CC BY
29
Вестник Евразийской науки / The Eurasian Scientific Journal https://esj.todav 2019, №4, Том 11 / 2019, No 4, Vol 11 https://esj.todav/issue-4-2019.html URL статьи: https://esj.today/PDF/54ECVN419.pdf Ссылка для цитирования этой статьи:
Шеломенцева М.В., Комаров П.И., Киященко Л.Т., Петушкова Г. А., Негрей А.В. Оценка эффективности государственного финансирования венчурных проектов в субъектах РФ // Вестник Евразийской науки, 2019 №4, https://esj.today/PDF/54ECVN419.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ.
For citation:
Shelomentseva M.V., Komarov P.I., Kiyaschenko L.T., Petushkova G.A., Negrey A.V. (2019). Assessment of the effectiveness of state financing of venture projects in the subjects of the Russian Federation. The Eurasian Scientific Journal, [online] 4(11). Available at: https://esj.today/PDF/54ECVN419.pdf (in Russian)
Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финансовому университету на 2019 г.
УДК 336.1 ГРНТИ 06.73.15
Шеломенцева Марина Владимировна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Смоленск, Смоленск, Россия Научный работник E-mail: [email protected] ORCID: http://orcid.org/0000-0001-9764-3229 РИНЦ: https://elibrary.ru/author_profile.asp?id=629230 Researcher ID: http://www.researcherid.com/rid/D-3268-2018
Комаров Павел Ильич
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Смоленск, Смоленск, Россия Доцент кафедры «Экономика и финансы» Кандидат технических наук, доцент E-mail: [email protected] РИНЦ: https://elibrary.ru/author_profile.asp?id=715540
Киященко Людмила Тимофеевна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Смоленск, Смоленск, Россия Доцент кафедры «Экономика и финансы» Кандидат экономических наук, доцент E-mail: [email protected] РИНЦ: https://elibrary.ru/author profile.asp?id=635798
Петушкова Галина Алексеевна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Смоленск, Смоленск, Россия Доцент кафедры «Экономика и финансы» Кандидат педагогических наук, доцент E-mail: [email protected] РИНЦ: https://elibrary.ru/author_profile.asp?id=408022
Негрей Алина Владимировна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Смоленск, Смоленск, Россия Магистрант кафедры «Экономика и менеджмент» E-mail: [email protected] РИНЦ: https://elibrary.ru/author_profile.asp?id=785112
Оценка эффективности государственного финансирования венчурных проектов в субъектах РФ
Аннотация. В условиях развития информационного общества наблюдается модернизация мировой экономики на основе инновационных высокоэффективных наукоемких технологий. Наука, технологии и инновации стали стратегическими факторами социально-экономического прогресса. Поэтому появилась необходимость в изучении механизмов финансирования венчурного инвестирования как одного из стратегических инструментов государственной политики по развитию инновационной деятельности. Цель статьи - оценить эффективность финансирования венчурных проектов с участием государства в контексте стимулирования и развития инноваций на примере субъектов РФ. Уровень эффективности взаимодействия государственных финансовых институтов и венчурных инвесторов определен с применением идей DEA-анализа. Он основан на непараметрической методологии, так как не подразумевает и не определяет какую-либо форму производственной функции. DEA-анализ реализуется посредством решения оптимизационной задачи линейного программирования. Применение моно-модели с ориентированным выходом позволило получить количественные оценки эффективности взаимодействия государственных финансовых институтов и венчурных инвесторов по федеральным округам РФ. Эмпирической базой исследования послужили данные Росстата, Федерального казначейства РФ, Российской венчурной компании, Института статистики и экономики знаний Высшей школы экономики.
Практика качественной оценки эффективности взаимодействия государственных финансовых институтов и венчурных инвесторов находится на стадии формирования. В таких условиях необходимо совершенствовать механизмы и инструменты государственного финансового мониторинга и контроля путем формирования системы показателей эффективности государственных затрат на инновационные проекты с учетом возможности их реализации.
