CC BY
25
УДК 31:33 DOI 10.24412/2073-0454-2021-2-281-287
ББК 65 © Д.В. Дианов, А.В. Кузьмичев, 2021
Научная специальность 08.00.12 - бухгалтерский учёт, статистика
СТАТИСТИЧЕСКАЯ ОЦЕНКА ВЛИЯНИЯ РЫНКОВ ПРОДОВОЛЬСТВЕННЫХ, ПОТРЕБИТЕЛЬСКИХ И ПРОМЫШЛЕННЫХ ТОВАРОВ НА ЭКОНОМИЧЕСКУЮ ПРЕСТУПНОСТЬ
Дмитрий Владимирович Дианов, профессор кафедры экономической безопасности, финансов и экономического анализа, доктор экономических наук, профессор
Московский университет МВД России имени В.Я. Кикотя (117997, Москва, ул. Академика Волгина, д. 12) E-mail: skad71@mail.ru
Александр Владимирович Кузьмичев, адъюнкт факультета подготовки научно-педагогических и научных кадров Московский университет МВД России имени В.Я. Кикотя (117997, Москва, ул. Академика Волгина, д. 12) E-mail: Sasha.Kuzmichev44@mail.ru
Аннотация. Представлены возможности вероятностно-статистических методов в эконометрическом моделировании показателя числа зарегистрированных преступлений экономической направленности. По природе причинно-следственных связей и диалектического единства, рассмотрено и количественно оценено влияние на экономическую преступность основных показателей развития различных субрынков экономики: продовольственного, строительного, промышленных товаров и услуг, а также состояния финансов организаций.
Ключевые слова: статистическое моделирование, вероятностное оценивание, экономическая преступность, прогноз экономических преступлений.
STATISTICAL ASSESSMENT OF THE IMPACT OF FOOD, CONSUMER AND INDUSTRIAL GOODS MARKETS ON ECONOMIC CRIME
Dmitry V. Dianov, Professor of the Department of Economic Security, Finance and Economic analysis, Doctor of Economic Sciences, Professor
Moscow University of the Ministry of Internal Affairs of Russia named after VYa. Kikot' (117997, Moscow, ul. Akademika
Volgina, d. 12)
E-mail: skad71@mail.ru
Alexander V. Kuzmichev, Adjunct of the Faculty of Training of Scientific, Pedagogical and Scientific personnel Moscow University of the Ministry of Internal Affairs of Russia named after VYa. Kikot' (117997, Moscow, ul. Akademika Volgina, d. 12)
E-mail: Sasha.Kuzmichev44@mail.ru
Abstract. The scientific article is devoted to the possibilities of probabilistic and statistical methods in econometric modeling of the indicator of the number of registered economic crimes. The nature of causality and dialectical unity, considered and quantified the impact on the economic crime of main indicators of development of the various sub-markets of the economy, such as food, construction, industrial goods and services, and finance organizations.
Keywords: statistical modeling, probabilistic estimation, economic crime, forecast of economic crimes.
Citation-индекс в электронной библиотеке НИИОН
Для цитирования: Дианов Д.В., Кузьмичев А.В. Статистическая оценка влияния рынков продовольственных, потребительских и промышленных товаров на экономическую преступность. Вестник Московского университета МВД России. 2021(2):281-7.
Введение токов, переломной стадии развития социума, обуслов-
На сегодняшний день, в эпоху цифровизации об- ленного пандемией и характеризуемого повсеместной щества, огромного количества информационных по- виртуализацией человеческого общения и экономиче-
ских отношений, реализации товаров, получения дохода, ликвидации и изменения характера целых видов хозяйственной деятельности, возрастает потребность в использовании статистических методов и построении на их основе прогнозных значений для принятия управленческих решений и поиска вариантов развития не только отдельного предприятия, но и всей страны в целом. Особые изменения касаются и экономической безопасности как приоритетного направления защиты интересов Российской Федерации. Именно поэтому анализ состояния данной системы был выбран для рассмотрения в данной научной работе.
