CC BY
77
ISSN 2311-8768 (Online) ISSN 2073-4484 (Print)
Риски, анализ и оценка
РИСКИ ДОЛГОСРОЧНЫХ ПРОГНОЗОВ В ЭКОНОМИКЕ РОССИЙСКОЙ ФЕДЕРАЦИИ
Владимир Васильевич ИЛЬИНа,% Наталья Александровна СЕРДЮКОВАЬ, Владимир Иванович СЕРДЮКОВс
а доктор экономических наук, главный научный сотрудник, Государственный научно-исследовательский институт системного анализа Счетной палаты Российской Федерации, Москва, Российская Федерация vladimir_v_ilyin@hotmail. com
b доктор экономических наук, профессор кафедры финансов и цен, Российский экономический университет им. Г.В. Плеханова,
Москва, Российская Федерация
с доктор технических наук, главный научный сотрудник, Институт управления образованием Российской академии образования; профессор Московского государственного технического университета им. Н.Э. Баумана, Москва, Российская Федерация [email protected]
• Ответственный автор
История статьи:
Принята 27.08.2015 Принята в доработанном виде 29.09.2015 Одобрена 21.10.2015
УДК 330.3 JEL: С02, G17
Ключевые слова:
моделирование, риск, прогноз,
финансово-экономическая
система
Аннотация
Предмет. Статья посвящена рассмотрению теоретических и практических вопросов повышения точности прогнозирования и качества планирования на базе методологии математического моделирования, основанной на алгебраической формализации общего понятия системы. Основная часть посвящена построению формализованной алгебраической многофакторной модели рисков изменения сценариев долгосрочного социально-экономического развития Российской Федерации, использующей и дополняющей классическую методологию прогнозирования. Дается оценка временных интервалов регулирования экономических процессов для предотвращения рисков изменения сценариев развития экономики Российской Федерации.
Цели. Построение формализованной алгебраической многофакторной модели рисков изменения сценариев долгосрочного социально-экономического развития Российской Федерации, использующей новую методологию, дополняющую классическую методологию прогнозирования, основанную на оценках, прогнозах глобальной макроперспективы и глобальной стратегии Business Monitor International Research (BMI Research Fitch Group Company) и Центра макроэкономического анализа и краткосрочного прогнозирования. Обоснование предлагаемой модели, построение оценки временных интервалов регулирования экономических процессов для предотвращения отрицательных рисков изменения сценариев развития экономики РФ и обоснование предлагаемых оценок. Методология. Симбиоз классических методов прогнозирования и методологии алгебраической формализации системного подхода.
Результаты. В работе приведен краткий анализ некоторых основных факторов, определяющих риски изменения сценариев долгосрочного социально-экономического развития Российской Федерации, на основе которого построена формализованная алгебраическая шестифакторная модель рисков изменения сценариев долгосрочного развития.
Выводы. Процесс определения рисков изменения сценариев долгосрочного социально-экономического развития Российской Федерации является неотъемлемым элементом формирования государственной бюджетной политики, в том числе на региональном и муниципальном уровнях. В настоящее время необходимо обеспечить повышение точности прогнозирования и качества планирования, без которого государственная бюджетная политика малоэффективна. В связи с этим необходимо уделять должное внимание своевременному предотвращению отрицательных рисков изменения сценариев долгосрочного развития.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2015
В настоящее время в связи с переходом к программному бюджету и необходимостью обеспечения высокого качества управления государственными финансами одной из наиболее сложных и важных проблем является повышение
точности планирования1
прогнозирования
и
качества
1 Об утверждении государственной программы Российской Федерации «Экономическое развитие и инновационная
Решению этой проблемы посвящено большое количество работ, однако, несмотря на это, многие узловые задачи, обеспечивающие полное и исчерпывающее решение этой проблемы как в области теории, так и в области практики, еще не решены. Отчасти это можно объяснить необходимостью поиска новых математических методов при решении указанных задач, устраняющих недостатки математических методов, используемых для прогнозирования и планирования финансовых и экономических результатов. В настоящее время отсутствуют методы, позволяющие характеризовать изучаемые свойства в едином целостном комплексе численных показателей и синхронизированных с ними связей, причем как в динамике, так и в статике.
Исследование является продолжением работ авторов, в которых была предложена методология математического моделирования, основанная на алгебраической формализации общего понятия системы. В работе представлена формализованная алгебраическая многофакторная модель рисков изменения сценариев долгосрочного социально-экономического развития Российской Фе1ерации, использующая и дополняющая классическую методологию прогнозирования. В качестве статистической основы для расчетов использованы материалы (прогнозы) Business Monitor International Research (BMI Research Fitch Group Company)2 и Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП)3.
