ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
ОЦЕНКА МУЛЬТИПЛИКАТИВНЫХ ЭФФЕКТОВ ОТ ИНВЕСТИЦИЙ В ПРОМЫШЛЕННОСТЬ
НЕРОВНЯ Т.Н.,
доктор э ко ном иче с ких наук, профе с сор кафедр ы мир о в ой и ре ги онал ьной экономики, Северо-Кавказский институт - филиала ФГБОУ ВПО «РАНХ и ГС» при Президенте РФ,
e-mail: ntn200853@mail.ru;
ХАЧИРОВ А.Д.,
аспирант, Кисловодский гуманитарно-технический институт, e-mail: khachirov.askhat@googlemail.com
В настоящей работе на основе построения моделей с распределенными лагами произведена оценка мультипликативных эффектов от инвестиций в различные отрасли российской промышленности, сделаны выводы об эффективности инвестиционного процесса с точки зрения создания синергетических эффектов и положительных обратных связей в экономической системе. Замедление темпов экономического роста в глобальном масштабе и кризисные явления, сохраняющиеся в экономике высокоразвитых стран мира, послужили импульсом к переосмыслению мировым научным сообществом многих постулатов экономического мейнстрима, доминировавших в неолиберальном общественном сознании на протяжении последних десятилетий. Это, в первую очередь, коснулось популярной в начале 2000-х гг. концепции постиндустриального общества, формирование и развитие которой было «ответом» на бурное развитие нематериального сектора экономики в наиболее богатых странах мира, производящего нематериальные блага - информацию, знания, даже «впечатления», «смыслы» и т.п. Однако, как показывает практика, «экономика знаний» в настоящее время является далеко не самодостаточной, а опирается на индустриально-технологическую мощь промышленно развитых регионов мира. Наибольший эффект от развития инновационной деятельности наблюдается там, где имеются возможности для промышленного освоения инноваций. Предложены инструменты совершенствования государственной промышленной политики, направленные на мониторинг эффективности инвестиций. Без этого все усилия, направленные на искусственное стимулирование инновационной активности, бесконечное совершенствование методов и подходов к организации инновационных процессов и создание все новых институтов поддержки инновационной деятельности, наталкиваются на невостребованность и невосприимчивость низкотехнологичных отраслей экономики с высокой долей низкоквалифицированного дешевого живого труда к техническим новинкам, требующих для их освоения значительных объемов высокорисковых инвестиций.
Ключевые слова: промышленная политика; инвестиции; инвестиционный процесс; мультипликативный эффект; моделирование; временные ряды; модели с распределенными лагами; мониторинг эффективности инвестиций.
THE PROBLEM OF ESTIMATIONOF THE MULTIPLICATIVE EFFECTS FROM INVESTMENT IN INDUSTRY
NEROVNYA T.N.,
Doctor of Sciences, professor, Department of global and regional economies, Russian Academy of National Economy and Public Administration under the President of the Russian Federation
e-mail: ntn200853@mail.ru;
KHACHIROV A.D.,
graduate student, Kislovodskiy Humanitarian-Technical Institute, e-mail: khachirov.askhat@googlemail.com
In this paper, based on the construction ofmodels with distributed lags evaluated multiplicative effects of investments in various sectors of Russian industry and draw conclusions about the effectiveness of the investment process from the
© Т.Н. Неровня, А.Д. Хачиров, 2013
point of view of creating synergies and positive feedbacks in the economic system. The economic slowdown in the global crisis and persisting in the economy of the advanced countries of the world, the impetus to rethink the global scientific community, many mainstream economics postulates that dominated neoliberal public consciousness over the past decades. This is, first of all, touched popular in the early 2000s, the concept of post-industrial society, the formation and development of which was to «answer» to the rapid development of the intangible economy in the richest countries in the world that produces intangible benefits - information, knowledge, and even the «impressions», «meaning», etc. However, as practice shows, the 'knowledge economy' is currently not self-sufficient, and relies on industrial and technological might of the industrialized regions of the world. The greatest effect on the development of innovation occurs where there are opportunities for commercial development of innovations. Offered tools to improve the state's industrial policies aimed at monitoring the effectiveness of investments. Without this, all efforts to artificially stimulate innovative activity, the infinite perfection of methods and approaches to innovation processes and the creation of new institutions to support innovation, hampered by lack of demand for immunity and low-tech industries with a high proportion of low-skilled cheap human labor to technical newest, requiring for their development of significant volumes of high-risk investments.