Экономическая преступность - сложное, общественно опасное, к сожалению, неизбежное явление, которое оказывает непосредственное влияние на банковскую, экономическую, торговую, социальную и другие виды деятельности и наносит им огромный ущерб. Экономические преступления имеют отличительную черту - имеют достаточно высокую степень общественной опасности из-за высокой деструктивной направленности на состояние и развитие экономики [7]. В данной работе изучим вариацию показателя числа зарегистрированных преступлений экономической направленности как результирующего показателя, и признаков-факторов, которые, по нашему мнению, смогут объяснить изменение показателя преступлений экономической направленности.
1. Группировка регионов России по ключевым показателям рыночной экономики и экономической
преступности на основе кластерного анализа
Целью исследования, результаты которого представлены в данной статье, является раскрытие статистических особенностей изучения экономической преступности, анализа экономический факторов и раскрытия инструмента статистических методов в экономических исследованиях.
Для решения поставленной цели, необходимо решить следующие задачи: раскрыть виды статистического анализа экономических данных; построить и проанализировать кластерную группировку регионов Российской Федерации; сравнить метод одномерной группировки и кластерного анализа при исследовании выбранных показателей; провести статистическое исследование взаимосвязей социально-экономических показателей регионов Российской Федерации; смоделировать взаимосвязь выбранных показателей на основе корреляционно-регрессионного метода; выявить тенденцию показателя экономической преступности в России на основе метода выравнивания трендов и прогнозирования.
Объектом исследования обозначим общественные
отношения в сфере экономики, раскрывающие причины, не то чтобы самой преступности, которые находят отражение в мотивации преступников, а те причины, которые можно рассматривать как объясняющие её факторы в экономической сфере в условиях современных особенностей развития Российской Федерации с помощью применения статистических методов.
Предметом является число зарегистрированных преступлений экономической направленности и механизм его статистического исследования для построения в дальнейшем прогнозов на краткосрочную перспективу.
Не является новшеством то обстоятельство, точнее - требование, что любое статистическое исследование, и в данном случае это экономическая преступность как угроза экономической безопасности Российской Федерации, носит массовый характер, то есть необходимо изучение достаточно большего и представительного количества информации. Данные показатели достаточно многообразны и для моделирования социально-экономических процессов невозможно использовать одно и тоже предположение или гипотезу об их изменении для разных регионов и промежутков времени. Это предопределено множеством различных форм собственности, особенностями хозяйственных и экономических отношений, финансово-экономических связей, видов экономической деятельности, демографического и ресурсного потенциала, степени экономического развития регионов и т.д. [6].
Особый акцент сделаем на такой показатель как число зарегистрированных преступлений экономической направленности- индикативный показатель, который может характеризовать уровень экономической безопасности. Применение статистических методов обеспечивает научную обоснованность изучения главных индикаторов, связи и взаимозависимостей показателей и общего состояние экономической безопасности субъектов Российской Федерации [8].
Согласно первому этапу статистического анализа - сбор первичной информации, необходимо выделить и систематизировать данные и методом сводки объединить их в исходный числовой массив. Данный массив должен отвечать определенным требованиям: качественная и количественная однородность, отсутствие аномальных числовых значений.
Единицами наблюдения в данной научном исследовании выступают субъекты Российской Федерации, подлежащие кластеризации, а показатели, их характеризующие, соответственно эконометрическому моделированию.
Иерархические процедуры многомерной группировки приводят нас к формированию 4 кластеров, как представлено в таблице 1.
Таблица 1.
Кластеризация регионов России по основным экономическим показателям и экономической преступности в 2019 г., млн. руб.
№ кластера Количество регионов Средние значения показателей по кластерам
Ввод в эксплуатацию жилых домов, тыс. м2 Объем всех реализованных продовольственных товаров, тыс. руб. Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами Объем кредиторской задолженности на конец года Сумма убытка организаций Число зарегистрированных преступлений экономической направленности
Х1 Х2 Х3 Х4 Х5 У
1 20 285,80 59633393,6 275043,72 97578,2 10272,05 492,45
2 22 644,95 107078031,0 795987,90 226060,3 27104,45 988,68
3 7 1148,43 195883109,0 923577,86 341873,0 47188,57 1881,71
4 11 2088,91 304445219,3 2299703,72 708436,3 47293,36 2234,18
Абсолютно все показатели демонстрируют рост от группы к группе. Такая векторная зависимость может объясняться развитостью регионов, числом жителей, работающих в регионе, развитием жилищного комплекса, темпами производства товаров, работ и услуг, их продажи, объемом задолженности организаций в каждом регионе и их убытков. Как мы видим- чем больше развитие региона по данным показателем -тем выше уровень зарегистрированных преступлений экономической направленности, которая с каждым последующим кластером будет увеличиваться. Так же заметим, что 4 кластер по числу входящих в него регионов меньше первого практически в два раза, но несмотря на это в 4 кластере числовые значения объясняющих показателей и, следовательно, результативного показателя значительно выше, что подтверждает гипотезу о том, что чем более развит регион, тем выше будет значение результативного показателя (У).
