CC BY
10
УДК 338.43 JEL С51, С63, F47
DOI 10.25205/2542-0429-2019-19-4-104-113
Возможности моделирования мирового агропродовольственного рынка с использованием агент-ориентированного подхода
Ю. С. Отмахова, Н. М. Ибрагимов
Институт экономики и организации промышленного производства СО РАН Новосибирск, Россия
Новосибирский национальный исследовательский государственный университет
Новосибирск, Россия
Аннотация
В современных условиях турбулентности международной торговли и необходимости развития несырьевого экспорта России проблема выбора эффективной стратегии поведения экспортеров на рынке продовольствия значительно актуализировалась. Одним из инструментов анализа и прогнозирования функционирования рынка могут выступать агент-ориентированные модели, в которых имитируется поведение децентрализованных самообучающихся агентов, имеющих собственные цели и возможности. В работе представлены результаты использования агент-ориентированного подхода к моделированию рынка на примере ячменя, который является одной из топовых товарных позиций российского экспорта продовольствия. В качестве информационной базы исследования использовались данные FAOSTAT и Росстата за период 1997-2017 гг. В рамках исследования построена агентная модель мирового рынка ячменя, на которой была проведена серия вычислимых экспериментов в среде AnyLogic с изменением таких факторов, как уровень глобального спроса, величина пошлины, размер капитала компаний-экспортеров для определения стратегии поведения агентов-экспортеров с учетом ограниченной рациональности участников коммуникативных взаимодействий. Предлагаемый подход развивает современную теорию потребительского поведения и имитационного моделирования, а полученные результаты могут быть использованы при формировании программ развития агропродовольственного экспорта страны. Ключевые слова
агент-ориентированное моделирование, рынок экспортных товаров, имитационное моделирование, теория рыночного спроса, теория потребительского поведения Источник финансирования
Статья подготовлена по плану НИР ИЭОПП СО РАН по проекту XI.171.1.1 «Разработка, апробация и применение в теоретических и прикладных исследованиях программно-методических комплексов и информационных систем анализа и прогнозирования социально-экономических процессов» № АААА-А17-117022250129-2 Для цитирования
Отмахова Ю. С., Ибрагимов Н. М. Возможности моделирования мирового рынка агропродовольственных товаров с использованием агент-ориентированного подхода // Мир экономики и управления. 2019. Т. 19, № 4. С. 104-113. DOI 10.25205/2542-0429-2019-19-4-104-113
Agent-Based Modeling of Global Agro-Food Market
Yu. S. Otmakhova, N. M. Ibragimov
Institute of Economics and Industrial Engineering SB RAS Novosibirsk, Russian Federation
Novosibirsk State University Novosibirsk, Russian Federation
Abstract
With the turbulence in global trade and the necessity to develop non-commodity exports in Russia, the choice of an effective strategy for exporters' conduct in the food market is becoming vitally important these days. Agent-based mod-
© Ю. С. Отмахова, H. M. Ибрагимов, 2019
els simulating the behavior of decentralized self-learning agents with their own goals and capabilities can be used as the tools for analyzing and predicting market movements. The paper presents the results of the agent-based approach to market modeling by the example of barley, which is one of the top commodity items of the Russian food exports on the basis of FAOSTAT and Rosstat data for the period 1997-2017. As a result of the study, an agent-based model of the world barley market was built, and a series of calculated experiments was carried out in the AnyLogic development environment with the changes in such factors as the level of global demand, the amount of customs duties, the exporting companies' funds in order to determine the strategic conduct of the exporting agents taking into account the limited rationality of the participants in communicative interaction. The proposed approach develops modern theory of consumer behavior and simulation, and the results of the study can be used in the formation of development programs for the Russian agro-food exports. Keywords
agent-based modeling, export market, simulation modeling, market demand, consumer behavior Funding
The publication is prepared within the project No. XI.171.1.1 "Development of program complexes and information systems for analysis and forecast of socio-economic process, their testing and implementation in theoretical and applied research", no. АААА-А17-117022250129-2 according to the research plan of the IEIE SB RAS For citation
Otmakhova Yu. S., Ibragimov N. M. Agent-Based Modeling of Global Agro-Food Market. World of Economics and Management, 2019, vol. 19, no. 4, p. 104-113. (in Russ.) DOI 10.25205/2542-0429-2019-19-4-104-113
Введение
Агропродовольственный комплекс является важнейшим сектором российской экономики, который характеризуется сложностью экономических отношений и разнонаправленных интересов на рынке данной продукции. В современных условиях турбулентности международной торговли и необходимости развития несырьевого экспорта России проблема выбора эффективной стратегии поведения экспортеров на рынке продовольствия значительно актуализировалась. В рамках диверсификации экспорта зерновых культур идет активный рост поставок ячменя, и данная товарная позиция входит в число трех основных позиций российского зернового экспорта. По данным Росстата, в 2018 г. Россия экспортировала ячменя на сумму 1 024,2 млн долл., что на 39,9 % больше, чем в 2017 г., а за два прошедших года стоимость экспорта ячменя выросла на 41,3 %. В этих условиях возрастает потребность в научно обоснованных подходах к прогнозированию развития данного рынка с учетом ресурсных возможностей России, формальных и скрытых барьеров на международном рынке.