Keywords: industrial policy; investment; investment process; multiplier effect; modeling; time series; models with distributed lags; monitoring investment performance.
JEL classification: O16, R42.
Вопросы формирования экономической политики государства в различных высокотехнологичных отраслях российской экономики в настоящий момент приобрели особую актуальность, как в связи с общим изменением парадигмы экономического роста, так и в связи с неотложными и нерешенными до настоящего момента проблемами структурного дисбаланса в экономической системе.
Ряд последних работ междисциплинарных научных коллективов РАН посвящен поиску путей и методов, а также разработке организационно-экономических механизмов восстановления ведущих позиций России в авиастроении (Клочков, Байбакова, 2013) промышленном комплексе (Хрусталев, Хрусталев, 2013) машиностроении (Ратнер, Иосифов, 2012) как наиболее инновационно-восприимчивых отраслях экономики. В частности, в указанных работах особое внимание уделяется вопросам оценки и мониторинга эффективности инвестиционной деятельности.
Действительно, исследование динамики инвестиций в основных отраслях российской экономики (рис. 1) позволяет сделать вывод о наличии устойчивых положительных тенденций увеличения объемов инвестиций в основной капитал предприятий и организаций, которая по логике экономического развития должна привести к существенному улучшению качества структуры промышленности и повышению эффективности функционирования промышленных организаций. Однако на практике в масштабах всей национальной экономики этого пока не происходит (Ратнер, Иосифов, 2012). Поэтому целью настоящей работы является оценка эффективности инвестиционных процессов в различных отраслях промышленности с точки зрения максимизации мультипликативных и синергетических эффектов развития.
Добыча полезных ископаемых Обрабатывающие производства
Производство и распределение электроэнергии, газа и воды
Рис. 1. Динамика инвестиций по основным видам экономической деятельности в России за период 1994-2011 гг. (в тыс. долл. США)
ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
Следует отметить, что в мировой экономике существует множество примеров того, как эффект от развития одной отрасли экономики передается с помощью механизмов кластерной организации производства другим отраслям, расположенным ниже и выше по технологической цепи создания стоимости, а также смежным отраслям. Так, например, в работе (Ратнер, 2011) рассмотрен процесс формирования высокотехнологичных кластеров в области энергетики в Германии, условия для которого были созданы благодаря развитию кооперационных связей, предполагающих как диффузию технологий и знаний, так и «перелив» инвестиционных ресурсов между энергетическими компаниями и предприятиями отрасли энергетического машиностроения в нескольких регионах ФРГ. В работе (Горидько, Нижегородцев, 2011) исследованы факторы, влияющие на величину мультипликативного эффекта, возникающего в экономической системе мезоуровня с наличием положительных и отрицательных обратных связей.
Для того, чтобы выявить наличие или отсутствие мультипликативных эффектов в инвестиционном процессе, исследуем совместную динамику временных рядов, представляющих собой официальные данные Федеральной службы государственной статистики по объему инвестиций в основной капитал предприятий и организаций (www.gks.ru, Социально-экономические показатели Российской Федерации в 1991-2011 гг., Приложение к статистическому сборнику «Российский статистический ежегодник, 2012»). На рис. 2 представлена совместная динамика инвестиций в основной капитал по отраслям обрабатывающих производств, являющихся лидерами инвестиционного развития.
300000,0
250000,0
200000,0
150000,0
100000,0
50000,0
199419951996199719931999200020012002 2003 20042005 2006 2007 2008200920102011
------Пищевая промышленность —•— производство кокса и нефтепродуктов
------химическое производство ..... производство неметалл, минеральных продуктов
------металлургическое производство ------------производство машин и оборудования
------производство автомобилей
Рис. 2. Динамика инвестиций по основным отраслям обрабатывающей промышленности за период 1994-2011 гг.
