Процессы шумпетерианской конкуренции и их влияние на структуру нового рынка (стр. 3 )

1. Цена на новую услугу устанавливается по формуле: «издержки плюс прибыль», где норма прибыли предполагается равной 10%, а издержки считаются в расчете на одного абонента из потенциального спроса на услугу, который всегда считается как для каждой фирмы.

2. Компании могут корректировать цену на свои услуги по следующему правилу: если в предыдущем периоде наблюдалось снижение доли компании на рынке, то цена снижается на заданную величину , если же доля компании растет, то цена растет на , однако в любом случае цена не должна опускаться ниже средних переменных издержек.

Правило поиска

Фирмы в каждый момент времени занимаются поиском новых услуг. На цели поиска фирмы направляют долю от полученной прибыли, а результативность поиска задается функцией , определяющей вероятность благоприятного исхода. Функция обладает следующими свойствами:

1.  ;

2.  ;

3.  .

Результатом поиска становится точка в пространстве качества продукта. Стоит отметить, что для разных стандартов предполагаются различные предельные значения коэффициентов si.

Правило принятия инвестиционных решений

Инвестиционный проект (внедрение инноваций) принимается, если количество подписчиков на услугу, необходимое для того, чтобы проект был окупаем, менее . Для финансирования инвестиционного проекта фирмы могут использовать заемные средства при фиксированной ставке . При этом каждый период фирмы выплачивают проценты и основную часть долга и рефинансируют займы по следующему правилу:

, где

- общая сумма задолженности;

- объем инвестиций;

- прибыль.

Таким образом, рутины регулируют поведение фирм по важнейшим направлениям. Следуя рутинам, компании в модели определяют цену услуги , принимают решение о реализации инвестиционных проектов.

В то же время основные производственные и финансовые показатели фирм определяются в результате взаимодействия с другими агентами модели – потребителями и конкурентами. В частности, это количество абонентов, от которого зависят выручка и затраты фирмы, а значит, и прибыль, и состояние финансового баланса фирмы.

Спрос

Формируется агентами - потенциальными абонентами. Агенты гетерогенны, каждый из них может обладать уникальными характеристиками. Спрос на конкретную услугу определяется в соответствии с индивидуальными характеристиками абонентов и характеристиками услуги согласно правилу участия и правилу выбора.

Отдельно вводятся экзогенно задаваемые затраты на смену оператора . Причем затраты на смену оператора внутри стандарта ниже, чем затраты на смену оператора в различных стандартах.

Правило участия

Каждый из агентов обладает доходом , часть которого () он готов потратить на покупку услуг мобильной связи. Агент считается активным, если он может себе позволить купить услугу хотя бы одного из операторов , то есть если .

Правило выбора

Каждый агент имеет предпочтения относительно оптимального соотношения характеристик услуг связи и размера сети. Согласно этим предпочтениям, активный агент делает выбор между предложениями операторов по следующему правилу:

,

Таким образом, уровень спроса на конкретную услугу конкретного производителя определяется следующими характеристиками: ценой услуги , размером сети , а также соотношением предпочтений и многомерной характеристики качества услуги .

Вход и выход фирм

Фирмы, которые в течение T периодов имеют положительный и растущий долг, а также фирмы с пустой абонентской базой уходят с рынка, а их место занимают новые фирмы. Новые компании появляются с характеристиками продукта на уровне средних по отрасли.

Функционирование модели

Модель реализуется следующим образом. Задается нулевой период, в котором устанавливаются характеристики экзогенных переменных, задается количество агентов. Переход во второй период и в каждый последующий происходит в следующей последовательности:

1.  фирмы назначают цены по соответствующим правилам;

2.  потребители делают выбор по правилам участия и выбора;

3.  фирмы обслуживают абонентов согласно производственным правилам, производится подсчет прибыли фирм, выигрышей потребителей;

4.  фирмы выплачивают проценты по задолженности, убыточные фирмы рефинансируются (увеличивая свой долг на величину дефицита собственных средств);

5.  прибыльные фирмы занимаются поиском согласно правилу поиска;

6.  реализуется вероятность появления нового продукта, успешные фирмы принимают инвестиционные решения согласно правилу принятия инвестиционных решений;

7.  вход и выход фирм.

