Моделирование структурной динамики макроэкономических систем (стр. 3 )

Таблица 5

Оценка структурных сдвигов для трех вариантов агрегирования

российской экономики

Показатели
3-х секторная модель
R	0,015	0,016	0,310	0,079	0,017	0,405
E	1,000	1,000	0,898	0,994	1,000	0,828
N	0,017	0,019	0,440	0,114	0,025	0,560
5-ти секторная модель [29]
R	0,021	0,035	0,259	0,118	0,018	0,344
E	0,999	0,998	0,887	0,976	0,999	0,806
N	0,036	0,063	0,462	0,217	0,032	0,592
9-ти секторная модель
R	0,056	0,057	0,241	0,111	0,046	0,293
E	0,095	0,083	0,031	0,033	0,041	0,033
N	0,995	0,997	1,000	0,999	0,999	0,999

Рассмотрим изменения значения показателя R для всего 26-летнего периода: наибольшие расстояния между вектор-структурами получены для трехсекторной модели – 0,405, наименьшие – для девятисекторной (0,293). Необходимо отметить, что незначительные изменения показателя R в период гг. (0,017, 0,018 и 0,046) свидетельствуют о том, что в этот период имело место консервация произошедших в предыдущее десятилетие структурных изменений.

Показатель Е определяет направление структурных изменений: чем ближе его значение к 1, тем в большей степени структурный сдвиг происходит за счет накопленных ранее структурных изменений. Для случая девятисекторной модели значения показателя Е сильно отличаются от единицы. Это скорее всего свидетельствует о том, что при исследовании структурных изменений низкоагрегированные модели более чувствительны к их оценке, в том числе и текущих факторов, определяющих направление структурных сдвигов.

Показатель N дополняет два предыдущие показателя и является количественной оценкой резонансности системы, характеризуя степень отклонения от основной траектории изменения вектор-структуры. Чем меньше значение этого показателя, тем больше экономические преобразования зависят от предыдущего состояния системы. Наибольшие значения этого показателя для всего исследуемого периода характерны только для девятисекторной модели. Для трех - и пятисекторных моделей показатели резонансности составляют в период гг. 0,440 и 0,462 соответственно и эти значения являются максимальными для всего исследуемого периода. Девятисекторная же модель фиксирует высокую структурную резонансность системы на протяжении всего исследуемого периода, причем эта структурная резонансность генерируется постоянными изменениями в самой экономике. Если учесть, что значения показателя Е были существенно далеки от значения единицы, то высокий уровень резонансности только подтверждает наше предположение о том, что структурные сдвиги в низкоагрегированных моделях более «отзывчивы» и «определенны», особенно если используется не один, а система показателей структурных изменений.

7. Построена система нелинейных математических моделей, позволяющая обеспечить фундаментальное исследование структурных изменений, включая получение конкретных числовых параметров структурных сдвигов отраслевого и технологического характера, определение взаимосвязи структурных изменений и экономического роста, а также достижение структурной сбалансированности на макроэкономическом уровне.

А. Динамическая модель взаимосвязи экономического роста и структурных изменений

Проведенные нами исследования показали, что у большинства развитых стран траектории динамики ВВП и добавленной стоимости в традиционных отраслях практически совпадают. Единственным исключением является американская экономика, где это совпадение наблюдается в отношении сектора услуг. На рис.8 приведена динамическая картина развития экономики четырех стран, в том числе в отраслевом разрезе, которая подтверждает эти выводы.

Рис. 8. Динамика ВВП и отраслевого выпуска

а) Логистическая функция

, (19)

где - объем выпуска традиционных отраслей;

- объем выпуска аграрного сектора;

- объем финансового сектора;

- объем услуг;

- объем выпуска обрабатывающих отраслей промышленности.

, (20)

где - начальное значение суммарного объема выпуска в традиционных отраслях экономики в год ;

- постоянная, определяемая указанным начальным условием;

- коэффициент диффузии, определяемый эффектом «слияния технологий» в традиционных отраслях.