Одним из инструментов анализа и прогнозирования функционирования рынка могут выступать агент-ориентированные модели, в которых имитируется поведение децентрализованных самообучающихся агентов, имеющих собственные цели и возможности. Развиваемый в последнее время агент-ориентированный подход базируется на специальном классе вычислимых моделей, основанных на индивидуальном поведении множества агентов [1]. Основная идея данного подхода является развитием имитационного моделирования и заключается в построении вычислительного комплекса, представляющего собой множество агентов с определенным набором свойств и правил поведения и взаимодействия. Агент-ориентированное моделирование (АОМ) позволяет описывать поведение взаимодействующих агентов, используя адекватный инструментарий, возложив на программную среду задачу «совмещения» входов и выходов [2]. В работе ведущих российских исследователей в области АОМ [3] агент-ориентированные модели характеризуются как специальный класс моделей, которые основаны на индивидуальном поведении агентов и созданы для компьютерных симуляций. В соответствии с данным подходом экономическую систему можно представить как совокупность взаимодействующих подсистем-агентов, изменяя поведение отдельных элементов системы и определяя параметры их взаимодействия, становится возможно исследовать закономерности поведения глобальной системы.
Агент-ориентированный подход к моделированию универсален и удобен для прикладных исследователей и практиков в силу своей наглядности, но при этом предъявляет высокие требования к вычислительным ресурсам [4].
Агентный подход может использоваться и для моделирования пространственной структуры экономической системы России на основе межрегиональной межотраслевой модели «затраты - выпуск» [5].
Особый интерес представляет проект по разработке модели европейской экономики -EURACE (Agent-based Computational Economics), в рамках которой в социально-экономической системе взаимодействует множество автономных агентов [6].
В динамичной, конкурентной и сложной среде продовольственного рынка выбор покупателя зачастую зависит от индивидуальных особенностей, врожденной активности потребителя, сети контактов, а также внешних влияний, которые лучше всего описываются с помощью АОМ [7].
В условиях применения продовольственных санкций существенно актуализировалась задача поиска новых подходов по инструментам анализа и моделированию агентных взаимодействий как на продовольственном рынке страны, так и в макрорегионах с целью обеспечения продовольственной безопасности страны [8]. В рамках исследования продовольственного рынка на основе анализа данных Росстата, ФТС и FAO было выявлено, что процессы глобализации привели к серьезной трансформации товаропотоков между странами на рынке пищевого сырья, изменили сложившиеся системы производства и распределения пищевой продукции [9]. Данное обстоятельство вызывает необходимость учитывать новые возникающие взаимосвязи также в контексте использования ресурсов агентов.
Агропродовольственный рынок вызывает интерес исследователей в области агентного моделирования, и в последние несколько лет постепенно расширяется использование подходов к моделированию на основе агентов в рамках оценки сельскохозяйственной и индустриальной политики [2]. В настоящее время существуют модели для агропродовольственного рынка Европы [10], при этом отсутствуют современные публикации о возможностях использования агентного подхода к моделированию рынка зерновых ресурсов.
