CC BY
33
МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ
СИСТЕМА ГИБРИДНЫХ МОДЕЛЕЙ ВАРИАНТНОГО КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РОССИИ1
Китова Ольга Викторовна
доктор экономических наук,
заведующая кафедрой
инф орматики
РЭУ им. Г. В. Плеханова.
Адрес: ФГБОУ ВПО «Российский
экономический университет имени
Г. В. Плеханова», 117997, Москва,
Стремянный пер., д. 36.
E-mail: olga.kitova@mail.ru
Колмаков Игорь Борисович
доктор экономических наук, профессор кафедры информатики РЭУ им. Г. В. Плеханова. Адрес: ФГБОУ ВПО «Российский экономический университет имени Г. В. Плеханова», 117997, Москва, Стремянный пер., д. 36. E-mail: kolibor@mail.ru
Дьяконова Людмила Павловна
кандидат физико-математических
наук, профессор кафедры
информатики
РЭУ им. Г. В. Плеханова.
Адрес: ФГБОУ ВПО «Российский
экономический университет имени
Г. В. Плеханова», 117997, Москва,
Стремянный пер., д. 36.
E-mail: ldyak@mail.ru
В статье представлена оригинальная авторская концепция разработки сценарных вариантных прогно-
THE SYSTEM OF HYBRID MODELS OF VARIANT SHORT-TERM FORECAST OF SOCIAL AND ECONOMIC DEVELOPMENT IN RUSSIA
Kitova, Olga V.
Doctor of Economics, the Head of the Department for Information Science of the PRUE.
Address: Plekhanov Russian University of Economics, 36 Stremyanny Lane, Moscow, 117997, Russian Federation. E-mail: olga.kitova@mail.ru
Kolmakov, Igor B.
Doctor of Economics, Professor of the Department for Information Science of the PRUE.
Address: Plekhanov Russian University of Economics, 36 Stremyanny Lane, Moscow, 117997, Russian Federation. E-mail: kolibor@mail.ru
Dyakonova, Lyudmila P.
PhD, Professor of the Department for Information Science of the PRUE.
Address: Plekhanov Russian University of Economics, 36 Stremyanny Lane, Moscow, 117997, Russian Federation. E-mail: ldyak@mail.ru
The article provides an original author's concept of developing scenario variant forecasts based on
1 Статья подготовлена по результатам исследования, проведенного при поддержке Российского фонда фундаментальных исследований, проект № 13-07-00858.
зов на основе имитационных регрессионно-факторных моделей, базирующаяся на мировом опыте. Описана уникальная авторская методология гибридного подхода к прогнозированию показателей социально-экономического развития РФ для обеспечения федерального и регионального уровней российской экономики средствами анализа и прогнозирования. Указанная система основана на имитационных балансово-эконометрических моделях и включает в себя нейросетевые модели для расчета ряда показателей. Разработаны состав и структура информационной базы для системы моделей, позволяющих выполнять вариантные расчеты кратко- и среднесрочного прогнозирования показателей социально-экономического развития. Предложенные нейросетевые подходы к прогнозированию показателей социально-экономического развития позволяют повысить качество прогнозов.
imitation regressive-factor models using the world experience. It describes the unique methodology of hybrid approach to forecasting indicators of social and economic development in Russia to ensure federal and regional levels of Russian economy through analysis and forecasting. The said system is based on imitation balance-econometric models, it includes neuro-network models to calculate a number of indicators. The authors designed a composition and structure of the information base for the system of models which give an opportunity to effect calculations for the short- and medium-term forecast of indicators of social and economic development. The neuro-network approaches to forecasting social and economic development can improve the quality of forecasts.
Ключевые слова: системы поддержки принятия решений, системы прогнозирования, математическое моделирование экономических систем, нейросетевое моделирование, прогнозирование.
Keywords: systems of decisionmaking support, forecast systems, mathematic modeling of economic systems, neuro-network modeling, forecasting.
Рассмотрение процессов экономического и социального развития страны в рамках единой модели требует разработки средств прогноза, которые отражали бы все взаимосвязи и содержали показатели, необходимые при оценке перспектив развития экономики. Подобные инструменты прогнозирования будут востребованы в повседневной работе экспертами в государственных органах власти или в крупных коммерческих организациях при принятии управленческих решений.
Научным коллективом кафедры информатики РЭУ им. Г. В. Плеханова разработана многофакторная распределенная эконометриче-
ская модель национальной экономики России, реализованная на основе программно-технологического комплекса (ПТК) «РИМЭКСПРО-ГНОЗ» [2; 3]. Прогнозные расчеты основаны на построении системы регрессионных уравнений, в которых каждый показатель определяется как функция других показателей в соответствии с экономическим смыслом, а также строится соответствующая единая распределенная система уравнений. Пошаговое параллельно-последовательное решение исследуемых уравнений позволяет получать взаимосвязанные прогнозы показателей в зависимости от задаваемых сценарных условий, представляющих собой варианты развития внешних показателей.
Разработанная информационная база для системы моделей дает возможность выполнять вариантные расчеты кратко- и среднесрочного прогнозирования показателей социально-экономического развития.
Выбор общей структуры системы моделей отражает доминирующий характер спроса в рыночной экономике. Предложение учитывается в виде возможностей производства. Совокупный спрос дезагрегируется на потребительский, инвестиционный, государственный и спрос со стороны внешней торговли (сальдо экспорта и импорта товаров и услуг). Поскольку различные категории спроса формируются на базе полученных доходов под влиянием таких факторов, как цены, общее состояние конъюнктуры в экономике в целом и отдельных ее секторах, система моделей включает в себя уравнения, описывающие динамику этих факторов.
При разработке средств прогноза был использован подход, основанный на применении комплексной распределенной эконометриче-ской модели национальной экономики, в которую встраиваются любые необходимые блоки показателей. Краткосрочный прогноз (на 2013, 2014, 2015 гг.) показателей макроэкономики выполнен на базе двух программно-технологических комплексов1.
Методология прогнозирования показателей российской экономики в увязке со сценарными условиями экономического развития России в описываемой системе моделей базируется на использовании:
- системы национальных счетов (СНС);
- системы и принципов эконометрического имитационного моделирования;
1 См.: Программа реализации распределенной метасистемы эконометрических моделей прогноза : а. с. 2013617339 / И. Б. Колмаков (РФ), О. В. Китова (РФ), С. В. Потапов (РФ). - Заявка 2013615488. - Заявл. 27.06.2013. - Государственная регистрация в Реестре программ для ЭВМ 09.082013; Программа для ЭВМ «Верификатор_2013 - анализ качества и точности эконометрического прогноза показателей экономики РФ» : а. с. 2013613234 / А. В. Ганжа (РФ), И. Б. Колмаков (РФ), С. В. Потапов (РФ). - Заявка 2013610893. - Заявл. 30.02.2013. - Государственная регистрация в Реестре программ для ЭВМ 28.03.2013.
- системы экспертных оценок (вариантных наборов сценарных показателей и соответствующих им результатов расчетов).
Концептуальная схема метасистемы моделей кратко- и среднесрочного прогноза показателей социально-экономического развития России приведена на рис. 1.
Рис. 1. Концептуальная схема метасистемы моделей
В состав каждого типового блока метасистемы моделей входят:
1) экспертные показатели сценарных условий варианта прогноза, идентификатор варианта прогноза и параметры прогноза;
2) модели прогноза основных социально-экономических характеристик России;
3) модели прогнозов показателей конкретного типового блока (в разрезе методологии отчетных показателей Росстата);
4) блоки расчета производных и сводных показателей для конкретного типового блока;
5) блоки контроля (правильности составления уравнений, допустимого диапазона прогнозных значений и балансовых соотношений);
6) блоки формирования табличных и графических отчетов.
В качестве типовых блоков метасистемы моделей в настоящее время используются модели прогноза макроэкономических показателей; показателей финансовой системы; показателей уровня жизни, труда и занятости населения Российской Федерации; показателей внешнеэкономической деятельности, научных исследований и инноваций, инвестиций.