В первом кластере самый низкий уровень ввода в эксплуатацию жилых домов, который не превышает 300 тыс. кв.м, объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, который не превышает 280 млрд. руб. за 2019 год.
Заметим, что первый кластер включает в себя субъекты, характеризуемы самыми наименьшими значениями показателей, связанных с производством и реализацией товаров в данных областях. С каждым последующим кластером, указанные показатели, такие как ввод в эксплуатацию жилых домов, объем всех реализованных продовольственных товаров, объем отгруженных товаров собственного производства,
выполненных работ и услуг собственными силами, объем кредиторской задолженности, и сумма убытка организаций растут.
Во втором кластере сосредоточены регионы с сельскохозяйственной ориентацией, и как следует из аналитической таблицы, при низком объёме всех реализованных продовольственных товаров - 107,1 млрд. руб., наблюдается высокий показатель объёма отгруженных товаров собственного производства, выполненных работ и услуг собственными силами - 796,0 млрд. руб., что в разнице составляет 688,91 млрд. руб.
При рассмотрении первый двух кластеров наблюдается низкая платежеспособность населения, именно так можно объяснить низкий уровень ввода в эксплуатацию жилых домов, так как это означает, что у населения нет достаточных сбережений и накоплений. По организациям так же наблюдается достаточно высокие показатели: сумма убытков составляет примерно 10,3 млрд. руб. и 27,1 млрд. руб. соответственно, что так же свидетельствует о сложных перспективах развития организаций и их создания в данных регионах. Убыточная картина для организаций региона характерна в условиях сельхоз-специализации в сопровождении значительного бюджетного субсидирования. Поэтому речь идёт о плановой убыточности.
Четвёртый кластер объединил регионы с наибольшими значениями рассматриваемых и принятых для эконометрического моделирования показателей.
Метод кластерного анализа позволил предварительно оценить влияние именно этих объясняющих показателей на результативный показатель - число зарегистрированных преступлений экономической на-
правленности. Количественное подтверждение этим предположениям даст метод регрессии и корреляции.
2. Расчет парных корреляций между количеством экономических преступлений и объясняющими
При проведении метода корреляции в изучении полученных коэффициентов, будет обосновано сделать предположение, что зависимость между объясняющими и результативным показателем будет различна в каждом кластере.
При рассмотрении 1-го кластера, заметим, что наиболее тесная положительная корреляционная связь из всех возможностей прослеживается между числом зарегистрированных преступлений экономической направленности и объемом всех реализованных продовольственных товаров (Х2): коэффициент корреляции в данном случае равен 0,59 - средняя степень корреляционной связи. Этот показатель бесспорно будет наиболее сильнее связан с результирующим, потому что в данном кластере наиболее развита именно реализация продовольственных товаров (рыбная, мясная, молочная, овощная продукция), которые могут выращиваться, производится именно массово только в таких регионах, и поэтому число экономических преступлений так же будет иметь соответствующую специфику. Наиболее низкая отрицательная связь прослеживается между числом зарегистрированных преступлений экономической направленности и суммой убытка организаций и равен -0,092: очень слабая корреляционная связь, это может быть связано с тем, что в таких регионах будет слабо развита предпринимательская деятельность, либо число крупных предприятий относительно мало, либо правоохранительные органы сталкиваются с большим числом экономических преступлений ввиду большого количества мелких организаций, то есть огромный объем рутинной, в каждом конкретном случае - мелкой по размеру материального ущерба работе.