Цель исследования - разработать модель мирового рынка ячменя на основе агентного подхода и провести вычислительные эксперименты с изменением таких факторов, как уровень глобального спроса, величина пошлины, размер капитала компаний-экспортеров, для определения стратегии поведения агентов-экспортеров с учетом ограниченной рациональности участников коммуникативных взаимодействий.
Методы и инструментарий исследования
Для технической реализации агентных моделей разработано более сотни программных сред с различными функциональными возможностями, но важно отметить, что все эти продукты реализованы в средах, изначально не предназначенных для распараллеливания программного кода (к примеру, в Eclipse, MS Visual Studio и др.) [11]. В рамках исследования в качестве инструментария было использовано программное обеспечение для имитационного моделирования, разработанного российской компанией «The AnyLogic Company» и представленного в 2000 г. Инструментарий обладает современным графическим интерфейсом, при этом накопленный опыт использования среды моделирования AnyLogic позволяет реа-лизовывать различные типы агент-ориентированных моделей. Разработанная в рамках данного исследования модель была реализована в среде AnyLogic версии University Researcher для открытых исследований в университетах, версия 8.4 (тестовый доступ).
Программное обеспечение AnyLogic позволяет гибко использовать различные уровни абстрагирования, включает в себя графический язык моделирования, а также позволяет пользователю расширять созданные модели с помощью языка Java. Графическая среда моделирования AnyLogic включает Statecharts (карты состояний, использующиеся в агентных моделях для определения поведения агентов) и Action charts (блок-схемы, использующиеся для построения алгоритмов и формирования логики решений агента). Графическая среда моделирования AnyLogic способна поддерживать следующие процессы: проектирование; разработка; документирование модели; выполнение компьютерных экспериментов с моделью.
Программный инструмент AnyLogic основан на объектно-ориентированной концепции, модель представляет в качестве набора взаимодействующих, параллельно функционирующих активностей.
В качестве объекта исследования был выбран мировой рынок ячменя, который характеризуется растущим спросом. В процессе формирования модели количество агентов-экспортеров определялось в соответствии с фактическими данными по количеству основных стран-контрагентов.
Согласно расчетам авторов с использованием базы данных СОМТЯАББ, в период 1997— 2017 гг. более 60 % экспорта обеспечивали пять основных стран-контрагентов. В разработанном модельном примере в качестве агентов-экспортеров были выбраны пять компаний, представляющих пять стран мира, которые формируют совокупный мировой экспорт. При определении производственных возможностей и объема экспорта авторы учитывали в модели интервал значений, которые были рассчитаны на фактических данных за период 1997— 2017 гг. В рамках разработанной модели российская компания (компания Б), представляет единого экспортера (Россию) на рынке ячменя, в модельном примере использовались данные об объеме экспорта и производственных возможностях России, по данным Росстата, за период 1997-2017 гг.
При формировании модели исходили из следующих положений. Предполагалось, что изначально у всех компаний-стран есть свой начальный капитал, с которым они выходят на мировой рынок ячменя. В каждой зоне компании могут устанавливать свои производственные подразделения, на строительство и функционирование которых расходуется капитал. Цена складывается из производственных затрат компании и размера пошлины. В модели предлагают предустановленные функции расчета цены экспортного товара, функция принятия решения о постройке производственного подразделения, об автоматическом изменении пошлины в каждой зоне, функция накопления капитала, функция установления цены на мировом рынке.
Формальное описание предлагаемой агент-ориентированной модели включает характеристику агентов (компаний экспортеров), зон торговли и производственных подразделений компании:
(К ), ( К )2, (К )3, (К )4, (К )5 - это компании, занимающиеся торговлей - экспортом ячменя;
(К1).,(К2).,(К3).,(К4).,(К5). - производственные подразделения, принадлежащие каждой из компаний;
(Т)1, (Т) (Т) (Т) (Т)5 - различные зоны, на которых расположены производственные
подразделения, имеющие определенную величину ввозной таможенной пошлины на ячмень.