Перечисленными блоками возможности системы не ограничиваются. Система моделей является открытой как для подключения новых типовых блоков моделей и расширения состава показателей любой модели, так и для расширения сервисных возможностей системы в целом.
Построение моделей прогноза осуществляется в несколько этапов. Все этапы образуют единый итеративный процесс.
На первом этапе в соответствии с поставленными целями и задачами анализа экономики и с учетом имеющейся информации определяются уровни агрегации показателей и создается общая структура моделей. На втором, наиболее трудоемком этапе выбирается структура уравнений для каждого исследуемого показателя, производится расчет коэффициентов регрессионных уравнений, оценивается качество регрессионного приближения и осуществляется выбор вариантов, которые в соответствии с общей структурой модели образовали бы единую систему, в рамках которой при минимальном использовании общесистемных показателей можно рассчитать прогнозные оценки показателей других блоков модели. На третьем этапе происходит отладка модели, т. е. проверка ее соответствия реальной экономической системе, которую она описывает, оценка ее применимости для прогнозирования исследуемых показателей. При этом устанавливаются сценарные условия, параметры расчета, горизонт прогноза и выполняются расчеты.
При экстраполяционном прогнозировании экономической динамики с использованием регрессионных моделей весьма важен заключительный этап - верификация прогноза. Верификация любых дескриптивных моделей, к которым относятся регрессионные модели, сводится к сопоставлению расчетных результатов по модели с соответствующими данными действительности - массовыми фактами и закономерностями экономического развития.
Для расчета коэффициентов регрессионных уравнений необходимы отчетные данные всех факторов, входящих в состав каждого уравнения. Настоящая система формирования базы данных отчетной информации ПТК базируется только на официальной отчетной информации государственных источников. Источниками отчетной информации являются статистические данные Росстата, ЦБ РФ, Минфина, Минэкономразвития, Минпромторга, Минобрнауки, Бюро экономического анализа при Правительстве РФ и других государственных учреждений.
Сценарные условия задают траекторию прогноза. В системе моделей предусмотрены настройки вариантов сценарных условий прогноза. Каждый вариант соответствует вполне определенной предполагаемой траектории развития экономики России, которая зависит от тех или иных решений органов законодательной и исполнительной вла-
сти, факторов развития внешних и внутренних рынков. Поэтому настройки вариантов сценарных условий прогноза являются задающими в системе расчетов прогноза.
Комплексный прогноз эндогенных показателей возможен только в совокупности с прогнозом показателей сценарных условий. Формирование сценарных вариантов происходит с участием экспертов-исследователей в постановке, обсуждении, выборе целей прогноза и установке управляющих параметров прогнозирования. Выбор сценарных показателей основывается на тех же источниках, что и выбор источников отчетной информации.
Обычно в моделях для сравнения последствий воздействия различных мероприятий используется некоторый эталон - опорная траектория экономического развития, в качестве которой предлагается использовать инерционный прогноз развития экономики России, составленный для неизменного технологического уклада, затухающей инфляции и стабильного социального развития общества. Такой прогноз обычно каждый год составляется Министерством экономического развития РФ для 10-летнего периода упреждения. Это удобная рабочая гипотеза, на основе которой единообразно производятся оценки последствий различных мероприятий в разных отраслях и секторах экономики.
Чтобы оценить влияние сценарных условий на экономику в целом, помимо опорной траектории, отражающей инерционное развитие при сохранении сложившихся тенденций, рассматривается несколько вариантов возмущенных траекторий, соответствующих ожиданиям предполагаемых мероприятий или возможным ситуациям (например, оптимистичной и пессимистичной траекториям).
Под инерционным развитием экономики России понимается изменение основных экономических показателей при сохранении существующих тенденций факторных зависимостей и отсутствии серьезных финансовых, внешне- и внутриполитических возмущений. Возмущенные траектории определяются управляющими воздействиями правительства, конъюнктурой мировых рынков и другими факторами, отражающими особенности исследуемой проблемы. Такой подход позволяет анализировать варианты прогноза показателей в сценарно ограниченном экономическом контексте и обоснованно осуществлять выбор альтернатив. Возможны расчеты любых других сценарных вариантов, например, крайних (кризисных или чрезвычайных).
