Интегральная оценка уровня экономической безопасности при помощи агент-ориентированной модели региона

В современной глобальной экономике, когда неустойчивость в развитии экономики одной страны может сильно повлиять на состояние экономик других стран, требуется более тщательный анализ принимаемых решений в условиях неопределенности и рисковых ситуациях, предполагающий использование новейших достижений и возможностей науки и техники, причем как в краткосрочном, так и в долгосрочном временном интервале. Реалии современной глобальной экономики показывают, что существующие системы обеспечения безопасности как в военном, так и в экономическом аспекте не могут гарантировать мирного урегулирования многовариантных и многокритериальных внешне- и внутриполитических ситуаций. Следовательно, для обеспечения устойчивого развития экономики страны необходим постоянный мониторинг социальноэкономических процессов, происходящих внутри этой страны и за ее границами.

Современный взгляд на социально-экономическую политику России характеризует процесс децентрализации управления. Все большую самостоятельность получают региональные министерства и ведомства. И процесс планирования все больше приобретает региональный характер. Таким образом, является актуальной проблема разработки комплексной системы поддержки принятия решений при управлении регионом и прогнозировании его основных социально-экономических показателей развития на основе многомерных статистических методов, имитационного моделирования (агент-ориентированный подход и численная реализация этого подхода в памяти компьютера при суперпозиции функций) [2; 3] и экспертных методов. При этом необходимо отметить, что проблема заключается не столько в программной реализации, сколько в разработке и описании фундаментальных принципов построения комплексной системы регионального планирования и прогнозирования.

В качестве основы для оценки развития региона необходимо использовать математические методы. Регион не является сложной технической системой, и использование методов моделирования, которые до этого показывали свою эффективность при применении их на сложных технических системах, не всегда оправдывает себя. Это связано с некоторыми трудностями, возникающими при попытке осуществить это: недостаточностью и несистемностью статистической информации на региональном уровне; большим количеством подходов к описанию процессов и факторов регионального развития; трудностями в оценке финансовых и товарных потоков через границы региона и т. д. Таким образом, разработка имитационно-экспертных моделей, которые сочетают в себе возможности имитационного моделирования в построении моделей сложных экономических систем и экспертной информации как основы для построения и начала моделирования, является актуальной научной задачей.

На основе данных, полученных при реализации конкретной модели региона, можно оценить эффективность управления. Наиболее значимым показателем в оценке эффективности регионального развития является такой обобщающий критерий, как экономическая безопасность. Для оценки данного обобщающего критерия разработаны и разрабатываются различные методики и пороговые значения субкритериев [4]. Но если в результате моделирования получены данные, достоверность которых обеспечивают апробированные методы исследования, а также прошедшие экспертную верификацию, то появляется возможность оценки экономической безопасности по различным методикам и в конечном счете можно сделать выводы об эффективности существующего регионального управления и наиболее благоприятного направления для его улучшения.

Применяя системный подход к анализу региона, необходимо всех действующих в экономике региона экономических агентов объединить в похожие по определенным признакам группы. Каждая объединенная группа будет характеризоваться значениями по определенным переменным и параметрам. Между различными переменными и параметрами каждой из групп будут существовать некоторые зависимости. И вопрос состоит в том, чтобы в любой момент можно было бы эти зависимости поменять и пересчитать модель с уже новой информацией. В лучшей степени этому соответствует идеология имитационного моделирования [5; 6].

Для начала моделирования необходимы данные, характеризующие значения переменных и параметров модели. Эти данные за прошлые периоды можно получить из статистических сборников, а также из других источников. Но данные, полученные таким образом, не являются истинными, для некоторых показателей они являются лишь отдаленной характеристикой истинных значений. Поэтому появляется смысл рассматривать переменные модели как случайные величины со своими законами распределения. Тогда в зависимостях будут присутствовать не конкретные значения, а функции непрерывных случайных величин в определенном интервале. Для осуществления операций с функциями в зависимостях можно использовать теорию суперпозиции функций.

Остаются неизвестными законы распределения случайных величин, характеризующих переменные и параметры модели. В качестве первого приближения закона распределения можно использовать равномерный закон распределения. Т. е. необходимо задать интервал, в котором будет находиться истинное значение того или иного социально-экономического показателя. Для начала предполагаем, что любое значение из этого интервала имеет равные вероятности оказаться истинным.

Первоначальные интервалы модели могут быть получены при помощи:

• 1)    временных рядов – для переменных и параметров с известной статистикой за прошлые периоды;

• 2)    экспертного метода – для переменных и параметров с неизвестной статистикой или нерепрезентативными данными за прошлые периоды;

• 3)    комбинированного метода.

По нашему мнению, наиболее объективно отражают зависимость основных социально-экономических показателей развития региона от времени следующие модели: линейная: yt = a + b " t , экспоненциальная: y t = e , логарифмическая: y t = b ■ ln¹ + a .

Таким образом, случайные величины с первоначальным равномерным законом распределения, складываясь друг с другом, приводят к другому виду закона распределения, скорее всего, это будет нормальный закон распределения, с определенными характеристиками. Оперируя наиболее вероятным значением каждого из показателей, можно построить интегральную оценку или сравнить с пороговым значением для анализа экономической безопасности региона.