Развитие математического моделирования показало, что одним из возможных резервов повышения точности прогнозирования результатов финансовой и экономической деятельности является использование аппарата теории групп. Так, А.Г. Курош считал, что теория групп с
экономика»: распоряжение Правительства РФ от 29.03.2013 № 467-р; О Стратегии инновационного развития Российской Федерации на период до 2020года: распоряжение Правительства РФ от 08.12.2011 № 2227-р.
2 «Бизнес Монитор Интернэшнл» (BMI Research Company) является одним из лидеров на информационно-аналитическом рынке в области оценки глобальных и страновых политических и экономических рисков, рейтингов и прогнозов, анализа и оценки состояния деловой среды в рамках 17 индустриальных секторов экономики. Компания основана в 1984 г. в Лондоне. В 2014 г. вошла состав Fitch Group.
3 Центр макроэкономического анализа и краткосрочного прогнозирования - российская научно-исследовательская организация, некоммерческое партнерство. Основана в 1997 г. на базе лаборатории Института народнохозяйственного прогнозирования РАН. Проводит прикладные исследования в области анализа и прогнозирования воспроизводственных процессов в российской экономике.
необходимостью будет оказывать все возрастающее существенное влияние в различных областях науки и за пределами математики. Это высказывание распространяется на научные исследования в целом, поскольку понятие «группа» хорошо формализовано, отражает фундаментальное свойство вещей (симметрию) и потому связано с понятиями целесообразности, соразмерности, оптимальности.
В 1992-1993 гг. на базе работ Ю.Л. Ершова был предложен способ выделения и изучения сервантных или чистых вложений (связей со специальными свойствами, согласовывающими внутренние свойства подсистемы и системы) в специальном классе алгебраических систем (группах), который позволил перенести и обобщить известные результаты теории сервантностей абелевых групп на случай произвольных неабелевых групп. В 2000-е гг. были разработаны способы моделирования финальных состояний системы и определения количества финальных состояний с помощью техники теории групп. В 2008-2014 гг. сервантные или чистые вложения, не искажающие внутренних связей подсистемы в системе и удовлетворяющие условию (предикату) Р (not distort domestic relations of a system), использовались для разграничения связей в системах по их характеру, то есть для классификации связей в общих замкнутых ассоциативных системах.
С помощью алгебраической формализации системного подхода уже получены следующие теоретические результаты в области теории систем:
• разработана новая методология изучения теории систем, базирующаяся на основе формализации системного подхода с помощью алгебраических систем и методов общей алгебры, позволяющая с помощью обратной связи между формализацией и качественным анализом уточнять ранее известные понятия в части углубленного изучения их качественных свойств;
• построена аксиоматика системы в рамках предлагаемой формализации;
• описаны внешние и внутренние атрибутивные признаки системы;
• формализовано свойство целостности системы;
• построен алгоритм исследования замкнутых ассоциативных систем с помощью теории групп;
• определено число возможных синергетических эффектов замкнутой системы;
• формализовано понятие инновационной системы и ее инфраструктуры, в рамках алгебраической формализации изучены их свойства;
• введено понятие «псевдо-инновационная система» и изучены некоторые сравнительные свойства инновационных и псевдоинновационных систем.
Предлагаемый подход позволяет формализовать качественные изменения в замкнутой системе и таким образом предсказывать их возможность.
В качестве приложений к области экономики и финансам получены следующие теоретические результаты:
• выявлены факторы, от которых зависит точность моделируемого процесса или явлений в замкнутой системе;
• получено новое обоснование невозможности точного долгосрочного планирования;
• доказана теорема об описании финансовых рисков.
При построении математической модели необходимо выделить три группы факторов.
Первая группа - это факторы, оказывающие определяющее влияние на возможность достижения в модели цели (так называемые доминирующие или критические факторы операции).
Вторая группа - факторы, которые можно не учитывать при построении первого варианта модели, но целесообразно учесть при ее последующих доработках и переработках.
Третья группа - факторы, которые не следует принимать во внимание при разработке модели, так как они не оказывают существенного влияния на возможность достижения поставленной цели.
В качестве первой и основной группы факторов, определяющих системные риски изменения сценариев долгосрочного развития финансово-экономических систем РФ, определим шесть обобщенных показателей:
• номинальный ВВП з^, трлн руб.;
• реальный ВВП ¿2, трлн руб.;
• население млн чел.;
• энергоресурсы ¿и;
• банковский сектор ¿5;
• коррупция (теневой сектор) ¿6.
Под инфраструктурой будем понимать составные части общего устройства экономической или политической жизни, носящие вспомогательный характер, но обеспечивающие нормальную деятельность системы в целом. Таким образом, инфраструктура системы - это оснащенность системы средствами, обеспечивающими ее функционирование.