Именно сценарные показатели, задаваемые экспертно (экзоген-но), определяют вид траектории прогноза. Общесистемными сценарно заданными показателями (кроме сезонных факторов) являются: Кгв/ -ставка рефинансирования ЦБ; - доллар/баррель - средние экс-
портные цены на нефть; REZ - изменение международных золотовалютных резервов России; М2 - темп изменения денежной массы.
Сценарные условия задаются поквартально на весь предполагаемый горизонт прогноза. В современной версии ПТК - это 2013, 2014 и 2015 гг. Каждый новый набор сценарных показателей идентифицируется и для него производится расчет возмущенной прогнозной траектории развития экономики. Сравнение опорной траектории с прогнозной (по известным отличиям сценарных условий) позволяет экспертам-исследователям получать количественные оценки отличий прогноза и объяснять их причины.
Потенциально в систему моделей в качестве сценарных могут быть включены показатели финансовой, налоговой и тарифной систем (устанавливаемые правительством). Включение любых показателей в качестве сценарных технологически предусмотрено и является предметом соглашения. Показатели, наиболее значимые и чаще используемые в качестве аргументов, вынесены в условный блок общесистемных показателей, которые рассчитываются в первую очередь, с тем чтобы в уравнениях всех других показателей была возможность использовать текущие значения предварительно найденных аргументов. Схема моделей прогноза таких общесистемных показателей приведена на рис. 2.
Рис. 2. Модель прогноза общесистемных показателей
Схема системы моделей кратко- и среднесрочного прогноза макроэкономических показателей приведена на рис. 3. Основная задача, решаемая в данном блоке, - количественное описание основных целе-
вых ориентиров развития экономики. В состав данного блока входят модели прогноза следующих показателей:
- производства ВВП;
- формирования ВВП по источникам доходов;
- использования ВВП.
Рис. 3. Модель прогноза макроэкономических показателей
Особого внимания требуют отдельные показатели модели, прогноз которых не может быть осуществлен в настоящее время по причине отсутствия необходимой информации и, соответственно, инструментария расчетов (например, прогнозируемые объемы скрытой оплаты труда и смешанных доходов, валовой прибыли экономики и
др.).
Ряд уравнений носит ситуационно-зависимый характер. Поэтому работа экспертов-исследователей сводится к составлению уравнений, встраиваемых в структуру страновой модели. На основе тождеств, обычных и регрессионных уравнений, полученных при проектировании блоков, формируется имитационная система моделей, отражающих динамику основных показателей и характеризующих важнейшие аспекты развития экономики России и прогноз показателей развития
отраслей и секторов российской экономики в системе национальных счетов.
Эксплуатация ПТК предусматривается в двух режимах: в режиме разработчика и в режиме экспертов-исследователей. Опыт, накопленный экспертами-исследователями, позволяет при наличии разработанных программно-технологических и информационных средств оперативно проводить расчеты сотен взаимосвязанных показателей для различных сценарных вариантов прогноза и получать ответы на многие вопросы. При этом реализована возможность не только комплексно исследовать взаимозависимость показателей, но и получать результаты в удобной форме в короткое время.
ПТК предназначен для выполнения прогнозных расчетов по регрессионным уравнениям на базе рядов отчетных исходных данных любых показателей. В функциональные возможности ПТК входит:
1. Экспертная установка показателей и параметров для вариантов сценарных условий.
2. Установка ограничений диапазона значений для любого показателя системы, индикация отклонений.
3. Установка балансовых соотношений, индикация отклонений.
4. Автоматизированный расчет коэффициентов и оценок качества регрессионных уравнений.
5. Итерационный расчет прогнозных значений исследуемых показателей на основе установленных значений управляющих параметров для выбранных сценарных вариантов.
6. Вывод таблицы и графика исходных и прогнозных значений для заданного варианта сценарных условий (для любого отдельно взятого исследуемого показателя).
