Нестабильность на рынке общественного питания в связи с пандемией COVID-19 и санкциями обострила потребность в разработке эффективного инструмента оценки рисков дефолта в этой отрасли. Качество прогнозирования дефолта в значительной степени зависит от того, насколько хорошо модель соответствует конкретной среде. В связи с этим необходимо внести некоторые коррективы, чтобы адаптировать классические модели прогнозирования дефолтов к российскому сектору общественного питания. В статье выдвинута гипотеза о том, что добавление нефинансовых факторов и использование современных методов прогнозирования может существенно повысить точность моделей. Целью данного исследования является определение влияния включения нефинансовых факторов и современных методов моделирования на точность прогнозирования дефолтов для предприятий общественного питания в России. Тесты на выборке из 1 241 фирмы за период с 2017 по 2021 г. показали, что создание модели прогнозирования с помощью современных методов, таких как Random Forest и XGBoost, повышает точность прогнозирования с 70 % до примерно 80 %, по сравнению со стандартной логит-моделью. Добавление в модели нефинансовых факторов также несколько повышает точность, однако не дает существенного эффекта. Важнейшими метриками в прогнозировании дефолта оказались коэффициент текущей ликвидности и отношение оборотного капитала к совокупным активам. Наиболее важными нефинансовыми факторами являются совокупные активы и возраст. Наши результаты согласуются с уже существующими исследованиями в этой области и формируют новый пласт знаний за счет применения в конкретной отрасли. Результаты могут быть использованы банками или другими контрагентами, которые взаимодействуют с предприятиями общественного питания, для оценки их кредитного риска.
Идентификаторы и классификаторы
Recent years have been highly unsta‑ ble for the enitre Russian business sphere due to COVID‑19 and a heavier burden of sanctions. However, one of the strongest risks of sustainability was posed to the food service industry. During 2020–2021, due to restrictions limiting attendance at plac‑ es where large groups congregate, demand for such services decreased or had changed to the “take-away” format. The following year, food services experienced issues with supplies of some products and equipment, cost growth as well while a decrease in de‑ mand due to a decline of disposable income of citizens.
Список литературы
1. Beaver W. Financial Ratios as Predictors of Failure // Journal of Accounting Research. 1966. Vol. 4. Pp. 71-111. DOI: 10.2307/2490171
2. Altman E. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. Vol. 23, No. 4. Pp. 589-609. DOI: 10.1111/j.1540-6261.1968.tb00843.x
3. Taffler R. Forecasting Company Failure in the UK Using Discriminant Analysis and Financial Ratio Data // Journal of the Royal Statistical Society. Series A (General). 1982. Vol. 145, No. 3. Pp. 342-358. DOI: 10.2307/2981867
4. Ohlson J. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. Vol. 18, No. 1. Pp. 109-131. DOI: 10.2307/2490395
5. Zmijewski M. Methodological Issues Related to the Estimation of Financial Distress Prediction Models // Journal of Accounting Research. 1984. Vol. 22. Pp. 59-82. DOI: 10.2307/2490859
6. Kwon T., Lee Y. Industry specific defaults // Journal of Empirical Finance. 2018. Vol. 45. Pp. 45-58. DOI: 10.1016/j.jempfin.2017.10.002
7. Pan W.-T. A new Fruit Fly Optimization Algorithm: Taking the financial distress model as an example // Knowledge Based Systems - KBS. 2012. Vol. 26. Pp. 69-74. DOI: 10.1016/j.knosys.2011.07.001
8. Brown I., Mues C. An experimental comparison of classification algorithms for imbalanced credit scoring data sets // Expert Systems with Applications. 2012. Vol. 39, Issue 3. Pp. 3446-3453. DOI: 10.1016/j.eswa.2011.09.033
