Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ЭЛ № ФС 77 - 80772, 16+

Пред-печатная версия

DOI: https://doi.org/10.23670/IRJ.2021.114.12.131 - Доступен после 17.12.2021

() Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Ломакин Н. И. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ УСТОЙЧИВОСТИ РАЗВИТИЯ ЭКОНОМИКИ РОССИИ СКВОЗЬ ПРИЗМУ ДИНАМИКИ ТРАНСПОРТНОЙ СИСТЕМЫ / Н. И. Ломакин, О. С. Пескова, А. Кулачинская и др. // Международный научно-исследовательский журнал. — 2021. — №. — С. . — URL: https://research-journal.org/economical/primenenie-iskusstvennogo-intellekta-dlya-ocenki-ustojchivosti-razvitiya-ekonomiki-rossii-skvoz-prizmu-dinamiki-transportnoj-sistemy/ (дата обращения: 18.01.2022. ). doi: 10.23670/IRJ.2021.114.12.131

Импортировать


ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ УСТОЙЧИВОСТИ РАЗВИТИЯ ЭКОНОМИКИ РОССИИ СКВОЗЬ ПРИЗМУ ДИНАМИКИ ТРАНСПОРТНОЙ СИСТЕМЫ

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ УСТОЙЧИВОСТИ РАЗВИТИЯ ЭКОНОМИКИ РОССИИ СКВОЗЬ ПРИЗМУ ДИНАМИКИ ТРАНСПОРТНОЙ СИСТЕМЫ

Научная статья

Ломакин Н.И.1, *, Пескова О.С.2, Кулачинская А.3, Лукьянов Г.И.4, Якшин С.В.5, Рыбанов А.А.6, Водопьянова Н.А.7, Сычева А.В.8, Могхарбел Н.О.9, Тарасова Н.К.10

1 ORCID: 0000-0001-6597-7195;

1, 2, 9 Волгоградский государственный технический университет, Волгоград, Россия;

3 Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия;

4, 5, 6, 7 Волжский политехнический институт (филиал) ВолгГТУ, Волжский, Россия;

8 Волжский институт экономики, педагогики и права, Волжский, Россия;

10 Государственный университет управления, Москва, Россия

* Корреспондирующий автор (tel9033176642[at]yahoo.com)

Аннотация

В статье рассмотрены аспекты, касающиеся применения искусственного интеллекта для исследования устойчивости российской экономики сквозь призму развития отечественной транспортной системы.

Новизна проведенного исследования заключается в том, что предложен подход, предполагающий использование комбинации внешних и внутренних факторов (курс доллара, индекс РТС), а также натуральных и стоимостных (грузооборот, количество перевезенных грузов по видам транспорта, цены акций ведущих транспортных компаний) в многофакторной корреляционной модели, на основе искусственного интеллекта, которая позволяет рассчитать тесноту связи между факториальными признаками, включенными в модель и величиной ВВП, причем предпочтение отдано факторам, определяющим развитие отечественной транспортной системы.

Выдвинута и доказана гипотеза, что с помощью разработанной нейросети «персептрон» можно получить прогнозное значение величины ВВП страны в условиях неопределенности и риска, под действием внешних и внутренних факторов, что важно для обеспечения устойчивости развития экономики России. Так, например, использование в модели значений входных параметров, соответствующие 2020 г., позволило получить нейросетевой прогноз ВВП в долларах на этот год 1483,80646 млрд. долл., что составляет 99,98 % от его фактического значения 1484 млрд. долларов. Ошибка составила 0,02%.

Ключевые слова: искусственный интеллект, финансовый риск, вариационный ряд, устойчивость развития экономики.

