Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Целью статьи является анализ инновационно-инвестиционной сбалансированности промышленной политики как императива развития промышленности в условиях цифровой трансформации экономики. В исследовании решается проблема совершенствования инструментария оценки эффектов промышленной политики, в части реализации принципа инновационно-инвестиционной сбалансированности. Для проведения исследования предложен метод комплексного анализа гетерогенных статистических данных, заключающийся в проведении кластеризации данных на базе нейронных сетей – важного раздела искусственного интеллекта. Нейросетевое моделирование с использованием самоорганизующихся карт Кохонена, объектированных на платформе аналитического пакета Deductor, применялось, так как оно свободно от модельной ограниченности и внешнего вмешательства в процедуру функционирования нейронной сети. Разработана система показателей, сгруппированных по 4 секторам, определяющим сбалансированное инновационно-инвестиционное развитие промышленной политики с учетом интересов важнейших групп стейкхолдеров в условиях цифровой трансформации. Это позволило дать его комплексную оценку. Систематизированы особенности инновационно-инвестиционного развития субъектов РФ. Выявлено сильное различие регионов РФ по уровню инновационно-инвестиционной сбалансированности промышленной политики, а также основные диспропорции в условиях цифровой трансформации экономики. Статья может быть интересна специалистам, занимающимся проблемами разработки и реализации программных документов промышленного развития на региональном и федеральном уровнях

Об авторах

Владислав Генрихович Фролов

Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского

Email: frolov.unn@gmail.com
Доцент кафедры экономики предприятий и организаций, кандидат экономических наук, доцент

Валентина Ивановна Перова

Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского

Email: perova_vi@mail.ru
Доцент кафедры математического моделирования экономических процессов,кандидат физико-математических наук, доцент