Характеристика агентов - экспортеров ячменя:
1) компания располагает ресурсами (капитал компании), которые могут изменяться в определенный период;
2) компания размещает производственные подразделения в одной или нескольких торговых зонах;
3) компания оплачивает пошлину в каждой зоне в размере, установленном в данной зоне.
Производственные подразделения и процессы, связанные с ними:
1) у каждого производственного подразделения существует определенная стоимость постройки, реконструкции, приостановления производства, которая соответственно высчиты-вается за определенный период (неделю), у каждой компании эти цены могут быть одинаковыми, а могут и варьироваться;
2) производственные подразделения характеризуются такими показателями, как производственные затраты, производственная мощность, время на реконструкцию;
3) цена продукции формируется как сумма произведенных производственных затрат и затрат по таможенному оформлению (величина оплачиваемой таможенной пошлины).
Характеристика зоны торговли:
1) для каждой зоны устанавливается таможенная пошлина на ввозимый компаниями ячмень;
2) пошлина может варьироваться от минимального до максимального значения, размах определялся в соответствии с данными по размеру пошлин на международном рынке за период 1997-2017 гг.;
3) пошлина может изменяться одновременно во всех зонах торговли, а можно фиксировать пошлину в каждой отдельной зоне;
4) пошлина в каждой зоне может меняться по собственной, заранее заданной, амплитуде;
5) в системе задается период происхождения амплитудных скачков пошлины.
Характеристика рынка:
1) изменения объемов мирового совокупного спроса на ячмень могут варьироваться в диапазоне, границы которого определялись значениями в соответствии с минимальной и максимальной величиной объемов спроса на мировом рынке ячменя за период 1997-2017 гг.;
2) рыночная цена ячменя исходя из состояния рынка (соотношения спроса и предложения) динамично меняется с течением времени;
3) история изменения цены на ячмень отражается в модели, что тоже позволяет оценить изменение рынка.
Введем следующие обозначения для модели:
1) S^1, S£, S31, Sp1, Spr - предложение каждого агента-компании на рынке ячменя.
2) resK^ resK2, resK3, resK4, resK5 - ресурсы каждой компании;
3) total Cost - цена с каждого отдельного производственного подразделения на конечную выпускаемую продукцию;
4) All Demand - совокупный спрос на рынке ячменя;
5) dueTJ, dueT2, dueT3, dueT4, dueT5 - размеры пошлин в каждой зоне;
6) K1, K2, K3, K4 и K5 - число производственных подразделений каждой компании, меняющееся с течением времени;
7) Др1, D%1, Dpi, Dp., Dpi - спрос рынка на ячмень, относящийся к конкретной компании.
В рамках модели были определены следующие функции агентов:
1) функция поиска свободного места в регионе get Free Location;
2) функция определения цены выпускаемой продукции Total All Cost;
3) функция постройки нового производственного подразделения Build New Manufacture;
4) функция разрушения производственного подразделения Destroy Manufacture;
5) функция выбора наиболее выгодного для постройки производственного подразделения региона get Cheapest Area;
6) функция принятия решения о том, что делать дальше (строить производственное подразделение, убирать его и т. д.), make Decisions.
Программная реализация модели позволяет зафиксировать в каждой зоне размер пошлины или изменять ее в соответствии с определенным ранее интервалом значений. Модель позволяет задавать размер капитала компаний-стран, количество их производственных подразделений в данный момент времени работы модели, объем производства ячменя за неделю, продающегося производственными подразделениями
Результаты исследования
В рамках исследования была проведена серия вычислимых экспериментов по агент-ориентированной модели, реализованной в среде AnyLogic. Графическая среда модели позволила продемонстрировать график изменения рыночной цены на ячмень (Barley price history), общий спрос (Demand), текущую цену на ячмень за тонну (Marketprice), вклад компаний в установление цены на мировом рынке (Formation of the barley market price).
На рис. 1 представлены результаты проведенных экспериментов на модельном примере при фиксированной минимальной величине таможенной пошлины во всех зонах торговли, прогноз стратегий агентов-экспортеров по размещению производственных подразделений и экспорта на период 2019-2024 гг.