THE USE OF ARTIFICIAL INTELLIGENCE TO ASSESS THE SUSTAINABILITY OF THE RUSSIAN ECONOMY THROUGH THE LENS OF THE DYNAMICS OF THE TRANSPORT SYSTEM

Research article

Lomakin N.I.1, *, Peskova O.S.2, Kulachinskaya A.3, Lukyanov G.I.4, Yakshin S.V.5, Rybanov A.A.6,
Vodopyanova N.A.7, Sycheva A.V.8, Mogkharbel N.O.9, Tarasova N.K.10

1 ORCID: 0000-0001-6597-7195,

1, 2, 9 Volgograd State Technical University, Volgograd, Russia;

3 Peter the Great St. Petersburg Polytechnic University, Saint-Petersburg, Russia;

4, 5, 6, 7 Volzhsky Polytechnic Institute (branch) of the Volgograd State Technical University, Volzhsky Russia;

8 Volzhsky Institute of Economics, Pedagogy and Law, Volzhsky, Russia;

10 State University of Management, Moscow, Russia

* Corresponding author (tel9033176642[at]yahoo.com)

Abstract

The article discusses aspects related to the use of artificial intelligence to study the sustainability of the Russian economy through the lens of the development of the domestic transport system.

The novelty of the study lies in the fact that an approach is proposed involving the use of a combination of external and internal factors (dollar exchange rate, RTS index), as well as natural and cost factors (cargo turnover, the number of transported goods based on the means of transport, stock prices of leading transport companies) in an AI-based multifactorial correlation model, which allows calculating the closeness of the relationship between factorial features included in the model and the value of GDP with preference given to factors determining the development of the domestic transport system.

The study puts forward and proves a hypothesis that with the help of the developed neural network, perceptron, it is possible to obtain a forecast value of the country’s GDP in conditions of uncertainty and risk, under the influence of external and internal factors, which is important for ensuring the sustainability of the development of the Russian economy. For example, the use of input parameter values corresponding to 2020 in the model allowed the authors to obtain a neural network forecast of the GDP for this year, 1483.80646 billion doll., which is 99.98% of its actual value of 1484 billion doll.. The error amounted to 0.02%.

Keywords: artificial intelligence, financial risk, variation series, sustainability of economic development.

Введение

Актуальность исследования – в том, что с появлением нового технологического уклада «Индустрия 4.0» возникают предпосылки стремительного развития цифровой экономики в России.

В соответствии с майскими Указами Президента, взят курс на трансформацию экономических отношений, в основе которых лежат автоматизация бизнес-процессов, применении киберфизических систем и искусственного интеллекта. Владимир Путин подчеркнул, что без цифровой экономики страна не сможет перейти к следующему технологическому укладу, а без этого перехода у российской экономики нет будущего [1].

Технологический уклад «Индустрия 4.0» – четвёртая промышленная революция (англ. The Fourth Industrial Revolution), которое характеризуется как прогнозируемое событие, массовое внедрение киберфизических систем в производство (индустрия 4.0) и обслуживание человеческих потребностей, включая быт, труд и досуг. Четвёртая промышленная революция обычно описывается путем указания ключевых технологий, которые «скоро» выйдут из R&D. Research &Developmet от англ. – исследования и разработки. К данным технологиям причисляют следующие собирательные понятия грядущих технологий [2]: большие данные, интернет вещей, виртуальная и дополненная реальность, 3D-печать; печатная электроника, квантовые вычисления, блокчейн, искусственный интеллект.

Новизна проведенного исследования заключается в том, что предложен подход, предполагающий использования комбинации внешних и внутренних факторов (курс доллара, индекс РТС), а также натуральных и стоимостных (грузооборот, количество перевезенных грузов по видам транспорта, цены акций ведущих транспортных компаний) в многофакторной корреляционной модели, на основе искусственного интеллекта, которая позволяет рассчитать тесноту связи между факториальными признаками, включенными в модель и величиной ВВП, причем предпочтение отдано факторам, определяющим развитие отечественной транспортной системы. Прогнозирование величины ВВП страны как временного ряда в условиях рыночной неопределенности имеет важное значение. Исследованию проблемы прогнозирования ВВП посвящены работы многих ученых. Однако, несмотря на множество проведенных научных разработок, отдельные аспекты проблемы остаются недостаточно изученными и требуют дополнительных исследований.

В работе предпринята попытка выдвинуть и доказать гипотезу, что с помощью разработанной нейросети «персептрон» можно получить прогнозное значение величины ВВП страны в условиях неопределенности и риска. Практическая значимость исследования состоит в том, что в процессе исследования сформированы предпосылки для решения важной народно-хозяйственной задачи.

