model information support scheme

Каждому виду организаций соответствует своя система бухгалтерского учета, которая является адаптированной версией принятой в России системы. Хозяйственные операции и взаимные расчеты юридических лиц отражаются на их счетах и фиксируются в проводках; итоги деятельности за год отражаются в бухгалтерском балансе (табл. 1, табл. 3); для нефинансовых коммерческих организаций строится также отчет о прибылях и убытках (табл. 2). Отчетные бухгалтерские формы используются при оценке финансового состояния объектов, расчете инвестиционных программ и схем кредитования.

Таблица 1 Table 1

Структура бухгалтерского баланса нефинансовой коммерческой организации в модели The structure of the balance sheet of a non-financial commercial organization in the model

Актив Код Пассив Код

I Внеоборотные активы III Капитал и резервы

Основные средства 110 Уставный капитал 410

Вложения в ОС 120 Нераспределенная прибыль 470

Итого по разделу I 190 Итого по разделу III 490

II Оборотные активы IV Долгосрочные обязательства

Запасы 210 Долгосрочные кредиты 510

НДС по материалам 220 Итого по разделу IV 590

Дебиторская задолженность 240 V Краткосрочные обязательства

Финансовые вложения 250 Краткосрочные кредиты 610

Денежные средства 260 Кредиторская задолженность 620

Итого по разделу II 290 Итого по разделу V 690

Баланс 300 Баланс 700

Таблица 2 Table 2

Структура отчета о прибылях и убытках нефинансовой коммерческой организации Profit and loss statement structure of a non-financial commercial organization

Показатель Код

I Доходы и расходы по основной деятельности

Выручка от продаж 010

Себестоимость продаж 020

Прибыль от продаж 050

II Прочие доходы и расходы

Проценты к получению 060

Проценты к уплате 070

Прочие доходы 090

Прочие расходы 100

Прибыль (убыток) до налогообложения 140

Налог на прибыль 150

Чистая прибыль (убыток) 190

В качестве исходных данных для моделирования финансовых структур и отношений используются массивы данных об объемах кредитов и депозитов физических и юридических лиц в различных регионах России, представленные в ежегодниках Федеральной службы государственной статистики [Федеральная служба государственной статистики, 2018], на сайте министерства финансов [Министерство финансов РФ, 2018] и Центрального банка [Центральный банк РФ, 2018].

Таблица 3 Table 3

Структура бухгалтерского баланса коммерческого банка в модели The structure of the balance sheet of a commercial bank in the model

Актив Счет показателя Пассив Счет показателя

Денежные средства 202 Уставный капитал 102

Денежные средства в ЦБ 203 Нераспределенная прибыль 108

Кредиты бюджетным организациям 441 Кредиты Центробанка 301

Кредиты физическим лицам 455 Вклады организаций 421

Основные средства 604 Вклады физических лиц 423

Вложения в основные средства 607 Вклады бюджетных организаций 427

Непокрытый убыток 109

Взаимодействие финансовой организации с контрагентами

В работе коммерческих банков выделяются два вида процессов: регулярные операции в рамках финансового цикла и процедуры распределения кредитного портфеля, предполагающие анализ финансового состояния заемщиков, принятие решения об объемах и условиях кредитования. Финансовый цикл коммерческого банка включает выплату заработной платы, налогов и текущих расходов; прием депозитов и платежей в счет погашения выданных ранее кредитов (рис. 3).

Рис. 3 Взаимодействие финансовой организации с контрагентами в рамках финансового цикла Fig. 3 Interaction of a financial organization with counterparties in the financial cycle

Распределение кредитного портфеля коммерческого банка

Нефинансовые коммерческие организации (предприятия, организации торговли и сферы услуг) подают заявки на кредиты, предоставляя данные своего бухгалтерского баланса и отчета о прибылях и убытках. Кредитные запросы домохозяйств оцениваются на основе данных об их доходах и имуществе. Последовательность взаимодействий финансовых организаций в процессе распределения кредитного портфеля представлена на рисунке 4. Региональные банки анализируют эту информацию аналогично применяемой реальными банками, то есть оценивают платежеспособность заемщиков, определяют категорию кредитного риска и исходя из этого назначают процентную ставку.

Алгоритм рассмотрения кредитных заявок юридических лиц состоит из следующих

шагов:

1. Оценка вероятности банкротства заемщика на основе Z-модели Альтмана [А1Шап,

2008]:

7 = 1,2 Х + 1,4 Х2 + 3,3 Хз + 0,6 Х4 + Хз , (1)

где Х1 - отношение оборотного капитала к сумме активов; Х2 - отношение нераспределенной прибыли к сумме активов; Хз - отношение операционной прибыли к сумме активов; Х4 - отношение рыночной стоимости акций к сумме кредиторской задолженности; Х5 - отношение выручки к сумме активов.

