Финансовая стабильность банковского сектора является индикатором «экономического здоровья» на национальном и глобальном уровнях. Ухудшение финансовой устойчивости банков является причиной финансовых кризисов, нарушающих нормальное функционирование экономических систем. На тактическом уровне банковского менеджмента, где ключевую роль играет система мониторинга и прогнозирования рисков, особую актуальность приобретает совершенствование инструментария ранней диагностики финансовых проблем. Целью исследования является изучение особенностей влияния ряда внутрибанковских факторов на риск потери финансовой устойчивости российских банков. Гипотезы исследования: 1) наиболее значимыми предикторами риска финансовой несостоятельности банка являются рентабельность активов и просроченная задолженность по кредитам; 2) степень влияния факторов устойчивости отличается для средне- и долгосрочных горизонтов прогнозирования финансового риска. Авторами разработаны многомерные логит-модели оценки вероятности потери финансовой устойчивости банка на 6 и 12 месяцев на основе четырех независимых переменных: норматива достаточности собственного капитала, коэффициента просроченной задолженности свыше 90 дней, рентабельности активов, норматива текущей ликвидности. В результате выявлено, что рост рентабельности активов оказывает существенное положительное влияние на финансовую устойчивость, а увеличение доли просроченной задолженности оказывает существенное отрицательное влияние на «финансовый иммунитет» коммерческих банков. Установлено, что для средне- и долгосрочных прогнозных периодов влияние факторов финансовой стабильности различно: в течение 6 месяцев рентабельность активов является более релевантным фактором, а уровень просроченных кредитов демонстрирует более высокую значимость для горизонта 12 месяцев. Теоретическая значимость полученных результатов заключается в расширении научных представлений о специфике влияния различных факторов на финансовую устойчивость банков. Практическая значимость состоит в том, что предложенные эконометрические модели и выводы могут быть полезны коммерческим банкам при разработке алгоритмов финансового анализа и прогнозирования.
Идентификаторы и классификаторы
The financial stability of the banking sector is an indicator of economic health at the national and global levels. The strategic importance of managing a bank’s financial stability lies in ensuring the competitiveness of bank as a market entity, as well as maintaining the stability of the banking system. The implementation of strategic tasks takes place at the tactical level of banking management, where the dominant role is played by the financial condition monitoring system and risk forecasting. Under the conditions of instability and global systemic changes, bankers and researchers pay attention to the transformation of the socio-economic paradigm: VUCA-environment (Volatility, Uncertainty, Complexity, Ambiguity) is complemented by BANI-conditions (Brittle, Anxious, Nonlinear, Incomprehensible) [1]. That is, the modern business environment is characterized by a higher degree of financial and psychological tension and complex factor relationships.
Список литературы
1. Khalatur S., Velychko L., Pavlenko O., Karamushka O., Huba M. A Model for Analyzing the Financial Stability of Banks in the VUCA-world Conditions // Banks and Bank Systems. 2021. Vol. 16, Issue 1. Рр. 182-194. DOI: 10.21511/bbs.16(1).2021.16 EDN: ONCSXL
2. Ozili P.K., Iorember P.T. Financial Stability and Sustainable Development // International Journal of Finance & Economics. 2023. DOI: 10.1002/ijfe.2803 EDN: JIHRMG
3. Chen Y. Bank Interconnectedness and Financial Stability: The Role of Bank Capital // Journal of Financial Stability. 2022. Vol. 61. 101019. DOI: 10.1016/j.jfs.2022.101019 EDN: ONGIOR
4. Вострикова Л.А., Панина И.В. Анализ финансового состояния банка на основе открытых данных // Вестник ВГУ. Серия: Экономика и управление. 2020. № 2. C. 13-26. DOI: 10.17308/econ.2020.2/2898 EDN: QSUXSI