При изучении 2-го кластера, выявлено, что наиболее тесная положительная корреляционная связь из всех возможностей прослеживается между числом зарегистрированных преступлений экономической направленности, так же, как и в 1-м кластере, с объемом всех реализованных продовольственных товаров (Х2): коэффициент корреляции в данном случае равен 0,39 и является умеренной, объяснить такое явление можно так же, как и в первом случае, с поправкой на то, что данный кластер может включать не только регионы, которые ориентируются на торговлю продовольственными товарами, но и на другие виды производственно-хозяйственной деятельности.
Региональный состав 3-его кластера таков, что
наиболее тесная положительная корреляционная связь между всё той же парой показателей и ровняется 0,42 - умеренная связь. Влияние торгового сектора на количество зарегистрированных экономических преступлений очевидно. Наиболее сильная отрицательная связь прослеживается между числом зарегистрированных преступлений экономической направленности и объемом кредиторской задолженности (Х4) и составляет -0,75. Из этого следует, что увеличение числа зарегистрированных преступлений экономической направленности наблюдается при уменьшении объема кредиторской задолженности организаций: это означает, что снижение масштабов безналичных расчетов делает совершение любых операций, в первую очередь торговых, менее прозрачными, так как сделки совершаются с использованием наличных денег. Таким образом, речь идёт о предпочтении теневого сектора экономики: сокрытии сумм оборота, доходов, обязательств по налогообложению.
Четвёртый кластер характерен тем, что тесная положительная связь между числом зарегистрированных преступлений экономической направленности на конец года и объемом всех реализованных продовольственных товаров, а также с показателем ввода в эксплуатацию жилых домов и составляет 0,78 и 0,65 соответственно. Объяснить это можно тем, что в 4-ый кластер входят наиболее крупные области, которые производят большое количество продовольственной продукции и реализует их не только своим потребителям, но и в другие регионы. Большую связь с показателем Х1 можно объяснить так же тем, что в этот кластер входят многонаселённые области и для обеспечения своих граждан-резидентов жильём, необходимо постройка и ввод жилищ в эксплуатацию. Таким образом, чем больше численность населения регионов, тем многочисленнее становятся экономические преступления.
Ещё раз обратим внимание, что наибольшая величина тесноты положительной наблюдается между числом зарегистрированных преступлений экономической направленности и объемом всех реализованных продовольственных товаров.
3. Эконометрическое моделирование показателей развития субрынков и экономической преступности
Проведем регрессионный анализ по показателям всех сформированных кластеров и определим зависимость результирующего показателя от объясняющих показателей в их совокупном факторном влиянии.
Составим сравнительную кластерную характеристику параметров регрессии и коэффициентов эластичности, как она представлена в таблице 2.
Таблица 2.
Кластерное представление коэффициентов регрессии и эластичности для моделирования числа зарегистрированных преступлений экономической направленности по регионам России в 2019 году
Кластер Параметры Х1 Х2 ХЗ Х4 Х5
1 Ь) 0,003154 4,49052Е-06 3,24026Е-05 0,000521 -0,01379
Э) 0,00183 0,543781107 0,018097558 25048,22 -0,28767
2 Ь) 0,249303 3,77046Е-06 4,40888Е-05 3,45Е-05 0,000935
Э) 0,16263 0,408355491 0,035495862 0,00788 0,025623
3 Ь) -0,63177 1,88992Е-06 -0,000302638 0,001316 0,001316
Э) -0,38557 0,196737289 -0,148539711 0,239163 0,033012
4 Ь) 0,135843 3,56234Е-06 -5,3524Е-05 0,000108 -0,00839
Э) 0,12701 0,485429929 -0,055093659 0,034354 -0,17766
Рассмотрим пример экономической интерпретации регрессионной модели по 2-му кластеру как самому многочисленному, где построенное уравнение регрессии обладает следующими параметрами:
Y= 355,941+ 0,25*х1+ 3,77*х2+4,41*х3*3,47*х4+ 0,00093*х5
Увеличение ввода в эксплуатацию жилых домов на 1 тыс. м2 проводит к увеличению численности преступлений экономической направленности на 0,25 ед. Такая ситуация для нашей страны понятна-в условиях экономического кризиса у многих строительных компаний появляются трудности, которые преодолевают они незаконным путем. Строительство жилищного комплекса в настоящее время активно развивается, что порой приводит к увеличению числа недобросовестных застройщиков, такая ситуация характерна не только для отдельных регионов, но и для Российской Федерации в целом.
