Сценарное прогнозирование развития промышленного производства на основе моделирования ожиданий экономических агентов: методические подходы и их апробация

Сложность и многоаспектность процессов социально-экономического развития создает основу для совершенствования существующих в теории традиционных подходов к моделированию и прогнозированию экономического роста. Основной целью работы является разработка на основе оценки ожиданий экономических агентов сценарно-прогностических моделей развития промышленного производства национальной экономики. На основе проведенного кросскорреляционного анализа совокупности факторов институционального и конъюнктурного порядка, влияющих на агрегированные тренды экономического роста, идентифицированы параметры их влияния на систему формирующихся ожиданий экономических агентов. С помощью методов эконометрического анализа определены значения субиндексов, определяющих интегральные оценки индексов опережающего развития, в концентрированной форме количественно оценивающих ожидания экономических агентов по поводу трансформаций в институциональной и конъюнктурной среде. Это позволило выявить параметры модели множественного выбора, характеризующие взаимосвязь между ожиданиями и промышленным развитием национальной экономической системы. По результатам апробации изложенного подхода разработаны сценарии развития промышленного производства в РФ на среднесрочный период (до 2020 г.) с учетом программирования отдельных факторов институционального и конъюнктурного порядка, генерирующих систему ожиданий хозяйствующих субъектов. Установлено, что высокие темпы промышленного развития, способствующие преодолению структурных проблем в экономике, способны формироваться, преимущественно, в случае реализации институциональных преобразований, создающих устойчивую основу для генерации позитивных, устойчивых ожиданий относительно трансформации сложившегося уклада, формирующего механизмы макроэкономических сдвигов. Основные положения и выводы статьи могут быть использованы научным сообществом, а также представителями бизнеса и органов государственного управления при выработке прогнозов социально-экономического роста и обоснования механизмов развития.

1. Прикладное прогнозирование национальной экономики: Учеб. пособие / Под ред. В. В. Ивантера, И. А. Буданова, А. Г. Коровкина, В. С. Сутягина. М.: ЭкономистЪ, 2007. 896 с.

2. Гранберг А. Г. Основы региональной экономики. М.: ИД ГУ-ВШЭ, 2006.

3. Кондратьев Н. Д. Проблемы экономической динамики. М.: Экономика, 1989. 536 с.

4. Суслов Д. А. Воспроизводственный цикл социально-экономического развития регионов // Статистика и экономика. 2008. № 4. С. 19–23.

5. Смирнов С. В., Френкель А. А., Кондрашов Н. В. Индексы региональной экономической активности // Вопросы статистики. 2016. № 12. С. 29–38.

6. Мхитарян В. С., Архипова М. Ю., Сиротин В. П. Эконометрика: Учебно-методический комплекс. М.: ИЦ ЕАОИ, 2008. 144 с.

7. Сафиуллин М. Р., Ельшин Л. А., Шакирова А. И. Об оценке деловой и экономической активности региона. М.: Экономика, 2011. 111 c.

8. Афанасьев В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование: Учебник. М.: Финансы и статистика, 2010. 228 с.

9. Дубовицкий С. В. Прогнозирование экономического роста и финансовой динамики в условиях глобализации и нестабильности // Общество и экономика. 2005. № 3. С. 129–136.

10. Губин В. А., Щепакин М. Б. Об экономической природе кризиса и антикризисного управления // Управление экономическими системами: электрон. науч. журн. 2010. № 4 (24). URL: http://uecs.mcnip.ru.

11. Демьянов Р. С. Использование метода Бокса – Дженкинса для прогнозирования временных рядов // Nauka-rastudent.ru. 2017. No. 03 (039). URL: http://nauka-rastudent.ru/39/4071/

12. Белинский С. П. Основные способы исследования рядов в эконометрике // Гуманитарные науки и образование в Сибири. 2016. № 4 (22). С. 49–53.

13. Бахтизин А. Р. Агент-ориентированные модели: теория и практика // Анализ и моделирование экономических и социальных процессов: математика, компьютер, образование. 2015. Т. 22, № 3. С. 76–83.

14. Bonabeau E. Agent-based modeling: methods and techniques for simulating human systems // Proc. National Academy of Sciences. 2002. Vol. 99 (3). P. 7280–7287.

15. Макаров В. Л., Бахтизин А. Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика, 2013.

16. Davis J. S., Hecht G., Perkins J. D. Social Behaviors, Enforcement and Tax Compliance Dynamics // Accounting Rev. 2003. P. 39–69.

17. Diaz B. A. Agent-Based Models on Social Interaction and Demographic Behaviour. PhD. Thesis. Wien: Technische Universität, 2010.