7. Вывод любого набора графиков исходных и прогнозных значений для заданных вариантов сценарных условий (для визуальной и сравнительной оценки поведения отдельных показателей).
После завершения расчетов на основе полученной информации производится выяснение влияния сценарных показателей и факторов, определяемых сценарными показателями модели, на показатели прогноза по выбранному варианту развития. Разработка выполнена в операционной среде Microsoft Windows 7. Программы написаны на языке VBA и используют стандартные возможности среды MS Excel.
Для иллюстрации возможностей системы приведем результаты прогноза по одному из направлений прогноза ВВП, рассчитываемого методом использования доходов:
ВВП = CK + GI + SE + А,
где CK - расходы на конечное потребление;
GI - валовое накопление;
SE - чистый экспорт;
А - статистическое расхождение.
Прогноз осуществляется для первых трех основных структурных составляющих по результатам расчетов регрессионных уравнений, связывающих эти показатели с выходными данными блока сценарных условий и общесистемных показателей.
Показатель СК детализируется на конечное потребление домашних хозяйств (СКВ), конечное потребление государства (СКС), конечное потребление некоммерческих организаций (СТ). Показатель а детализируется на валовое накопление основного капитала (NN1) и изменение запасов материальных оборотных средств ^МОБ).
На рис. 4 приведены графики отчетных и расчетных значений показателя «расходы на конечное потребление», включая прогнозные значения.
90
60
40
Лч
у
фТ-'Ъ б^Т.'ЪЦф'Т.'Ъ бфТ.'ЪЦ^Т.'Ъ б^зТ.'Ъб^Т.'Ъ б^Т.'Ъ б^Т.'Ъ б^Т.'Ъ Ч^Т.'Ъ Ч^Тг'Ь Ц{И.1> бфТ.'Ъ 1> 6\<ЬТ.1> ь
к/ ^ к/ ^ к/ ^ к/ к/ к/ к/ к/ к/ к/ ^ к/ к/ к/
Рис. 4. Результатах прогноза показателя «расходы на конечное потребление» в системе «РИМЭКСПРОГНОЗ»
Регрессионное уравнение для расчета показателя «расходы на конечное потребление» имеет следующий вид:
СК = й0 + й1 • СК_1 + й2 • СЕ + й3 • 1Р + й4 • М2 + й5- в3,
где СК - текущее значение расчетного показателя «расходы на конечное потребление»;
80
70
а 50
30
20
10
0
ао - свободный член, й1, й2, й3, й4, йб - коэффициенты регрессионного уравнения;
СК_1 - предыдущее значение расчетного показателя «расходы на конечное потребление»;
СЕ - значение расчетного показателя «оплата труда»;
1Р1 - текущее значение показателя «индекс потребительских
цен»;
М2 - сценарный показатель «темп изменения денежной массы»;
в3 - сезонный фактор.
Статистические характеристики расчета показателя «расходы на конечное потребление» приведены в табл. 1. Предлагаемая система в целом соответствует уровню мировых разработок в области построения эконометрических моделей. Однако эконометрические модели имеют определенные недостатки. Предельные возможности экономет-рических моделей ограничиваются возможностями информационной базы и состоянием методологического инструментария.
Т а б л и ц а 1 Статистические характеристики расчета показателя «расходы на конечное потребление»
Статистики Коэффициенты
К2 Б^а! ао Й1 Й2 Й3 Й4 Й5
0,72 23,2 -41,9 0,389 0,48 81,7 -20,7 -2,97
Стандартные значения ошибок Бво Бе1 ве2 Бе3 Бе4 Бе5
42,65 0,087 0,153 31,80 6,83 1,466
Вычисление Т-статистики ао/Бео Й1/ Бе1 Й2/ Эе2 Й3/ Бе3 Й4/ Бе4 Йб/ Бе5
-0,983 4,484 3,120 2,568 -3,036 -2,028
| СК 1 СК_1 СЕ 1Р М2 б3
Критерий Дарбина - Уотсона 1,67
Ограничения в применении методов эконометрического прогнозирования наступают при возникновении следующих ситуаций:
1) появлении новых показателей с короткими рядами отчетных данных;
2) несопоставимости отчетных данных показателя из-за радикальных методологических изменений на исследуемом отрезке отчетности;
3) зависимости значений показателя от постановлений законодательной или исполнительной власти или от решений руководства финансовыми органами (использовании директивных показателей);
4) использовании показателей со скрытыми (ненаблюдаемыми) наборами факторов влияния;
5) использовании административно-зависимых показателей.