Учитывая, что динамика всех четырех отраслей развитых экономик в долевом измерении очень хорошо аппроксимируется линейной функцией (как это было показано выше на примере линейных аттракторов), можно записать следующие соотношения:

(21)

определяя получаем:

. (22)

Здесь ; Отсюда, при , следует:

, (23)

где – доля традиционных отраслей в начальный момент времени.

Следовательно, с учетом соотношения (23), формула (22) принимает следующий вид:

(24)

где .

б) Экспоненциальная функция

, (25)

где - прогнозное значение ВВП -го года,

- фактическое значение ВВП базисного года,

- темп сбалансированного прироста в традиционных отраслях,

- темп прироста активного населения,

- темп прироста технического прогресса в традиционных отраслях,

- доля заработной платы в национальном доходе.

Значение может быть установлено расчетно как величина параметра в экспоненциальной траектории роста объема традиционных отраслей:

, (26)

где и - параметры линейного уравнения, описывающего тенденцию доли сельского хозяйства в ВВП за весь ретроспективный период;

и - параметры линейного уравнения, описывающего тенденцию доли финансового сектора в ВВП за весь ретроспективный период;

и - параметры линейного уравнения, описывающего тенденцию доли сектора услуг в ВВП за весь ретроспективный период;

и - параметры линейного уравнения, описывающего тенденцию доли обрабатывающей промышленности в ВВП за весь ретроспективный период.

Для верификации модели (24), мы рассчитали все параметры входящие в неё по методу наименьших квадратов с использованием фактических данных о динамике экономического развития США за период с 1982-го по 2007-й годы (что соответствует повышательной стадии пятого Кондратьевского цикла) и получили следующие значения:

Y0 = 3257 ; a = 10,41; b = 0,061; hA = 0,02; hF = 0,23; hS = 0,23; hM = 0,20; σh = 0,68 γA = – 0,0005; γF = 0,0042; γS = 0,0003; γM = – 0,0023 σγ = 0,0017; ρ = 0,0052.

В. Алгоритмы приведения экономической системы к заданной отраслевой структуре

Рассмотрим алгоритм стратегии управления с целью приведения экономики к заданной отраслевой структуре. Допустим, что мы планируем, чтобы к целевому моменту времени , доля традиционных отраслей составила

, (27)

тогда из модели (24) следует, что

(28)

С другой стороны из (20) вытекает соотношение:

(29)

. (30)

Подставляя (29) в (28) при получаем уравнение

,

откуда следует соотношение, связывающее рост общего выпуска с ростом выпуска в традиционных отраслях:

, (31)

Таким образом, задавшись требуемым ростом ВВП и рассчитав (31), можно по модели (24) установить траекторию движения ВВП с учетом отраслевых структурных сдвигов.

С. Модели оценки и управления технологической структуры обрабатывающих отраслей

Для практической реализации задачи управления динамикой экономического развития через отраслевую структурную перестройку экономической системы необходимо установить управляющие факторы, в существенной мере влияющие на отраслевые структурные изменения. Известно, что существуют два главных фактора, определяющих отраслевую структуру производства и ее изменения – это технология и состав конечного продукта.

Процесс диффузии технологий описывается логистической функцией вида

, (32)

где – постоянная, определяемая уровнем насыщения (при );

– коэффициент диффузии технологии (или скорость распространения технологии).

Процесс вымывания устаревшей технологии соответственно можно описать «обратной» логистической функцией вида:

. (33)

Движение валового выпуска в сфере обрабатывающих отраслей (), согласно принятой в ЕС классификации производственных структур относительно уровня технологического развития[2], можно записать в виде

, (34)

где - общая стоимость продукции высокотехнологичных (НТ) производств;

- стоимость продукции средневысокотехнологичных (МНТ) производств;

- стоимость продукции средненизкотехнологичных (MLT) производств;

- вклад низкотехнологичных (LT) производств.

Как правило промышленная политика сводится к увеличению доли высоко - и средневысокотехнологичных производств за счет снижения доли средненизкотехнологичных и вымывания низкотехнологичных производств. Поэтому динамика выпуска первых трех типов производств описывается логистической функцией вида (32), а для описания последнего типа может потребоваться функция (33).