Практическая значимость результатов исследования состоит в том, что выявление субъектов РФ с разным уровнем развития венчурной экосистемы позволит применять различные механизмы воздействия в управлении ими, совершенствовать инструменты венчурного инвестирования как фактора устойчивого экономического роста.
Результаты проведенного исследования формируют информационно-аналитическое обеспечение для принятия эффективных управленческих решений в области финансирования инновационных проектов с участием государства.
Ключевые слова: цифровая экономика; национальная венчурная экосистема; эффективность; результативность; финансирование венчурных проектов; DEA-анализ; венчурное инвестирование; государственные программы по развитию и поддержке инноваций
Введение
Современные процессы перехода мировой экономической системы к высококонкурентной социально-ориентированной инновационной экономике знаний и
высоких компетенций (Индустрии 4.0) направлены на достижение условий устойчивого экономического роста и повышения качества жизни населения. Обсуждение направлений реализации национальных целей развития, выполнения социальных гарантий на основе партнерства государства и бизнеса являются ключевыми темами дискуссий мирового сообщества.
По мнению экспертов Всемирного экономического форма (The World Economic Forum, WEF) качественное решение задачи ориентации национальной экономики на инновационную модель экономического роста основывается на достижении целевых индикаторов государственных программ по стимулированию и развитию инноваций. Развитие инфраструктуры инновационной деятельности «зависит от темпов разработки новшеств и скорости диффузии новых технологий, формирования новых отраслей и модернизации "низкотехнологичного сектора" промышленности и услуг, встраивания предприятий традиционных отраслей в структуру "новой экономики"» [1, с. 127].
Известно, что для реализации венчурных проектов в области высокопроизводительных и наукоемких технологий (high-teсh), как правило, необходимы весьма ощутимые затраты, и при этом подобным проектам присущи повышенные риски. В таких условиях повышается роль бизнес-анализа в контексте изучения взаимодействия между государственными финансовыми институтами и венчурными инвесторами, направленного на повышение темпов инновационной активности как фактора экономического развития.
Цель настоящей статьи заключается в получении количественных оценок эффективности финансирования венчурных проектов с участием государства в контексте стимулирования и развития инноваций на примере субъектов РФ.
Полученные результаты формируют научную основу актуального информационно-аналитического обеспечения, ориентированного на повышение качества принятия управленческих решений в области развития механизмов финансирования венчурных проектов с участием государства.
Фундаментальные и прикладные исследования в области венчурного финансирования активно ведутся учеными сквозь призму научных направлений в сфере экономики и управления, но единый подход к оценке финансирования венчурных проектов в настоящее время пока не сформирован.
Проведенный анализ результатов фундаментальных и прикладных исследований в области финансов показывает, что в зарубежных публикациях активно обсуждаются методы оценки эффективности и результативности расходования бюджетных средств в рамках реализации государственных программ в различных сферах экономики [2-4], тогда как в отечественных публикациях эмпирические исследования немногочисленные.
Переход мировой экономики к инновационной модели экономического роста осуществляется на основе интегрированного взаимодействия государства, науки и бизнеса, направленного на развитие национальной инновационной системы. Важным направлением ускорения технологического прорыва является повышение эффективности взаимодействия государственных институтов и венчурных инвесторов в области финансирования инновационных проектов.
Анализ результатов фундаментальных и прикладных исследований зарубежных [5-7] и отечественных [8-10] ученых по вопросам данной проблематики позволяет сделать вывод о
Методы и информационная база исследования
том, что параметры успешного развития венчурного предпринимательства зависят от мер государственного стимулирования развития и поддержки инноваций.
Для количественного анализа системы финансирования венчурных проектов официальная статистика предоставляет широкий спектр частных показателей, используемых для измерения тех или иных отдельных аспектов рассмотрения венчурных проектов. Вместе с тем, единого сводного показателя для комплексной многоаспектной оценки финансирования венчурных проектов в принципе не существует ввиду недоступности прямому измерению многих ключевых аспектов финансирования венчурных проектов синтетического характера (например, инвестиционный климат, стимулирование инноваций, мотивация экономического поведения и др.).