По данным ЦМАКП, в России наблюдается низкий уровень инфраструктурной
обеспеченности экономики. В России существует обширная железнодорожная сеть, которая соединяет западную часть России с Сибирью и Дальним Востоком. Также имеются международные транспортные связи со всеми крупными европейскими и азиатскими торговыми партнерами. Вместе с тем старение производственной инфраструктуры советского периода ограничивает возможности деятельности частного сектора, особенно за пределами крупнейших городов.
Приведем характеристику факторов, отобранных для построения модели финального состояния системы.
Номинальный ВВП4. Рост российской экономики5 (рост ВВП) с 2016 по 2024 г. составит в среднем 2,7% (намного ниже, чем в предыдущее десятилетие). При этом экономика будет постепенно переходить к внутреннему спросу. К 2023 г. внутренний спрос будет составлять 57% совокупного ВВП против 49% в 2012 г. Основными проблемами, сдерживающими долгосрочный рост и приближение к развитым стандартам богатства, по-прежнему будут структурные риски, слабая деловая среда, бедный институциональный потенциал, плохая
демография.
4 Номинальный ВВП - это ВВП, рассчитанный в текущих ценах данного года. На величину номинального ВВП оказывают влияние два фактора: изменение реального объема производства и изменение уровня цен. Чтобы измерить реальный ВВП, необходимо «очистить» номинальный ВВП от воздействия на него изменения уровня цен. Реальный ВВП -это ВВП, измеренный в сопоставимых (неизменных) ценах, в ценах базового года. При этом базовым годом может быть выбран любой год хронологически как раньше, так и позже текущего.
5 Все прогнозы не учитывают состояние экономики двух регионов Крымского федерального округа.
В целом, по прогнозам6 экспертов, глобальный (мировой) реальный рост ВВП в 2015 г. составит около 3%. Вместе с тем этот рост будет происходить со значительной дифференциацией по странам. Экономика США находится в ранней экспансионистской фазе. Развитые рынки еврозоны и Японии хотя и находятся в отрицательном экономическом цикле, но, вероятнее всего, в 2015 г. сохранят наметившиеся темпы роста и выйдут из него. Большинство главных развивающихся рынков (ЕМ) и некоторые ключевые развитые рынки находятся в фазе замедления экономического цикла по различным причинам. Ряд крупных экономик мира находятся в полноценной рецессии (Бразилия, Россия, Южная Африка, Австралия). В Китае, который был опорой глобального роста мировой экономики в течение прошедших 15 лет, отмечается самый медленный темп роста экономики - 7%.
Стадии экономического цикла, в которых находятся экономики ведущих развитых и развивающихся стран, представлены на рис. 1.
Реальный ВВП. В рамках развитых государств реальный рост ВВП ожидается на уровне 21% и в 2015-2016 гг. будет очень медленно, но устойчиво повышаться от 2% за предыдущие четыре года. По самым большим трем развитым экономикам -США, еврозоне и Японии - экономический рост в 2015 г. ускорится.
Есть некоторые значительные исключения. Одной из развитых стран, в которой отмечено снижение предметов потребления, является Канада, где острое снижение инвестиций и широко распространенные временные увольнения в нефтяном секторе приведут к известному замедлению экономического роста в этом году. Последние пересмотры цены на нефть побудили экспертов понизить реальный прогноз роста ВВП Канады от 2,1 до 1,5% в 2015 г. Много развивающихся рынков извлекли выгоду из благоприятных условий бума предметов потребления. Однако большой частный сектор и внутреннее долговое наращивание могут требовать длительного периода делевереджа, который усилит давление на экономический рост.
Население (долгосрочные демографические тенденции России). Население страны постоянно уменьшалось в постсоветскую эпоху, падая от пика 148,2 млн чел. в 1990 г. до 142,1 млн чел. в 2007 г. (согласно оценкам Всемирного банка). По международным и отечественным экспертным
6 По оценке Business Monitor International (BMI Fitch Group).
оценкам, ожидается, что эта тенденция продолжится с прогнозом снижения населения до 138,3 млн чел. К 2023 г. (на прогноз снижения может повлиять незначительная миграция населения из восточных регионов Украины) количество людей старше 65 лет может значительно повыситься и повыситься еще больше, согласно прогнозам ООН, к 2030 г. Это увеличивает риск роста внутреннего потребления.
Энергетика. По прогнозам экспертов, сектор энергетики нуждается в срочной реформе. Реформы энергетического сектора должны положить конец чрезмерной уверенности правительства в стабильности доходов от углеводородов и подтолкнуть процесс отраслевой диверсификации.
По прогнозам Минэкономразвития РФ и Business Monitor International (BMI Fitch Group), ключевой фактор роста экономики (нефтяной сектор) за прошедшие 5 лет вряд ли будет существенно влиять на рост из-за снижения глобальных цен на углеводороды и стагнирующего мирового производства. Чистый экспортный излишек в России будет постепенно снижаться с 9,2% в 2008 г. до 4,6% в 2023 г. Однако импорт сохранит свои ключевые тенденции и, возможно, даже будет расти при условии отмены санкций и реальных трудностей в импортозамещении, то есть довольно широкий разрыв между экспортом и импортом к 2023 г., вероятнее всего, сократится.