Для расчета результатов модели была построена компьютерная программа, которая генерировала временные ряды согласно приведенному выше описанию модели. Была проведена проверка результатов модели на реальных данных развития рынка мобильной связи в России. Значения основных параметров модели были максимально близки к реальным данным функционирования отрасли и предприятий сотовой связи.

4.2. Спецификация модели

Данная модель была специфицирована для анализа развития отрасли мобильной связи в России. Для расчетов значений параметров применялись эмпирические данные из разнообразных источников, однако основными были бюллетени Росстата и отчетность операторов сотовой связи в России.

1. Состав участников рынка.

В модели действуют 9 фирм в рамках трех альтернативных стандартов связи, в каждом из которых 3 фирмы оказывают услуги связи.

Количество потребителей равно

2. Производственное правило.

=931,17·q2/3, где - количество пользователей. [13]

3. Механизм ценообразования

Чувствительность цены к изменению доли компании на рынке =0,85.

4. Качество продукта и продуктовые нововведения[14]

В таблице 1 приводятся максимально возможные значения коэффициентов для различных стандартов сотовой связи, а также для компаний сотовой связи по состоянию на начало 2006 г. (исключение составляет «Московская сотовая связь», которая покинула рынок в 2005 г.).

Таблица 1

Качество услуг операторов мобильной связи

Стандарт/Компания	Услуги передачи голоса (s1)	Услуги передачи данных (s2)	Дополнительные услуги (s3)	Средневзвешенный коэффициент
AMPS (1G)[15]	0,7	0,15	0,35	0,40
DAMPS (2G)	0,9	0,5	0,7	0,7
Корбина Телеком	0,7	0,15	0,15	0,33
NMT-450 (1,5G)	0,9	0,4	0,5	0,60
Московская сотовая связь (2003 год)	0,7	0,15	0,2	0,35
GSM-900/1800 (2G)	0,9	0,5	0,7	0,70
МТС	0,85	0,45	0,6	0,63
ВымпелКом	0,85	0,45	0,6	0,63
Мегафон	0,85	0,45	0,6	0,63
CDMA (2,5G)	1,0	0,7	0,8	0,83
SkyLink	0,75	0,6	0,4	0,58
UMTS (3G)	1,0	1,0	1,0	1,00

В модели в начальный период времени все компании начинают предоставлять услуги одного качества, затем они улучшают характеристики своих услуг до тех пор, пока не достигают предельных значений качества для их стандарта. В модели использованы стандарты, эквивалентные по характеристикам стандартам CDMA, GSM и NMT.

5. Спрос

Динамика доходов агентов в модели соответствует реальной (данные Росстата). Распределение доходов между группами населения находится по экспоненциальному закону, то есть наблюдается следующая зависимость:

, где

Y – средние доходы,

x – группа населения по доходу,

а – уровень доходов группы с наименьшими доходами,

b – коэффициент неравенства.

Часть доходов, которую агент готов потратить на покупку услуг мобильной связи =0,15 (по данным агентства «Сотовик»).

Согласно предпосылкам модели, услуга может быть приобретена, только если выполняется:

Таким образом, совокупный отраслевой спрос будет задаваться следующим образом:

, где - это граница платежеспособного спроса на услуги мобильной связи. Это уравнение используется и в модели.

Распределение предпочтений равномерно с мат. ожиданием, совпадающим с объективной характеристикой качества услуги .

Затраты на смену оператора соответствуют средней стоимости контракта и нового телефонного аппарата (при переходе к оператору в другом стандарте).

Таким образом, была сделана попытка максимально приближенного к действительности описания основных параметров модели.

4.3. Результаты модели

Для проверки результатов модели была написана компьютерная имитационная программа. Компьютерная модель, построенная по алгоритму, описанному в предыдущей главе, сгенерировала синтетические временные ряды из переменных, описывающих поведение отдельных компаний и отрасли в целом. В модели важное значение имеет стохастический характер инновационных процессов и поведения потребителей. Случайные величины влияют на исход каждого периода, что делает невозможным точное предсказание динамики модели. В то же время, характер поведения отрасли и компаний остается неизменным в каждой из прогонок модели. В этом разделе приводится описание основных выявленных закономерностей в динамике переменных, а также приводится в качестве иллюстрации одна из симуляций модели. Качество модели при этом определяется способностью объяснить некоторые факты из стилизованной истории отрасли мобильной связи в России.