5. Papanikolaou N.I. A Dual Early Warning Model of Bank Distress // Economics Letters. 2018. Vol. 162. Pp. 127-130. DOI: 10.1016/j.econlet.2017.10.028
6. Rahman S.M.K., Chowdhury M.A.F., Tania T.C. Nexus Among Bank Competition, Efficiency and Financial Stability: A Comprehensive Study in Bangladesh // The Journal of Asian Finance, Economics and Business. 2021. Vol. 8, Issue 2. Pp. 317-328. DOI: 10.13106/jafeb.2021.vol8.no2.0317
7. Miah M.D., Uddin H. Efficiency and Stability: A Comparative Study between Islamic and Conventional Banks in GCC Countries // Future Business Journal. 2017. Vol. 3, Issue 2. Pp. 172-185. DOI: 10.1016/j.fbj.2017.11.001
8. Asghar M., Rashid A., Abbas Z. Basel III Effects on Bank Stability: Empirical Evidence from Emerging Countries // The Journal of Asian Finance, Economics and Business. 2022. Vol. 9, Issue 3. Pp. 347-354. DOI: 10.13106/jafeb.2022.vol9.no3.0347
9. Barra C., Zotti R. Financial Stability and Local Economic Development: The Experience of Italian Labor Market Areas // Empirical Economics. 2022. Vol. 62. Pp. 1951-1979. DOI: 10.1007/s00181-021-02071-x EDN: DDXNPU
10. Halaj G., Martinez-Jaramillo S., Battiston S. Financial Stability through the Lens of Complex Systems // Journal of Financial Stability. 2024. Vol. 71. 101228. DOI: 10.1016/j.jfs.2024.101228 EDN: PWUNOO
11. Adusei M. The Impact of Bank Size and Funding Risk on Bank Stability // Cogent Economics & Finance. 2015. Vol. 3. 1111489. DOI: 10.1080/23322039.2015.1111489
12. Ali M., Puah K.H. Does Bank Size and Funding Risk Effect Bank’s Stability? A Lesson from Pakistan // Global Business Review. 2018. Vol. 19, Issue 5. Pp. 1166-1186. DOI: 10.1177/0972150918788745
13. Audi M., Kassem M., Roussel J. Determinants of Banks Fragility in the MENA Region Using a Dynamic Model // The Journal of Developing Areas. 2021. Vol. 55, No. 1. DOI: 10.1353/jda.2021.0007 EDN: HCBXDG
14. Lepetit L., Nys E., Rous P., Tarazi A. Bank Income Structure and Risk: An Empirical Analysis of European Banks // Journal of Banking & Finance. 2008. Vol. 32, Issue 8. Pp. 1452-1467. DOI: 10.1016/j.jbankfin.2007.12.002
15. Ozili P.K., Outa E. Bank Loan Loss Provisions Research: A Review // Borsa Istanbul Review. 2017. Vol. 17, Issue 3. Pp. 144-163. DOI: 10.1016/j.bir.2017.05.001
16. Mkadmi J.E., Baccari N., Ncib A. The Determinants of Banking Stability: The Example of Tunisia // International Academic Journal of Accounting and Financial Management. 2021. Vol. 8, No. 1. DOI: 10.9756/IAJAFM/V8I1/IAJAFM0801 EDN: CBQDAM
17. Siddika A., Haron R. Capital Regulation and Ownership Structure on Bank Risk // Journal of Financial Regulation and Compliance. 2019. Vol. 28, No. 1. Pp. 39-56. DOI: 10.1108/JFRC-02-2019-0015
18. Rupeika-Apoga R., Zaidi S. H., Thalassinos Y.E., Thalassinos E.I. Bank Stability: The Case of Nordic and Non-Nordic Banks in Latvia // International Journal of Economics and Business Administration. 2018. Vol. VI, Issue 2. Pp. 39-55. DOI: 10.35808/ijeba/156
19. Shershneva E.G., Bakr Hasan H.B., Al Hadabi J. Econometric Modeling of the Bank’s Short-Term Liquidity Dynamics Based on Multi-Factor Regression // Journal of Applied Economic Research. 2020. Vol. 19, No. 1. Pp. 79-96. DOI: 10.15826/vestnik.2020.19.1.005 EDN: VXARVJ
20. Wagner W. The Liquidity of Bank Assets and Banking Stability // Journal of Banking & Finance. 2007. Vol. 31, Issue 1. Pp. 121-139. DOI: 10.1016/j.jbankfin.2005.07.019
21. Bouheni F.B., Hasnaoui A. Cyclical Behavior of the Financial Stability of Eurozone Commercial Banks // Economic Modelling. 2017. Vol. 67. Pp. 392-408. DOI: 10.1016/j.econmod.2017.02.018
22. Shahriar A., Mehzabin S., Ahmed Z., Dongul E.S., Azad A.K. Bank Stability, Performance and Efficiency: An Experience from West Asian Countries // IIM Ranchi Journal of Management Studies. 2023. Vol. 2, Issue 1. Pp. 31-47. DOI: 10.1108/IRJMS-02-2022-0017 EDN: YBGZXU