Замедление роста экспорта компенсируется ростом внутреннего спроса (импортозамещение или, точнее, расширение в неэнергетическом секторе). Отношение внутреннего спроса к валовому приросту основного капитала (gross fixed capital formation, GFCF) в процентах к ВВП к 2023 г. возрастет до 78,9% по сравнению с 76,1% в 2009 г.
Следствием повышения внутреннего спроса будет устойчивый рост ВВП на душу населения с 555,5 тыс. руб., по прогнозу в 2015 г., до 987 тыс. руб. в 2023 г. Однако это возможно лишь при условии улучшения институционального потенциала правительства - процесса количественно-качественных изменений и преобразований социальных и экономических институтов, серьезно влияющего на деловую среду, и резкого сокращения коррупции в центре, особенно на региональном уровне. Отсутствие таких изменений в долгосрочной перспективе будет серьезно влиять на инвестиционный климат в России и соответственно перспективу иностранных инвестиций.
Банковский сектор. По прогнозам экспертов, банковский сектор также нуждается в срочной реформе, которая должна исключить неэффективное размещение капитала.
Сбербанк России через сеть дочерних банков и финансовых компаний присутствует на рынках Республики Казахстан, Украины, Республики Беларусь, Швейцарии, Австрии, Чехии, Словакии, Венгрии, Хорватии, Сербии, Словении, Боснии и Герцеговины, Бане-Луки на территории Боснии и Герцеговины, Турции, Германии и Бахрейна Ирландии, Соединенных Штатов Америки, Великобритании и Кипра.
Дочерние банки оказывают в регионах своего присутствия широкий спектр банковских услуг розничным и корпоративным клиентам, осуществляют операции на финансовых рынках. Все операции проводятся в соответствии с полученными лицензиями национальных регуляторов. Финансовые компании оказывают услуги в соответствии со своей специализацией.
Кроме того, банк осуществляет ряд функций через два зарубежных представительства,
расположенные в Германии и Китае. Эти представительства непосредственно не
осуществляют банковских операций, но способствуют продвижению бизнеса Сбербанка России и его клиентов в регионах присутствия. Число участников банковской группы за первое полугодие 2015 г. изменилось на одного участника и на 01.07.2015 составило 220 обществ, в том числе прямое влияние оказывают 43 участника, косвенное влияние - 174 участника, косвенное влияние и одновременно прямое участие -3 участника.
Высокие ставки по депозитам и ссудам увеличивают возможность внутреннего
кредитования. Подъем экономики, поддержанный быстрым ростом кредита, уязвим при более жестких условиях заимствования. Условия получения дополнительной ликвидности для России ухудшились из-за финансовых санкций. Несмотря на сложную экономическую ситуацию в России (санкции, падение цен на нефть) и информационную войну (negative newsflow), долговые параметры устойчивости для российской экономики выглядят достаточно оптимистично. Экономика продолжит процесс делевериджа. Политика Центрального банка РФ, наличие резервов и потенциальные возможности увеличения доходов от экспорта (рост цен на нефть в I квартале 2015 г. против ноябрьских котировок) позволят увеличить валютные
поступления. Это снизит риски, связанные с обслуживанием внешнего долга для корпораций и банков. Совокупная внешняя задолженность по отношению к ВВП уже упала на 25% в конце 2014 г.
Сектор теневой экономики. В начале 2013 г. министр финансов Российской Федерации А.Г. Силуанов оценил теневой сектор российский экономики в 15-20% от ВВП. Эта цифра подтверждается и данными Росстата. Однако учитывая, что Росстат не включает в свои оценки криминальную экономику, эксперты в области
" 7
теневой экономики оценивают реальную долю теневой экономики в 40-50% ВВП (рис. 2). Социологические исследования, проведенные более чем в 20 субъектах Федерации, показывают, что почти 12% граждан работают на теневом рынке. Это проведение работ и оказание услуг без заключения предусмотренных законом договоров, отсутствие налоговых и социальных перечислений в бюджеты различных уровней и внебюджетные фонды. Если же говорить о людях, охваченных «серыми» схемами (например, получение части зарплаты в конверте), то речь идет о более чем 40% экономически активного населения нашей страны.
Россия остается очень коррумпированной страной, занимая 136-е место из 175 в Индексе восприятия коррупции (Transparency International) 2014 г. Коррупция в России - это проявление слабости институтов управления и отсутствие политической ответственности у законодательных органов и судебной системы. Даже если президент и правительство продолжат начатую активную борьбу с коррупцией, потребуется много лет (может быть, несколько десятилетий), чтобы полностью преодолеть ее (настолько глубоко она внедрилась в систему власти, особенно на региональном уровне).