Если ввести начальные долевые коэффициенты

, , , ,

тогда: (для i=1,2,3), . (35)

Пользуясь этими уравнениями тождество (34) можно записать в следующем виде:

(36)

Здесь - начальное значение общего объема выпуска продукции в обрабатывающей промышленности.

Зададимся целью привести к оптимальной технологической структуре обрабатывающую промышленность и выберем соответствующие целевые значения выпуска в долевом измерении и при известном объеме выпуска , определяемом из рассмотрения отраслевой структуры экономики. Пользуясь тем же приемом, которым мы пользовались ранее при определении параметров и в уравнении (24), получаем следующие соотношения для определения и :

а) ; ;

(37)

б);

Рассчитав численные значения параметров по соотношениям (37) далее получаем траектории движения выпуска как для отдельных групп технологичных производств (HT, MHT, MLT, LT) по формулам (35), так и для всей обрабатывающей отрасли промышленности (36), как в ретроспективном, так и в прогностическом аспектах. Нами рассчитаны прогнозы динамики объема производства обрабатывающей промышленности для США и Кореи, в том числе в разрезе отдельных групп технологичных производств, до 2060 г., т. е. до конца шестого кондратьевского цикла. При этом были приняты следующие начальные и целевые (финальные) технологические структуры:

а) для США () и ()

б) для Кореи () и

().

Вычисления по моделям показывают хорошее совпадение расчетных и эмпирических данных в ретроспективной части. Ошибка аппроксимации не превышает 3,7%.

3. ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

Проведенный анализ существующих подходов к оценке структурных изменений в экономических системах показал отсутствие единой теоретической и методологической базы при исследовании процессов структурной динамики. В то же время экономическое развитие, как на уровне отдельных компаний и предприятий, так и на макроэкономическом уровне в существенной степени зависит от структурной сбалансированности системы в целом. Об этом особенно наглядно свидетельствует текущий экономический кризис.

Разработанные основы комплексной теории исследования структурной динамики и предложенная на ее базе методология моделирования оценки структурной динамики, в частности система математических моделей оценки взаимосвязи структурных изменений и экономического роста, ставят своей целью расширение теоретических представлений о взаимосвязи структурно-функциональных компонентов экономического развития.

В свою очередь предложенная методология моделирования основывается на логически взаимосвязанной системе математических моделей, когда последовательно оцениваются направленность структурных сдвигов, оценивается качество самой структуры, определяются взаимосвязи между изменением качества и темпами роста ВВП, а на основе динамических нелинейных моделей проводится оценка взаимосвязи изменения структурных изменений и экономического роста и определяются конкретные значения параметров отраслевой и технологической структуры в контексте обеспечения их сбалансированности.

Экспериментальные расчеты и верификация предложенных в исследовании математических моделей на реальных статистических данных отдельных стран-членов ОЭСР и России позволяет утверждать о высокой точности полученных результатов и возможности использования разработанных моделей при решении конкретных задач макроэкономического уровня, например при разработке долгосрочных прогнозов и построении управляющих алгоритмов по обеспечению задач технологической и структурной сбалансированности.

4. ОСНОВНЫЕ АВТОРСКИЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Монографии:

1.  Структурная динамика макроэкономических систем. Монография. – СПб.: СПбГПУ, 2011. – 24,1 п. л.

2.  , , . Экономические циклы и экономический рост. Монография. – СПб.: СПбГПУ, 2011. – 25,3 п. л./5,0 п. л.

3.  , , , Инвестиции и экономические сценарии инновационно-технологического развития России на основе логистических моделей. Монография «Прогноз инновационно-технологического развития России с учетом мировых тенденций на период до 2030 года». Под ред. , , . Москва: МИСК, 2008. – 35,6 п. л./2,0 п. л.

Статьи, опубликованные в рецензируемых изданиях,

рекомендованных ВАК:

4.  Оценка структурной динамики российской экономики. // Научно-технические ведомости СПбГПУ № 4, 2010. – 0,9 п. л.

5.  Моделирование структурной динамики обрабатывающей промышленности высокоразвитых стран. // Научно-технические ведомости СПбГПУ № 5, 2010. – 0,4 п. л.

6.  Эволюционные закономерности технологических изменений и инновационной динамики. // Научно-технические ведомости СПбГПУ № 1, 2011. – 0,6 п. л.