Методы и принципы исследования

В работе применялись такие методы исследования, как: монографический, аналитический, расчетно-конструктивный, корреляционный многофакторный анализ на основе искусственного интеллекта для выявления зависимости между динамикой ВВП РФ и совокупностью факторов, а также AI-система – «perceptron», позволившая рассчитать прогнозное значение ВВП на 2020 г. на основе имеющихся фактических данных, использованных в качестве входных параметров в сформированной нейросетевой модели.

Основные результаты

Выдвинута и доказана гипотеза, что с помощью разработанной нейросети «персептрон» можно получить прогнозное значение величины ВВП страны в современных условиях сквозь призму динамики транспортной системы. 

Теоретические основы динамики ВВП в условиях цифровизации

Главным критерием оценки устойчивости экономической системы является сохранение ее параметров при неблагоприятных воздействиях внешней и внутренней среды развития. Как многогранное явление, устойчивость экономики проявляется через стабильность показателей и сбалансированность пропорций развития.

Многие труды российских и зарубежных ученых посвящены исследованию проблемы устойчивости экономических систем. Проблема устойчивости российской экономики давно находится в центре внимания экономистов, например: Гурвич, Прилепский, 2013 [3, С. 4-39]; Бобылев и др., 2015 [4, С. 147-160]; Зоидов, 2007 [5, С. 7-22]. Различные направления экономической теории предлагают разные модели сущности и факторов устойчивости экономики и соответственно различные рекомендации по ее стабилизации.

Клейнером Г предложена нормативная модель распределения ролевых функций подсистем по стадиям кризисного цикла движения экономики, позволяющая при формировании социально-экономической стратегии в наибольшей степени учесть потенциал каждой подсистемы и определить возможные рычаги регулирования длительности той или иной стадии кризисного цикла экономики [6, С. 107-123]. Отдельные эксперты считают, что чтобы исследовать устойчивость российской экономики необходимо иметь систему уравнений, описывающую поведение экономики во времени. При этом динамика ВВП может выступать критерием устойчивости экономики страны. Как известно, валовый внутренний продукт представляет собой стоимостное выражение всех произведенных за отчетный период товаров и услуг во всех отраслях экономики для потребления, накопления, экспорта.

Многие экономические аналитики спорят о зависимости РФ от «нефтяной иглы». Противники такого заявления приводят в качестве аргумента долю нефти в валовом внутреннем продукте [7]. Всего 9 % позволяют говорить о том, что отечественная экономика практически не зависит от продажи углеводородов (рисунок 1, 2).

23-12-2021 12-55-47

Рис. 1 – Структура ВВР РФ по секторам экономики (2014 г)

23-12-2021 12-56-05

Рис. 2 – Зависимость ВВП от динамики грузооборота (2011-2020 гг.)

 

Анализ свидетельствует о том, что вклад транспорта и коммуникаций в ВВП составляет 9%, что находится примерно на уровне добычи природных ресурсов, вклад которых составляет– 10 %.

Однако падение валового продукта во время кризиса 2014 г. многие эксперты связывают не с экономическими санкциями в результате геополитического противостояния между Россией и Западом, а как раз с падением цены на нефть. При этом большинство факторов, влияющих на ухудшение конъюнктуры – внешние, поэтому правительство не может их изменить. Еще одной проблемой остается тот факт, что прогноз всегда был делом неблагодарным, особенно в условиях рыночной неопределенности и усиления рисков.

Тем не менее, оценки важны и нужны, и именно потому, что как раз рыночная неопределенность в настоящее время остается важнейшим фактором, сдерживающим предпринимательскую активность в современной России. В свою очередь санкции формируют высокую степень экономической неопределенности, а это тормозит инвестиции.

В 2013 году The Economist написал о резком снижении роста ВВП России и практически полном отсутствии роста прямых инвестиций и промышленного производства. Журнал объяснил это тем, что значительные доходы от экспорта углеводородов перекачивались, по большей части, в «неэффективные» проекты государственных корпораций [8]. Журнал отмечает также, что к началу 2010-х резерв неиспользованных мощностей советского периода был практически исчерпан, но роста инвестиций в промышленный сектор не наблюдается. Недостаток инвестиций журнал объясняет отсутствием гарантий прав собственности частных инвесторов.