Концептуальные подходы к формированию интегрального показателя оценки эффективности финансирования венчурных проектов [11] рассматриваются с позиций системного подхода к взаимному влиянию триады «Государство - Наука - Бизнес» как составляющих национальной венчурной экосистемы (рисунок 1), в рамках которой на основе высокоэффективных и наукоемких технологий разрабатываются и реализуются венчурные проекты по созданию и внедрению инновационных товаров и услуг в различных отраслях экономики.
Государство
V
Бизнес
Наука
Рисунок 1. Основные элементы национальной венчурной экосистемы (источник: составлено авторами)
Количественную характеристику оценки эффективности финансирования венчурных проектов (Эvc) в контексте государственного стимулирования и развития инноваций предлагается определить в виде относительной величины, характеризующей уровень отдачи (полученные результаты по производству инновационных товаров и услуг) от вложенных
ресурсов (расходы государства на производство инновационных товаров и услуг):
р
результат
(1)
Э =
Zi
ратраты
где Ri - результаты, i = 1, ..., m; Zj - затраты (ресурсы), j = 1, ..., s. В общем случае m Ф s.
Для конструирования показателя Эус предлагается использовать идею построения границы эффективности с применением метода DEA-моделирования. С понятием «граница эффективности» тесно связаны понятия «производственная функция» и «граница производственных возможностей». Как известно, производственная функция - это экономико-математическая зависимость, определяющее максимально возможное количество готовой продукции (выходной фактор), которое может быть произведено из заданного количества входных факторов (сырье, материалы, финансы, время) при заданной технологии.
Если выпускается продукция нескольких видов, изучается не производственная функция, а граница производственных возможностей, которая показывает максимально возможный объем производства нескольких продуктов при заданном количестве ресурсов и технологиях. Таким образом, только точки на границе производственных возможностей
54ECVN419
соответствуют эффективному варианту использования производственных возможностей. Точки, не лежащие на границе производственных возможностей, соответствуют либо недоиспользованию производственных ресурсов, либо недостижимость выпуска, соответствующего точке, при заданных ресурсах или технологии.
Аналогичным образом рассуждения можно распространить на случай, когда исследуется эффективность функционирования компаний. Компании, производящие максимальное количество продукции из заданного количества входных ресурсов при заданных технологиях, считаются эффективными, а точки им соответствующие лежат на границе производственных возможностей. Удаленность точки, соответствующей компании, от границы производственных возможностей определяет степень неэффективности компании.
Несмотря на кажущуюся прозрачность подхода, его применение наталкивается на одну проблему: на практике граница эффективности неизвестна.
Было разработано несколько методов решения указанной проблемы. Среди них отметим Data Envelopment Analysis (DEA). Метод был предложен A. Charnes, W.W. Cooper, E. Rhodes [12]. Отправной точкой для разработки метода послужили идеи Farrell [13]. До настоящего времени нет общепринятого эквивалента английскому названию метода нет. Употребляются варианты:
• анализ оболочки данных;
• анализ свертки данных;
• анализ среды функционирования.
В методологии DEA термин «эффективность функционирования» отражает эффективность преобразования объектами исследования входов в выходы. Данный метод применяется учеными различных стран мира при оценке эффективности региональной инновационной системы: в Китае [14; 15], в странах Европейского союза [16-18], Кореи [19]. В различных областях применения метода этот термин принимает различный смысл.
Влияние государства на венчурный рынок в 2018 году осуществлялось по следующим направлениям1:
• предоставление грантов общим объемом 6,47 млрд руб. ($99 млн) через Сколково, АСИ, Минобрнауки, Минпрмторг;
• через фонды, созданные государственными структурами, Moscow Seed Fund, фонды РВК;
• частные фонды, созданные при активной поддержке государства.
Информация о формировании и развитии национальной венчурной экосистемы в целом и по субъектам РФ отражается в аналитических материалах АО «Российская венчурная компания» (АО «РВК»), Российской Ассоциации Венчурного Инвестирования (РАВИ) и др.