В предположении замкнутости и ассоциативности указанной системы факторов, состоящей из шести отобранных, получаем два возможных финальных сценария прогноза.
Сценарий 1 (циклический - группа se, которой соответствует этот сценарий, циклическая группа шестого порядка, рис. 3).
Сценарий 2 (симметрический - группа S3, которой соответствует этот сценарий, симметрическая группа подстановок третьей степени, рис. 4).
7 URL: http://www.coinside.ru/2015/01/08/dolya-tenevqj-ekonomiki-v-rossii-dostigaet-50-ot-v
Различия в сценариях. Всего в каждой из матриц по 36 клеток при поиске одинаковых клеток имеет смысл рассматривать клетки с координатами (1, у), где 1, у > 2, 1, у = 1, ..., 6. Это следующие 17 клеток: диагональные клетки с координатами (2; 2), (3; 3), (5; 5) и недиагональные клетки с координатами
(3, 2), (4; 2), (5; 2), (6; 2), (2; 3), (4; 3), (5; 3), (2; 5), (3; 5), (4; 5), (2; 6), (3; 6), (4; 6), (5; 6). Остальные 19 клеток у первого и второго сценариев одинаковые.
Рассмотрим реализацию каждого из сценариев.
По первому сценарию на рост (изменение) реального ВВП реагируют показатели населения, по второму - показатели номинального ВВП и не реагируют показатели населения.
По первому сценарию на рост (изменение) населения реагирует показатель банковского сектора, по второму - показатели номинального ВВП и не реагируют показатели банковского сектора.
По первому и второму сценариям на рост (изменение) энергоресурсов реагирует показатель номинального ВВП.
По первому сценарию на рост (изменение) банковского сектора реагирует показатель населения, по второму - показатели коррупции и не реагируют показатели населения.
По первому и второму сценариям на рост (изменение) коррупции (теневого сектора) реагирует показатель банковского сектора.
По первому сценарию на взаимодействие реального ВВП и населения реагирует показатель сектора энергоресурсов. По второму сценарию на взаимодействие реального ВВП и населения реагирует показатель сектора коррупции.
По первому сценарию на взаимодействие сектора реального ВВП и сектора энергоресурсов реагирует показатель банковского сектора. По второму сценарию на взаимодействие сектора реального ВВП и сектора энергоресурсов реагирует также показатель банковского сектора.
По первому сценарию на взаимодействие сектора реального ВВП и теневого сектора реагирует показатель номинального ВВП, а по второму сценарию - показатель сектора населения.
По первому сценарию на взаимодействие сектора энергоресурсов и реального ВВП реагирует показатель банковского сектора, а по второму -показатель теневого сектора и т.п.
Определим возможные точки (по времени) регулирования процессов. В этих точках один сценарий может меняться на другой.
Для этого воспользуемся статистикой и прогнозами Business Monitor International Research и Центра макроэкономического анализа и краткосрочного прогнозирования (табл. 1, 2).
Алгоритм поиска точек регулирования экономики замкнутой ассоциативной системы:
1) определяем все точки различия по каждому из сценариев;
2) возможные риски определяем по точкам различия в таблицах Кэли сценариев 1 и 2.
Пусть по первому сценарию (s,-; sj) = Sk, а по
второму сценарию (s,-; sj) = sm. Если в точке t = ta показатель sk изменил тенденцию, а показатель sm не изменил тенденцию, то имеет место первый сценарий. В нашем случае это следующие точки:
• по первому сценарию (s4; s4) = si;
• по второму сценарию (s4; s4) = si; (s3; s3) = si; (s2; s2) = si.
По данным Центра макроэкономического анализа и краткосрочного прогнозирования, в 2017 г. темпы прироста ВВП будут в минимуме (рис. 5).
Используя данные (табл. 1), построим диаграммы, отражающие динамику развития показателей s,, , = 1, ..., 4 (рис. 6-9).
Таблицы Кэли показывают, что по первому сценарию показатель s3 (население) не меняет тенденцию динамики в зависимости от изменения тенденции показателя ВВП, а по второму - меняет, (рис. 7, точка 2). Поэтому в 2016-2017 гг. возможен второй сценарий, согласно которому будет отмечаться рост коррупции (s3; s5) = s6. Это
говорит о необходимости усиления антикоррупционных мер в 2016-2017 гг.
По данным Центра макроэкономического анализа и краткосрочного прогнозирования, 2020-2022 гг. - это интервал, содержащий пик прироста производства нефти и природного газа, а также интервал, содержащий точку падения реального ВВП (рис. 10).