Наблюдаются проблемы в сфере инноваций, «Стратегия инновационного развития до 2020 года» не выполнена по всем KPI. Ни одна из поставленных научно-технологических задач не была решена [9].

Большинство инновационных проектов не интересуют профессиональных инвесторов. По оценке сотрудников ВШЭ, Россия является «опаздывающим производителем» с риском «отстать навсегда» от технологических лидеров передовых технологий. Доля России в мировом экспорте продукции передового производства (электроника, оптоэлектроника, ИКТ, аддитивное производство, биотехнологии, науки о жизни, гибкое производство, современные материалы, аэрокосмическая промышленность, ядерные технологии и вооружения) в 2002–2018 годах составляла 0,2-0,5%, а в мировом импорте 0,3-1,6%. [10]

По мнению отдельных экспертов повышение устойчивости развития на основе создания инновационной экономики в России препятствуют: отсутствие связи между наукой и рыночным бизнесом; отсутствие внутреннего потребительского высокотехнологического рынка; отсутствие координирующего центра и государственной стратегии развития науки и инноваций и другие факторы.

В связи с этим представляет научный и практический интерес исследование вопросов устойчивости отечественной экономики сквозь призму динамики транспортной системы, представляется целесообразным рассмотреть более обстоятельно внутренние факторы. Несмотря на то, что в работах многих ученых предложены авторские подходы к решению проблемы устойчивости экономических систем, тем не менее отдельные аспекты проблемы требуют дальнейших исследований.

С позиций статистики величина ВВП, меняясь в динамике, представляет собой временной ряд. Как известно, существует множество методов и моделей прогнозирования временных рядов, начиная с линейной регрессии, экстраполяции, и заканчивая применением искусственного интеллекта.

Как показывает практика, технологии искусственного интеллекта (ИИ) находят самое широкое применение во всех сферах народного хозяйства. По мнению профессоров Кондрашова Г.М., Московцев А.Ф. и многих других экспертов, активное внедрение искусственного интеллекта в компаниях значительно повышает их эффективность, стимулирует создание новых технологий и увеличивает объем производства [11].

Нейросетевая многофакторная корреляционная модель зависимости величины ВВП от факториальных признаков

Как известно, транспорт занимает весомое место в формировании ВВП России, примерно на одном уровне с такими странами, как Германия, Франция и Япония. Характерно, что в странах с развитой рыночной экономикой значительно более весомую долю грузооборота, чем в России, выполняет автомобильный транспорт, что касается пассажирооборота, то в этих странах автомобильный транспорт занимает ведущее место [12]. Так, доля транспортировки составила 6,3% от ВВП России в 2018 г. [13].

Представляется целесообразным сформировать на платформе Deductor от компании BaseGroup Labs [14] нейросетевую многофакторную корреляционная модель зависимости величины ВВП от факториальных признаков. Датасет AI-системы представлен в таблице 1.

 

Таблица 1 – Датасет AI-системы

Год Гру-зообо-рот Аэро-флот, акции, руб. Ютэйр, акции, руб. Дальневос-точное

морское пароход-ство, акции, руб.

Новорос-сийский порт, акции, руб. Пере-везено млрд.т ЖД Пере-везе-но млрд.т Авто Пере-везе-но млрд.т Трубо Ин-декс РТС Курс долла-ра, руб. ВВП, млрд. долл.
2020 5396 71,44 6,7 11,55 8,1 1244 5399 734 1387 74,41 1484
2019 4245 106,78 7,17 8,86 9,05 1399 5735 608 1517 61,98 1610,38
2018 4189 112,06 7,7 5,01 6,89 1411 5544 603 1068 69,83 1630,66
2017 4063 142,12 8,9 6,1 8,12 1384 5404 589 1154 57,61 1578,41
2016 3900 160,06 8,9 3,26 6,53 1325 5397 578 1152 61,27 1282,66
2015 3821 57,2 11,26 2,64 3,51 1329 5357 578 757 73,6 1363,7
2014 3768 34,52 8,56 2,99 1,6 1375 5417 566 790 55,91 2056,58
2013 3670 73,56 23,23 3,91 2,78 1381 5635 558 1442 32,89 2289,24
2012 3471 45,08 24,53 9,65 2,9 1421 5842 555 1526 30,56 2202,67
2011 3333 51,4 24,53 8,34 2,8 1382 5663 576 1381 32,2 2044,61

 

В основе принципа отбора факторов, включенных в модель лежит подход, предложенный авторами, а именно, комбинация внешних и внутренних факторов (курс доллара, индекс РТС), а также натуральных и стоимостных (грузооборот, количество перевезенных грузов по видам транспорта, цены акций ведущих транспортных компаний).

Архитектура нейросетевой модели представлена входным слоем с такими параметрами, как: грузооборот, цена акций в рублях компаний Аэрофлот, Ютэйр, Дальневосточное морское пароходство, Новороссийский морской торговый порт, количество перевезенных грузов в млрд. тонн ЖД-транспортом, Автотранспортом, Трубопроводным транспортом, а также индекс РТС и курс доллара и одним выходным с единственным параметром – Величина ВВП, млрд. долларов.

Корреляционная матрица зависимости ВВП страны от факториальных признаков представлена в таблице 2.

Таким образом, выявленная зависимость величины ВВП от действия рассмотренных факториальных признаков, имеет важное значение. Так, например, наиболее сильная положительная связь наблюдается между величиной ВВП и размером товарооборота +0,75; ценой акций Ютэйр +0,679; ценой акций Аэрофлота +0,615.

Таблица 2 – Корреляционная матрица зависимости ВВП от признаков

№ п/п Входные поля ВВП, млрд. долл.
1 Грузооборот -0,637
2 Аэрофлот, акции, руб. -0,679
3 Ютэйр, акции, руб. 0,750
4 Дальневосточное морское пароходство, акции, руб. 0,333
5 Новороссийский морской торговый порт, акции, руб. -0,651
6 Перевезено млрд. т ЖД 0,585
7 Перевезено млрд. т Авто 0,615
8 Перевезено млрд. т Трубо -0,638
9 Индекс РТС 0,438
10 Курс доллара, руб. -0,851

 

Отрицательная сильная связь наблюдается между результативным фактором и такими факторами, как: курс доллара -0,851; Новороссийский морской торговый порт – 0,651 и трубопроводным транспортом -0,638. Использование полученных коэффициентов корреляции обеспечит поддержку принятия управленческих решений.

Нейросеть Perсeptron для прогноза ВВП РФ

Персептрон был сформирован и обучен на исходных параметрах, вошедших в датасет, представленных в таблице с исходными данными, которые в значительной мере получены с web-сайта Росстата [15]. Нейросеть Perсeptron сформирована на платформе Deductor.

Граф нейросети представлен на рисунок 3.

23-12-2021 12-59-05

Рис. 3 – Граф нейросети персептрон

 

Алгоритм работы персептрона сводится к следующему. Сигналы от возбудившихся A-элементов передаются в сумматор R, причём сигнал от i-го ассоциативного элемента передаётся с коэффициентом wi [16]. Этот коэффициент называется «весом A-R связи». Так же, как и A-элементы, R-элемент подсчитывает сумму значений входных сигналов, помноженных на веса (линейную форму). R-элемент, а вместе с ним и элементарный персептрон, выдаёт «1», если линейная форма превышает порог θ, иначе на выходе будет «−1». Математически, функцию, реализуемую R-элементом, можно записать так:

Модель персептрона описывается уравнением

f(х) = sign ( 𝝨wixi – θ) (1)

где wi – вес A-R связи;

xi – значение входного параметра;

θ – порог значения для срабатывания персептрона.

Разработанный персептрон содержит 11 параметров на входном слое, в том числе: грузооборот (млрд. т/км), аэрофлот, акции, (руб.), Ютэйр, акции, (руб.), Дальневосточное морское пароходство, акции, (руб.), Новороссийский морской торговый порт, акции, (руб.), Перевезено ЖД (млрд. т), перевезено авто (млрд. т), перевезено трубопр. (млрд. т), ВВП, (млрд. долл.), индекс РТС, курс доллара, руб. Кроме того, имеется два скрытых слоя по 2 и 1 узлу, и выходной слой с одним параметром – прогноз ВВП, (млрд. долл.).

Использование функции «что-если» позволяет получить прогнозное значение ВВП в зависимости от величины входных параметров (рисунок 4).

23-12-2021 13-00-16

Рис. 4 – Функция «что-если» для прогноза ВВП РФ на 2020 г.

 

Так, например, при подстановке в модель значений 2020 года, может быть получен нейросетевой прогноз ВВП в долларах 1483,80646 млрд. долл., что составляет 99,98 % от его фактического значения 1484 млрд. долларов. Ошибка прогноза составила 0,02%.

Обсуждение

Прогнозирование ВВП имеет важное значение, поскольку позволяет обеспечить сбалансированность, устойчивость в развитии различных отраслей народного хозяйства, и его экономическую безопасность, что обуславливает практическую значимость исследования. В ходе анализа, обращают на себя следующие факты:

1) в грузообороте России на автомобильные дороги приходится не более 5%;

2) грузооборот России – это трубопроводы и железные дороги, именно эти транспортные артерии работают на экспорт – приносят стране валютную выручку;

3) экспорт России – это транспортировка крупнотоннажных товаров, а для экспорта нефти и газа используются трубопроводы. В свою очередь, для экспорта тяжёлых грузов и на дальние расстояния железные дороги представляют собой наиболее экономичный вид транспорта.

Что касается России, то 2020 был не самым удачным годом для экономики страны. ВВП РФ в 2020 году упал до 1484 млрд. долларов или 126,38 млрд. долларов, что составляет 7,84%. При этом, по показателю ВВП на душу населения, Россия занимает 66 место в мире [17].

Перспективным, по мнению многих экспертов, является широкое использование беспилотного транспорта, больших данных, глубокого обучения и искусственного интеллекта.

Практика показывает, что применение систем искусственного интеллекта позволяет решать широкий круг проблем. Например, важное значение имеет поиск оптимальных решений в области создания организационных механизмов выделения субсидий на общественный транспорт в Санкт-Петербурге [18, С. 4706-4711]. Как показывает практика, искусственный интеллект находит все более широкое применение в условиях цифровизации экономики во всех сферах деятельности.

Заключение

На основании вышеизложенного можно сделать следующие выводы:

Во-первых, важное значение имеет исследование теоретических основ повышения устойчивости российской экономики в современных условиях. Применение искусственного интеллекта при прогнозировании ВВП является важным инструментом оценки и обеспечения устойчивости российской экономики.

Во-вторых, предложен подход, предполагающий использование комбинации внешних и внутренних факторов (курс доллара, индекс РТС), а также натуральных и стоимостных (грузооборот, количество перевезенных грузов по видам транспорта, цены акций ведущих транспортных компаний) в многофакторной корреляционной модели.

В-третьих, разработан персептрон для прогноза ВВП РФ, причем, использование в модели значений входных параметров, соответствующих 2020 г., позволило получить нейросетевой прогноз ВВП в долларах на этот год 1483,80646 млрд. долл., что составляет 99,98 % от его фактического значения 1484 млрд. долларов, ошибка прогноза составила 0,02%. 

Благодарности

Авторы выражают благодарность редакции журнала за предоставленную возможность опубликовать результаты исследования в данном журнале.

Acknowledgement

The authors express their gratitude to the editors of the journal for the opportunity to publish the results of the study in this journal.

Конфликт интересов

Не указан.

Conflict of Interest

None declared.

Список литературы / References

  1. Путин: без цифровой экономики нет будущего. [Электронный ресурс]. URL: https://digital.gov.ru/ru/events/37031/ (дата обращения 04.11.2021)
  2. Четвёртая промышленная революция. [Электронный ресурс]. URL: https://clck.ru/ZLb6e (дата обращения 04.11.2021)
  3. Гурвич Е. Как обеспечить внешнюю устойчивость российской экономики / Е. Гурвич, И. Прилепский // Вопросы экономики. – № 9. – С. 4-39.
  4. Бобылев С. Вызовы кризиса: как измерять устойчивость развития / С. Бобылев, Н. Зубаревич, С. Соловьева // Вопросы экономики. – № 1. – C. 147-160.
  5. Зоидов К. Х. К проблеме исследования циклических процессов в советской и переходной российской экономике. Ч. 1 / К. Х. Зоидов // Экономическая наука современной России. – № 4. – С. 7-22.
  6. Клейнер, Г. Устойчивость российской экономики в зеркале системной экономической теории / Г. Клейнер // Вопросы экономики. – 2015. – №12. – С.107-123.
  7. Структура ВВП России. Какая доля нефти в ВВП России – [Электронный ресурс]. URL: https://www.syl.ru/article/199922/new_struktura-vvp-rossii-kakaya-dolya-nefti-v-vvp-rossii (дата обращения 03.11.2021)
  8. Russia’s economy: The S word // The Economist, Nov 9th. 2013.
  9. Ивантер, А. Реформа системы отрицательного KPI / А. Ивантер, А. Механик, Е. Обухова, и др. // Эксперт, 2020 г. – № 49. – С. 12-18.
  10. Эксперты предупредили о риске для России «навсегда отстать» в технологиях. [Электронный ресурс]. URL: https://www.rbc.ru/technology_and_media/ 13/04/2021/607478fc9a794731d03611ab (дата обращения 03.11.2021)
  11. Ломакин Н.И. Искусственный интеллект в исследовании вклада предпринимательства и энергетического менеджмента ВВП глобальной экономики / Н.И. Ломакин, Ли Джун, Г.М. Кондрашов и др. // Современные исследования социальных проблем: электрон. науч. журнал. 2017. Т. 8, № 1-2. С. 260-263.
  12. Место транспортной системы России в мире. международные транспортные коридоры транспорт РФ в сравнении с транспортом других стран. [Электронный ресурс]. URL: https://clck.ru/ZLbJi (дата обращения 22.09.2021)
  13. Структура ВВП России 2021 по отраслям. [Электронный ресурс]. URL: https://bankiros.ru/wiki/term/struktura-vvp-rossii-po-otraslam (дата обращения 04.11.2021)
  14. Deductor Academic. [Electronic resource]. URL: https://basegroup.ru/deductor/download (accessed 04.11.2021)
  15. Росстат Основные показатели транспорта URL: https://rosstat.gov.ru/folder/23455?print=1 (дата обращения 22.09.2021)
  16. Перцептрон. [Электронный ресурс]. URL: https://clck.ru/9cJ6i (дата обращения 04.11.2021)
  17. Насколько вырос ВВП России и стран мира в 2020 году. [Электронный ресурс]. URL: http://bs-life.ru/makroekonomika/vvphtml (дата обращения 22.09.2021)
  18. Kulachinskaya A. Organizational mechanisms of allocation of subsidies for public transport in St. Petersburg / Kulachinskaya, V. Kravchenko, T. Bezdenezhnykh // Proceedings of the 31st International Business Information Management Association Conference. – 2018. – P. 4706-4711.