Среди основных результатов модели можно выделить следующие.

Во-первых, модель демонстрирует возможную живучесть неэффективных стандартов. Динамика развития сетевого рынка и компаний, функционирующих на таких рынках характеризуется высокой зависимостью от прошлого пути развития (path dependence). Этот феномен получается из-за высоких издержек смены стандарта, а также положительного обратного эффекта между размером сети и подключением новых абонентов.

На диаграмме 9 приводится динамика среднего числа абонентов (average quantity) трех стандартов, действующих в отрасли, для одной из прогонок модели. Первый стандарт наименее эффективен в том смысле, что предельно допустимый уровень качества услуги меньше, чем для других стандартов. Третий стандарт наиболее эффективен, однако входит в модель с лагом в 50 периодов. Лаг введен для того, чтобы менее эффективные стандарты могли успеть нарастить абонентскую базу и, следовательно, иметь некоторое начальное преимущество.

Диаграмма 1

Динамика среднего числа абонентов трех стандартов

Источник: расчеты модели.

На диаграмме видно, что, во-первых, наименее эффективный стандарт долгое время (в течение 200 периодов) оставался доминирующим, а во-вторых, даже когда третий, самый эффективный стандарт, занял лидирующее положение, абонентская база двух других стандартов оставалась постоянной.

Таким образом, даже эффективность стандарта играет роль лишь в долгосрочном периоде, тогда как в рамках короткого периода более важны другие характеристики услуг. Стоит отметить, что во всех прогонках модели при данных значениях параметров, однако, в итоге доминирующий стандарт занимал лидирующее положение.

Во-вторых, внутри стандартов, наоборот, доли фирм подвержены значительным флуктуациям. Если про более эффективный стандарт можно утверждать, что в большинстве случаев он станет доминирующим, то о положении конкретной фирмы ничего определенного сказать нельзя, так как она испытывает давление со стороны других фирм в рамках этого стандарта. Внутри одного стандарта положение компаний поддерживается положительным внешним эффектом, связывающим размер сети и подключение новых абонентов, однако затраты на смену оператора достаточно низки. В результате, если фирма внедряет инновацию и это позволяет ей переманить некоторое критическое количество абонентов, то она начинает интенсивно развиваться.

Диаграмма 2

Динамика количества абонентов компаний

Источник: расчеты модели.

В-третьих, действительно, конкуренция между операторами является движущей силой развития рынка. Так как, согласно сделанным предположениям, снижение доли рынка у компании побуждает ее снижать цены, у новых, менее обеспеченных потребителей, появляется возможность подключения к услуге, что также изменяет соотношение рыночных долей и стимулирует дальнейшее снижение цен. Аналогично, внедрение инноваций одной фирмой стимулирует повышение качества услуг других участников рынка. Эти механизмы развертываются до тех пор, пока не будут достигнуты естественные пределы по качеству услуг и исчерпаны возможности снижения цен.

В-четвертых, особенностью инноваций в условиях сетевого рынка является то, что эффект от них сильно зависит от начальных условий. На растущем рынке с сетевым эффектом более важна скорость внедрения инноваций, чем потенциал новой технологии.

В модели возможности фирм по внедрению инноваций определялись, во-первых, функцией поиска, а во-вторых, возможностями стандарта. Причем функция поиска задавала вероятность положительного результата поиска, а возможности стандарта определяли предельные значения коэффициентов. Варьируя параметры функции поиска и предельные значения коэффициентов в рамках стандартов, было обнаружено, что в период роста рынка более важную роль играет вероятность найти инновацию. В то же время потенциал технологии начинает оказывать влияние на стадии стабилизации рынка. Этот результат объясняет, почему возможно интенсивное развитие менее эффективных стандартов, в то время как существует более эффективный.

На диаграмме 11 можно наблюдать результат симуляции модели в спецификации с низкой вероятностью найти инновацию у фирм, принадлежащих эффективному стандарту. Видно, что в течение долгого времени единственными активными фирмами были компании, принадлежащие первому и второму, менее эффективным стандартам. В то же время единственная компания третьего стандарта так и не смогла занять лидирующего положения.