Значение показателя 7 меньше 1,81 является признаком того, что предприятие испытывает определенные трудности; заявки с такими оценками исключаются из дальнейшего рассмотрения.

Рис. 4 Взаимодействие финансовой организации в процессе формирования кредитного портфеля Fig. 4 Interaction of a financial organization in the process loan portfolio formation

2. Анализ финансового положения заемщика на основе показателей, рассчитываемых по данным бухгалтерского баланса (форма 1) и отчета о прибылях и убытках (форма 2) заемщика [Костяшкина, 2004]:

2.1 Коэффициент абсолютной ликвидности К1:

= (Ф1.260)+(Ф1.250) ..

К1 (Ф1.690) ' (2)

где Ф1 - форма 1 (бухгалтерский баланс) заемщика; Ф1.250, Ф1.260, Ф1.690 -соответствующие строки (табл. 1).

2.2 Коэффициент быстрой ликвидности К2:

_ (Ф1.260)+(Ф1.250)+(Ф1.240) , .

К2 (Ф1.690) ' (3)

где Ф1 - форма 1 (бухгалтерский баланс) заемщика; Ф1.240, Ф1.250, Ф1.260, Ф1.690 -соответствующие строки (табл. 1).

2.3 Коэффициент текущей ликвидности К3:

= (ф1290) (4)

К3 (Ф1.690) (4)

где Ф1 - форма 1 (бухгалтерский баланс) заемщика; Ф1.290, Ф1.690 - соответствующие строки (табл. 1).

2.4 Коэффициент наличия собственных средств К4:

(Ф1Л90)

К4 " (Ф1.690)' (5)

где Ф1 - форма 1 (бухгалтерский баланс) заемщика; Ф1.490, Ф1.690 - соответствующие строки (табл. 1).

2.5 Коэффициент рентабельности продаж К5:

_ (Ф2.50)

К5 " (Ф210)' (6)

где Ф2 - форма 2 (отчет о прибылях и убытках) заемщика; Ф2.50, Ф2.10 - соответствующие строки (табл. 2).

2.6 Коэффициент рентабельности деятельности предприятия К6:

(ф2.19°) т

К6 (Ф2.10) ' (7)

где Ф2 - форма 2 (отчет о прибылях и убытках) заемщика; Ф2.190, Ф2.10 -соответствующие строки (табл. 2).

3. Присвоение категории заемщика по значению показателей на основе сравнения полученных значений с установленными предельными значениями [2]; исключение заявок категории с высокой степенью риска из дальнейшего рассмотрения.

4. Расчет суммы баллов по рассчитанным коэффициентам в соответствии с их весами:

R =0,05К1 + 0,10К2+0,40К3 + + 0,20К4+0,15К5 + 0,10К6. (8)

5. Упорядочить список заявок по величине R.

6. Рассчитать величину процентной ставки в зависимости от категории кредитного

риска.

В модели реализовано потребительское и ипотечное кредитование домохозяйств. Оценка кредитоспособности домохозяйства в модели включает следующие шаги.

1. Расчет процентной ставки по кредиту. Методика расчета процентной ставки является закрытой информацией коммерческих банков, основанной на четырех слагаемых: учетная ставка Центробанка, страховой взнос, маржа банка, премия за риск. Учетная ставка процента является управляемым параметром в модели; в алгоритме распределения кредитного портфеля - это известная входная величина. Величина маржи и страхового взноса определяется банком, премия за риск зависит от класса кредитоспособности заемщика.

I = U + st +m + r, (9)

где I - процентная ставка (годовых) по кредиту, U - учетная ставка Центробанка, st -процент за страхование кредита, m - маржа банка, r - премия за риск.

Для первоначального расчета процентной ставки закладывается нулевая премия за риск, она может быть увеличена на шаге 8.

2. Расчет аннуитетного платежа по кредиту. Аннуитетный платеж предполагает выплаты равными суммами задолженности банку в течение всего срока погашения пользования кредитом. В соответствии с формулой аннуитетного платежа размер периодических (ежемесячных) выплат будет составлять:

A = K * Sum, (10)

где А - ежемесячный аннуитетный платёж, К - коэффициент аннуитета, Sum - сумма кредита.

Коэффициент аннуитета рассчитывается по следующей формуле:

i ■ (1 + ¿)ЛГС

К = (1+о»-1 , (11)

где i - месячная процентная ставка по кредиту; n - количество периодов, в течение которых выплачивается кредит (месяцев).

3. Оценка платёжеспособности - способности заемщика к своевременному выполнению денежных обязательств за счёт имеющихся в его распоряжении денежных ресурсов. Для заемщика домохозяйства платежеспособность определяется как отношение аннуитетного платежа к суммарному доходу домохозяйства

Pl = А, О2)

где Pl - оценка платежеспособности заемщика, А - ежемесячный аннуитетный платёж, D -суммарный доход домохозяйства заемщика за вычетом прожиточного минимума на всех членов семьи.