Рис. 1. Результаты моделирования при минимальной величине таможенной пошлины, прогноз на период 2019-2024 гг. Fig. 1. Modeling results with min amount of import / export duties for 2019-2024
Результаты вычислимых экспериментов показали, что агент-экспортер Б (Россия) в среднесрочной перспективе при таможенной пошлине на минимальном уровне и мировом спросе на уровне 30 млн тонн (среднее значение за период 1997-2017 гг.) займет третье место по объему экспорта. Прогнозное значение средней цены на ячмень на мировом рынке, согласно проведенным экспериментам, установился на уровне 211 долл. США за тонну.
При прогнозе стратегий агентов-экспортеров по размещению производственных подразделений и экспорта на период 2019-2024 гг. при фиксированной максимальной величине таможенной пошлины во всех зонах торговли и мировом спросе на уровне 30 млн тонн (среднее значение за период 1997-2017 гг.) агент-экспортер Б (Россия) займет пятое место. Прогнозное значение средней цены на ячмень на мировом рынке, согласно проведенным экспериментам, установился на уровне 301 долл. США за тонну (рис. 2).
Результаты вычислимых экспериментов показали, что агент-экспортер Б (Россия) в среднесрочной перспективе при максимальном уровне мирового спроса на уровне 40 млн тонн (максимальное значение за период 1997-2017 гг.) занимает второе место по объему экспорта. При этом в рамках данного вычислимого эксперимента размер таможенной пошлины изменялся автоматически в каждой зоне торговли в соответствии с определенным ранее интервалом значений. Прогнозное значение средней цены на ячмень на мировом рынке, согласно проведенным экспериментам, установился на уровне 272 долл. США за тонну (рис. 3).
В долгосрочной перспективе при максимальном уровне мирового спроса результаты вычислимых экспериментов показали, что агент-экспортер Б (Россия) занимает второе место по объему экспорта. При этом в рамках данного вычислимого эксперимента размер таможенной пошлины изменялся автоматически в каждой зоне торговли в соответствии с определенным
ранее интервалом значений. В долгосрочной перспективе в ходе эксперимента были зафиксированы серьезные амплитудные скачки, а прогнозное значение средней цены на ячмень на мировом рынке, согласно проведенным экспериментам, установился на уровне 265 долл. США за тонну (рис. 4), что несколько ниже цены в рамках прогноза на период 2019-2024 гг.
Competition in Global Barley Market Agent Based Model
Hvswiicndm Stem
it' ::
J Jt
Q».
л
s □
Плгкт [Wh?* Г L1 лгу
Г íi i m л г--' n m îhfl bHtAV m
Week 260
J
Q>
J
X
9>™
i««:
■III!
Рис. 2. Результаты моделирования при максимальной величине таможенной пошлины, прогноз на период 2019-2024гг. Fig. 2. Modeling results with max amount of import / export duties for 2019-2024
Рис. 3. Результаты моделирования при максимальной величине мирового спроса, прогноз на период 2019-2024 гг. Fig. 3. Modeling results with max amount of import / export duties for 2019-2024
Таким образом, согласно проведенным вычислимым экспериментам, как при увеличении, так и при сокращении величины совокупного спроса и существующем уровне производства доля России на мировом рынке ячменя достаточно стабильна: и в среднесрочной и в долгосрочной перспективе России занимает второе и третье место по объему экспорта. При увеличении таможенной пошлины на ячмень доля России в среднесрочной перспективе может существенно сократиться и привести к потере места в пятерке экспортеров на мировом рынке ячменя.
Рис. 4. Результаты моделирования при максимальной величине мирового спроса, прогноз на период 2019-2029 гг. Fig. 4. Modeling results with max world demand for barley (2019-2029)
Заключение
В работе приводятся результаты проведенных вычислимых экспериментов по стратегиям поведения агентов компаний-экспортеров при изменении факторов и условий на основе построенной агент-ориентированной модели экспортных товаров на примере рынка ячменя. В рамках исследования была построена агентная модель мирового рынка ячменя, на которой проведена серия вычислимых экспериментов в среде AnyLogic с изменением таких факторов, как уровень глобального спроса, величина пошлины, размер капитала компаний-экспортеров, для определения стратегии поведения агентов-экспортеров с учетом ограниченной рациональности участников коммуникативных взаимодействий.