Диаграмма 3

Динамика количества абонентов компаний

Источник: расчеты модели.

В-пятых, на развивающемся рынке индекс концентрации компаний обычно выше, чем на стабильном рынке. Условно в развитии рынка можно выделить несколько этапов: появление рынка, его быстрое развитие и стабилизация. Согласно нашим расчетам, концентрация компаний достигает пика на второй стадии развития рынка. К этому времени большинство фирм, активных на предыдущем этапе, покидают рынок, а оставшиеся активно развиваются. При переходе в стадию стабилизации, когда приток новых абонентов исчерпывается, компании продолжают активную конкуренцию, их доли несколько выравниваются, а индекс концентрации падает (см. диаграмму 12).

Диаграмма 4

Индекс Херфиндаля-Хиршмана для концентрации компаний и стандартов в синтетической отрасли

Источник: расчеты модели.

Таким образом, предложенная модель способна объяснить наблюдающиеся закономерности на рынке мобильной связи России.

6. Полученные выводы

Основной целью данного исследования являлась разработка адекватного и эффективного механизма анализа процессов появления и развития рынка, формирования его структуры в ходе процесса шумпетерианской конкуренции. А также испытать этот механизм на конкретном и актуальном примере.

Была выбрана методология анализа, базирующаяся на парадигме эволюционной экономики. Основным инструментом анализа стало компьютерное имитационное моделирование, которое дает довольно удобный инструментарий для анализа совершенно разнородных процессов. Однако в этом удобстве построения разнообразных моделей кроется и недостаток: сложно выбрать наиболее подходящую спецификацию модели и обосновать этот выбор. Поэтому первой задачей нашего исследования стало решение методологической проблемы выбора среди множества спецификаций имитационной модели наиболее корректной, отвечающей интересам исследования.

Одним из способов решения этой задачи, который и был предложен и опробован в этом исследовании, является использование эмпирических данных как на этапе выбора исходной спецификации, так на этапе оценки полученных результатов, а также дополнение анализа аналитическим расчетом результатов родственных, но более простых моделей.

В ходе работы мы применили данную методологию для построения модели рынка сотовой связи. Во-первых, для этого был предложен целый класс теоретико-игровых моделей. На основе этих простых моделей были аналитически выведены базовые закономерности, которые должны наблюдаться на разных стадиях развития рынка, предложены паттерны рационального поведения агентов. Эти модели служили первым, наиболее общим критерием адекватности имитационной модели. Во-вторых, на этапе спецификации исходных данных мы постарались наиболее точно отразить основные процессы модели и задать начальные данные. Наконец, результаты модели мы сопоставили с закономерностями, наблюдающимися на реальном рынке.

Стоит отметить, что полученный в ходе моделирования результат согласуется с выводами, полученными другими исследователями. В частности, модель ясно демонстрирует эффекты зависимости от прошлого пути развития (path dependence), описанные Полом Дэвидом (David 1985), а также Брайаном Артуром (Arthur 1989; Arthur 1990), которые показали, что из-за существования положительного внешнего эффекта система становится неустойчивой к минимальным внешним воздействиям на начальном этапе развития.

С другой стороны, модель повторяет выводы исследователей, занимающихся анализом сетевых рынков. В частности, как и в работе (Economides and Himmelberg 1994), вследствие существования «критической массы», феномена, присущего сетевым рынкам и особенно рынку телекоммуникаций, развитие сетей идет по нелинейному сценарию. На некотором этапе, при достижении критической массы, происходит взрывной рост количества пользователей сети. В модели показывается, что для сохранения устойчивости сетям нужно достичь некоторого минимального размера.

Наконец, модель повторяет выводы, полученные в рамках эволюционных моделей. Так, аналогично модели, предложенной Сильвербергом, Дози и Орсениго (Silverberg, Dosi, Orsenigo 1988), в которой описывалось поведение фирм, использующих две альтернативные технологии, различающиеся по потенциальной эффективности и по «легкости» разработки и внедрения, представленная модель показала, что фирмы, действующие в рамках потенциально более эффективного стандарта, могут потерять долю на рынке и не «выжить» в конкурентной борьбе.