9. Jaki A., Ćwięk W. Bankruptcy Prediction Models Based on Value Measures // Journal of Risk and Financial Management. 2021. Vol. 14, Issue 1. 6. DOI: 10.3390/jrfm14010006 EDN: SRDGFV
10. Xie C., Luo C., Yu X. Financial distress prediction based on SVM and MDA methods: The case of Chinese listed companies // Quality & Quantity. 2011. Vol. 45, No. 3. Pp. 671-686. DOI: 10.1007/s11135-010-9376-y EDN: JWEKLW
11. Boubaker S., Cellier A., Manita R., Saeed A. Does corporate social responsibility reduce financial distress risk? // Economic Modelling. 2020. Vol. 91. Pp. 835-851. DOI: 10.1016/j.econmod.2020.05.012 EDN: GLTYYF
12. Iwanicz-Drozdowska M., Laitinen E.K., Suvas A., Altman E. Financial and nonfinancial variables as long-horizon predictors of bankruptcy // The Journal of Credit Risk. 2016. Vol. 12, No. 4. Pp. 49-78. DOI: 10.21314/JCR.2016.216 EDN: YWISBL
13. Lugovskaya L. Predicting default of Russian SMEs on the basis of financial and non-financial variables // Journal of Financial Services Marketing. 2010. Vol. 14, Issue 4. Pp. 301-313. DOI: 10.1057/fsm.2009.28
14. Bhimani A., Gulamhussen M., Lopes S. da R. The Role of Financial, Macroeconomic, and Non-financial Information in Bank Loan Default Timing Prediction // European Accounting Review. 2013. Vol. 22, Issue 4. Pp. 739-763. DOI: 10.1080/09638180.2013.770967
15. Blanco-Oliver A., Irimia-Dieguez A., Oliver-Alfonso M.D., Vázquez-Cueto M.J. Hybrid model using Logit and nonparametric methods for predicting micro-entity failure // Investment Management and Financial Innovations. 2016. Vol. 13. Pp. 35-46. DOI: 10.21511/imfi.13(3).2016.03
16. Altman E., Sabato G., Wilson N. The value of non-financial information in SME risk management // Journal of Credit Risk. 2010. Vol. 6. Pp. 95-127. DOI: 10.21314/JCR.2010.110
17. Frank R., Massy W., Morrison D. Bias in Multiple Discriminant Analysis // Journal of Marketing Research. 1965. Vol. 2, No. 3. Pp. 250-258. DOI: 10.2307/3150183
18. Wilson R., Sharda, R. Bankruptcy prediction using neural networks // Decision Support Systems. 1994. Vol. 11, No. 5. Pp. 545-557. DOI: 10.1016/0167-9236(94)90024-8
19. Altman E., Sabato G. Modelling Credit Risk for SMEs: Evidence from the U.S. Market // Abacus. 2007. Vol. 43, Issue 3. Pp. 332-357. DOI: 10.1111/j.1467-6281.2007.00234.x
20. Gruszczyński M. Financial Distress of Companies in Poland // International Advances in Economic Research. 2004. Vol. 10, No. 4. Pp. 249-256. DOI: 10.1007/BF02295137
21. Hunter J., Isachenkova N. Failure risk: A comparative study of UK and Russian firms // Journal of Policy Modeling. 2001. Vol. 23, Issue 5. Pp. 511-521. DOI: 10.1016/S0161-8938(01)00064-3 EDN: DYSGHT
22. Lin L., Piesse J. The identification of corporate distress in UK industrials: a conditional probability analysis approach // Applied Financial Economics. 2004. Vol. 14, Issue 2. Pp. 73-82. DOI: 10.1080/0960310042000176344 EDN: GJQYRR
23. Sirirattanaphonkun W., Pattarathammas S. Default Prediction for Small-Medium Enterprises in Emerging Market: Evidence from Thailand // Seoul Journal of Business. 2012. Vol. 18, No. 2. Pp. 25-54. DOI: 10.35152/snusjb.2012.18.2.002
24. Zhao Y., Lin D. Prediction of Micro- and Small-Sized Enterprise Default Risk Based on a Logistic Model: Evidence from a Bank of China // Sustainability. 2023. Vol. 15, Issue 5. 4097. DOI: 10.3390/su15054097 EDN: PIBOHL
25. Mselmi N., Lahiani A., Hamza T. Financial distress prediction: The case of French small and medium-sized firms // International Review of Financial Analysis. 2017. Vol. 50. Pp. 67-80. DOI: 10.1016/j.irfa.2017.02.004
26. Barboza F., Kimura H., Altman E. Machine Learning models and bankruptcy prediction // Expert Systems with Applications. 2017. Vol. 83. Pp. 405-417. DOI: 10.1016/j.eswa.2017.04.006
27. Wu Y., Gaunt C., Gray S. A comparison of alternative bankruptcy prediction models // Journal of Contemporary Accounting & Economics. 2010. Vol. 6, Issue 1. Pp. 34-45. DOI: 10.1016/j.jcae.2010.04.002