Методология построения DEA-моделей, нацеленных на поиск эффективности действующих единиц, применительно к национальной венчурной экосистеме S = {Rg, Y} из m-множества Rg субъектов РФ, обладающих n общими индикаторами Y, характеризующими
1 Годовой отчет Российской венчурной компании [Электронный ресурс] Режим доступа https://www.rvc.ru/upload/iblock/033/Report_RVC_2018.pdf (Дата обращения 25.06.2019).
Страница 5 из 12
54ЕСУ№19
ресурсы и результаты деятельности венчурной экосистемы субъекта РФ (4), которую можно представить в виде матрицы размерности тХп:
^11 ^12 ... ЙЦ ЙЦ ... \
(2)
^т2 "■ ^тр ^т2 "■ ^тг/
5 =
^21 ^22 ^2p ^21 ^22 ■" ^2r
где Zi, Rj - соответственно показатели, характеризующие затраты («входы») и результаты («выходы») деятельности субъектов РФ венчурной экосистемы; i = 1, 2, 3, ..., m; j = 1, 2, 3, ..., p; k = 1, 2, ..., r; p + r = n.
Ориентация на инновационную модель развития российской экономики предполагает эффективное использование имеющихся ресурсов (в данном случае бюджетных средств), что определило построение модели вида CCR-O, ориентированной на «результат»/«выход» (output-oriented) и принимающей условия постоянного эффекта от масштаба (3):
ЭУС ^ max (3)
при условии:
1 - ^ Vi = !'m
I
^jRrj > ЭусКгу0; Vr = i,s
Xj > 0; Vj = 1, n
Для каждого j-го из n субъектов РФ необходимо найти такой набор весовых коэффициентов А = (А. А. ..., An)j и скаляр ЭvCj, которые позволяли бы построить из всех имеющихся векторов эталонный вектор результатов деятельности для данного субъекта РФ. Мерой эффективности для каждого субъекта РФ будет показатель ЭvCj ( 0 < ЭvCj <1), отражающий отношение достигнутых субъектом РФ показателей к потенциально возможным. Субъекты РФ, которые помимо высоких показателей эффективности чаще других используются для построения эталонного вектора результатов деятельности, могут быть признаны лидирующими.
В данном исследовании в качестве субъектов РФ рассматриваются федеральные округа2: Центральный (ЦФО), Северо-Западный (СЗФО), Приволжский (ПФО), Южный (ЮФО), Северо-Кавказский (СКФО), Уральский (УФО), Сибирский (СФО), Дальневосточный (ДФО).
Выходные индикаторы представлены относительными величинами, показывающими удельный вес j-го из n субъектов РФ в общей совокупности субъектов РФ по таким характеристикам, как: объем инвестиций VC-фондов (Invest. VC-fund); количество патентов (Patent); соотношение между внутренними затратами на научные исследования и разработки и количеством исследователей (Human capital), имеющих ученую степень; объем внутренних затрат на научные исследования и разработки (Science); объем инновационных товаров или услуг (Innov_Serv).
j
j
2 Крымский федеральный округ не включен в анализ в связи с отсутствием статистических данных за предыдущие периоды.
Страница 6 из 12
54ЕСУШ19
Для обеспечения надежности расчетов в рамках настоящего исследования в качестве выходной переменной выбран показатель «Кассовое исполнение к сводной бюджетной росписи» (Cash execution to the consolidated budget list, Cash ECBL) как индикатор качества управления государственными финансами по каждому субъекту РФ. Информация постоянно размещается на официальных информационных порталах Федерального Казначейства РФ, Федеральной службы государственной статистики РФ.
Следует отметить, что рассматриваемая совокупность единиц по показателю Cash ECBL является статистически однородной, что повышает точность рассчитываемых показателей. Кроме того, выбранные показатели имеют положительную направленность: рост значений показателей свидетельствуют о положительной динамике развития венчурных экосистем по субъектам РФ. Метод DEA требует хотя бы одной входной переменной, в качестве которой воспользуемся условной переменной, принимающей значение 1.