В ходе исследования были проверены следующие гипотезы:

На ранней стадии развития рынка конкуренция между фирмами идет в первую очередь за счет продуктовых нововведений, но в определенный момент процессные нововведения становятся более предпочтительными. Этот процесс идет одновременно с усилением ценовой конкуренции между фирмами. При этом на стадии роста рынка концентрация падает до тех пор, пока не исчерпывается потенциал для продуктовых инноваций. Тогда усилившаяся ценовая конкуренция ведет к некоторому росту концентрации фирм. На некотором этапе развития рынка можно спрогнозировать структуру рынка. Наибольшим фактором неопределенности является наличие потенциала для совершенствования продукта. Однако на некотором этапе, когда кластер инноваций близок к исчерпанию, можно спрогнозировать ход дальнейших совершенствований продукта и реакцию потребителей на эти усовершенствования. Этот момент наступает в период замедления рынка, когда фирмы концентрируются на совершенствовании организационных процедур и производства продукта, а изменения продукта невелики. На этом этапе, скорее всего, возможно предложить регулирующую политику, способную влиять на структуру рынка, например, для усиления конкуренции на рынке. На растущем рынке более важна скорость внедрения инноваций, чем потенциал новой технологии. В ходе анализа результатов модели было обнаружено, что в период роста рынка более важную роль играет вероятность найти инновацию. В то же время потенциал технологии начинает оказывать влияние на стадии стабилизации рынка. Этот результат объясняет, почему возможно интенсивное развитие менее эффективных стандартов, в то время как существует более эффективный. Активные процессы по улучшению характеристик конкретного продукта приводят не только к изменению структуры рынка для данного продукта, но и могут являться причиной конкуренции между секторами. Основным ограничивающим фактором выступает также потребительский спрос: развивающийся рынок «перетягивает» платежеспособный спрос, что отражается в падении выпуска других секторов и рынков.

7. Библиография

1.  Алчиан A. (1950/2006) «Неопределенность, эволюция и экономическая теория» //Истоки. М.: ГУ-ВШЭ.

2.  (1993) «Теория долгосрочного технико-экономического развития». М.:ВлаДар.

3.  Долговременные тенденции в капиталистическом воспроизводстве. (1985) Реферативный сборник. М.: ИНИОН АНСССР..

4.  Доси Дж., Р. Нельсон (1999), «Введение в эволюционную экономическую теорию» // Вестник молодых ученых. Серия: Экономические науки. №4.

5.  (1997), «Введение в эволюционную макроэкономику». М.: Япония сегодня.

6.  Маршалл А. (1993) «Принципы экономической науки». Т.1.

7.  , Дж. (2002), «Эволюционная теория экономических изменений». М.: Дело.

8.  Сильверберг Дж. (2000), «Моделирование эволюционных процессов в экономике» // Вестник молодых ученых. Серия: экономические науки. №6.

9.  (1953) «Методология экономической науки» // THESIS.

10.  (1948/2000), «Индивидуализм и экономический порядок» // пер. с англ. М.

11.  (1934/1982), «Теория экономического развития». М.: Прогресс, 1982.

12.  (1942/1995), «Капитализм, социализм и демократия». М.: Экономика, 1995.

13.  (2006), «Современные технологии беспроводной связи». М.: Техносфера.

14.  Andersen, E. S. (1994)“Evolutionary Economics: Post-Schumpeterian Contributions”. London: Printer.

15.  Arthur W. B. (1989), “Competing Technologies, Increasing Returns and Lock-in by Historical Events”. Economic Journal, 99, 116-131.

16.  Arthur W. B. (1990), “Positive Feedbacks in the Economy”. Scientific American, 262, 92-99.

17.  Armstrong (1998), “Network Interconnection in Telecommunication”, Economic Journal, 108: pp.5

18.  Bonanno G. (1987), “Product Differentiation and Entry Deterrence Revisited”. Review of Economic Studies 54: 37-46.

19.  David, P. A. (1985), “Clio and the Economics of QWERTY”, American Econ. Rev. 75, 332-337.

20.  Dosi, G. (1988), “Sources, Procedures, and Microeconomic Effects of Innovation”, Journal of Economic Literature 26: .

21.  Economides N.( 1996), “The Economics of Networks”, International Journal of Industrial Organization, vol. 14, no. 2.