Интервал (2020-2022) содержит пик прироста производства нефти и природного газа, а также интервал, содержащий точку падения реального ВВП. По первому сценарию (s3; s3) = s4, у s4 - пик
роста в указанном интервале, поэтому если имеет место первый сценарий, то у s3 также пик роста в
этом интервале, однако рост 53 не отмечается (рис.
7). Таким образом, имеет место второй сценарий в интервале(2020-2022).
Прогнозирование рисков с помощью моделей замкнутых ассоциативных систем, состоящих из р факторов, где р - простое число. Из теоремы Силова о подгруппах получаем теорему 1: формализованная алгебраическая модель, содержащая в точности р факторов, где р -простое число, непригодна для прогнозирования рисков замкнутой ассоциативной системы.
Доказательство теоремы получается из теоремы Силова о подгруппах. Поскольку р - простое число, то таблица Кэли группы, состоящей из р элементов, - это таблица Кэли циклической группы из р элементов. Таким образом, в этом случае моделирование с помощью формализованной алгебраической модели дает один сценарий прогноза финального состояния системы.
Уточнение модели. Следствием теоремы Силова о подгруппах является теорема 2. Если замкнутая
ассоциативная система 5 с достаточной степенью точности описывается моделью, состоящей из т факторов, то для ее уточнения может быть использована модель, состоящая из к факторов, где т | к. Не существует модели, ее уточняющей, из т факторов, где т не делит к, например из т + 1 фактора.
Выводы. В работе приведен краткий анализ некоторых основных факторов (номинального ВВП, реального ВВП, населения, энергоресурсов, банковского сектора, коррупции (теневого сектора)), определяющих риски изменения сценариев долгосрочного развития финансово-экономических систем Российской Федерации, на основе которого построена формализованная алгебраическая модель прогнозирования рисков изменения сценариев долгосрочного развития финансово-экономических систем РФ. Также теорема 2 показывает, что формализованная алгебраическая модель, содержащая в точности р факторов, где р - простое число, непригодна для прогнозирования рисков замкнутой ассоциативной системы.
Таблица 1
Долгосрочный макроэкономический прогноз и риски в экономике России на 2015-2024 гг.
Показатель ^2015 2016 [2017 2018 [2019 2020 [2021 2022 ^2023 2024
Номинальный ВВП si, 78,9 85,2 91,3 97,6 103,9 110,2 116,6 123,1 129,4 135,8 трлн руб.
Реальный ВВП S2, % -2,8 0,3 2,3 2,7 2,8 2,8 2,6 2,7 2,6 2,5
Население S3, млн чел. 142,1 141,7 141,3 140,9 140,5 140 139,5 138,9 138,3 137,6
Энергоресурсы (сырая 53 58 62 65 66 - - - - -
нефть Brent) S4,
долл./барр.
Примечание. Население S3 - без Крымского федерального округа и без учета миграционной составляющей. По некоторым другим данным (URL: http://www.statdata.ru/), общая численность населения России на 01.01.2015 составляет 146 270 033 чел. (с Крымским федеральным округом), за год она увеличилась на 2 612 899 чел. Это произошло не только за счет миграционного и естественного прироста, но и за счет образования двух новых субъектов Федерации, которые входят в новый Крымский федеральный округ с населением 2 294 110 чел. На тенденцию к убыванию прогнозной кривой ( рис. 8) это изменение не влияет.
Источник: данные Business Monitor International (BMI Fitch Group)
Таблица 2
Банковский сектор. Портфель долгосрочного (прямого) участия
Дата Дочерние общества Совместные и зависимые общества Миноритарное участие Всего организаций Сумма в ДЗО, млрд руб. Доля дочерних банков в ДЗО, % Всего сумма вложений, млрд руб. Доля ДЗО в сумме инвестиций, %
01.01.2009 11 3 20 34 22,2 72 25,8 86,0
01.01.2010 13 5 22 40 39,0 58 42,6 91,5
01.01.2011 20 7 21 48 83,8 35 87,5 95,8
01.01.2012 22 8 21 51 94,0 30 105,9 88,8
01.01.2013 28 8 22 58 281,2 66 296,5 94,9
01.01.2014 30 5 21 56 310,9 63 326,8 95,1
01.04.2014 30 5 21 56 346,2 62 362,6 95,5
01.07.2014 34 4 21 59 362,0 58 378,1 95,8
01.10.2014 34 4 21 59 387,8 59 404,6 95,8
01.01.2015 36 4 21 61 386,4 60 405,2 95,4
Примечание. ДЗО - дочерние и зависимые общества. Источник: данные Сбербанка России
Рисунок 1
Стадии экономического цикла ведущих развитых и развивающихся стран
Growth Bottoming
Источник: Business Monitor International (BMI Fitch Group)
Рисунок 2
Динамика легализации денежных средств от коррупционной составляющей и хищения государственных средств на государственных закупках в 2001-2013 гг., млрд руб.