Как показали результаты вычислительных экспериментов на системе эконометрических моделей, такого рода показатели имеют низкие значения критерия качества и/или критерия точности прогноза.
На базе ПТК нами был разработан верификатор1, который позволил с учетом отчетных сценарных условий и ретроспективной информации оценивать точность прогноза каждого показателя по абсолютной и относительной ошибкам и качество прогноза, базируясь на общепринятых оценках. Оценки качества определялись по коэффициенту детерминации (R2), критерию Дарбина - Уотсона (DW) и значениям статистики Фишера (F-stat).
Сравнительный анализ прогнозных показателей развития экономики России с отчетными показателями за 2010 и 2011 гг. [4] позволил получить оценки точности и качества прогноза и выявить закономерности в характере поведения исследуемых показателей.
Для исследования было взято 50 показателей экономики России. На каждый показатель приходилось по 40 (с 2000 по 2009 г.) и 44 (с 2000 по 2010 г.) измеряемых отчетных квартальных значений соответственно. Прогнозный период составлял четыре квартала.
Экспертно были выбраны критерии точности 5: высокий уровень (High) - 5 < 6%; средний уровень (Middle) - 6% < 5 < 15% и низкий уровень (Low) - 5 > 15%. Для критериев качества были приняты определенные значения. По критерию детерминации R2: высокий уровень, если 0,4 < R2, низкий уровень, если R2 < 0,4; по критерию Дарбина - Уо-тсона качество оценивалось модулем отклонения значения критерия от 2: высокий уровень, если I ADWl < 1,0, низкий уровень, если I ADWl > 1,0; по критерию Фишера: высокий уровень, если фактическое расчетное значение критерия оказывалось выше табличного (для доверительного интервала с заданными степенями свободы), низкий уровень, если фактическое расчетное значение критерия оказывалось ниже табличного (для доверительного интервала с заданными степенями свободы) [4]. Совокупный критерий качества прогноза показателя присваивался по худшему из трех наблюдаемых критериев.
Анализируя динамику поведения отдельных показателей, удалось установить некоторые закономерности их поведения и улучшить значения показателей точности, экспертно учитывая найденные закономерности. Наши исследования показали, что более 60% показателей, представленных в отечественной статистической отчетности, прогнозируются с помощью эконометрических моделей достаточно точно и
1 См.: Программа для ЭВМ «Верификатор_2013 - анализ качества и точности эконо-
метрического прогноза показателей экономики РФ» : а. с. 2013613234 / А. В. Ганжа (РФ), И. Б. Колмаков (РФ), С. В. Потапов (РФ). - Заявка 2013610893. - Заявл. 30.02.2013. - Государственная регистрация в Реестре программ для ЭВМ 28.03.2013.
качественно. К показателям, которые не удается улучшить в рамках эконометрических моделей, должны быть применены другие методы прогноза.
Таким образом, важной и актуальной задачей является создание гибридных систем моделей краткосрочного прогноза показателей социально-экономического развития России, включающих как базовые балансово-эконометрические модели, так и интеллектуальные модели (нейросетевые модели, модели деревьев решений, нечеткие модели временных рядов и др.) для тех показателей, для которых регрессионные модели дают неудовлетворительные результаты (рис. 5).
Рис. 5. Структура гибридной интеллектуально-экономической системы прогнозов развития РФ
Нейросетевые модели и методы начали развиваться с 1950-х гг. Для решения задач прогнозирования экономики России предлагается использовать архитектуру многослойного персептрона, представляющего собой искусственную нейронную сеть прямого распространения, в которой помимо входного и выходного слоев присутствует хотя бы один скрытый слой.