7.  О соотношении качества структуры и динамики ВВП // Научно-технические ведомости СПбГПУ. – СПб.: Изд-во СПбГПУ, 2011. №4. – 0,6 п. л.

8.  О функциях, структуре и динамике развития макроэкономических систем // Научно-технические ведомости СПбГПУ. – СПб.: Изд-во СПбГПУ, 2011. №5. – 0,5 п. л.

9.  Современная Киргизия: многовекторность или безвекторность развития? // Вопросы экономики, № 1, 2010. – 0,8 п. л./0,4 п. л.

10.  , , Инновационно-технологический прорыв – стратегия развития России в XXI веке. // Вестник ИНЖЭКОНА № 6 (25), 2008. – 1,2 п. л./0,4 п. л.

11.  , , Анализ динамики отраслевой и технологической структуры экономик стран ОЭСР. // Экономическая политика № 2, 2009. – 1,6 п. л./0,4 п. л.

12.  , , Управление динамикой экономического развития с помощью структурных сдвигов. // Доклады Академии Наук, 2009, том 429, № 2. С. 168-173. – 0,3 п. л./0,1 п. л.

13.  , , Математические модели перестройки и оптимизации технологической структуры капиталистической экономики. – ДАН, 2009, том. 429, №4. С. 459-464. – 0,3 п. л./0,1 п. л.

14.  , , О демографических и экономических переходах в макросоциальных системах. // Экономическая политика № 1, 2010. – 1,2 п. л./0,4 п. л.

15.  , , Линейные аттракторы как мера оценки структурных изменений. // Экономическая политика № 4, 2010. – 1,2 п. л./0,4 п. л.

16.  , , Асимптотические модели для прогнозирования долгосрочной демографической и экономической динамики. // Экономика и математические методы. Том. 47, №– 1,2 п. л./0,3 п. л.

17.  Sarygulov A. I., Akaev A. A., Sokolov V. N. Control of a Dynamics of Economic Development with the help of Structural Shifts. – Doklady, Mathematics, 2009, vol. 80, №3. p. 936-941. – 0,3 п. л./0,1 п. л.

18.  Sarygulov A. I., Akaev A. A., Sokolov V. N. Mathematical models of reorganization and optimization of the technological structure in the capitalist economy. Doklady, Mathematics, 2009, vol. 80, №3. p. 921-926. – 0,3 п. л./ 0,1 п. л.

Статьи, опубликованные в научных сборниках и изданиях:

19.  , , , Долгосрочный прогноз экономической динамики цивилизаций с использованием логистических моделей. Монография «Прогноз экономической динамики цивилизаций и трансформации глобализации». Часть 6 Глобального прогноза «Будущее цивилизаций» на период до 2050 года. Под ред. , . М.: МИСК, 2009. – 1,7 п. л./0,3 п. л.

20.  , , , Прогнозные расчеты динамики цивилизаций на базе логистических моделей. Монография «Будущее цивилизаций и стратегия цивилизационного партнерства». Часть 9 Глобального прогноза «Будущее цивилизаций» на период до 2050 года. Под ред. , , .- М.: МИСК, 2009. – 1,9 п. л./0,4 п. л.

21.  , , Соколов В. Н. Управление технологической структурой национальной экономики. Тезисы докладов. Санкт-Петербургский научный форум «Наука и общество – экономика и социология XXI века. V Петербургская встреча лауреатов Нобелевской премии». Октябрь 2010 г. – СПб.: СПбГПУ. 2010. – 0,3 п. л./0,1 п. л.

22.  , , Соколов В. Н. Экономические циклы и моделирование развития локальных цивилизаций. Тезисы докладов. Санкт-Петербургский научный форум «Наука и общество – экономика и социология XXI века. V Петербургская встреча лауреатов Нобелевской премии». Октябрь 2010 г. – СПб.: СПбГПУ. 2010. – 0.3 п. л./0,1 п. л.

[1] В качестве статистической базы данных использованы данные http:/www. oecd. org/statisticdata/

[2] European Commission: Towards a European Research Area Science, Technology and Innovation - Key Figures 2007, p.106.