Научным коллективом ведется исследование в области разработки автоматизированной информационной системы, позволяющей объединить методы экономико-математического моделирования, доказавшие свою эффективность. На рисунке 1 представлена укрупненная схема разрабатываемой информационной системы.

Информационная система оценки, прогноза социально-экономической деятельности региона и анализа основных факторов и показателей развития
Модуль «Многомерные статистические методы»		Модуль «Имитационное моделирование» (агентноориентированный подход)		Модуль «Экспертные методы»
>сбор и первичная обработка данных >    выбор вида и параметров модели множественной регрессии (линейная, степенная, экспоненциальная, логарифмическая и т.д.) > построение прогнозных оценок основных социальноэкономических показателей развития региона >    применение факторного, кластерного, дисперсионного и других видов анализа		>    построение укрупненной схемы взаимодействия агентов в социально-экономической деятельности региона >    описание основных функций каждого из агентов системы >    построение модели взаимодействия агентов в виде системы одновременных нелинейных уравнений слаговыми переменными >    численное решение системы уравнений при помощи алгоритма суперпозиции функций		> случайный отбор группы экспертов из общего списка > опрос экспертов в нечетком формате попарного предпочтения между различными факторами, определяющими уровень социально-экономического развития региона >    обработка экспертных данных >    построение моделей и их прогнозных значений
Обработка выходных данных модулей информационной системы, построение интегральных характеристик развития региона (экономическая безопасность, инвестиционная привлекательность, инновационный потенциал, эффективность модернизационной политики и т.д.)
Вывод итогов работы системы пользователю для дальнейшего анализа и применения

Рисунок 1 – Укрупненная схема автоматизированной информационной системы

Ниже представлена система уравнений, характеризующая приближенную оценку зависимостей показателей развития региональных систем [7].

Y = C , + I t + G t + X_t

Y = A ■ Kh ■ L a ²

A K , = £ h ■ I, - i - M K - i

I, = (1 - z ) ■ S , + IR , + IF , + II,

N t = Y - M K , - 1

FOT. = W ■ L

P = N , - FOT ,

• • pi₍ = n - тр - ts,

DI, = PI, - TI, + FS + RS

S t = DI , - C ,

G , = b ■ B ,

B* = T + F t

B_t = M_t + G + RS + IR,

PROFICITt = T + F_t + OtherIncome, - G,

• X, = EX, - IM_t

Для того чтобы исследовать возможности сложения случайных величин, имеющих разные законы распределения, была написана компьютерная программа Svertka 3.00 в интегрированной среде программирования Delphi, которая имеет возможность численно складывать случайные величины, имеющие равномерный, нормальный и показательный законы распределения. Для реализации вышепредставленной системы уравнений, характеризующих агент-ориентированную модель региона, было написано программное обеспечение RegionPlan. На входе программы необходимо подставить заранее подсчитанные значения интервалов варьирования для каждого показателя и задать экзогенные параметры. Далее необходимо задать шаг вычисления. На выходе программа выдает интервалы варьирования прогнозируемых или вычисляемых параметров, выводит графически закон распределения и дает значение максимума плотности вероятности.

В результате моделирования получились данные, отраженные на рисунке 2. Всего было произведено 12 шагов моделирования. Данные представлены в виде интервалов, в которых определяются законы распределения вычисляемых параметров. Также дано максимальное значение закона распределения прогнозируемых параметров. Графики характеризуют законы распределения прогнозируемых параметров, которые имеют наиболее вероятные значения показателей.

Рисунок 2 - Результаты моделирования в виде 3D-графика

Таким образом, ориентируясь на наиболее вероятные значения, можно посчитать наиболее вероятные значения показателей экономической безопасности региона.

Ссылки и примечания:

• 1.    Исследование выполнено при финансовой поддержке РФФИ (проект № 16-02-00600а).

• 2.    Agent-Based Computational Demography: Using Simulation to Improve Our Understanding of Demographic Behavior / ed. by F.C. Billari, A. Prskawetz. Heidelberg, 2003. 210 p.

• 3.    Pablo-Marti F., Santos J.S., Kaszowska J. An agent-based model of population dynamics for the European regions [Электронный ресурс] // Emergence: Complexity and Organization. 2015. Vol. 17, no. 2. URL: https://journal.emergentpublica-tions.com/article/an-agent-based-model-of-population-dynamics-for-the-european-regions/ (дата обращения: 24.11.2017).

• 4.    Сенчагов В.К. Методология обеспечения экономической безопасности // Экономика региона. 2008. № 3. С. 27–38.

• 5.    Бахтизин А.Р. Агент-ориентированные модели экономики. М., 2008. 279 с.

• 6.    Макаров В.Л. Вычислимая модель российской экономики (RUSEC) : препринт № WP/99/069. М., 1999. 76 с.

• 7.    Никитин В.В., Назаров А.А. Безопасность региональных социально-экономических систем и ее оценка средствами имитационного моделирования // Вестник Чувашского университета: Гуманитарные науки. 2010. № 4. С. 395–400.