23. Kasri R.A., Azzahra C. Determinants of Bank Stability in Indonesia // Signifikan: Jurnal Ilmu Ekonomi. 2020. Vol. 9, No. 2. Pp. 153-166. DOI: 10.15408/sjie.v9i2.15598 EDN: AUZKLF
24. Yin H. Bank Globalization and Financial Stability: International Evidence // Research in International Business and Finance. 2019. Vol. 49. Pp. 207-224. DOI: 10.1016/j.ribaf.2019.03.009
25. Uhde A., Heimeshoff U. Consolidation in Banking and Financial Stability in Europe: Empirical Evidence // Journal of Banking & Finance. 2009. Vol. 33, Issue 7. Pp. 1299-1311. DOI: 10.1016/j.jbankfin.2009.01.006
26. Kasman A., Carvallo O. Financial Stability, Competition and Efficiency in Latin American and Caribbean Banking // Journal of Applied Economics. 2014. Vol. 17, Issue 2. Pp. 301-324. DOI: 10.1016/S1514-0326(14)60014-3
27. Yuan T.-T., Gu X.-A., Yuan Y.-M., Lu J.-J., Ni B.-P. Research on the Impact of Bank Competition on Stability - Empirical Evidence from 4631 Banks in US // Heliyon. 2022. Vol. 8, Issue 4. Р. e09273. DOI: 10.1016/j.heliyon.2022.e09273 EDN: RRSWMB
28. Čihák M., Hesse H. Islamic Banks and Financial Stability: An Empirical Analysis // Journal of Financial Services Research. 2010. Vol. 38. Pp. 95-113. DOI: 10.1007/s10693-010-0089-0 EDN: QMLECE
29. Nosheen Rashid A. Business Orientation, Efficiency and Credit Quality Across Business Cycle: Islamic versus Conventional Banking. Are There Any Lessons for Europe and Baltic States? // Baltic Journal of Economics. 2019. Vol. 19, Issue 1. Pp. 105-135. DOI: 10.1080/1406099X.2018.1560947
30. Daoud Y., Kammoun A. Financial Stability and Bank Capital: The Case of Islamic Banks // International Journal of Economics and Financial Issues. 2020. Vol. 10, No. 5. Pp. 361-369. DOI: 10.32479/ijefi.10147 EDN: SHOPMJ
31. Joudar F., Msatfa Z., Metwalli O., Mouabid M., Dinar B. Islamic Financial Stability Factors: An Econometric Evidence // Economies. 2023. Vol. 11, Issue 3. 79. DOI: 10.3390/economies11030079 EDN: VTYNEK
32. Beaver W.H. Financial Ratios as Predictors of Failure // Journal of Accounting Research. 1966. Vol. 4. Pp. 71-111. DOI: 10.2307/2490171
33. Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. Vol. 23, Issue 4. Pp. 589-609. DOI: 10.1111/j.1540-6261.1968.tb00843.x
34. Meyer P.A., Pifer H.W. Prediction of Bank Failures // Journal of Finance. 1970. Vol. 25, Issue 4. Pp. 853-868. DOI: 10.1111/j.1540-6261.1970.tb00558.x
35. Sinkey J.F. A Multivariate Statistical Analysis of The Characteristic of Problem Banks // The Journal of Finance. 1975. Vol. 30, Issue 1. Pp. 21-36. DOI: 10.1111/j.1540-6261.1975.tb03158.x
36. Ohlson J.A. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. Vol. 18, No. 1. Pp. 109-131. DOI: 10.2307/2490395
37. Scott J. The Probability of Bankruptcy: A Comparison of Empirical Predictions and Theoretical Models // Journal of Banking and Finance. 1981. Vol. 5, Issue 3. Pp. 317-344. DOI: 10.1016/0378-4266(81)90029-7
38. Hardy D.C., Pazarbasioglu C. Determinants and Leading Indicators of Banking Crises: Further Evidence // IMF Staff Papers. 1999. Vol. 46. Pp. 247-258. DOI: 10.2307/3867642 EDN: FNFOLT
39. Shar A.H., Shah M.A., Jamali H. Performance Evaluation of Banking Sector in Pakistan: An Application of Bankometer // International Journal of Business and Management. 2010. Vol. 5, No. 8. Pp. 113-118. DOI: 10.5539/ijbm.v5n8p113
40. Chiaramonte L., Casu B. Capital and Liquidity Ratios and Financial Distress. Evidence from the European Banking Industry // The British Accounting Review. 2017. Vol. 49, Issue 2. Pp. 138-161. DOI: 10.1016/j.bar.2016.04.001
41. Alaminos D., del Castillo A., Fernandez M.A. A Global Model for Bankruptcy Prediction // PLoS ONE. 2018. Vol. 13, Issue 11. 0208476. DOI: 10.1371/journal.pone.0208476
42. Sanchez Gonzalez J., Restrepo-Tobon D., Ramirez Hassan A. Inefficiency and Bank Failure: A Joint Bayesian Estimation Method of Stochastic Frontier and Hazards Models // Economic Modelling. 2021. Vol. 8. Pp. 344-360. DOI: 10.1016/j.econmod.2020.03.002 EDN: WOYJGB
