«Экономический анализ: теория и практика»
 

Реферирование и индексирование

Russian Science Citation Index
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Математическое моделирование циклического тренда инвестиционно-строительной деятельности РФ в условиях инновационных преобразований

Журнал «Экономический анализ: теория и практика»
т. 16, вып. 11, ноябрь 2017

Получена: 22.06.2017

Получена в доработанном виде: 24.08.2017

Одобрена: 23.10.2017

Доступна онлайн: 29.11.2017

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: С32, С53, О33

Страницы: 2177–2188

https://doi.org/10.24891/ea.16.11.2177

Гераськина И.Н. кандидат экономических наук, доцент кафедры управления организацией, Санкт-Петербургский государственный архитектурно-строительный университет, Санкт-Петербург, Российская Федерация Geraskina82@mail.ru

Кудрявцев А.Ю. кандидат физико-математических наук, начальник сектора, АО «Всероссийский научно-исследовательский институт радиотехники», Москва, Российская Федерация kudral@inbox.ru

Предмет. Экономическая наука на современном этапе развития нуждается в своевременном и качественном прогнозировании кризисных моментов экономической системы. Поскольку сложноорганизованным системам нельзя навязывать пути их развития, необходимы новые подходы к исследованию тренда и управлению, учитывающему естественные закономерности и свойства, выявляемые в процессе экономико-математического моделирования. Поскольку в эволюции инвестиционно-строительной сферы РФ идентифицированы закономерности и цикличность, то тренд может задаваться с определенной степенью точности дифференциальным уравнением, что позволит выявить альтернативы поведения системы и прогнозировать будущее.
Цели. Разработка экономико-математической модели, описывающей циклическое развитие инвестиционно-строительной сферы РФ для качественного прогнозирования и поддержки принятия управленческих решений.
Методология. Идентифицировать существующие аттракторы экономической системы, переходы между ними и условия, способствующие переключению из одного состояния в другое, позволяет анализ фазового пространства. Фазовая кривая обеспечивает наглядное представление тренда развития экономической системы, что необходимо для принятия стратегических решений с учетом экономико-математического моделирования.
Результаты. Разработана несложная для практического применения экономистами экономико-математическая модель, позволяющая использовать статистические данные и описывать циклические, колебательные и переходные процессы; качественно прогнозировать значения нового витка развития инвестиционно-строительной сферы РФ; моделировать инновационный цикл и выявлять чувствительность параметров порядка к динамике управляющих переменных, бифуркационные состояния и поведение объекта при определенных управленческих воздействиях.
Выводы. Исследуемая экономическая система за последние 26 лет описала три цикла в пределах аттрактора. Это значит, что циклический тренд инвестиционно-строительной сферы можно описать одним результирующим показателем, поскольку происходит сокращение размерности ее пространства. Несмотря на флуктуации, она сохраняет стремление к циклической траектории, что подтверждает наличие в фазовом пространстве аттрактора с достаточной силой притяжения. Аппроксимация статистических данных, анализ фазовых кривых результативных переменных позволили получить экономико-математическую модель циклического развития исследуемой экономической системы.

Ключевые слова: инвестиционно-строительная сфера, экономическая система, моделирование, циклическое развитие

Список литературы:

  1. Петров А.А., Гераськина И.Н. Анализ функционирования и развития инвестиционно-строительного комплекса РФ // Вестник МГСУ. 2016. № 12. С. 131–144.
  2. Асаул А.Н., Загускин Н.Н. и др. Самоорганизация, саморазвитие и саморегулирование субъектов предпринимательской деятельности в строительстве. СПб.: ИПЭВ, 2013. 320 с.
  3. Теличенко В.И. Состояние и проблемы устойчивого развития строительной деятельности // Вестник МГСУ. 2015. № 12. С. 5–12.
  4. Акаев А.А., Сарыгулов А.И., Соколов В.Н. Структурная динамика современных экономических систем. СПб.: Политехнический университет, 2014. 170 с.
  5. Яськова Н.Ю. Логика факторного анализа в условиях вариативной среды развития (методологический аспект) // Вестник МГСУ. 2016. № 3. С. 144–151.
  6. Мясников А.А. Синергетические эффекты в современной экономике: введение в проблематику. М.: ЛЕНАНД, 2011. 160 с.
  7. Малинецкий Г.Г. Математические основы синергетики: хаос, структуры, вычислительный эксперимент. М.: ЛКИ, 2007. 312 с.
  8. Акаев А.А., Румянцева С.Ю., Сарыгулов А.И., Соколов В.Н. Структурно-циклические процессы экономической динамики. СПб.: Политехнический университет, 2016. 392 с.
  9. Колесников А.А. Синергетические методы управления сложными системами: теория системного синтеза. М.: URSS, 2012. 240 с.
  10. Князева Е.Н., Курдюмов С.П. Основания синергетики. Режимы с обострением, самоорганизация, темпомиры. М.: Алетейя, 2002. 217 с.
  11. Хакен Г. Синергетика. М.: URSS, 2015. 414 с.
  12. Ивантер В.В. Стратегия перехода к экономическому росту // Проблемы прогнозирования. 2016. № 1. С. 1–7.
  13. Затонский А.В. Преимущества дифференциальных моделей в эколого-экономическом моделировании // Известия Томского политехнического университета. 2012. № 5. С. 134–139.
  14. Ковалевский Д.В. Моделирование системы «мировая экономика – глобальный климат» в рамках оптимизационного и системно-динамического подходов // Научно-технические ведомости СПбГПУ. Экономические науки. 2016. № 6. C. 197–203.
  15. Янченко Т.В., Затонский А.В. Модель краевого социального ресурса на основе регрессионно-дифференциального уравнения второго порядка // Новый университет. Сер.: Технические науки. 2014. № 5-6. С. 23–34.
  16. Лебедев В.И., Лебедева И.В. Математические модели синергетической экономики: монография. Ставрополь: СевКавГТУ, 2011. 232 с.
  17. Потапенко В.В. Итоги XXIV международной конференции по межотраслевому моделированию INFORUM // Проблемы прогнозирования. 2016. № 6. С. 129–130.
  18. Ringle C.M., Sarstedt M., Schlittgen R., Taylor C.R. PLS path modeling and evolutionary segmentation. Journal of Business Research, 2013, vol. 66, iss. 9, pp. 1318–1324. URL: https://doi.org/10.1016/j.jbusres.2012.02.031
  19. Dijkstra T.K. PLS' Janus face – response to professor Rigdon's ‘rethinking partial least squares modeling: in praise of simple methods’. Long Range Planning, 2014, vol. 47, iss. 3, pp. 146–153. URL: https://doi.org/10.1016/j.lrp.2014.02.004
  20. Castro I., Roldán J.L. A mediation model between dimensions of social capital. International Business Review, 2013, vol. 22, iss. 6, pp. 1034–1050. URL: https://doi.org/10.1016/j.ibusrev.2013.02.004
  21. Cepeda G., Martelo S., Barroso C., Ortega J. Integrating Organizational Capabilities to Increase Customer Value: A Triple Interaction Effect. In: H. Abdi et al. (eds), New Perspectives in Partial Least Squares and Related Methods, Springer Proceedings in Mathematics & Statistics, 2013, vol. 56, pp. 283–293. URL: https://doi.org/10.1007/978-1-4614-8283-3_20

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 16, вып. 11, ноябрь 2017

Другие номера журнала