Прогнозирование на модельном примере выполнено на среднесрочную и долгосрочную перспективу и может быть полезно при определении мер государственной поддержки российским компаниям-экспортерам. В рамках дальнейших исследований предполагается произвести уточнение разработанной модели с учетом увеличения как числа факторов, которые влияют на стратегию поведения агентов, так и числа агентов.
На наш взгляд, в условиях сложной макроэкономической ситуации использование возможностей моделирования на основе агентного подхода позволят не только конструировать новые сценарии развития агропродовольственного рынка, но и проводить оценку эффективности предпринимаемых государством мероприятий по обеспечению продовольственной безопасности с использованием современных информационных технологий.
Список литературы
1. Weiping Wang, Saini Yang, Fuyu Hu, Zhangang Han, Carlo Jaeger. An agent-based modeling for housing prices with bounded rationality. IOP Conf. Series: Journal of Physics: Conf. Series lll3. 2018. № 012014. DOI l0.l088/l742-6596/lll3/l/0l20l4
2. Hamill L., Gilbert N. Agent-Based Modelling in Economics. UK. Wiley, 2015, 246 p.
3. Бахтизин А. Р. Агент-ориентированные модели экономики. М.: Экономика, 2008. 279 c.
4. Окрепилов В. В., Макаров В. Л., Бахтизин А. Р. и др. Применение суперкомпьютерных технологий для моделирования социально-экономических систем // Экономика региона. 2015. № 2. C. 301-313.
5. Суслов В. И., Доможиров Д. А., Костин В. С., Мельникова Л. В., Ибрагимов Н. М., Цыплаков А. А. Опыт агент-ориентированного моделирования пространственных процессов в большой экономике // Регион: экономика и социология. 2014. № 4. C. 32-54.
6. Deissenberg C., Hoog S. van der, Herbert D. EURACE: A Massively Parallel Agent-Based Model of the European Economy. Applied Mathematics and Computation, 2008, vol. 204 (2), p. 541-552. DOI 10.1016/j.amc.2008.05.116
7. Отмахова Ю. С., Ефремов Д. В. Подходы к разработке архитектуры агентной системы // Экономическое развитие России: региональный и отраслевой аспекты: Сб. науч. тр. / Под ред. Е. А. Коломак, Л. В. Машкиной; ИЭОПП СО РАН. Новосибирск, 2014. Вып. 13.
8. Усенко Н. И., Позняковский В. М., Отмахова Ю. С. «Пальмовый рай» или «пальмовый спрут»? Современные тренды и угрозы продовольственного рынка // ЭКО. 2014. № 9. С. 135-152.
9. Usenko N. I., Otmakhova Yu. S., Olovyanishnikov A. G. The issues of asymmetry of corporate and public interests in the food market. Economic and social changes: facts, trends, forecast, 2014, no. 3, p. 124-139.
10. Abdou M., Hamill L., Gilbert N. Designing and building an agent-based model. In: Agent-Based Models of Geographical Systems. Springer, 2012, p. 141-165. DOI 10.1007/978-90481-8927-4
11. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д., Васенин В. А., Борисов В. А., Рога-
нов В. А. Агент-ориентированные модели: мировой опыт и технические возможности реализации на суперкомпьютерах // Вестник РАН. 2016. № 3. C. 252-262.
References
1. Weiping Wang, Saini Yang, Fuyu Hu, Zhangang Han, Carlo Jaeger. An agent-based modeling for housing prices with bounded rationality. IOP Conf. Series: Journal of Physics: Conf. Series 1113. 2018. № 012014. DOI 10.1088/1742-6596/1113/1/012014
2. Hamill L., Gilbert N. Agent-Based Modelling in Economics. UK. Wiley, 2015, 246 p.
3. Bakhtizin A. R. Agent-orientirovannye modeli ekonomiki [Agent-oriented models of the economy]. Moscow, Ekonomika. 2008, 279 p. (in Russ.)
4. Okrepilov V. V., Makarov V. L., Bakhtizin A. R., Kuzmina S. N. Application of Supercomputer Technologies for Simulation of Socio-Economic Systems. Economy of region, 2015, no. 2, p. 301-313. (in Russ.)