43. Tam K.Y. Neural Network Models and the Prediction of Bank Bankruptcy // Omega-International Journal of Management Science. 1991. Vol. 19, Issue 5. Pp. 429-445. DOI: 10.1016/0305-0483(91)90060-7
44. Barr R.S., Seiford L. M., Siems T.F. An Envelopment-Analysis Approach to Measuring the Managerial Efficiency of Banks // Annals of Operations Research. 1993. Vol. 45. Pp. 1-19. DOI: 10.1007/BF02282039 EDN: VDGTSX
45. Li Z., Feng C., Tang Y. Bank efficiency and failure prediction: a nonparametric and dynamic model based on data envelopment analysis // Annals of Operations Research. 2022. Vol. 315. Pp. 279-315. DOI: 10.1007/s10479-022-04597-4 EDN: KFBLZT
46. Torky M., Gad I., Hassanien A.E. Explainable AI Model for Recognizing Financial Crisis Roots Based on Pigeon Optimization and Gradient Boosting Model // International Journal of Computational Intelligence Systems. 2023. Vol. 16. 50. DOI: 10.1007/s44196-023-00222-9 EDN: BIXYAO
47. Min J.H., Lee Y.-C. Bankruptcy Prediction Using Support Vector Machine with Optimal Choice of Kernel Function Parameters // Expert Systems and Applications. 2005. Vol. 28, Issue 4. Pp. 603-614. DOI: 10.1016/j.eswa.2004.12.008
48. Erdogan B.E. Prediction of Bankruptcy Using Support Vector Machines: An Application to Bank Bankruptcy // Journal of Statistical Computation and Simulation. 2013. Vol. 83, Issue 8. DOI: 10.1080/00949655.2012.666550
49. Citterio A. Bank Failure Prediction Models: Review and Outlook // Socio-Economic Planning Sciences. 2024. Vol. 92. 101818. DOI: 10.1016/j.seps.2024.101818 EDN: MJQZNW
50. Gwachha K.P. An Analysis of the Determinants of Bank Stability in the Banking Industry of Nepal // Khwopa Journal. 2023. Vol. 5, No. 2. Pp. 196-210. DOI: 10.3126/kjour.v5i2.60463 EDN: XDBLEJ
Выпуск
Другие статьи выпуска
Роботизация и автоматизация различных отраслей экономики представляют собой один из главных технологических трендов последнего десятилетия. При этом роль роботизации в прохождении компаниями коронакризиса 2020 г. к настоящему моменту изучена далеко не в полной мере, тогда как в отношении влияния роботов на успешность функционирования компаний в условиях санкционного шока 2022 г. эмпирические исследования пока отсутствуют вовсе. Статья посвящена анализу факторов и эффектов роботизации российских компаний обрабатывающей промышленности в условиях шоков последних лет. Авторами сформулированы три гипотезы для эмпирической проверки: 1) в ковидный и постковидный период роботизация была более характерна для крупного бизнеса, чем для малых и средних фирм; 2) для фирм, использовавших роботов, было характерно более успешное функционирование в 2020 г.; 3) роботизированные фирмы более успешно функционировали в условиях санкций 2022 г. Суть исследовательского подхода заключается в эмпирическом анализе (посредством регрессионного моделирования) данных опроса руководителей 1,9 тыс. российских компаний обрабатывающей промышленности, проведенного во второй половине 2022 г. Авторами обнаружена значимая положительная связь между внедрением роботов после 2019 г. и крупным масштабом бизнеса. Показано, что в условиях коронакризиса роботизация являлась фактором сохранения занятости. Также выявлена положительная связь между успешностью прохождения компаниями ковидного и санкционного шоков и использованием ими импортного оборудования. Теоретическая значимость работы обусловлена полученными новыми знаниями о факторах роботизации российских фирм в ковидный и постковидный период, а также об особенностях их адаптации к шокам 2020 и 2022 гг. Практическую значимость имеют прежде всего полученные авторами свидетельства усиления «цифрового разрыва» между малым и средним бизнесом и крупными компаниями, а также значимости использования импорта инвестиционной продукции для устойчивого функционирования российских фирм.