Рост объема всех реализованных продовольственных товаров на 1 тыс. руб. приводит к увеличению численности преступлений экономической направленности на 3, 77 ед. Рынок продовольственных товаров в настоящее время является одним из крупнейших секторов экономики, где расчёты производятся за наличные деньги. Поэтому не удивительно, что это сектор представляет собой самую «благородную» почву для экономической преступности. Основная их доля при-
ходится на: незаконное предпринимательство; сомнительный сбыт, производство, приобретение и хранение товаров и немаркированной продукции; нарушение правил использования товарного знака; насыщение влагой рассыпных товаров и другие. Способы совершения такого рода преступлений многочисленны и развиваются по мере развития общества и увеличения рынка - все это приводит росту числа нарушений.
Увеличение объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, на 1 млн. руб. приводит к увеличению числа преступлений экономической направленности на 4,41 ед. Ситуация может напоминать рассмотренный выше показатель объема всех реализованных продовольственных товаров. В производственном секторе преступления экономической направленности также не в диковинку: например, товар (полуфабрикаты, комплектующие, сырьё и т.д.) или промышленная услуга могут не отвечать требованиям безопасности; неправомерно выдаваться или использоваться официальные документы, удостоверяющие соответствие указанных товаров, работ или услуг. Перечисленное - лишь малая часть того, какие махинации могут применять преступники или должностные лица в такой огромной отрасли хозяйствования, а сосредоточение крупных объемов денежных средств, материальных ценностей, высокотехнологичного оборудования, контроль за которыми достаточно затруд-
нителен - усиливает криминогенную обстановку в данной сфере.
Увеличение объема кредиторской задолженности на 1 млн. руб. проводит к увеличению численности преступлений экономической направленности на 3,47 ед. Кредиторская задолженность - любой вид неисполненного обязательства должника перед кредитором, в ситуации экономического кризиса, многие компании находятся в состоянии упадка и не могут, соответственно исполнять свои обязательства, в том числе перед кредиторами. Тогда руководители организации исполняются мотивацией к уклонению от уплаты задолженности, что приводит к росту числа преступлений. Так же, следует оговориться, что в настоящее время не выработаны самостоятельные подходы к определению «злостность» (ст. 177 УК РФ), что приводит к тому, что нет четких границ преступления, что приводит к ущемлению интересов граждан и подрывает экономическую безопасность страны, из-за неспособности довести к ответственности ту или иную организацию или преступную группу.
Рост суммы убытка организаций на 1 млн руб. проводит к незначительному увеличению численности преступлений экономической направленности. Дотационные организации, обладающие статусом планово-убыточных, реже попадают под призму правоохранительной системы.
Увеличение показателя количества зарегистрированных экономических преступлений можно интерпретировать неоднозначно: во-первых, это индикатор активизации подразделений органов внутренних дел, а во-вторых, это фактический, как количественный рост, так и качественное изменение в прилежании преступников в данной сфере, повышении степени ее опасности. Это, как следствие, приводит к росту теневой экономики и коррупции как формы проявления экономической преступности, что является одним из самых сложных по раскрываемости преступлений [2]. Так же отметим, чем больше рынок (потребительский, производственный, рынок жилищного строительства и т.д.) тем больше будут совершаться преступлений, и не только экономической направленности.
Заключение
В ходе исследования был применен метод кластерного анализа, который позволил сформировать однородные кластеры регионов, классифицировать их как аграрные, промышленные или близкие к мегаполисам. Использование метода регрессии позволило определить, как абсолютное, так и относительное влияние вариации каждого социально-экономического показателя на изменение числа зарегистрированных преступлений экономической направленности. Таким
образом, по результатам проведенного анализа сформированы и выявлены особенности областей в оценивании числа преступлений экономической направленности, дана оценка влияния на данный показатель рассматриваемых объясняющих переменных.
Литература
1. Айвазян С.А. и др. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1983. 471 с.
2. Буров В.Ю., Атанов Н.И., Андриянов В.Н., Су-дакова Т.М. Теневая экономика и коррупция как формы проявления экономической преступности // Всероссийский криминологический журнал, 2014.