Источник: URL: http://www.coinside.ru/2015/01/08/dolya-tenevoj-ekonomiki-v-rossii-dostigaet-50-ot-vvp
Рисунок 3
Сценарий 1 (циклический)
Si S2 S3 S4 Si S6
51 Si S2 S3 S4 Si S6
S2 S2 S3 S4 Si S6 Si
S3 S3 S4 S5 S6 Si S2
S4 S4 S5 S6 Si S2 S3
S5 S5 S6 Si S2 S3 S4
S6 S6 Si S2 S3 S4 Si
Рисунок 4
Сценарий 2 (симметрический)
Si S2 S3 S4 Si S6
Si Si S2 S3 S4 Si S6
S2 S2 Si S6 Si S4 S3
S3 S3 Si Si S6 S2 S4
S4 S4 S6 Si Si S3 S2
Si Si S3 S4 S2 S6 Si
S6 S6 S4 S2 S3 Si Si
Рисунок 5
Темпы прироста ВВП (инерционный сценарий), %
Рисунок 6
Динамика номинального ВВП si в 2015-2024 гг., трлн руб.
Рисунок 7
Динамика реального ВВП s2 в 2015-2024 гг., %
Рисунок 8
Динамика населения Российской Федерации sз в 2015-2024 гг., млн чел.
Рисунок 9
Динамика стоимости энергоресурсов S4 в 2015-2024 гг., долл./барр.
** ^ ^ _ —
65
2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Рисунок 10
Динамика производства энергоресурсов в 1995-2030 гг., %
Список литературы
1. Гурвич Е.Т., Вакуленко Е.С., Кривенко П.А. Циклические свойства бюджетной политики в нефтедобывающих странах // Вопросы экономики. 2009. № 2. С. 51-70.
2. Ильин В.В. О неопределенности в финансировании долгосрочных расходных обязательств // Финансы. 2011. № 1. С.10-13.
3. Ильин В.В. Риски финансовой устойчивости социальных расходов // Бюджет. 2013. № 2. С. 78-83.
4. Ильин В.В., Сердюкова Н.А. Системный подход к оценке финансовых рисков // Финансы. 2008. № 1. С.68-72.
5. Клепач А., Куранов Г. О циклических волнах в развитии экономики США и России (вопросы методологии и анализа) // Вопросы экономики. 2013. № 11. С. 4-33.
6. Кудрин А. Механизмы формирования ненефтегазового баланса бюджета России // Вопросы экономики. 2006. № 8. С. 4-16.
7. Кудрин А., Гурвич Е. Новая модель роста для российской экономики // Вопросы экономики. 2014. № 12. С. 4-36.
8. Кудрин А., Гурвич Е. Старение населения и угроза бюджетного кризиса // Вопросы экономики. 2012. № 3. С. 52-79.
9. Курош А.Г. Теория групп: 3-е изд. М.: Наука, 1967. 648 с.
10. Мальцев А.И. Алгебраические системы: монография. М.: Наука, 1970. 392 с.
11. МесаровичМ., ТакахараЯ. Общая теория систем: математические основы. М.: Мир, 1978. 311 с.
12. Фукс Л. Бесконечные абелевы группы. Т.1. М.: Мир, 1974. 335 с.
13. Митчелль У.К. Экономические циклы: проблема и постановка. М. - Л.: Госиздат, 1930. 504 с.
14. Муратов А.С. Синергизм организации в «фокусе» гармонизационного подхода // Управление экономическими системами. 2012. № 2. URL: http://uecs.ru/uecs-38-382012/item/1059—lr (дата доступа 21.02.12).
15. SerdyukovaN.A. On generalizations of purities // Algebra & Logic. 1991. Vol. 30. № 4. P. 432-456.
16. Serdyukova N. The new scheme of a formalization of an expert system in teaching. URL: http://ineer2014.rtu.lv/sites/default/files/Paper_032.pdf.
17. Serdyukova N., Serdyukov V., Slepov V. Formalization of knowledge systems on the basis of system approach // Smart Innovation, Systems and Technologies Springer. 2015. Vol. 41. P. 371-381.
ISSN 2311-8768 (Online) ISSN 2073-4484 (Print)
Risk, Analysis and Evaluation
RISKS OF LONG-TERM FORECASTS IN THE ECONOMY OF THE RUSSIAN FEDERATION Vladimir V. ILW, Natal'ya A. SERDYUKOVAb, Vladimir I. SERDYUKOVc
a State Research Institute of System Analysis of Account Chamber of Russian Federation, Moscow, Russian Federation vladimir_v_ilyin@hotmail. com
b Plekhanov Russian University of Economics, Moscow, Russian Federation [email protected]
c Institute for Management of Education of Russian Academy of Education, Moscow, Russian Federation [email protected]
• Corresponding author
Article history:
Received 27 August 2015 Received in revised form 29 September 2015 Accepted 21 October 2015
JEL classification: C02, G17
Keywords: modeling, risk, forecast, financial, economic, system
Abstract
Importance The article overviews theoretical and practical aspects of improving the accuracy of forecasts and quality of planning through the mathematical modeling methodology based on algebraic formalization of the general concept of the system.