По результатам верификации были выявлены показатели, качество и точность прогнозов которых не удовлетворяют нашим требованиям. Показатели, давшие при верификации неудовлетворительные значения критериев качества и точности, были исследованы с помощью технологии нейронных сетей. Полученные на основе нейросете-вых моделей прогнозы этих показателей показали существенно более высокие значения качества и точности.
На этапе разработки нейросетевого подхода машинные эксперименты по построению нейросетевой модели и прогнозированию выполнялись средствами информационно-аналитической платформы Deductor (компания Basegroup Labs), имеющей встроенный обработчик «Нейронная сеть». В дальнейшем, после отработки технологии, предполагается использовать пакет MatLab, что позволит интегрировать интеллектуальные методы и модели с системой эконометрических моделей и интеллектуальной системой принятия решений.
Рассмотрим результаты прогнозирования с помощью нейронных сетей на примере показателя «оплата обязательных платежей и взносов» (ретропрогноз на 2011 г.). В табл. 2 представлено сравнение качества прогнозов, полученных для исследуемого показателя на основе регрессионной модели и искусственной нейронной сети.
Т а б л и ц а 2 Значения критериев качества прогноза показателя «оплата обязательных платежей и взносов»
Тип модели К2 Б^а!
Регрессионная 0,39 3,15 19,7
Нейросетевая 0,89 1,85 13,2
Приведенный пример показывает значительное улучшение качества прогноза, полученного на основе нейросетевой модели. Аналогичные результаты были получены и для остальных исследуемых показателей, имеющих неудовлетворительные значения качества прогноза в рамках регрессионной модели.
Недостатком нейросетевых моделей в сравнении с регрессионными является их сложность и, как следствие, существенно большее время прогнозирования, а также их способность к переобучению. Именно поэтому наиболее перспективным подходом авторы проекта считают разработку гибридной интеллектуально-экономической системы прогнозов развития России (ГИЭС).
На основе проведенных исследований была разработана концепция интеграции результатов оперативного мониторинга показателей социально-экономического развития регионов России с авторской системой прогнозирования социально-экономического развития России (в рамках проекта «Оперативный мониторинг в структуре региональных ситуационных центров социально-экономического развития», разрабатываемого в РЭУ им. Г. В. Плеханова с 2012 г.) [5], включающая:
1) автоматизированную загрузку исходных данных с интернет-серверов Росстата, федеральных, региональных и муниципальных структур;
2) мониторинг, прогнозирование и сравнение показателей развития регионов, субъектов РФ и России в целом;
3) анализ и прогнозирование достижения целевых показателей стратегии и программ развития регионов;
4) выявление и оценку угрозообразующих тенденций и рисков кризисных ситуаций в развитии субъектов РФ.
Одной из важнейших задач в настоящее время является создание ситуационных центров и СМАРТ-систем федерального, регионального
и муниципального управления с возможностями моделирования и прогнозирования для предсказания кризисных ситуаций, целевого управления и управления результативностью. Такие системы должны обладать возможностями прогнозирования показателей социально-экономического развития на федеральном, региональном и муниципальном уровнях. Результаты описанных научных исследований могут быть использованы для создания системы моделей и программных комплексов ситуационных центров и СМАРТ-систем федерального, регионального и муниципального управления [1; 6].
Список литературы
1. Китова О. В. Развитие системы моделей краткосрочного и среднесрочного прогнозирования социально-экономического развития в рамках создания СМАРТ-систем регионального и муниципального управления РФ // Сборник материалов XVI Российской научно-практической конференции «Инжиниринг предприятий и управление знаниями» (ИП&УЗ-2013). 25-26 апреля 2013 г. - М. : ФГБОУ ВПО «МЭСИ», 2013. - С. 93-96.
2. Китова О. В. Развитие системы моделей прогнозирования экономики России // Сборник докладов Международной научной конференции «Современная информатика: проблемы, достижения и перспективы развития» (12-13 сентября 2013 г., г. Киев). - Киев : Изд-во Института кибернетики имени В. М. Глушкова НАН Украины, 2013. -С.145-147.