Актуальность исследования обуславливается усилением цифровизации, необходимостью в модернизации и изменениях во всех направлениях деятельности университетов. Это в свою очередь приводит к появлению рисковых событий и к острой необходимости внедрения системы внутреннего контроля, ее улучшению и осуществлению оценки ее эффективной работы. Цель статьи в разработке инструментария оценки эффективности системы внутреннего контроля университетов России на основе регрессионного анализа. Гипотезы статьи заключаются, во-первых, в нахождении тесной корреляционной зависимости всех независимых показателей, отражающих основные аспекты деятельности университетов России, от зависимой переменной. Во-вторых, в предположении о корреляционной зависимости между результирующими и объясняющими переменными, географическим положением собранных данных, их влиянии на полученные модели. В-третьих, в отсутствии влияния показателя, характеризующего год собранного наблюдения и наименования объекта на точность полученных моделей. В ходе исследования было собрано пятнадцать объясняющих переменных и одна результирующая переменная, характеризующая доходы от всех источников вузов. Объектом исследования выступают университеты России, за исключением филиалов. Информационной базой данного исследования являются результаты мониторинга деятельности университетов России за 2018-2022 гг. по 3 264 наблюдениям, из которых была сформирована генеральная совокупность из 405 сбалансированных наблюдений. При помощи применения метода по сбору данных - парсинг, а также методов оценки панельных данных и качества полученных выборок и методов расчета моделей и стандартных ошибок, были сформированы три регрессионные модели, характеризующие влияние независимых переменных на зависимую. В результате исследования был сформирован инструментарий для оценки эффективности системы внутреннего контроля университетов России. Большинство показателей имеют сильное влияние на результирующую переменную, тесно коррелируют с географическим положением. При этом три показателя не вошли в исходную регрессионную модель, так как были мультиколлинеарны с объясняющими показателями. Таким образом, только одна из трех гипотез подтвердилась полностью.
Спрос на услуги государственных и частных медицинских организаций формируется через принятие решений потребителями в двух ситуациях выбора: обратиться или не обратиться за медицинской помощью и в какое медицинское учреждение обратиться. Теоретические предпосылки предполагают, что выбор в этих ситуациях происходит последовательно и объясняется поведенческой моделью Андерсена. Это исследование тестирует данные теоретические предпосылки с помощью трёх эконометрических подходов на данных российского национального мониторинга общественного здоровья 2022 г.: 1) отдельных пробит-регрессий для каждой ситуации выбора, 2) пробит-регрессии, учитывающей смещение выборки (sample selection probit), и 3) модели с группировкой (nested logit). Наиболее информативным подходом оказалась nested логит-модель, которая подтвердила актуальность характеристик стороны спроса - факторов модели Андерсена - социально-демографических характеристик потребителей, их занятости и доходов, их состояния здоровья. Мужской пол, возраст и проблемы со здоровьем оказались связанными с уменьшением вероятности обращений за медицинской помощью и выбора частных клиник. Наличие брака, высокого уровня образования, занятости, средних или высоких ежемесячных доходов и проживание в более крупных городах были связаны с увеличением вероятности обращений за медицинской помощью и выбора частных клиник для её получения. Проверка результатов модели на устойчивость учла сторону предложения через доступность медицинских учреждений в российских населённых пунктах. Несмотря на различия в доступности государственных и частных медицинских организаций тенденции в поведении потребителей оказались одинаковыми. Автор предлагает расширить практику применения nested логит-модели для анализа поведения потребителей медицинских услуг на данных по России и другим странам. Рекомендации для повышения эффективности функционирования российской системы здравоохранения и снижения неравенства в её использовании разными группами пациентов включают в себя трансформирование отношения россиян к собственному здоровью, помимо развития доступности медицинской помощи.
В условиях финансовой глобализации наблюдается передача глобальной турбулентности между различными рынками, что увеличивает общую финансовую нестабильность. Целью исследования является идентификация финансового заражения рынка биржевых товаров от рынка фондовых активов в 20-х гг. XX в. Гипотеза исследования - заражение проявляется в период пандемических шоков 2020-2021 гг. и новых санкционных шоков 2022-2023 гг. На основе данных за 2016-2023 гг. о межсессионной среднедневной доходности глобального индекса S&P GLOBAL 100 и фьючерсов 22 биржевых товаров строятся DCC GARCH модели. Существенное увеличение динамических условных корреляций тестируемых пар биржевых товаров с биржевым индексом в период воздействия внешних шоков расценивается как потенциальное заражение. Окончательный вывод о наличии или отсутствии заражения делается на основе динамического теста Стьюдента о равенстве корреляций в дошоковом периоде и в скользящем окне внутри шокового и межшокового периодов. В результате проведенного исследования подтверждено разное по силе и продолжительности заражение рынков 22 биржевых товаров от фондового рынка как в период пандемического, так и новых санкционных шоков. Доказано, что наибольшему заражению в рассматриваемом периоде подвергся рынок металлов, особенно рынок золота. Медь и цинк оказались демпферами риска в период новых санкций. Среди продовольственных товаров наибольшую склонность к заражению продемонстрировал рынок сахара, однако в период относительной стабильности он доказал способность гасить системные риски. Ряд сельскохозяйственных товаров (например, соевые бобы и продукты из сои, кукуруза, пшеница), а также нефть марки Brent показали относительную устойчивость к заражению и рекомендованы как инструменты хеджирования. Результаты и выводы исследования могут быть полезными инвесторам при управлении оптимальными портфелями, а государству при корректировке антикризисной финансовой политики в период воздействия внешних шоков.