4. Оценка имущественной обеспеченности для ипотечного кредита рассчитывается по формуле (11), для потребительского - по формуле (12).

Im= Sum , (13)

Sum+start

где Im - оценка имущественной обеспеченности заемщика, Sum - сумма кредита, start -сумма первоначального взноса по ипотеке.

Im= Sum , (14)

Sum+soft

где Im - оценка имущественной обеспеченности заемщика, Sum - сумма кредита, sob -суммарная стоимость активов заемщика.

5.Присвоение класса кредитоспособности в зависимости от показателей платежеспособности и имущественной обеспеченности заемщика (табл. 4). Заявки заемщиков класса 3 исключаются из списка.

Таблица 4 Table 4

Присвоение класса кредитоспособности физическому лицу Assignment of a credit class to an individual

Номер класса Платежеспособность Имущественная обеспеченность

Ипотечные кредиты

1 < 0,5 < 0,5

2 < 1 < 0,9

3 >1 -

Потребительские к зедиты

1 < 0,5 < 0,2

2 < 1 < 10

3 >1 -

6. Расчет итоговой оценки кредитоспособности заемщика в соответствии со значениями показателей. Для ипотечных кредитов больший вес имеет имущественная обеспеченность, а для потребительских - платежеспособность заемщика

R_ipot=0,3 Т1+0,7М, (15)

R_potr=0,7Pl+0,3•Im, (16)

где R_ipot - итоговая оценка кредитоспособности заемщика для ипотечного кредита, R_potr - итоговая оценка кредитоспособности заемщика для потребительского кредита, Pl -оценка платежеспособности заемщика, Ш - оценка имущественной обеспеченности заемщика.

7. Упорядочить список заявок по величине R.

8. Корректировка процентной ставки кредита в зависимости от класса кредитоспособности заемщика.

Заключение

Финансовая система в модели неразрывно связана с процессами, происходящими в других модулях. Ипотечное кредитование обусловлено спросом на жилье, и в свою очередь может расширить или сжать этот спрос. На объемы потребительского кредитования влияют личные финансовые стратегии агентов и их желание приобретать вещи и услуги; кредитование обеспечивает рост или сжатие спроса на конечную продукцию. Спрос юридических лиц на кредиты обусловлен проблемами с ликвидностью (краткосрочные кредиты) или началом инвестиционных программ (долгосрочные кредиты). Суммарные объемы кредитования организаций и домохозяйств определяются суммой привлеченных депозитов и кредитами Центрального банка, величина которых, в свою очередь, зависит от монетарной политики государства. Объем кредитов Центробанка является управляемой величиной в модели, наряду с величиной учетной ставки процента; значения данных параметров могут быть заданы при проведении сценарных расчетов.

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 18-310-00185.

Список литературы

1. Костяшкина О.Г. 2004. Кредитная политика коммерческого банка. Красноярск.

2. Машкова А.Л. 2016. Прогнозирование долгосрочного развития макроэкономических систем на базе агент-ориентированных моделей Государственное управление. Электронный вестник. № 57. С.49-68.

3. Машкова А.Л. 2015. Структура и математическое обеспечение программного модуля «Экономика и образование» агентной модели экспериментальной экономики. Вестник Брянского государственного технического университета. № 4(48). С. 148-154.

4. Машкова А.Л., Савина О.А. 2015. Управление финансовыми потоками агентов-предприятий в модели экспериментальной экономики. Управленческий учет. № 12. С. 89-98.

5. Министерство финансов Российской Федерации (официальный сайт) http:// www.minfin.ru/. Дата обращения 18.09.2019.

6. Савина О.А., Машкова А.Л., Сарапкина С.В. 2015. Программная реализация и оценка адекватности модуля «Демография» вычислительной модели экспериментальной экономики Информационные системы и технологии. № 6. С. 32-38.

7. Федеральная служба государственной статистики (официальный сайт) http://www.gks.ru/. Дата обращения 26.06.2019.

8. Центральный банк Российской Федерации (официальный сайт) http:// http://www.cbr.ru/. Дата обращения 12.09.2019.

9. Altman E. 2008. Managing Credit Risk. John Wiley and Sons.

10.Ashraf Q., Gershman B., Howitt P. 2011. Banks, market organization, and macroeconomic performance: An agent-based computational analysis. Working Paper 17102, NBER.

11. Cincotti S., Raberto M., Teglio A. 2010. Credit money and macroeconomic instability in the agent-based model and simulator EURACE. Economics: The Open-Access, Open-Assessment E-Journal, № 4.

12. Da Silva M.A., Tadeu Lima, G. 2015. Combining monetary policy and prudential regulation: An agent-based modeling approach. Working paper 394, Banco Central do Brasil.

13. Dawida H, Neugartb M. 2011. Agent-based Models for Economic Policy Design Eastern Economic Journal, № 37, P. 44-50.

14. Delli Gatti D., Desiderio S. 2015. Monetary policy experiments in an agent-based model with financial frictions. Journal of Economic Interaction and Coordination, № 10(2), P. 265-286.

15.Napoletano M., Gaffard J.-L., Roventini, A. Time-varying fiscal multipliers in an agent-based model with credit rationing. Working Paper Series 2015/19, Laboratory of Economics and Management (LEM), Scuola Superiore Sant'Anna, Pisa, Italy.

16.Popoyan L., Napoletano M., Roventini A. Taming macroeconomic instability: Monetary and macro prudential policy interactions in an agent-based model. Working Paper Series 2015/33, Laboratory of Economics and Management (LEM), Scuola Superiore Sant'Anna, Pisa, Italy.

17.Raberto M., Teglio A., Cincotti S. 2008. Integrating real and financial markets in an agent-based economic model: An application to monetary policy design. Computational Economics, № 32, P. 147-162.

References

1. Kostyashkina O.G. 2004. Credit policy of commercial Bank. Krasnoyarsk. (in Russian)

2. Mashkova A.L. 2016. Forecasting of long-term development of macroeconomic systems on the basis of agent-oriented models of Public administration. Electronic Bulletin. No. 57. P. 49-68. (in Russian)

3. Mashkova A.L. 2015. Structure and mathematical support of the program module "Economics and education" of the agent model of experimental Economics. Bulletin of the Bryansk state technical University. No. 4 (48). Pp. 148-154. (in Russian)

4. Mashkova A.L., Savina O.A. 2015. Management of financial flows of agents-enterprises in the model of experimental economy. Management accounting. No. 12. Pp. 89-98. (in Russian)

5. Ministry of Finance of the Russian Federation (official website) http: / /www.minfin.ru/. accessed 18.09.2019.

6. Savina O.A., Mashkova A.L., Sarapkina S.V. 2015. Software implementation and evaluation of the adequacy of the module "Demographics" of computing. № 6. P. 32-38. (in Russian)

7. Federal service of state statistics (official site) http://www.gks.ru/. Date of access 26.06.2019

8. Central Bank of the Russian Federation (official website) http: / / http://www.cbr.ru/. accessed 12.09.2019.

9. Altman E. 2008. Managing Credit Risk. John Wiley and Sons.

10.Ashraf Q., Gershman B., Howitt P. 2011. Banks, market organization, and macroeconomic performance: An agent-based computational analysis. Working Paper 17102, NBER.

11. Cincotti S., Raberto M., Teglio A. 2010. Credit money and macroeconomic instability in the agent-based model and simulator EURACE. Economics: The Open-Access, Open-Assessment E-Journal, № 4.

12.Da Silva M.A., Tadeu Lima, G. 2015. Combining monetary policy and prudential regulation: An agent-based modeling approach. Working paper 394, Banco Central do Brasil.

13.Dawida H, Neugartb M. 2011. Agent-based Models for Economic Policy Design Eastern Economic Journal, № 37, P. 44-50.

14.Delli Gatti D., Desiderio S. 2015. Monetary policy experiments in an agent-based model with financial frictions. Journal of Economic Interaction and Coordination, № 10(2), P. 265-286.

15.Napoletano M., Gaffard J.-L., Roventini, A. Time-varying fiscal multipliers in an agent-based model with credit rationing. Working Paper Series 2015/19, Laboratory of Economics and Management (LEM), Scuola Superiore Sant'Anna, Pisa, Italy.

16.Popoyan L., Napoletano M., Roventini A. Taming macroeconomic instability: Monetary and macro prudential policy interactions in an agent-based model. Working Paper Series 2015/33, Laboratory of Economics and Management (LEM), Scuola Superiore Sant'Anna, Pisa, Italy.

17.Raberto M., Teglio A., Cincotti S. 2008. Integrating real and financial markets in an agent-based economic model: An application to monetary policy design. Computational Economics, № 32, P. 147-162.

Ссылка для цитирования статьи For citation

Машкова А.Л. 2019 Организация финансовой системы в агентной модели отраслевого развития экономики России. Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 46 (4): 679-688. DOI 10.18413/2411-3808-2019-46-4-679-688

Mashkova A.L. 2019. Organization of the financial system in the agent model of sectoral development of the russian economy. Belgorod State University Scientific Bulletin. Economics. Information technologies. 46 (4): 679-688 (in Russian). DOI 10.18413/2411-3808-2019-46-4-679-688