Информационная база построения DEA-модели оценки финансирования венчурных проектов с участием государства по субъектам РФ (таблица 1) включает показатели Росстата3, а также аналитических материалов Российской Ассоциации Венчурного Инвестирования4, характеризующие состояние венчурных экосистем по субъектам РФ на начало 2018 года.
Таблица 1
Информационная база моделирования оценки эффективности по субъектам РФ
Федеральный округ Унифицированный «вход» «Выход»
Cash ECBL, % Invest. VC-fund, % Patent, % Human capital, % Science, % Innov Serv, %
ЦФО 91,51 73,73 52,00 52,00 52,43 25,62
СЗФО 95,77 11,53 10,00 12,00 13,94 13,20
ПФО 92,77 2,48 16,00 9,00 15,18 20,32
ЮФО 90,92 4,08 7,00 5,00 2,55 5,60
СКФО 89,34 0,00 2,00 3,00 0,48 1,02
УФО 91,9 1,38 6,00 5,00 6,61 17,51
СФО 93,33 6,77 6,00 11,00 6,86 12,28
ДФО 94,22 0,03 1,00 4,00 1,95 4,45
Источник: составлено авторами
Обработка данных информационной базы исследования проведена с применением программного обеспечения MaxDEA Software (http://maxdea.com), разработанным компанией Beijing Realworld Software Company Ltd. Продукт функционирует в среде Access, данные могут импортироваться из Excel. После обработки данные могут быть экспортированы обратно в Excel.
Результаты исследования
В результате моделирования получены оценки Эус по федеральным округам, что позволило провести их ранжирование по данному параметру и определить цели по достижению определенных значений показателей для неэффективных субъектов РФ (таблица 2).
3 Федеральная служба государственной статистики [Электронный ресурс]. URL: http://www.gks.ru (дата обращения 25.06.2019).
4 Прямые и венчурные инвестиции. 2018 год [Электронный ресурс]. URL: http://www.rvca.ru/upload/files/lib/RVCA-yearbook-2018-Russian-PE-and-VC-market-review-ru.pdf (дата обращения: 25.06.2019).
Таблица 2
Параметры эффективности финансирования венчурных проектов с участием государства по субъектам РФ
Федеральный Показатель Эталонный регион (и коэффициенты, Место
округ эффективности Эус с которыми он формирует гипотетический объект) (ранг)
ЦФО 1,000 ЦФО (1,000) 1
СЗФО 1,000 СЗФО (1,000) 1
ПФО 1,000 ПФО (1,000) 1
ЮФО 0,949 СЗФО (1,000) 7
СКФО 0,933 СЗФО (1,000) 8
УФО 0,980 ПФО (0,617); СЗФО 0,360); ЦФО (0,023) 5
СФО 0,975 СЗФО (1,000) 6
ДФО 0,984 СЗФО (1,000) 4
Источник: получено авторами
Сравнительный анализ данных таблицы 2 показывает, что тройку лидеров по оценке эффективности финансирования венчурных проектов с участием государства сформировали федеральные округа - Центральный, Северо-Западный и Приволжский и потому служат в качестве ориентира (эталона) для других федеральных округов. При этом следует заметить, что весовые коэффициенты, полученные по данным федеральным округам, означают величину «вклада» данного субъекта РФ в гипотетический объект, который уже в свою очередь будет являться целевым федеральным округом для данного неэффективного субъекта РФ.
Для Уральского федерального округа эталонное множество включает три федеральных округа: Поволжский (с весом 0,617); Северо-Западный (с весом 0,360) и Центральный (с весом 0,023). Поскольку весовой коэффициент для Поволжского федерального округа больше, чем для Северо-Западного и Центрального федеральных округов, то это значит, что структура значений показателей Уральского федерального округа ближе к структуре показателей Поволжского федерального округа.
Показатели дескриптивной статистики, описывающих рассматриваемую совокупность субъектов РФ (среднее значение показателя эффективности Эус равно 0,978; минимальное значение Эус - 0,933 (СКФО); стандартное отклонение - 0,025) указывают на однородное распределение федеральных округов Российской Федерации по выделенному критерию (коэффициент вариации составляет 2,5 %, < 33 %).
