Известия Саратовского университета. Новая серия.

Серия: Экономика. Управление. Право

ISSN 1994-2540 (Print)
ISSN 2542-1956 (Online)


Для цитирования:

Чернышова Г. Ю., Вешнева И. В., Роках Г. Е. Моделирование динамики рисков региональной конкурентоспособности // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2022. Т. 22, вып. 1. С. 42-52. DOI: 10.18500/1994-2540-2022-22-1-42-52

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
(загрузок: 0)
Язык публикации: 
русский
Рубрика: 
Тип статьи: 
Научная статья
УДК: 
51.77+004.9

Моделирование динамики рисков региональной конкурентоспособности

Авторы: 
Чернышова Галина Юрьевна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Вешнева Ирина Владимировна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Роках Глеб Евгеньевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Аннотация: 

Введение. Для определения стратегических направлений регионального развития в целях повышения конкурентоспособности необходимо основываться на системном анализе факторов и рисков, использовать современный инструментарий математического моделирования. Для построения динамических моделей оценки рисков конкурентоспособности применен подход на основе систем дифференциальных уравнений Колмогорова – Чепмена для марковских процессов Теоретический анализ. В исследовании рассматривается методика применения логико-вероятностного подхода к оценке рисков региональной конкурентоспособности. Эмпирический анализ. Для сравнительной оценки рисков конкурентоспособности на этапе предварительной обработки данных применен кластерный анализ с помощью модифицированного метода k-means. На основе иерархической системы рисков региональной конкурентоспособности сформирована система уравнений Колмогорова – Чепмена. Динамическая оценка рисков конкурентоспособности осуществлена для трех базовых сценариев. Результаты. Для выделенного кластера из 33 регионов, соответствующих высокому уровню социально-экономического развития, получены предикативные оценки вероятностей критических событий, связанных с рисками конкурентоспособности, на примере отдельного сечения. Для оптимистического, пессимистического и реалистического сценариев получены численные оценки рисков конкурентоспособности для различных сочетаний критических событий, что позволило ранжировать регионы в соответствии с риском снижения конкурентоспособности в среднесрочном периоде.

Список источников: 
  1. Camagni R. On the concept of territorial competitiveness : Sound or misleading? // Urban Studies. 2002. Vol. 39. P. 2395–2411.
  2. Bristow G. Critical refl ections on regional competitiveness: Theory, policy and practice. London : Routledge, 2010. 200 p.
  3. Krasnokutskiy P. A., Ugnich E. A., Taranov P. M. Modern Scientifi c and Methodological Approaches to Assessing the Competitiveness of the Region: Application Problems // IOP Conference Series Earth and Environmental Science. 2019. Vol. 272, iss. 3. P. 1755–1315. https://doi.org/10.1088/1755-1315/272/3/032179
  4. Global Competitiveness Report. URL: https://www.weforum.org/reports/the-global-competitiveness-report-2020 (дата обращения: 08.11.2021).
  5. The EU Regional Competitiveness Index 2016. URL: https://ec.europa.eu/regional_policy/sources/docgener/work/201701_regional_competitiveness2016.pdf (дата обращения: 08.09.2021).
  6. European innovation scoreboard. URL: https://ec.europa.eu/growth/industry/innovation/facts-figures/scoreboards_e (дата обращения: 08.09.2021).
  7. Regional innovation scoreboard. URL: https://ec.europa.eu/growth/industry/innovation/facts-figures/regional_en (дата обращения: 06.09.2021).
  8. AV RCI. URL: http://av-group.ru/2020/1808/ (дата обращения: 13.10.2021).
  9. Резчиков А. Ф., Кушников В. А., Яндыбаева Н. В. Модель для оценки состояния национальной безопасности России на основе теории системной динамики // Прикладная информатика. 2017. Т. 12, № 2 (68). С. 106–117.
  10. Яндыбаева Н. В., Кушников В. А., Резчиков А. Ф., Иващенко В. А. Разработка инвариантной математической модели для прогнозирования показателей национальной безопасности государств // Управление развитием крупномасштабных систем : материалы 12-й Междунар. конф. (MLSD’2019, Москва). М. : Ин-т проблем управления им. В. А. Трапезникова РАН. 2019. С. 433–436.
  11. Veshneva I., Chernyshova G., Bolshakov A. Regional Competitiveness Research Based on Digital Models Using Kolmogorov – Chapman Equations // Society 5.0: Cyberspace for Advanced Human-Centered Society / eds. A. G. Kravets, A. A. Bolshakov, M. Shcherbakov. Cham : Springer, 2021. P. 141–154. (Studies in Systems, Decision and Control. Vol. 333). https://doi.org/10.1007/978-3-030-63563-3_12
  12. Ketels C. Recent research on competitiveness and clusters: What are the implications for regional policy? // Cambridge Journal of Regions, Economy and Society. 2013. Vol. 6, iss. 2. P. 269–284.
  13. Иншаков О. В. «Ядро развития» в контексте новой теории факторов производства // Экономическая наука современной России. 2003. № 1. С. 11–25.
  14. Veshneva I., Chernyshova G. The scenario modeling of regional competitiveness risks based on the Chapman – Kolmogorov equations // Journal of Physics : Conference Series. 2021. Vol. 1784. P. 012008.
  15. Росстат. Официальная статистика. URL: https://rosstat.gov.ru/folder/210/document/13204 (дата обращения: 09.10.2021).
  16. Информационно-аналитическая система FIRA PRO. URL: https://fira.ru/ (дата обращения: 07.12.2020).
  17. Elkan C. Using the triangle inequality to accelerate k-means // Proceedings of the Twentieth International Conference on Machine Learning (ICML-2003). Washington DC, 2003. P. 147–153.
Поступила в редакцию: 
20.10.2021
Принята к публикации: 
06.12.2021