3. Китова О. В., Дьяконова Л. П. Система гибридных моделей и инструментальных средств прогнозирования показателей социально-экономического развития России / / Сборник материалов VII Международной научно-практической конференции «Достижения вузовской науки» (30 декабря 2013 г., г. Новосибирск). - Новосибирск : Центр развития научного сотрудничества, 2013. - С. 309-314.
4. Китова О. В., Колмаков И. Б., Шарафутдинова А. Р. Анализ точности и качества краткосрочного прогноза показателей социально-экономического развития России // Вестник Российского экономического университета имени Г. В. Плеханова. - 2013. - № 9 (63). - С. 111119.
5. Оперативный мониторинг в структуре региональных ситуационных центров социально-экономического развития / отв. ред. Е. В. Зарова. - М. : ФГБОУ ВПО «РЭУ им. Г. В. Плеханова», 2013.
6. Тенденции и закономерности формирования инновационной экономики в условиях модернизации : коллективная монография / под ред. В. А. Бабурина. - СПб. : Изд-во СПбГУСЭ, 2013.
References
1. Kitova O. V. Razvitie sistemy modeley kratkosrochnogo i srednesrochnogo prognozirovaniya sotsial'no-ekonomicheskogo razvitiya v ramkakh sozdaniya SMART-sistem regional'nogo i munitsipal'nogo upravleniya RF [Designing the System of Models for Short- and Medium-Term Forecast of Social and Economic Development within the Frames of Designing SMART-Systems of Regional and Municipal Administration in RF], Sbornik materialov XVI Rossiyskoy nauchno-prakticheskoy konferentsii «Inzhiniring predpriyatiy i upravlenie znaniyami» (IP&UZ-2013) [Collection of Materials of the 16th Russian Conference 'Engineering of Enterprises and Knowledge Management], 25-26 April, 2013. Moscow, MESI, 2013, pp. 9396. (In Russ.).
2. Kitova O. V. Razvitie sistemy modeley prognozirovaniya ekonomiki Rossii [Designing the System of Models for Forecasting Russian Economy], Sbornik dokladov Mezhdunarodnoy nauchnoy konferentsii «Sovremennaya informatika: problemy, dostizheniya i perspektivy razvitiya» [Collection of Reports of the International Conference 'Present Day Information Science: Problems, Achievements and Prospects of Development'] (12-13 September 2013, Kiev). Kiev, Publishing House of the Institute of Cybernetics, Ukraine, 2013, pp. 145-147. (In Russ.).
3. Kitova O. V., D'yakonova L. P. Sistema gibridnykh modeley i instrumental'nykh sredstv prognozirovaniya pokazateley sotsial'no-ekonomicheskogo razvitiya Rossii [The System of Hybrid Models and Instrumental Means to Forecasts Indicators of Social and Economic Development in Russia], Sbornik materialov VII Mezhdunarodnoy nauchno-prakticheskoy konferentsii «Dostizheniya vuzovskoy nauki» [Collection of Materials of the 7th International Conference 'Achievements of University Science'] (30 December 2013, Novosibirsk). Novosibirsk, The Center of Scientific Cooperation Development, 2013, pp. 309-314. (In Russ.).
4. Kitova O. V., Kolmakov I. B., Sharafutdinova A. R. Analiz tochnosti i kachestva kratkosrochnogo prognoza pokazateley sotsial'no-ekonomicheskogo razvitiya Rossii [Analyzing Accuracy and Quality of Short-Term Forecast of Indicators of Social and Economic Development in Russia], Vestnik Rossiyskogo ekonomicheskogo universiteta imeni G. V. Plekhanova [Vestnik of the Plekhanov Russian University of Economics], 2013, No. 9 (63), pp. 111-119. (In Russ.).
5. Operational Monitoring in the Structure of Regional Situation Centers of Social and Economic Development, edited by E. V. Zarova. Moscow, Plekhanov Russian University of Economics, 2013. (In Russ.).
6. Trends and Laws in Designing Innovation Economy in Conditions of Modernization, joint monograph, edited by V. A. Baburin. Saint Petersburg, Publishing House SPbGUSAE, 2013. (In Russ.).