Полученные результаты подтверждают выводы о лидерстве данных федеральных округов как центров инновационного развития в Российской Федерации. Так, Северо-Западный федеральный округ является эталонным для четырех федеральных округов: Дальневосточного, Северо-Кавказского, Сибирского и Южного.
Выводы
В сложившейся экономической и геополитической ситуации самые разные развитые и развивающиеся страны прилагают усилия по поощрению инновационной деятельности в интересах достижения целей социально-экономического развития страны. Важнейшая роль в обеспечении перехода на инновационную социально-ориентированную модель развития отводится венчурному предпринимательству как фактору развития национальных инновационных систем, включая венчурные экосистемы.
Рассмотрение взаимодействия государства и венчурных инвесторов в контексте интегрированного взаимодействия триады «Государство-Наука-Бизнес» показало, что развитие механизмов финансирования венчурных проектов, ориентированных на разработку и
внедрение высокопроизводительных и наукоемких технологий (нанотехнологии, робототехника, искусственный интеллект, редактирование генома, большие данные, трехмерная печать и т. д.) в значительной степени определяется эффективностью государственных затрат на стимулирование и развитие инноваций.
Есть основание полагать, что к перспективным направлениям дальнейших исследований в области экономики и управления относится разработка концептуальных подходов к оценке эффективности функционирования системы финансирования венчурных проектов с участим государства. Полученные результаты формируют информационно-аналитическое обеспечение для повышения качества принятия управленческих решений в области инноваций.
ЛИТЕРАТУРА
1. Стратегический глобальный прогноз 2030 / под ред. академика А.А. Дынкина. М.: Магистр, 2011. - 480 с.
2. Nold Hughes Р.А., Edwards M.E. Leviathan vs. (2000). Lilliputian: A Data Envelopment Analysis of Government Efficiency // Journal of Regional Science. Vol. 40. No 4. P. 649-669.
3. Afonso A., Aubyn M.S. (2005). Non-parametric Approaches to Education and Health Efficiency in OECD Countries. Journal of Applied Economics, 8(2), 227-246.
4. Baciu L., Botezat A.A. (2014). Comparative Analysis of the Public Spending Efficiency of the New EU Member States: A DEA Approach. Emerging Markets Finance and Trade, 50(4), 31-46. DOI: 10.2753/REE1540-496X5004S402.
5. Aizenman, J. and Kendall, J. (2012). The internationalization of venture capital. Journal of Economic Studies, 39(5), 488-511.
6. Dong, R.R., Martin, A., 2017. Research on barriers and government driving force in technological innovation of architecture based on BIM. EURASIA J. Math. Sci. Technol. Educ. 13 (8), 5757-5763.
7. Vivarelli, M., 2014. Innovation, employment and skills in advanced and developing countries: a survey of economic literature. J. Econ. Issues 48 (1), 123-154.
8. Петушкова Г.А., Тищенкова Г.З. Контроллинг деловой активности организации // Маркетинг и логистика. - 2017. - №5 (13). - с. 65-74.
9. Самозанятость и креативность в социально-экономическом развитии России / под ред. Гнездовой Ю.В., Хриптолова И.В. - М.: Издательство «Научный консультант», 2019. - 298 с.
10. Формирование системы финансового менеджмента: теория, опыт, проблемы, перспективы / Под ред. Сафроновой А.А., Рудаковой Е.Н. - М.: Издательство «Научный консультант», 2018. - 228 с.
11. Земляк С.В. Концепция формирование оценки финансирования венчурных проектов с участием государства // Финансовая экономика, 2019. № 5, ч.1 с. 2530.
12. Data Envelopment Analysis: Theory, Methodology, and Application / A. Charnes, W.W. Cooper, A.Y. Lewin, L.M. Seiford. - Boston: Kluwer Academ-ic Publishers, 1994. - 513 pp.