В настоящее время разворачивается научная дискуссия вокруг данных как нового фактора производства, который способствует трансформации традиционных отраслей экономики, промышленной интеграции, обеспечивает межрегиональное взаимодействие. Вместе с тем возникает вопрос о взаимосвязи с такими традиционными производственными факторами, как труд и капитал. Цель исследования состоит в выявлении детерминант использования организациями больших данных на уровне регионов. Гипотеза исследования предполагает, что ключевыми детерминантами использованиями организациями технологий больших данных являются цифровой труд, цифровой капитал и социально-экономические характеристики регионов. Авторами предложена модифицированная производственная функция знаний, апробация которой проведена на открытых данных Росстата по 85 регионам России за период 2021-2022 гг. Модели анализа панельных данных были построены с помощью метода наименьших квадратов, обобщенного выполнимого метода наименьших квадратов. Результаты исследования показали, что использование технологий больших данных в российских регионах имеет пространственную неоднородность, также наблюдается дифференциация регионов по наличию цифрового капитала и цифрового труда. Модели панельных данных со случайными эффектами подтвердили положительное влияние цифрового труда и цифрового капитала на использование организациями больших данных. Среди социально-экономических характеристик регионов как детерминант использования технологий больших данных значимое влияние было получено для доли городского населения, валового регионального продукта и доли затрат на инновации. Определены детерминанты развития экономики данных в российских регионах с учетом географической, технологической и экономической дифференциации. Теоретическая значимость заключается в предложении авторской концепции модифицированной производственной функции знаний, которая может быть использована как фундаментальная основа для развития теории экономики данных. Практическая значимость исследования состоит в обоснованности ценности больших данных, использование которых может помочь органам государственной власти в поиске новых возможностей развития экономики данных с учетом региональной дифференциации, усовершенствовании методологии мониторинга применения цифровых технологий организациями, определении ключевых факторов воздействия на использование организациями технологий больших данных.
Международные экономические санкции в отношении России направлены на блокировку такого жизненно важного явления, как эффект масштаба. В связи с этим требуется изыскивать внутренние резервы проявления этого эффекта и использовать для одновременного стимулирования экономического роста и технологического прогресса. Цель статьи состоит в разработке инструментария, позволяющего идентифицировать эффект масштаба для любых отраслей и регионов Российской Федерации для выявления наиболее перспективных территориально-отраслевых кластеров, вложения в которые способны дать максимальную отдачу в части роста эффективности производства. Данная цель предопределила генеральную гипотезу исследования, в соответствии с которой в регионально-отраслевых производственных комплексах российской экономики существуют значительные (количественные и качественные) различия с точки зрения наличия в них эффекта масштаба. Апробация предложенного метода осуществлена путем построения универсальных эконометрических зависимостей для аграрного сектора в 82 регионах России. Полученные количественные результаты эластичности производительности труда по объему производства позволили подтвердить генеральную гипотезу исследования и картографировать сельское хозяйство страны на более и менее перспективные регионы. Использование, помимо эффекта масштаба дополнительного фактора - достигнутого технологического уровня региона относительно среднего по стране, - позволило оценить возможный структурный эффект от инвестиционных вливаний в региональный кластер предприятий, уточнить прикладные расчеты и осуществить отбор 22 наиболее перспективных субъектов РФ, из которых семь регионов способны стать технологическим драйвером российского аграрного сектора экономики. Данные расчеты позволили нарисовать карту наиболее перспективных отраслевых кластеров России. Обсуждается вопрос организации заимствования передовых аграрных технологий внутри страны - от передовых регионов и предприятий к отстающим. Установлена обратная зависимость между достигнутым технологическим уровнем предприятий и величиной эффекта масштаба, что свидетельствует о постепенном исчерпании данного эффекта по мере технологического прогресса. Обосновывается свойство устойчивости и универсальности эффекта масштаба, необходимое для прикладных исследований в высокотехнологичных отраслях экономики России.