22.  Economides N. and Himmelberg Ch., (1994) “Critical Mass and Network Evolution in Telecommunications”, in: Gerard Brock (ed.) “Toward a Competitive Telecommunications Industry: Selected Papers from the 1994 Telecommunications Policy Research Conference”.

23.  Fischer F. M. (1989), “Games Economists Play: A Noncooperative View”. Rand Journal of Economics 20: 113-124.

24.  Fischer I. (1930), “The General Theory of Natural Selection”. Oxford.

25.  Frenken K., Saviotti P.-P., Trommetter M. (1999), “Variety and niche creation in aircraft, helicopters, motorcycles and microcomputers”, Research Policy, 28: pp. 469–488.

26.  Harding A. (1996) “Microsimulation and Public Policy”. Amsterdam.

27.  Hofbauer J., Sigmund K. (1988) “The Theory of Evolution and Dynamical Systems”. Cambridge.

28.  Hodgson G.(1996) “The Challenge of Evolutionary Economics” // JITE. Vol.152. N4.

29.  Gilbert G. (1996) “Simulation as a Research Strategy” // Troitzsch K. G., Mueller U., Gilbert G. N., Doran J. E. (eds.) Social Science Microsimulation. Berlin. 448-454.

30.  Klepper, S., (1996) “Entry, Exit and Innovation over the Product Life Cycle”, Amer. Econ. Rev. Vol. 86, N3.

31.  Kwasnicki W. (2003) “Schumpeterian modeling. Forthcoming to The Elgar Companion to Neo-Schumpeterian Economics” // http:/www. prawo. uni. wroc. pl/ ~ kwasnicki

32.  Kwasnicki W., Kwasniska, H. (1992) “Market, Innovation, Competition: An Evolutionary Model of Industrial Dynamics” // J. of Economic Behavior and Organization. Vol. 19. P. 343-368.

33.  Kwasnicki, W., Kwasnicka H. (1996), “Long-Term Diffusion Factors of Technological Development: An Evolutionary Model and Case Study”. Technological Forecasting and Social Change, 52.

34.  Latane B. (1981) “The Psychology of Social Impact” // Amer. Psychologist. Vol.36.P.343-356.

35.  Lawson T. (1997) “Economics and Reality”. L., N. Y.: Routledge.

36.  Liebowitz S. J., Margolis S. E. (1994), “Network Externality: An Uncommon Tragedy”, J. of Econ. Perspectives. Vol. 8, N. 2.

37.  Malerba F., Nelson R., Orsenigo L. and Winter S. (2001), “History-Friendly Models: An Overview of the Case of the Computer Industry”, J. of Artificial Societies and Social Simulation. Vol. 4, N.3. http://www. soc. surrey. ac. uk/JASSS/4/3/6.html

38.  Metcalfe S. (1988) “Evolution and Economic Change” // Silberston A. (ed.) Technology and Economic Progress. Basinstoke.

39.  Nelson Richard R., Winter Sidney J., Schuette Herbert L. (1976), “Technical Change in an Evolutionary Model”, Quarterly Journal of Economics, Volume 90, Issue 1, pp. 90-118.

40.  Nguyen Ph., Saviotti P. P., Trommetter M. and Bourgeois B. (2005), “Variety and the Evolution of Refinery Processing”, Industrial and corporate change, 14: pp. 469-500.

41.  Padmanabhan V., Rajiv S. and Srinivasan K. (1997), “New Products, Upgrades and New Releases: A Rationale for Sequential Product Introduction”, Journal of Marketing Research, Vol. 34, N 4.

42.  Penrose E. T. (1952). “Biological Analogies in the Theory of Firm” // Americal Econ. Review. Vol.42. N 5.

43.  Rohlfs J. (2001), “A Theory of Interdependent Demand for Communication Service”, Bell Journal of Economics, Vol. 5, N 1.

44.  Ruttan, V. W. (2001), “Sources of Technical Change: Induced Innovation”, Evolutionary Theory and Path Dependence. VWR working copy.

45.  Saviotti P. P. and Pyka A. (2005). “Micro and Macro Dynamics: Industry Life Cycles, Inter-sector Coordination, Co-evolution and Aggregate Growth”, Paper presented at the VI International Symposium on Evolutionary Economics.

46.  Schmalensee R. (1978) “Sunk Costs and Market Structure: A Review Article”. Journal of Industrial Economics 40: 125-133.

47.  Shaked A. and Sutton J. (1990), “Multiproduct Firms and Market Structure”. Rand Journal of Economics 36: 131-146

48.  Shy Oz (2001), «Economics of Network Markets», Cambridge university press.

49.  Silverberg, G. (1997) “Evolutionary Modeling in Economics: Recent History and Immediate Prospects”. MERIT University of Maastricht.

50.  Silverberg, G. (2003), “Long Waves: Conceptual, Empirical and Modelling Issues”. MERIT.

51.  Silverberg G., Dosi G., Orsenigo L. (1988) “Innovation, Diversity and Diffusion: A Self-Organisation Model”. The Economic Journal, Vol. 98, No. 393.

52.  Silverberg, G., Lehnert, D. (1993) “Long Waves and “Evolutionary Chaos” in a Simple Schumpeterian Model of Embodied Technical Change”. Structural Change and Economic Dynamics, vol. 4, no. 1.

53.  Sinclair-Desgagné, B. (2000) “Technological Paradigms and the Measurement of Innovation”. Cirano Scientific Series, Montréal.

54.  Stigler, G. J., (1956). “Trends in Employment in the Service Industries”. National Bureau of Economic Research, New York. Princeton University Press, Princeton, NJ.

55.  Sutton J. (1990), “Explaining Everything, Explaining Nothing? Game Theoretic Models in Industrial Organisation”. European Economic Review 34: 505-512.

56.  Sutton, J. (1997), “Game Theoretic Models of Market Structure”. In Advances in Economics and Econometrics, edited by D. Kreps and K. Wallis. (Proceedings of the World Congress of the Econometric Society, Tokyo 1995). Cambridge: Cambridge University Press, pp. 66-86.

57.  Sutton J.(1998/2001), “Technology and Market Structure”. The MIT Press.

58.  Sutton J. (2006), “Market Structure: Theory and Evidence”. Forthcoming

59.  Symeonidis G. (1997) “Price Competition, Innovation and Profitability: Theory and UK Evidence”. Journal of Industrial Economics, 48, pp. 1-26.

60.  Tidd, J., Bessant, J. and K. Pavitt (2001). “Integrating Technological, Market and Organisational Change”, Chichester, John Wiley and Sons Ltd.

61.  Valente, M., Andersen, E. S., (2002) “A hands-on approach to evolutionary simulation: Nelson–Winter models in the Laboratory for Simulation Development”, The Electronic J. of Evolutionary Modeling and Economic Dynamics. N 1003 ( http://www. e-jemed. org/1003/index. php).

62.  Werker C., Brenner Th. (2003) “Empirical Calibration of Simulation Models”. The Papers on Economics and Evolution /Evolutionary Economics Group, MPI Jena.

63.  Williams, C., & Mitchell, W. (2004). “Focusing firm evolution: The impact of information infrastructure on market entry by U. S. telecommunications companies, ”, Management Science. Vol. 50, N11.

64.  Winter S. (1987), “Knowledge and Competence as Strategic Assets”, in: Teece D. J. The Competitive Challenge, Cambridge (Mass), Ballinger. P.159-184.

65.  Winter S., Kaniovski Y. and Dosi G. (1999), “Modeling Industrial Dynamics with Innovative Entrants”, mimeo, LEM Working Papers 1999/01, S. Anna School of Advanced Studies, Pisa, Italy Доходы, расходы и потребление домашних хозяйств в 3 кв. 2002 г., М.: ФСГС, 2003 г.

Интернет-ресурсы

66.  Министерство информационных технологий РФ - http://www. *****/

67.  - http://www. *****; http://www. *****

68.  - http://*****/

69.  - http://www. *****/

70.  - http://www. *****/

71.  Информационно-аналитическое агентство «Сотовик» - www. *****

[1] Новый рынок мы определяем вслед за приверженцами теории жизненного цикла как рынок, находящийся в фазе зарождения или бурного развития.

[2] См. Менш, Фримен, Ван Дейн в Реферативном сборнике (Долговременные тенденции… 1985).