28. Fedorova E., Ledyaeva S., Drogovoz P., Nevredinov A. Economic policy uncertainty and bankruptcy filings // International Review of Financial Analysis. 2022. Vol. 82. 102174. DOI: 10.1016/j.irfa.2022.102174 EDN: HVHSQE
29. Situm M. Financial distress in the Austrian tourism industry: hotels and restaurants analysis // European Journal of Tourism Research. 2023. Vol. 34. 3411. DOI: 10.54055/ejtr.v34i.2992 EDN: AOHFMJ
30. Kim S., Upneja A. Predicting restaurant financial distress using decision tree and AdaBoosted decision tree models // Economic Modelling. 2014. Vol. 36. Pp. 354-362. DOI: 10.1016/j.econmod.2013.10.005
31. Gu Z. Analyzing bankruptcy in the restaurant industry: A multiple discriminant model // International Journal of Hospitality Management. 2002. Vol. 21, Issue 1. Pp. 25-42. DOI: 10.1016/S0278-4319(01)00013-5
32. Breiman L. Random Forests // Machine Learning. 2001. Vol. 45, No. 1. Pp. 5-32. https://doi.org/10.1023/A:1010933404324. EDN: ARROTH
33. Chen T., Guestrin C. XGBoost: A Scalable Tree Boosting System // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. San Francisco, 2016. Pp. 785-794. DOI: 10.1145/2939672.2939785
34. Казаков А., Колышкин А. Разработка моделей прогнозирования банкротства в современных российских условиях // Вестник Санкт-Петербургского университета. Экономика. 2018. Т. 34, № 2. С. 241-266. DOI: 10.21638/11701/spbu05.2018.203 EDN: XRMBLV
35. Karminsky A., Burekhin R.Comparative analysis of methods for forecasting bankruptcies of Russian construction companies // Business Informatics. 2019. Vol. 13, No. 3. Pp. 52-66. DOI: 10.17323/1998-0663.2019.3.52.66 EDN: XVXMGN
36. Afanasev V., Tarasova Y. Default Prediction for Housing and Utilities Management Firms Using Non-Financial Data // Financial Journal. 2022. Vol. 14, No. 6. Pp. 91-110. DOI: 10.31107/2075-1990-2022-6-91-110 EDN: IZJNDT
37. Menardi G., Torelli N. Training and assessing classification rules with unbalanced data // Data Mining and Knowledge Discovery. 2012. Vol. 28. Pp. 92-122. DOI: 10.1007/s10618-012-0295-5 EDN: GQSFUV
38. Becerra-Vicario R., Alaminos D., Aranda E., Fernández-Gámez M.A. Deep Recurrent Convolutional Neural Network for Bankruptcy Prediction: A Case of the Restaurant Industry // Sustainability. 2020. Vol. 12, Issue 12. 5180. DOI: 10.3390/su12125180 EDN: DVOFWG
39. Fernando J., Li L., Hou G. Financial versus Non-Financial Information for Default Prediction: Evidence from Sri Lanka and the USA // Emerging Markets Finance and Trade. 2020. Vol. 56, Issue 3. Pp. 673-692. DOI: 10.1080/1540496X.2018.1545644
40. Makeeva E., Sinilshchikova M. News Sentiment in Bankruptcy Prediction Models: Evidence from Russian Retail Companies // Journal of Corporate Finance Research. 2020. Vol. 14, No. 4. Pp. 7-18. DOI: 10.17323/j.jcfr.2073-0438.14.4.2020.7-18 EDN: ZVRRCM
Выпуск
Другие статьи выпуска
Исследование проведено в рамках актуальной задачи изучения факторов развития человеческого капитала организации, оказывающих прямое или косвенное влияние на производительность труда сотрудников. Набор таких факторов включает показатели уровня развития компетенций и степени выгорания индивидуума. Целью работы является разработка экономико-математического инструментария, количественно описывающего влияние значений компетенций сотрудника на его ключевые показатели эффективности (KPI) с учетом уровня выгорания, определяемого значениями лояльности, вовлеченности, удовлетворенности. Проверяется гипотеза о возможности построения инструмента, позволяющего на основе нечеткой классификации сотрудников по уровню развития компетенций построить для каждой категории функциональные зависимости KPI от показателей выгорания. В качестве исходных данных использованы результаты самооценки компетенций и выгорания сотрудников, в основном работающих по направлениям IT и HR в семи крупных российских