Список литературы

  1. 1. Акбердина В.В., Романова О.А. Региональные аспекты индустриального развития: обзор подходов к формированию приоритетов и механизмов регулирования // Экономика региона. – 2021. – № 3. – c. 714-736. – doi: 10.17059/ekon.reg.2021-3-1.
  2. 2. Алескеров Ф.Т., Гохберг Л.М., Егорова Л.Г., Мячин А.Л., Сагиева Г.С. Анализ данных науки, образования и инновационной деятельности с использованием методов анализа паттернов: препринт WP7/2012/07. / Нац. исслед. ун-т «Высшая школа экономики». - М.: Изд. дом Высшей школы экономики, 2012.
  3. 3. Балабанов А.С., Стронгина Н.Р. Анализ данных в экономических приложениях. - Нижний Новгород: Изд-во ННГУ, 2004.
  4. 4. Ведута Н.И. Социально эффективная экономика. - М.: РЭА, 1999.
  5. 5. Гончаров А.Ю. Структурное управление развитием региона. / Под ред. проф. Н.В. Сироткиной. - Воронеж: Издательство ВГПУ «Новопресс», 2016.
  6. 6. Киселева О.Н. Формирование сбалансированной стратегии инновационного развития предприятий России на основе организационно-управленческнх инноваций // Инновации и инвестиции. – 2017. – № 12. – c. 279-283.
  7. 7. Клейнер Г.Б., Рыбачук М.А. Системная сбалансированность экономики России: региональный разрез // Экономика региона. – 2019. – № 2. – c. 309-323.
  8. 8. Колганов А.И. Структура российской экономики: потенциал адаптации цифровых технологий. / Ломоносовские чтения-2018. Секция экономических наук. Цифровая экономика: человек, технологии, институты: сборник статей. - М.: Экономический факультет МГУ имени М. В. Ломоносова, 2018. – 150-157 c.
  9. 9. Кузнецов Б.В., Симачев Б.В. Эволюция государственной промышленной политики в России // Журнал новой экономической ассоциации. – 2014. – № 2. – c. 152-178.
  10. 10. Лаврикова Ю.Г., Андреева Е.Л., Тарасов А.Г., Ратнер А.В. Влияние глобальных экономических вызовов на развитие рынков будущего // Экономика и управление. – 2019. – № 9. – c. 34-42. – doi: 10.35854/1998-1627-2019-9-34-42.
  11. 11. Леонтьев В.В. Избранные произведения. / В 3-х томах. Том 2. Специальные исследования на основе методологии «Затраты - выпуск». - М.: Экономика, 2006.
  12. 12. Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. – 2021. – № 1. – c. 71-89. – doi: 10.29141/2658-5081-2021-22-1-4.
  13. 13. Перова В.И., Зайцева К.В. Исследование динамики инновационной деятельности регионов России с применением нейросетевого моделирования // Экономический анализ: теория и практика. – 2017. – № 16 (5). – c. 887-901.
  14. 14. Романова О.А., Пономарева А.О. Промышленная политика: новые реалии, проблемы формирования и реализации // Экономические и социальные перемены: факты, тенденции, прогноз. – 2020. – № 2. – c. 25-40. – doi: 10.15838/esc.2020.2.68.2.
  15. 15. Григорьева Л.М., Зубаревич Н.В., Хасаева Г.Р. Российские регионы: экономический кризис и проблемы модернизации. - М.: ТЕИС, 2011.
  16. 16. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. - М.: Горячая линия – Телеком, 2008.
  17. 17. Симачев Ю.В., Кузык М.Г., Кузнецов Б.В., Погребняк Е.В. Россия на пути к новой технологической промышленной политике: среди манящих перспектив и фатальных ловушек // Форсайт. – 2014. – № 4. – c. 6-23.
  18. 18. Татаркин А.И., Романова О.А. Промышленная политика и механизм ее реализации. Системный подход // Экономика региона. – 2007. – № 3. – c. 19-31.
  19. 19. Татаркин А.И., Сухарев О.С., Стрижакова Е.Н. Шумпетерианская экономическая теория промышленной политики: влияние технологической структуры // Журнал экономической теории. – 2017. – № 2. – c. 7-17.
  20. 20. Тебекин А.В., Анастасов М.С. Анализ подходов сбалансированного развития экономических систем // Транспортное дело россии. – 2016. – № 5. – c. 80-85.
  21. 21. Фролов В.Г. Инновационно-инвестиционно сбалансированная промышленная политика в условиях цифровой трансформации. - М.: Первое экономическое издательство, 2021. – 240 c.
  22. 22. Фролов В.Г. Промышленная политика как интегрированный комплекс развития инновационно-активного предпринимательства производственной сферы // Креативная экономика. – 2013. – № 11 (83). – c. 59-62.
  23. 23. Сенчагов В.К. Экономическая безопасность России. / Обший курс: учебник. - М.: Лаборатория знаний, 2020.
  24. 24. Aleskerov, F.T., Gokhberg, L.M, Egorova, L,G., Myachin, A.L., and Sagieva, G.S. (2014). A Method of Static and Dynamic Pattern Analysis of Innovative Development of Russian Regions in the Long Run, in: Springer Proceedings in Mathematics and Statistics. Volume 104 Models, Algorithms and Technologies for Network Analysis. Dordrecht, L., Cham, Heidelberg, NY: Springer, Ch. 1, 1-8. doi: 10.1007/978-3-319-09758-9_1
  25. 25. Andreoni A., Chang Ha-Joon. The political economy of industrial policy: Structural interdependencies, policy alignment and conflict management // Structural Change and Economic Dynamics. – 2019. – № 48. – p. 136-150.
  26. 26. Binh D.Th.Th., Anh T.Th.K. Stakeholders approach on corporate governance and performance of Vietnamese manufacturing firms // Journal of Governance and Regulation. – 2017. – № 6 (2). – p. 61-73.
  27. 27. Carboni O.A., Russu P. Assessing regional wellbeing in Italy: An application of Malmquist–DEA and self-organizing map neural clustering // Social Indicators Research. – 2015. – № 122 (3). – p. 677-700.
  28. 28. Di Tollo, G., Tanev, S., Slim, K.M., and De March, D. (2014). Determining the Relationship Between Cocreation and Innovation by Neural Networks // Complexity in Economics: Cutting Edge Research, 49-62. URL: http://link.springer.com/chapter/10.1007/978-3-319-05185-7_3
  29. 29. Gruber H. Proposals for a digital industrial policy for Europe // Telecommunications Policy. – 2019. – № 43 (2). – p. 116-127.
  30. 30. Kohonen Т. Self-Organized Formation of Topologically Correct Feature Maps // Bio1ogical Cybernetics. – 1982. – № 43 (1). – p. 59-69. – doi: 10.1007/BF00337288.
  31. 31. Kraufman L., Rousseeuw P. Finding groups in data: An introduction to cluster analysis. / Hoboken. - NJ: John Wiley Sons, Inc, 2005.
  32. 32. Martinetz T.M., Berkovich S.G., Schulten K.J. “Neural-Gas” Network for Vector Quantization and Its Application to Time-Series Prediction // IEEE Transactions on Neural Networks. – 1993. – № 4 (4). – p. 558-569.
  33. 33. Mhlanga D., Moloi T. The stakeholder theory in the fourth industrial revolution // International Journal of economics and finance studies. – 2020. – № 12 (2). – p. 252-268.
  34. 34. Padmashree, G.S. (2018). Regulating the digital economy: Are we moving towards a 'win‐win' or a 'lose‐lose'? – Maastricht Economic and social Research institute on Innovation and Technology (UNU‐MERIT) [Electronic source] file: //C:/Users/nnd_apavlo/Downloads/wp2018-005.pdf) (data access: 08.10.2022)
  35. 35. Rhodes, С., and Rathbone, D. (2016). Digital economy: statistics and policy. Number CBP 7610, 2 June [Electronic source] URL: https://www.legco.gov.hk/general/english/library/stay_informed_overseas_policy_updates/digital_economy.pdf) (data access: 08.10.2022)
  36. 36. Sinha S., Singh T.N., Singh V.K., Verma A.K. Epoch determination for neural network by self-organized map (SOM) // Computational Geosciences. – 2010. – № 14 (1). – p. 199-206. – doi: 10.1007/ s10596-009-9143-0.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Фролов В.Г., Перова В.И., 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах