Отчет по проекту № 18-410-230036 р_а, Итоговый отчет 2019 г.
Содержательная научная часть отчета
Развитие современных информационных технологий основано на синергетическом эффекте, наблюдаемом в мультидисциплинарных научных исследованиях. Особенно это актуально для работы с большими данными, нечеткими, неполными и неточными данными, например, для анализа и оценки социальных, экономических, финансовых и политических явлений и ситуаций. В том числе анализ экономической и финансовой деятельности региона, оценка и диагностика его состояния, его инвестиционной привлекательности и кредитоспособности с помощью современных интеллектуальных систем, являются своевременными и актуальными проблемами и задачами. Поскольку в современных экономических условиях развития страны привлечение инвестиций является приоритетной задачей. А значит роль повышения инвестиционной привлекательности, как государства в целом, так и регионов его образующих значительно возрастает.
Использование методов машинного обучения и искусственного интеллекта для теоретического исследования социально-экономического развития городских округов, районов и поселений Краснодарского края, а также теоретическое исследование фундаментальных закономерностей социально-экономического развития регионов и их связи не только с количественными финансово-экономическими показателями, но и с качественными при реализации данного Проекта позволило получить адекватную оценку всего Краснодарского края, и субъектов его составляющих. Для решения подобных задач был использован оригинальный подход, основанный на использовании методов многомерного статистического анализа, нейронных сетей и нечетких продукционных систем с использованием официальных статистических данных, публикуемых территориальными органами Федеральной службы государственной статистики и Министерством финансов РФ и органами региональной исполнительной власти.
В настоящее время большинство влиятельных международных рейтинговых агентств принадлежат США, среди них самыми крупными являются Standard&Poors, Moody’s, Fitch Ratings. Однако, зачастую, оценки таких агентств имеют существенную субъективную составляющую, основанную на мнении «экспертов», которая тем весомее, чем более это необходимо с политической точки зрения. Так, например, уже несколько лет (начиная с начала 2015 г) кредитный рейтинг России, предложенный данными агентствами, сохраняется на стабильно спекулятивном («мусорном») уровне. Поэтому до сих пор остается большое количество вопросов к адекватности современных рейтинговых методов и методик. Зачастую их называют жесткими, неточными, неполными, некорректными и закрытыми. Создание эффективной, адекватной, математически обоснованной, статистически достоверной системы оценки инвестиционной привлекательности и инвестиционного потенциала, созданной с использованием методов машинного обучения и искусственного интеллекта для субъектов РФ является актуальной и перспективной задачей. «Пилотный» проект такой системы был реализован в рамках данного исследования и протестирован на одном из самых быстро развивающихся и благоприятных для развития малого и среднего бизнеса регионов РФ — Краснодарском крае, а также его городских округах, районах и поселениях.
Наиболее существенные результаты исследования, полученные при реализации данного проекта и содержащие элементы научной новизны заключаются в следующем. Проведено теоретическое исследование фундаментальных закономерностей социально-экономического развития городских округов, районов и поселений Краснодарского края. Создан набор количественных и качественных независимых финансово-экономических показателей, характеризующих социально-экономическое развитие городских округов, районов и поселений Краснодарского края. Проведен многомерный статистический анализ финансово-экономических показателей, характеризующих социально-экономическое развитие городских округов, районов и поселений Краснодарского края, а именно корреляционного, регрессионного, дискриминантного и кластерного анализов. Разработаны и исследованы искусственные нейронные сети с использованием методов машинного обучения, для теоретического исследования социально-экономического развития городских округов, районов и поселений Краснодарского края. Разработаны и исследованы нечеткие продукционные системы анализа социально-экономического развития и инвестиционной привлекательности городских округов, районов и поселений Краснодарского края. Разработана и исследована автоматизированная система искусственного интеллекта для анализа социально-экономического развития и инвестиционной привлекательности городских округов, районов и поселений Краснодарского края.
Отчет по проекту № 18-410-230036 р_а, Промежуточный 2018 г.
Аннотация
Социально-экономическое развитие государства напрямую зависит от развития регионов, его образующих, поэтому приоритетным направлением политики РФ является социально-экономическое развитие регионов. Основной проблемой при этом является информационная непрозрачность и сложность в оценке. Сейчас в крае применяются различные инструменты управления государственным долгом: оптимизация структуры долга, минимизация стоимости обслуживания, гибкое распределение бюджетной нагрузки, связанной с обслуживанием долга, исходя из сроков погашения долговых обязательств.Новые заимствования ̵ кредиты, облигационные займы ̵ осуществляются только для рефинансирования погашаемых долговых обязательств прошлых лет. Поэтому именно в настоящее время крайне важным является наличие такой системы анализа социально-экономического развития округов, районов и поселений Краснодарского края, особенностью которой (в сравнении с имеющимися разработками) имеется целевая ориентация на конкретную сферу применения (Краснодарский край), что позволяет осуществлять более точный эффективный и адекватный анализ социально-экономического развития городских округов, районов и поселений Краснодарского края.
Наиболее существенные результаты исследования за первый год, полученные при реализации данного проекта и содержащие элементы научной новизны заключаются в следующем. Впервые проведено теоретическое исследование фундаментальных закономерностей социально-экономического развития городских округов, районов и поселений Краснодарского края. Выявлены наиболее инвестиционно привлекательные и социально-экономически развитые округа, районы и поселения Краснодарского края. Проведен сопоставительный анализ методик рейтингования регионов РФ и выявлено, что методики рейтингования городских округов, районов и поселений субъектов РФ в настоящее время отсутствуют. При реализации данного Проекта этот пробел бы восполнен. Проведен сопоставительный анализ рейтингов инвестиционной привлекательности Краснодарского края, проведенный различными агентствами, и показано, что оценка инвестиционной привлекательности отдельных округов, районов и поселений Краснодарского края данными агентствами не проводились. С использованием предложенной в данном проекте методики рейтингования городских округов, районов и поселений были проведены анализ и оценка инвестиционной привлекательности округов, районов и поселений Краснодарского края.
Впервые проведен экспертный, количественный и корреляционный анализ базы данных реальных и нормированных показателей Краснодарского края с 2008 по 2018гг., предложенных Федеральной службой государственной статистики (Росстат), из которой было выбрано 22 количественных и качественных независимых финансово — экономических показателя наиболее полно и адекватно характеризующих социально-экономическое состояние городских округов, районов и поселений Краснодарского края. При проведении корреляционного, кластерного и дискриминантного анализов данных финансово-экономических показателей выявлено, что для оценки социально-экономического развития городских округов, районов и поселений Краснодарского края статистически значимыми являются 16 показателей. Впервые проведен многомерный статистический анализ финансово — экономических показателей, характеризующих социально-экономическое развитие городских округов, районов и поселений Краснодарского края. Впервые проведена классификация рассматриваемого массива округов, районов и поселений Краснодарского края, которые идентифицированы по пенташкале: очень низкое, низкое, среднее, высокое и очень высокое социально-экономическое развитие.
В отличие от разработанных ранее аналогичных методов анализа финансово — экономического состояния в работе использован кластерный принцип классификации, основанный на многомерном статистическом анализе (древовидной кластеризации и дивизивном методе k-средних), который является информативно более емким методом; введено понятие эталонных округов, районов и поселений как условных объектов с усредненными характеристиками соответствующих кластеров. Впервые получена система статистических моделей для анализа социально-экономического развития округов, районов и поселений Краснодарского края (набор дискриминантных функций и регрессионных уравнений), особенность которой (в сравнении с имеющимися разработками) состоит в целевой ориентации на конкретную сферу применения (Краснодарский край), что позволяет осуществлять более точный эффективный и адекватный анализ социально-экономического развития городских округов, районов и поселений Краснодарского края. Предложено две методики, позволяющие эффективно и адекватно проанализировать результаты социально-экономического развития городских округов, районов и поселений Краснодарского края и оценить риски, связанные с инвестированием в них.