(в тыс. долл. США)
Как видно из графика, представленного на рис. 2, в период с 1994 по 2003 гг. наибольшие объемы инвестиций поступали на предприятия пищевой промышленности, а с 2004 г. бессменным лидером по объему инвестиций среди обрабатывающих производств является металлургия. Объем инвестиций в основной капитал предприятий по производству кокса и нефтепродуктов демонстрирует на протяжении всего исследуемого периода экспоненциальный рост, характер которого не был нарушен даже в кризисный период. В частности благодаря этому, объем инвестиций в основной капитал предприятий данного вида производства в 2011 г. превысил даже объем инвестиций в металлургические производства и пищевую промышленность.
Среди отраслей промышленности, не являющихся лидерами инвестиционных процессов, подобную экспоненциальную динамику по объему инвестиций в основной капитал демонстрирует производство судов, космических и летательных аппаратов и прочих транспортных средств (рис. 3).
деревоообрабатывающая промышленность целлюлозно-бумажное про-во; изд. и полиграф, деят-ть производство резиновых и пластмассовых изделий производство электронного, электрич. и оптического оборудования производство судов, летательных и космических аппаратов и пр. Легкая промышленность
Рис. 3. Динамика инвестиций по остальным отраслям обрабатывающей промышленности за период 1994-2011 гг.
(в тыс. долл. США)
Однако объемы инвестиций, полученные за исследуемый период данной отраслью в несколько раз уступают объемам инвестиций в металлургическое производство. Самой недоинвестированной отраслью промышленности на протяжении всего исследуемого периода остается легкая промышленность (рис. 3).
Для моделирования совместной динамики временных рядов, представляющих из себя указанные статистические показатели в период с 1994 по 2011 гг. используем один из наиболее информативных статистических методов моделирования и прогнозирования - модели с распределенными лагами вида
Я
у, = Е а 1 х, -1 +е ,,
1 -0
где
х1, у1 — временные ряды, описывающие изучаемые взаимосвязанные экономические процессы,
Я — величина наибольшего лага, а> — некоторые коэффициенты,
£, — случайное возмущение, ошибка.
Данные модели относятся к группе динамических моделей, учитывающих ожидаемые уровни переменных, которые определяются экономическими субъектами на основе информации, которой они располагают в текущий и предыдущий момент времени (Ратнер, Иосифов, 2012).
Основную проблему при оценке параметров а1 составляет, как правило, сильная корреляция между факторами х, х , х-... . Для ее преодоления на практике обычно применяется преобразование лаговых переменных либо делаются определенные предположения о характере коэффициентов регрессии (Ратнер, Иосифов, 2012). При построении моделей с рапределенными лагами будем использовать метод Алмона, в котором для преодоления сильной корреляции между значениями ряда в близкие моменты времени используется переход к новым переменным и представление коэффициентов модели в виде полиномов заданной степени к от величины лага]
Ь1 = со + Сх1 + с212 + сз 13 + ••• + ск1к Расчет коэффициентов проведем в пакете прикладных программ БТАТКЖА 8.0. Варьируя длину лага и степень полинома Алмона находим, что для описания зависимости между объемом инвестиций в добычу топливно-энергетических
ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
TERRA ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
полезных ископаемых и объемом инвестиций в обрабатывающие производства наилучшим качеством приближения К2=0,9883 обладает модель со степенью 1. Наивысший уровень статистической значимости (р=0,000000016469) при этом соответствует длине лага 2 (рис. 4).
All STATISTICA - [Workbookl* - Almon Polyn, Distr.Lag:-; Regression Coefficient: ;Инвест/ци.'_ряды)]
Щ File Edit View Insert -ormat Statistics Graphs Tools Data Workbook Window Help
D £? □ # El £4 *4[: Add to Workbook » Add to Report - ^ .