13. Farrell, M.J. The Measurement of Productive Efficiency / M.J. Farrell // Journal of The Royal Statistical Society, Series A (General), Part III. - 1957. - Vol. 120. - P. 253-281.
14. John S. Liu, Louis Y.Y. Lu, Wen-Min Lu and Bruce J.Y. Lin. A survey of DEA applications. Omega, 2013, vol. 41, issue 5, 893-902.
15. Matthews, Kent. Risk management and managerial efficiency in Chinese banks: A network DEA framework. Omega, Elsevier, vol. 41(2), 2013, pages 207-215.
16. Stej skal, J. Nekolova, K. Rouag, A. The Use of the Weighted Sum Method to Determine the Level of Development in Regional Innovation Systems - Using Czech Regions as Examples. In Ekonomicky casopis / Journal of Economics. Vol. 63, no. 3 (2015), p. 239-258.
17. Foddi M., Usai S. Regional Knowledge Performance in Europe. Growth and Change, 2013, vol. 44, issue 2, 258-286.
18. Jon Zabala-Iturriagagoitia, Peter Voigt, Antonio Gutierrez-Gracia and Fernando Jimenez-Saez. Regional Innovation Systems: How to Assess Performance. Regional Studies, 2007, vol. 41, issue 5, 661-672.
19. Matei, M.M. Spircu, L. Ranking regional innovation systems according to their technical efficiency - A nonparametric approach. Economic Computation and Economic Cybernetics Studies and Research 46 (4), 31-49.
Shelomentseva Marina Vladimirovna
Finance university under the Government of the Russian Federation
Smolensk branch, Smolensk, Russia E-mail: [email protected]
Komarov Pavel Il'ich
Finance university under the Government of the Russian Federation
Smolensk branch, Smolensk, Russia E-mail: [email protected]
Kiyaschenko Ludmila Timofeevna
Finance university under the Government of the Russian Federation
Smolensk branch, Smolensk, Russia E-mail: [email protected]
Petushkova Galina Alekseevna
Finance university under the Government of the Russian Federation
Smolensk branch, Smolensk, Russia E-mail: [email protected]
Negrey Alina Vladimirovna
Finance university under the Government of the Russian Federation
Smolensk branch, Smolensk, Russia E-mail: [email protected]
Assessment of the effectiveness of state financing of venture projects in the subjects of the Russian Federation
Abstract. Under the conditions of information society development, economy modernization based on the new highly effective scientific technologies is taking place. Science, technologies and innovations have become the strategic factors of social and economic progress. We witness the necessity of learning mechanisms for venture investment funding as one of the strategic instruments of the state policy in innovation development. The purpose of the article is to assess the effectiveness of financing venture projects with the participation of the state in the context of stimulation and development of innovation on the example of the subjects of the Russian Federation. The level of efficiency of interaction between state financial institutions and venture investors is determined using the ideas of DEA-analysis. It is based on a nonparametric methodology because it does not imply or define any form of production function. DEA-analysis is implemented by solving the optimization problem of linear programming. The aim of the study is to provide reasonable arguments for the necessity of performing domestic state policy considering regional peculiarities of RF entities development in the sphere of innovations and investment. The empirical base for the study included data from Rosstat, RF Federal Treasury, Russian Venture Company, Institute of statistics and economy of knowledge of Higher School of Economics.
The practice of qualitative assessment of the effectiveness of interaction between state financial institutions and venture investors is at the stage of formation. In such circumstances, it is necessary to improve the mechanisms and tools of state financial monitoring and control by creating a system of indicators of the effectiveness of public spending on innovative projects, taking into account the possibility of their implementation. Practical importance of the study is proved by the fact that identifying RF entities with different levels of venture ecosystem development will allow to use different impacting mechanisms in managing them, to master instruments of venture investment as a factor of a steady economic growth. The results of the study performed provide information and
analysis for making effective management decisions in the sphere of funds providing for innovative projects partially owned by the government
Keywords: digital economy; national venture ecosystem; efficacy; venture projects funding; DEA-analysis; investment; state programs in innovations development and support
54ECVN419