Исследование посвящено проблеме дифференциации доходов населения регионов России. Целью работы является разработка методики анализа процессов дифференциации доходов населения регионов России на базе теории динамических систем и машинного обучения, а также ее апробация на фактическом аналитическом материале. Гипотеза исследования заключается в предположении одновременного сосуществования процессов конвергенции и дивергенции дифференциации доходов населения регионов России, зависящих от внешних и внутренних факторов. Указанные процессы являются объектом исследования. Информационной базой исследования являются данные Росстата о значениях индекса Джини 80 регионов за период с 1995 по 2018 г. Для построения экспериментальных траекторий помимо индекса Джини использованы две независимые динамические переменные - его первая и вторая производные по времени, что позволило построить три различных пространства состояний (от одномерного до трехмерного). Методом кластеризации «k-средних» всё наблюдавшееся множество состояний было разделено на пять кластеров, количество которых было предварительно определено тестом «на осыпь» («метод локтя»). В результате расчетов было доказано преобладание конвергентных процессов над дивергентными в течение исследованного периода. Было обнаружено, что индивидуальные траектории движения отдельных регионов в пространстве состояний существенно отличаются: траектории некоторых регионов могут быть локализованы в пределах только одного кластера, тогда как отдельные части траекторий других могут принадлежать одновременно нескольким кластерам. Подавляющее большинство траекторий расположены в пределах 2-3 кластеров. Теоретическая значимость полученных результатов заключается в углублении представлений о региональной специфике динамики изменений дифференциации доходов населения субъектов Федерации. Практическая значимость результатов исследования заключается в расширении инструментальной поддержки принятия решений при реализации государственной политики в сфере регулирования дифференциации доходов населения на региональном уровне.
Строительство объектов недвижимости самого широкого назначения вызывает необходимость создания новой инфраструктуры. Экстенсивное развитие коммунальной инфраструктуры обеспечивается в том числе за счет средств застройщиков в рамках модели платы за подключение. В данной работе показано, что существующая методология платы за подключение к системам водоснабжения и водоотведения содержит существенный недостаток в виде создания множества дублирующих друг друга сетей вместо строительства одной общей транзитной сети. Такой подход приводит к потерям благосостояния как у общества, так и у застройщиков. Цель исследования - обосновать неэффективность подхода в части трассировки сетей, который применяется в методологии платы за подключение к системам водоснабжения и водоотведения с позиций теории общественного благосостояния. Научная гипотеза состоит в том, что создание транзитной сети большого диаметра на перспективу оказывается менее затратным, чем множества отдельных участков распределительных сетей меньшего диаметра. С целью доказательства данного положения оценивается стоимость строительства и обслуживания сетей в данных двух подходах, с этой целью проанализировано 118 тарифных решений по 85 региональным столицам. Данные для оценки взяты как средняя значений размера тарифов на подключение за единицу длины сети соответствующего диаметра за 2022 г. Дополнительно оценен потенциал повышения эффективности использования земельных участков в каждом из двух подходов. По результатам исследования продемонстрировано, что сбор с застройщика, предполагающий создание общих транзитных сетей, оказывается более предпочтителен для всех участников подключения. Это означает, что совокупность издержек в рамках локальных оптимумов (для каждого объекта капитального строительства) будет выше, чем в случае одного глобального оптимума по территории в целом, то есть второй случай можно назвать наиболее подчиненным общественным интересам. Теоретическая значимость проведенной работы состоит в графическом обосновании необходимости применения сборов с застройщиков при развитии инфраструктуры. Практическая значимость работы заключается в обосновании строительства морфологически правильной структуры сетевого хозяйства.
В современных условиях ограничений спорт продолжает сталкиваться с нехваткой финансирования и часто воспринимается как отрасль, без поддержки которой можно обойтись. Между тем в многочисленных исследованиях доказано, что спорт не только требует существенных вложений, но и формирует целый ряд экономических эффектов. Цель настоящей работы - рассмотреть такой специфичный драйвер экономических эффектов как дизайн турнира и оценить соответствующие эффекты на примере Российской Премьер-лиги (РПЛ). Гипотеза исследования заключается в том, что изменение дизайна турнира РПЛ приводит к росту общей выручки команд-участниц, увеличению объемов потребления в городах проведения матчей и снижению выбросов парниковых газов, что в совокупности формирует основу для идентификации экономических эффектов на уровне страны в целом и для отдельных регионов. В работе рассмотрены три сценария проведения реформ, которые отличаются сделанными допущениями. Авторами разработана расчетная модель, позволяющая количественно оценить экономические эффекты от проведения данных реформ. Основными триггерами является посещаемость матчей РПЛ и ее производные (число гостевых болельщиков, транспортное плечо, пройденное гостевыми болельщиками), а также монетарные метрики: стоимость билетов, стоимость поездки, стоимость углеродной единицы. Эффект от проведения реформы рассчитывается как разница между показателями, достигаемыми в текущем дизайне турнира, и в потенциальных сценариях. Исследование показало, что текущий дизайн РПЛ обладает значительным потенциалом в части экономических эффектов. Так, реализация реформы «Оптимум», которая не требует поиска дополнительных календарных резервов, создаст положительный экономический эффект в размере 479 млн руб. При поиске дополнительных календарных возможностей и реализации сценария «Максимум» эффект составит 932 млн руб. Данное исследование может быть полезно для специалистов по организации спортивных соревнований, руководителей региональных и муниципальных органов власти, а также спортивных лиг и федераций.