Objectives The research pursues setting a formalized algebraic multifactor model of risks of changes in long-term socio-economic development of the Russian Federation. Methods The research is based on a combination of forecasting methods and the methodology for algebraic formalization of the systems approach.
Results The article presents a brief analysis of some basic factors that determine risks of changes in scenarios of long-term socio-economic development of the Russian Federation. The analysis facilitated to set up a formalized algebraic and six-factor model of risks of changes in the long-term development scenarios.
Conclusions and Relevance Assessing the risks of changes in scenarios of the Russian long-term socio-economic development is an integral part of making the national budgetary policy at the regional and municipal levels. It is necessary to improve the accuracy of forecasts and quality of planning since the national budgetary policy demonstrates a low efficiency without it.
© Publishing house FINANCE and CREDIT, 2015
References
1. Gurvich E.T., Vakulenko E.S., Krivenko P.A. Tsiklicheskie svoistva byudzhetnoi politiki v neftedobyvayushchikh stranakh [Cyclical properties of fiscal policy in oil-producing countries]. Voprosy Ekonomiki, 2009, no. 2, pp. 51-70.
2. Il'in V.V. O neopredelennosti v finansirovanii dolgosrochnykh raskhodnykh obyazatel'stv [On uncertainty of financing long-term expenditure commitments]. Finansy = Finance, 2011, no. 1, pp.10-13.
3. Il'in V.V. Riski finansovoi ustoichivosti sotsial'nykh raskhodov [Risks of financial sustainability of social spending]. Byudzhet = Budget, 2013, no. 2, pp. 78-83.
4. Il'in V.V., Serdyukova N.A. Sistemnyi podkhod k otsenke finansovykh riskov [A systems approach to assessing financial risks]. Finansy = Finance, 2008, no. 1, pp. 68-72.
5. Klepach A., Kuranov G. O tsiklicheskikh volnakh v razvitii ekonomiki SShA i Rossii (voprosy metodologii i analiza) [Cyclical waves in the economic development of the U.S. and Russia (issues of methodology and analysis)]. Voprosy Ekonomiki, 2013, no. 11, pp. 4-33.
6. Kudrin A. Mekhanizmy formirovaniya neneftegazovogo balansa byudzheta Rossii [The mechanisms of forming Russia's non-oil-and-gas budget balance]. Voprosy Ekonomiki, 2006, no. 8, pp. 4-16.
7. Kudrin A., Gurvich E. Novaya model' rosta dlya rossiiskoi ekonomiki [A new growth model for the Russian economy]. Voprosy Ekonomiki, 2014, no. 12, pp. 4-36.
8. Kudrin A., Gurvich E. Starenie naseleniya i ugroza byudzhetnogo krizisa [Population aging and risks of budget crisis]. Voprosy Ekonomiki, 2012, no. 3, pp. 52-79.
9. Kurosh A.G. Teoriya grupp [Theory of groups]. Moscow, Nauka Publ., 1967, 648 p.
10. Mal'tsev A.I. Algebraicheskie sistemy: monografiya [Algebraic systems: a monograph]. Moscow, Nauka Publ., 1970, 392 p.
11. Mesarovich M., Takahara Y. Obshchaya teoriya sistem: matematicheskie osnovy [General Systems Theory: Mathematical Foundations]. Moscow, Mir Publ., 1978, 311 p.
12. Fuchs L. Beskonechnye abelevy gruppy. T.1. [Abelian Groups. Vol. 1]. Moscow, Mir Publ., 1974, 335 p.
13. Mitchell W.C. Ekonomicheskie tsikly: problema i postanovka [Business Cycles: The Problem and its Setting]. Moscow, Leningrad, Gosizdat Publ., 1930, 504 p.
14. Muratov A.S. [Corporate synergy if viewed through a harmonizing approach]. Upravlenie ekonomicheskimi sistemami, 2012, no. 2. (In Russ.) Available at: http://uecs.ru/uecs-38-382012/item/1059-lr. (accessed 21.02.12)
15. Serdyukova N.A. On Generalizations of Purities. Algebra & Logic, 1991, vol. 30, no. 4, pp. 432-456.
16. Serdyukova N. The New Scheme of a Formalization of an Expert System in Teaching. Available at: http://ineer2014.rtu.lv/sites/default/files/Paper_032.pdf.
17. Serdyukova N., Serdyukov V., Slepov V. Formalization of Knowledge Systems on the Basis of System Approach. Smart Innovation, Systems and Technologies, 2015, vol. 41, pp. 371-381.