3. Дубров А.М. Многомерные статистические методы. Учебник. М.: Финансы и статистика, 2003.
4. Ищенко А.Н., Ищенко И.Н. Информатика и информационные технологии в профессиональной деятельности (создание простейшей учебной автоматизированной системы бухгалтерского учёта с помощью табличного процессора EXCEL). Учебное наглядное пособие. М.: Перо, 2017. 198 с.
5. Кильдишев Г.С., Аболенцев Ю.И. Многомерные группировки, М.: «Статистика», 1978. 160 с.
6. Кузнецова Е.И., Гамоненко С.С. Финансовый мониторинг как метод контроля в управлении экономической безопасностью // Вестник Московского университета МВД России. 2015. № 1. С.185-189.
7. Кузнецова Е.И., Филатова И.В. Экономическая преступность и ее влияние на экономическую безопасность // Вестник экономической безопасности. 2017. № 3. С. 201-204.
8. Накова М.Р. Анализ влияния налоговых преступлений на экономическую безопасность регионов Российской Федерации // Вестник Московского университета МВД России. 2019. № 5. с. 278-282.
9. Юрьев В.Н., Дыбок Д.М. Кластерный анализ факторов, влияющих на инновационное развитие экономики в регионах Российской Федерации // Статистика и Экономика. 2017. Т. 14. № 1. с. 51-59.
References
1. Ayvazyan S.A. and other Applied statistics: Basics of modeling and primary data processing.
Reference ed. / S. A. Ayvazyan, I. S. Enyukov, L. D. Meshalkin. Moscow: Finance and Statistics, 1983.471 p.
2. Burov V.Yu., Atanov N.I., Andriyanov V.N., Sudakova T.M. Shadow economy and corruption as forms of manifestation of economic crime // All-Russian Criminological Journal, 2014.
3. Dubrov A.M. Multivariate statistical methods. Textbook. Moscow: Finance and Statistics, 2003.
4. Ishchenko A.N., Ishchenko I.N. Informatics and information technology in professional activities (creation of the simplest educational automated accounting system using the EXCEL spreadsheet processor). Educational visual aid. Moscow: Pero, 2017, 198 p.
5. Kildishev G.S., Abolentsev Yu.I. Multidimensional groupings, Moscow: Statistics, 1978.160 p.
6. Kuznetsova E.I., Gamonenko S.S. Financial monitoring as a control method in managing economic security // Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2015. No. 1. P.185-189.
7. Kuznetsova E.I., Filatova I.V. Economic crime and its impact on economic security // Bulletin of economic security. 2017. No. 3. S. 201-204.
8. Nakova M.R. Analysis of the impact of tax crimes on the economic security of the regions of the Russian Federation // Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2019. No. 5. p. 278-282.
9. Yuriev V.N., Dybok D.M. Cluster analysis of factors affecting the innovative development of the economy in the regions of the Russian Federation // Statistics and Economics. 2017.Vol. 14.No. 1. p. 51-59.
БУХГАЛТЕРСКИЙ УЧЕТ
УЧЕБНИК ТРЕТЬЕ ИЗДАНИЕ
Бухгалтерский учет. 3-е изд., перераб. и доп. Учебник. Под ред. Ю.А. Бабаева, В.И. Бобошко, А.Ф. Дятловой. 611 с. Гриф МО РФ. Гриф НИИ образования и науки. Гриф МУМЦ «Профессиональный учебник».
Представлена современная комплексная российская национальная система бухгалтерского учета, отчетности и анализа. Рассмотрены основы теории и организации бухгалтерского учета, содержание единой системы бухгалтерского финансового и управленческого учета.
Дана характеристика бухгалтерской (финансовой) отчетности, изложены основные методы анализа финансового состояния и финансовых результатов деятельности экономического субъекта. Приведена характеристика всех объектов бухгалтерского учета, их первичного, аналитического и синтетического учета, система бухгалтерских записей на взаимосвязанных синтетических счетах.
Материал изложен в полном соответствии с действующими российскими законодательными и нормативными правовыми актами по бухгалтерскому учету и отчетности, с учетом международных стандартов финансовой отчетности.
Для студентов (бакалавров, магистров) вузов, обучающихся по экономическим специальностям, преподавателей и практических работников.