5. Suslov V. I., Domozhirov D. A., Kostin V. S., Melnikova L. V., Ibragimov N. M., Tsypla-kov A. A. Agent-based Modeling of Spatial Processes in World Economy. Region: Economics and Sociology, 2014, no. 4, p. 32-54. (in Russ.)
6. Deissenberg C., Hoog S. van der, Herbert D. EURACE: A Massively Parallel Agent-Based Model of the European Economy. Applied Mathematics and Computation, 2008, vol. 204 (2), p. 541-552. DOI 10.1016/j.amc.2008.05.116
7. Otmakhova Yu. S., Efremov D. V. Podkhody k razrabotke arkhitektury agentnoy sistemy. In: Ekonomicheskoe razvitie Rossii: regional'nyy i otraslevoy aspekty: sb. nauch. tr. Eds. E. A. Kolomak, L. V. Mashkina; IEOPP SO RAN. Novosibirsk, 2014, iss. 13, p. 126-139. (in Russ.)
8. Usenko N. I., Poznyakovsky V. M., Otmakhova Yu. S. "Palm Oil Paradise" or "Palm Oil Octopus"? Current Trends and Threats of Food Markets. EKO [ECO], 2014, no. 9, p. 135-152. (in Russ.)
9. Usenko N. I., Otmakhova Yu. S., Olovyanishnikov A. G. The issues of asymmetry of corporate and public interests in the food market. Economic and social changes: facts, trends, forecast, 2014, no. 3, p. 124-139.
10. Abdou M., Hamill L., Gilbert N. Designing and building an agent-based model. In: Agent-Based Models of Geographical Systems. Springer, 2012, p. 141-165. DOI 10.1007/978-90481-8927-4
11. Makarov V. L., Bakhtizin A. R., Sushko E. D., Vasenin V. A., Borisov V. A., Roga-
nov V. A. Supercomputer technologies in social sciences: Agent-oriented demographic models.
Herald of the Russian Academy of Sciences, 2016, vol. 86, no. 3, p. 248-257.
Материал поступил в редколлегию Received 09.09.2019
Сведения об авторах
Отмахова Юлия Сергеевна, кандидат экономических наук, старший научный сотрудник лаборатории моделирования и анализа экономических процессов Института экономики и организации промышленного производства СО РАН (пр. Акад. Лаврентьева, 17, Новосибирск, 630090, Россия); заведующий лабораторией «Исследовательский центр продовольственной безопасности» экономического факультета Новосибирского государственного университета (ул. Пирогова, 1, Новосибирск, 630090, Россия) [email protected] SPIN 4132-9548 ORCID 0000-0001-8157-0029 ScopusID 57194720805
Ибрагимов Наимджон Мулабоевич, кандидат экономических наук, доцент, старший научный сотрудник лаборатории моделирования и анализа экономических процессов Института экономики и организации промышленного производства СО РАН (пр. Акад. Лаврентьева, 17, Новосибирск, 630090, Россия); зам. декана экономического факультета Новосибирского государственного университета (ул. Пирогова, 1, Новосибирск, 630090, Россия)
[email protected] SPIN 6608-4495 ScopusID 57202757558
Information about the Author
Yuliya S. Otmakhova, Candidate of Science (Economics), Senior Researcher, Institute of Economics and Industrial Engineering SB RAS (17 Academician Lavrentiev Ave., Novosibirsk, 630090, Russian Federation); head of chair, Novosibirsk State University (1 Pirogov Str., Novosibirsk, 630090, Russian Federation); [email protected] SPIN 4132-9548 ORCID 0000-0001-8157-0029 ScopusID 57194720805
Naimdgnon M. Ibragimov, Candidate of Science (Economics), senior Researcher, Institute of Economics and Industrial Engineering SB RAS (17 Academician Lavrentiev Ave., Novosibirsk, 630090, Russian Federation); Vice Dean, Novosibirsk State University (1 Pirogov Str., Novosibirsk, 630090, Russian Federation) [email protected] SPIN 6608-4495 ScopusID 57202757558