[3] Определения взяты из работы Бернара Синклер-Дегане (Sinclair-Desgagné 2000).

[4] Сосредоточенность на фирме, безусловно, ограничивает предметное поле эволюционной экономики. Подобная ориентация легко объяснима: именно фирмы являются источником и проводником инноваций, потребители в этом отношении скорее пассивны. Однако сегодня процесс их взаимодействие рассматривается как нелинейный процесс, в методологическом отношении аналогичный процессу взаимодействия фирм, который анализируется современными социологами с помощью микросимуляций (см,, например, Gilbert 1996). Естественно ожидать, что эволюционная экономика проявит интерес к потребительскому сектору.

[5] Более подробно об эволюционной экономике см. в (Нельсон и Уинтер 2002, особенно гл. 5)

[6] Достаточно вспомнить репликационное уравнение Фишера (Fischer 1930), ставшее впоследствии основой для более сложных моделей биологических эволюционных процессов (см., например, Hofbauer, Sigmund 1988), а также использовавшееся при построении моделей экономической конкуренции различного типа ( Silverberg, Dosi, Orsenigo 1988; Kwasnicki, Kwasniska 1992). Данное уравнение – одна из первых попыток формального описания дарвиновского процесса выживания наиболее приспособленного вида. В зависимости от предпосылок, касающихся среднего уровня выживаемости, были получена различные выводы относительно динамики популяции и ее структуры (Сильверберг 2000).

[7] При этом следует заметить, что в течение достаточно продолжительного времени и после появления этой работы эволюционная проблематика в целом, оставалась на периферии экономических исследований. Так, согласно Дж. Ходжсону, он смог насчитать лишь 7 работ, в названии которых присутствовало слово «эволюция» в период с 1914 по 1969 гг. ( Hodgson 1996, c. 698)

[8] Еще в 1984 г. Уинтер предложил интересный подход к конкретному заданию поисковой активности и механизма входа на рынок.

[9] Например, симуляция позволяет экспериментировать с различными правилами расходования дохода и более того, сделать эти правила эндогенными.

[10] Метод получения выводов, противостоящий и дедукции, и индукции как более адекватный реальному процессу получения знания, и который, как полагают его сторонники, позволяет «соотнести теорию и реальность креативным образом».

[11] Эффект условно отрицательный, так как для потребителей эффект от входа новичка в таких условиях, конечно, благо. Ведь это приводит к повышению качества товаров и, возможно, к снижению цены.

[12] Само по себе обсуждение того, в какой мере предлагаемые правила поведения адекватно описывают поведения реальных фирм, заслуживает специального рассмотрения. К сожалению, рамки работы не позволяют привести полный обзор возможных спецификаций модели. Более того, это вряд ли возможно. В конце раздела приводится спецификация модели, которая была использована в данной работе. Были проведены тесты на соответствие нескольких спецификаций модели эмпирическим данным, однако их результаты не могут быть признаны окончательными из-за ограниченности имеющегося эмпирического материала. Кроме того необходимо признать, что хотя значения параметров, задающих данные правила, частично калибруются, адекватность формы, в которой представлены рутины, не проверяется должным образом.

[13] Здесь и далее значения переменных оценивались преимущественно по данным отчетов компании «Вымпелком», так как среди отечественных телекоммуникационных компаний это единственная, которая имеет длительную историю листинга на Нью-Йоркской фондовой бирже, с 1996 года. вышла на биржу только в 2000 г., т. е. на 4 года позже. В то же время в целом данные по другим компаниям подтверждают динамику показателей, отраженную в отчетности «Вымпелком».

[14] Здесь использовался метод расчета геометрического расстояния между инновациями, предложенный Пьер-Паоло Савиотти (Saviotti). Савиотти и его коллеги успешно применили подход для анализа развития технологий и появления новых продуктов в нефтехимии (Nguyen, Saviotti, Trommetter and Bourgeois 2005), в высокотехнологичных отраслях – самолето - и вертолетостроении, компьютерной отрасли и производстве мотоциклов (Frenken, Saviotti, Trommetter 1999), а на основе этих эмпирических исследований предложили модель технологического развития отрасли (Saviotti and Pyka 2005). В расчетах использовались данные из (Шахнович 2006).

[15] В скобках указывается поколение технологии.