Список литературы на английском языке / References in English

  1. Putin: bez cifrovojj ehkonomiki net budushhego [Putin: there is no future without the digital economy]. [Electronic resource]. URL: https://digital.gov.ru/ru/events/37031 / (accessed 04.11.2021) [in Russian]
  2. The Fourth Industrial Revolution. [Electronic resource]. URL: https://clck.ru/ZLb6e (accessed 04.11.2021) [in Russian]
  3. Gurvich E. Kak obespechit’ vneshnjuju ustojjchivost’ rossijjskojj ehkonomiki [How to ensure the external stability of the Russian economy] / E. Gurvich, I. Prilepsky // Voprosy ehkonomiki [Economic issues]. – No. 9. – pp. 4-39 [in Russian]
  4. Bobylev S. Vyzovy krizisa: kak izmerjat’ ustojjchivost’ razvitija [Challenges of the crisis: how to measure the sustainability of development] / S. Bobylev, N. Zubarevich, S. Solovyova // Voprosy ehkonomiki [Economic issues]. – № 1. – pp. 147-160 [in Russian]
  5. Zoidov K. Kh. K probleme issledovanija ciklicheskikh processov v sovetskojj i perekhodnojj rossijjskojj ehkonomike [On the problem of the study of cyclical processes in the Soviet and transitional Russian economy. Vol. 1] / K. Kh. Zoidov // Ehkonomicheskaja nauka sovremennojj Rossii [Economic science of modern Russia]. – No. 4. – pp. 7-22 [in Russian]
  6. Kleiner, G. Ustojjchivost’ rossijjskojj ehkonomiki v zerkale sistemnojj ehkonomicheskojj teorii [Stability of the Russian Economy in the mirror of systemic Economic theory] / G. Kleiner // Voprosy ehkonomiki [Questions of Economics]. – 2015. – No. 12. – pp.107-123 [in Russian]
  7. Struktura VVP Rossii. Kakaja dolja nefti v VVP Rossii [The structure of Russia’s GDP. What is the share of oil in Russia’s GDP] – [Electronic resource]. URL: https://www.syl.ru/article/199922/new_struktura-vvp-rossii-kakaya-dolya-nefti-v-vvp-rossii (accessed 03.11.2021) [in Russian]
  8. Russia’s economy: The S word. The Economist, Nov 9th 2013
  9. Ivanter, A. Reforma sistemy otricatel’nogo KPI [Reform of the negative KPI system] / A. Ivanter, A. Mekhanik, Obukhova et al. // Ekspert [Expert], 2020 – No. 49. – pp. 12-18 [in Russian]
  10. Ehksperty predupredili o riske dlja Rossii «navsegda otstat’» v tekhnologijakh [Experts warned of the risk for Russia to “forever lag behind” in technology]. [Electronic resource]. URL: https://clck.ru/ZLba2 (accessed 03.11.2021) [in Russian]
  11. Lomakin N.I. Iskusstvennyjj intellekt v issledovanii vklada predprinimatel’stva i ehnergeticheskogo menedzhmenta VVP global’nojj ehkonomiki [Artificial intelligence in the study of the contribution of entrepreneurship and energy management to the GDP of the global economy] / Lomakin N.I., Li Jun, Kondrashov G.M., et al. // Sovremennye issledovanija social’nykh problem: ehlektron. nauch. zhurnal [Modern studies of social problems: electronic scientific journal]. 2017. Vol. 8, No. 1-2, pp. 260-263. [in Russian]
  12. Mesto transportnojj sistemy Rossii v mire. mezhdunarodnye transportnye koridory transport RF v sravnenii s transportom drugikh stran [The place of the Russian transport system in the world. international transport corridors transport of the Russian Federation in comparison with transport of other countries]. [Electronic resource]. URL: https://clck.ru/ZLbJi / (accessed 22.09.2021) [in Russian]
  13. Struktura VVP Rossii 2021 po otrasljam [The structure of Russia’s GDP 2021 by industry]. [Electronic resource]. URL: https://bankiros.ru/wiki/term/struktura-vvp-rossii-po-otraslam (accessed 04.11.2021) [in Russian]
  14. Deductor Academic. [Electronic resource]. URL: https://basegroup.ru/deductor/download (accessed 04.11.2021)
  15. Rosstat, Main indicators of transport. [Electronic resource]. URL: https://rosstat.gov.ru/folder/23455?print=1 (accessed 22.09.2021) [in Russian]
  16. [Electronic resource]. URL: https://clck.ru/9cJ6i ( (accessed 04.11.2021) [in Russian]
  17. Naskol’ko vyros VVP Rossii i stran mira v 2020 godu [How much has the GDP of Russia and the countries of the world grown in 2020]. [Electronic resource]. URL: http://bs-life.ru/makroekonomika/vvp2021.html (accessed 22.09.2021) [in Russian]
  18. Kulachinskaya A. Organizational mechanisms of allocation of subsidies for public transport in St. Petersburg / Kulachinskaya, V. Kravchenko, T. Bezdenezhnykh // Proceedings of the 31st International Business Information Management Association Conference. – 2018. – P. 4706-4711.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.