Субъективное благополучие выступает важным ориентиром государственной социально-экономической политики, однако влияние капитала здоровья и уровня удовлетворенности различными аспектами жизни на данный фактор недостаточно изучено. Исследование нацелено на выявление роли капитала здоровья как производительного фактора в российской экономике и оценку его влияния на субъективное благополучие занятого населения в России. Методы исследования включают регрессионный анализ с использованием уравнений минсеровского типа. Эмпирической основой стали микроданные Комплексного наблюдения условий жизни населения Росстата, среди которых выделены показатели субъективного благополучия (удовлетворенность качеством инфраструктуры, окружающей средой и работой) и капитала здоровья (самооценка здоровья, возможность вести активную жизнь и наличие хронических заболеваний). Результаты исследования показали, что капитал здоровья положительно влияет на заработки занятого населения России в возрасте от 25 до 60 лет в период с 2011 по 2022 г., в совокупности обеспечивая повышение более чем на 10 %. Субъективное благополучие способствует повышению заработной платы от 22 до 50 %: удовлетворенность качеством доступной инфраструктуры повышает доход на 22-33 %, а удовлетворенность работой - на 23-50 %. В свою очередь, капитал здоровья также оказывает значимое положительное влияние на субъективное благополучие - респонденты, высоко оценивающие свое здоровье, на 1,5-3 % выше оценивают удовлетворенность работой и качество доступной инфраструктуры. Наличие хронической болезни, наоборот, снижает удовлетворенность по этим показателям на 1,5-2 %. Результаты исследования поддерживают теоретические основания капитала здоровья, демонстрируя, что он является производительным фактором на российском рынке труда даже в условиях напряженной геополитической обстановки и санкционного давления. Полученные результаты могут быть использованы для оценки эффективности региональной и корпоративной политики в области управления капиталом здоровья и разработки стратегии достижения субъективного благополучия.
Уровень умышленных убийств представляет собой важнейшую социальную проблему, влияющую на общественную безопасность и социальную стабильность во всей Европе. Понимание социально-экономических факторов, лежащих в основе этих преступлений, имеет первостепенное значение для эффективного политического вмешательства. Данное исследование направлено на изучение социально-экономических детерминант умышленных убийств в 15 европейских странах в период с 2010 по 2021 г., что позволит получить представление о сложной взаимосвязи между экономическими показателями и уровнем насильственных преступлений. В исследовании выдвинута гипотеза о том, что экономическое процветание, государственный долг и доступ к финансовым услугам существенно влияют на уровень умышленных убийств, при этом в странах с более высоким уровнем экономического развития и финансовой доступности наблюдается более низкий уровень убийств. Используя надежные статистические и эконометрические методы, включая регрессионный анализ и корреляционные матрицы, в исследовании изучаются взаимосвязи между различными социально-экономическими показателями и уровнем умышленных убийств. Данные, поступающие от национальных налоговых органов, статистических агентств и международных организаций, были тщательно проанализированы для выявления значимых закономерностей и связей. Полученные результаты показывают убедительную связь между экономическими показателями и уровнем умышленных убийств. Более высокий ВВП на душу населения и более широкий доступ к финансовым услугам коррелируют с более низким уровнем убийств, в то время как повышенный уровень государственного долга демонстрирует отрицательную связь с уровнем убийств. Эти результаты подчеркивают многогранный характер динамики преступности и подчеркивают важность учета более широких социально-экономических факторов для понимания моделей насильственных преступлений. Исследование вносит вклад как в теоретические знания, так и в практическую политику, предлагая понимание социально-экономических детерминант умышленных убийств. Эти выводы могут быть использованы при разработке научно обоснованных политических мер, направленных на укрепление социальной стабильности и общественной безопасности во всей Европе, подчеркивая важность учета основополагающих экономических факторов в стратегиях предупреждения преступности.
Издательство
- Издательство
- УрФУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- Юр. адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- ФИО
- Кокшаров Виктор Анатольевич (Ректор)
- E-mail адрес
- rector@urfu.ru
- Контактный телефон
- +7 (343) 3754507
- Сайт
- https://urfu.ru/ru