Ельшин Л.А.кандидат экономических наук, доцент кафедры экономики, Университет управления «ТИСБИ», заведующий отделом макроисследований и экономики роста, Центр перспективных экономических исследований Академии наук Республики Татарстан, Казань, Российская Федерация Leonid.Elshin@tatar.ru
Предмет. Исследование механизмов и методов сценарного прогнозирования социально-экономических систем представляет собой важную научно-методологическую проблему, приобретающую особую актуальность в условиях динамично развивающихся и трансформирующихся факторов внешнего и внутреннего порядка. Статья посвящена их определению и идентификации, оценке специфических параметров воздействия на будущие преобразования промышленного развития национальной экономики. Объектом проводимого исследования является система моделируемых ожиданий экономических агентов и их влияния на параметры промышленного развития национальной экономики РФ. Предметом исследования выступает процесс идентификации факторов, генерирующих трансформационные процессы в экономике, и определение степени их влияния на будущие преобразования в социоэкономической среде. Цели. Апробация механизмов сценарного моделирования промышленных секторов экономики РФ на основе оценки ожиданий экономических агентов, генерирующих трансформационные процессы в национальной экономической системе. Методология. Использованы инструменты кросс-корреляционного анализа основных системообразующих факторов, влияющих на параметры ожиданий экономических агентов, а также инструментах конструирования пробит-, логит-моделей и моделей множественного выбора, таксономического анализа, индикативных методов и др. Результаты. Сформированы методические подходы сценарного моделирования и прогнозирования развития промышленных секторов экономики на основе оценки ожиданий, апробация которых способствовала разработке прогнозных оценок промышленного развития РФ на период до 2020 г. Область применения результатов проецируется на органы государственного управления при разработке краткосрочных и среднесрочных прогнозов промышленного развития экономики. Выводы. Результаты исследования позволили выявить тренды промышленного роста национальной экономики на среднесрочный период в зависимости от разработанных сценариев развития институционально-конъюнктурной среды.
Safiullin M., Elshin L., Prygunova M. Methodological approaches to forecasting the mid-term cycles of economic systems with the predominant type of administrative-command control. Journal of Economics and Economic Education Research, 2016, vol. 17, special iss. 2, pp. 277–287. URL: Link
Nelson C.R., Plosser C.I. Trends and Random Walks in Macro-economic Time Series: Some Evidence and Implications. Journal of Monetary Economics, 1982, vol. 10, iss. 2, pp. 139–162. URL: Link90012-5
Russell С., Russell W.M.S. Population Crises and Population Cycles. London, Galton Institute, 1999.
Кондратьев Н.Д. Проблемы экономической динамики. М: Экономика, 1989. 536 с.
Суслов Д.А. Воспроизводственный цикл социально-экономического развития регионов // Статистика и Экономика. 2008. № 4. С. 19–23.
Смирнов С.В., Френкель А.А., Кондрашов Н.В. Индексы региональной экономической активности // Вопросы статистики. 2016. № 12. С. 29–38.
Сафиуллин М.Р., Ельшин Л.А., Шакирова А.И. Об оценке деловой и экономической активности региона. М.: Экономика, 2011. 111 c.
Дубовицкий С.В. Прогнозирование экономического роста и финансовой динамики в условиях глобализации и нестабильности // Общество и экономика. 2005. № 3. С. 129–136.
Губин В.А., Щепакин М.Б. Об экономической природе кризиса и антикризисного управления // Управление экономическими системами: электронный научный журнал. 2010. № 4. URL: Link
Белинский С.П. Основные способы исследования рядов в эконометрике // Гуманитарные науки и образование в Сибири. 2016. № 4. С. 49–53.
Демьянов Р.С. Использование метода Бокса – Дженкинса для прогнозирования временных рядов // Nauka-rastudent.ru. 2017. № 3. URL: Link
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.
Макаров В.Л., Бахтизин А.Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика, 2013. 295 с.
Bonabeau E. Agent-based Modeling: Methods and Techniques for Simulating Human Systems. PNAS, 2002, vol. 99(3), pp. 7280–7287. URL: Link
Davis J.S., Hecht G., Perkins J.D. Social Behaviors, Enforcement and Tax Compliance Dynamics. The Accounting Review, 2003, vol. 78, iss. 1, pp. 39–69. URL: Link