И 1 Aria _▼] | io »| в і и = в а й? A - g- ~!П *-.0 .00 | =|H; .00 .,0
•••■jllfll Almon F > -•ІЛЛІ Almon F -lil Polyn. D Almon Polyn. Distr.Lags: Regression Coefficients (Инвестицииряды) Indep Добыча т/э ПИ Dep обрабат пр-ва Lag: 5 Polyn order 1 R= ,9941 R-square= ,9883 N: 13
Д Polyn. D (ilill Almon F Lag Regressn Coeff. Standard Error t[ 7) P
ІІІНІ Almon F 0 0.880637545210 0,139616601052 6,30754178638 0,000401243355
ІІІЙІ Almon F 1 0,569173181658 0,069295888796 8,21366449790 0,000077000947
•lifffl Polyn. D 2 0,257708818105 0.009013692854 28,59081425027 0,000000016469
|§I!!| Polyn. D 3 -0,053755545447 0,073012154151 -0,73625475200 0.485511194022
—■jllfll Almon F 4 -0,365219909000 0,143354470418 -2,54767017684 0,038233417999
Ш Almon F 5 -0,676684272552 0.213870136447 -3,16399607628 0,015839815518
Рис. 4. Диалоговое окно пакета STATISTICA 8.0 с результатами анализа распределенных лагов
Полученный результат свидетельствует о том, что между отраслями «добыча топливно-энергетических полезных ископаемых» и «обрабатывающие производства» существует определенный «перелив» инвестиционных ресурсов с лагом в 2 года. Другими словами, инвестиции в основной капитал предприятий отрасли «добыча топливно-энергетических полезных ископаемых» частично трансформируются в инвестиции в основной капитал обрабатывающих производств через закупку их продукции и повышение объемов прибыли, часть из которых может быть направлена на модернизацию основных фондов.
Рассмотрим теперь вопрос о том, какие именно из отраслей промышленности участвуют в процессе «перелива» инвестиционных ресурсов от отрасли-лидера российской экономики. На рис. 5 представлены результаты анализа распределенных лагов методом полиномов Алмона между инвестициями в основной капитал добывающих предприятий и инвестициями в основной капитал предприятий металлургической отрасли.
Л STATISTICA - [Workbookl* - Almon Polyn, Distr.Lags; Regression Coefficients (Инвестиции_ряды)] J
File £dit View Insert Format Statistics Graphs Tools Data Workbook Window Help
qє?у #a x ^ (m<? | ю ra Add to Workbook » Add to Report -
Jj IArial zl |10 | в і и ш ш m йР t.o .00
^ Workbookl Й-Q Time Se □-03 Tim
ЧШВ F -Ilf
m*
я*
m*
m*
m*
Almon Polyn. Distr Lags; Regression Coefficients (Инвестиции ряды) Indep: Добыча т/э ПИ Dep: метал.пр-во Lag: 5 Polyn. order: 1 R= ,9829 R-square= ,9660 N: 13
Laq Regressn Coeff Standard Error 4 7) P
0 0.237962197616 0,047720004739 4,98663398964 0,001589041367
1 0,143718638872 0,023684863525 6,06795300807 0,000506868278
2 0,049475080128 0,003080818918 16,05906788195 0.000000882141
3 -0,044768478616 0,024955057750 -1,79396413604 0,115903649897
4 -0,139012037360 0,048997583067 -2,83712029567 0,025148175646
В -0.233255596103 0,073099358155 -3.19093904503 0,015256719655
Рис. 5. Результаты анализа распределенных лагов между инвестициями в основной капитал добывающих
предприятий и металлургических
Как видно из рис. 5, наивысший уровень статистической значимости соответствует лагу в 2 года. Качество построенной модели высокое (коэффициент детерминации Rг=0,966). Порядок полинома Алмона равен 1. Коэффициент регрессии, соответствующий лагу 2 приблизительно равен 0,049475, что говорит о невысоком мультипликативном эффекте. Подобные результаты дает также исследование распределенных лагов между рядами «инвестиции в основной капитал добывающих предприятий» и «инвестиции в основной капитал машиностроительных предприятий» (рис. 6). Коэффициент детерминации модели Rг=0,9619, порядок полинома Алмона 1, наивысший уровень статистической значимости р=0,000000128839 соответствует лагу 2-го года.
Laq Almon Polyn. Distr.Lags; Regression Coefficients (Инвестиции_ряды) Indep: Добыча т/э ПИ Dep: пр-во машин Lag: 5 Polyn. order: 1 R= ,9808 R-square= ,9619 N 13
Regressn Coeff Standard Error 4 7) P
0 0,060531575131 0,013233609753 4,57407889925 0,002561695125
1 2 0,036755641549 0,012979707967 0,006568235746 0,000854366120 5,59596868454 0,000819400845 15,192208199381 0,000001288390l
3 -0,010796225616 0,006920483295 -1,56003925679 0,162716161697
4 -0,034572159198 0,013587905045 -2,54433329369 0,038420132534
5 -0,058348092780 0,020271757815 -2,87829468525 0,023709274779
Рис. 6. Результаты анализа распределенных лагов между инвестициями в основной капитал добывающих
и машиностроительных предприятий
Построение аналогичных моделей между временными рядами, представляющими собой статистические данные по объемам инвестиций в основной капитал добывающей отрасли и других отраслей промышленности (входящих в группу «обрабатывающие производства»), позволяет получить результаты, представленные в табл. 1.
Таблица 1
Результаты анализа распределенных лагов - авт.
Независимая переменная Зависимая переменная Лаг; коэффициент регрессии Метод построения модели Качество модели
Добыча топливноэнергетических Химическое производство 2 года; 0,02679 Полином Алмона, первая степень Яг=0,9736 р=0,00000025
полезных ископаемых Производство кокса и нефтепродуктов 2 года; 0,03666 Полином Алмона, первая степень Яг=0,9898 р=0,00000000
Производство пластмасс 2 года; 0,0063 Полином Алмона, первая степень ^=0,9602 р=0,00000136
Производство автомобилей 2 года; 0,01153574 Полином Алмона, первая степень Яг=0,9901 р=0,00000000
Производство электрического и электронного оборудования 2 года; 0,00778299 Полином Алмона, первая степень Яг=0,9839 р=0,00000057
Производство минеральных продуктов(неметаллических) 2 года; 0,0242880164 Полином Алмона, первая степень Яг=0,9656 р=0,00000078
Пищевая промышленность 0 лет (нет лага); 0,311117 Полином Алмона, третья степень Яг=0,9773 р=0,002850
Производство судов, летательных и космических аппаратов 0 лет (нет лага); 0,02751168 Неограниченные распределенные лаги Яг=0,9994 р=0,000169
Деревообрабатывающая промышленность 0 лет (нет лага); 0,04727 Неограниченные распределенные лаги Яг=0,9836 р=0,03875
На основании полученных результатов моделирования можно сделать несколько следующих выводов качественного характера:
1. Между различными отраслями промышленности России существуют определенные «инвестиционные переливы», которые характеризуются мультипликативными эффектами. В частности, наблюдается трансформация части инвестиционных ресурсов, вкладываемых в основной капитал добывающих предприятий в инвестиции в основной капитал обрабатывающих производств с временным лагом 2 года;
2. Наиболее сильные мультипликативные эффекты можно наблюдать в промышленных кластерах, объединяющих добывающую отрасль с металлургическим производством, производством кокса и нефтепродуктов и производством минеральных продуктов (неметаллических). Однако даже между этими отраслями величина мультипликативных эффектов невысокая;
3. Очень слабые мультипликативные эффекты наблюдаются между инвестиционными процессами в добывающей отрасли и машиностроении, производстве электрического, электронного и оптического оборудования. Это говорит о том, что предприятия добывающей отрасли предпочитают закупать оборудование и технологии за рубежом, нежели налаживать партнерские связи с отечественными машиностроительными и приборостроительными предприятиями. Данная ситуация требует немедленной разработки и практической реализации кластерных механизмов взаимодействия пред-
ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
ТЕRRА ECONOMICUS ^ 2013 ^ Том 11 № 1 Часть 3
приятий данных отраслей с целью повышения конкурентоспособности отечественной промышленности в целом за счет создания синергетических эффектов диффузии знаний и технологий и мультипликативных эффектов инвестиций;
4. Инвестиции в основной капитал добывающих компаний не оказывают никакого мультипликативного эффекта на инвестиционные процессы в пищевой промышленности, деревообрабатывающие промышленности и производстве судов, летательных и космических аппаратов, что обусловлено естественными различиями в технологических цепочках создания стоимости.
Предложенный метод исследования эффективности инвестиционного процесса по критериям максимизации мультипликативных эффектов на основе построения моделей временных рядов с распределенными лагами может быть использован на мезоуровне для оценки уровня развития региональных и межрегиональных промышленных кластеров и выработки системы мер, направленных на корректировку и совершенствование промышленной политики государства. Для этого необходимо лишь накопление статистических данных по объемам инвестиций в основной капитал предприятий, составляющих технологическое ядро кластера и предприятий, продукция которых представляет собой смежные звенья технологической цепи создания стоимости.
ЛИТЕРАТУРА
Горидько Н.П., Нижегородцев Р.М. (2011). Современный экономический рост: теория и регрессионный анализ. Новочеркасск: «НОК». 343 с.
Иосифов В.В., Ратнер С.В. (2011). Проблемы и перспективы развития машиностроения России в посткризисный период. Краснодар: Издательский Дом - Юг. 150 с.
Клочков В.В., Байбакова Е.Ю. (2013). Анализ проблем и рисков реструктуризации авиапромышленного комплекса России. Национальные интересы: приоритеты и безопасность, № 4. с. 7-17
Клочков В.В., Болбот Е.А. (2012). Глобальные ограничения экономического роста и приоритеты инновационного развития России. Национальные интересы: приоритеты и безопасность, № 23. с. 2-12.
Ратнер С.В. (2011). Возможности адаптации опыта Германии по созданию рамочных условий для промышленного использования инновационных технологий в области энергетики. Национальные интересы: приоритеты и безопасность, № 43 (136). с. 71-78.
Ратнер С.В., Иосифов В.В. (2012). Исследование динамики инвестиционных процессов в машиностроении на основе моделей с распределенными лагами. Экономический анализ: теория и практика, № 29. с. 43-49.
Ратнер С.В., Иосифов В.В. (2012). Стимулирование развития высокотехнологичных отраслей экономики (на примере машиностроения в Германии). Вестник Уральского Федерального университета. Серия «Экономика и управление». № 4, с. 46-58.
Ратнер С.В., Ушнов В.В. (2009). Анализ возможностей реализации концепции открытых инноваций на базе существующих институциональных систем. Национальные интересы: приоритеты и безопасность, № 2 (35). с. 80-85.
Хрусталев Е.Ю., Хрусталев О.Е. (2013). Когнитивное моделирование развития наукоемкой промышленности (на примере оборонно-промышленного комплекса). Экономический анализ: теория и практика, № 10. с. 2-10.
Хрусталев Е.Ю., Хрусталев О.Е. (2012). Финансово-экономический и социальный анализ военно-региональной политики. Экономический анализ: теория и практика, № 27. с. 2-8.
REFERENCES
Goridko N.P., Nizhegorodtsev R.M. (2011). Modern Economic Growth: Theory and regression analysis. Novocherkassk, "NOC". 343 p.
Joseph V., Ratner S. (2011). Problems and prospects of Russian machine-building in the post-crisis period. Krasnodar Publishing House - South. 150.
Khrustalyov E.J., Khrustalyov O.E. (2013). Cognitive modeling of knowledge-based industries (for example, the military-industrial complex). Economic Analysis: Theory and Practice, No. 10. pp. 2-10.
Khrustalyov E.J., Khrustalyov O.E. (2012). Financial and economic and social analysis of the military-regional policy. Economic Analysis: Theory and Practice, No. 27. pp. 2-8.
Klochkov V.V., BaybakovaE.J. (2013). An analysis of the problems and risks of restructuring aviation industry complex of Russia. National interests: priorities and security, No. 4. pp. 7-17.
Klochkov V.V., BolbotE.A. (2012). Global economic growth restrictions and priorities for innovation development in Russia. National interests: priorities and security, No. 23. pp. 2-12.
Ratner S. (2011). The possibility of adapting the experience of Germany to create the framework conditions for industrial application of innovative technologies in the energy field. National interests: priorities and security, No. 43 (136). p. 71-78.
Ratner S., Joseph V. (2012). The study of the dynamics of investment processes in mechanical engineering from models with distributed lags. Economic Analysis: Theory and Practice, No. 29. p. 43-49.
Ratner S., Joseph V. (2012). Promote the development of high-tech industries (for example, mechanical engineering in Germany). Bulletin of the Ural Federal University. Series "Economics and Management". No. 4, p. 46-58.
Ratner S., Ushnov V.V. (2009). An analysis of the feasibility of the concept of open innovation based on existing institutional systems. National interests: priorities and security, No. 2 (35). p. 80-85.