компаниях, откалиброванные непосредственными руководителями респондентов, и фактические значения их KPI. В работе предложен подход, включающий в себя два этапа. На первом шаге строится нечеткая модель, позволяющая на основе взвешенного интегрального показателя развития компетенций с оптимальными весовыми коэффициентами разделить область значений интегрального показателя на неравномерные по размеру категории, с помощью которых можно прогнозировать достижение KPI. На втором шаге для объяснения разброса значений KPI сотрудников, принадлежащих в нечеткой постановке отдельным категориям компетентности, около ожидаемого значения KPI взвешенным методом наименьших квадратов построена эконометрическая модель зависимости KPI от показателей выгорания сотрудников. Предложенный инструмент позволит прогнозировать достижения KPI сотрудниками в зависимости от входных значений компетенций и уровня выгорания. В дальнейшем это позволит формировать оптимальный портфель мероприятий программы well-being, которые будут оказывать влияние на развитие компетенций сотрудников и снижать уровень их выгорания, а следовательно, способствовать максимальному продвижению по достижению целевых значений KPI.
В условиях современной развитой рыночной экономики достаточно важной характеристикой деятельности корпорации (публичного акционерного общества (ПАО)) является его активность на фондовом рынке (рыночная активность), предполагающая разработку дивидендной политики, которая, с одной стороны, должна способствовать достижению основной цели финансового менеджмента - максимизации материального благосостояния акционеров, а с другой - учитывать интересы всех остальных заинтересованных в деятельности ПАО стейкхолдеров (включая потенциальных инвесторов) для обеспечения его устойчивого развития в долгосрочной перспективе. Выполнение данного требования возможно лишь в рамках нейтрального подхода к дивидендной политики публичного акционерного общества. Целью исследования является изучение рыночной активности публичного акционерного общества посредством анализа чувствительности ее важнейших показателей к основным определяющим их факторам в условиях нейтрального подхода к осуществлению дивидендной политики. Рабочая гипотеза - рассмотреть возможности использования в качестве инструментов анализа чувствительности важнейших показателей рыночной активности ПАО к основным определяющим их факторам в условиях нейтрального подхода к осуществлению дивидендной политики соответствующих моделей эластичностей. Сформированные модели эластичностей важнейших показателей рыночной активности предполагается использовать в прогнозно-аналитических оценках изменений их значений. Кроме того, они дадут возможность раскрывать причины этих изменений путем определения влияния на данные эластичности включенных в их модели определяющих факторов посредством соответствующих способов и приемов факторного анализа при нейтральном подходе к дивидендной политике публичного акционерного общества. Автор делает вывод о достаточной действенности разработанных им моделей эластичностей важнейших показателей активности публичного акционерного общества на фондовом рынке к изменению основных их определяющих факторов в качестве инструментов управления рыночной активностью ПАО при нейтральном подходе к его дивидендной политике.
В последние годы при описании состояния среды хозяйствующих субъектов все чаще используется термин «турбулентность». Анализ выявленных подходов к определению его сути дал основание трактовать турбулентность как неотъемлемую, существенную и, главное, комплексную характеристику внешней среды. Актуальность ее исследования обусловлена возрастанием скорости изменений, усложнением и ростом неопределенности, взаимовлиянием изменений в национальной экономике и ее отдельных отраслей и, как следствие, необходимостью учета уровня турбулентности при обосновании стратегических решений любого уровня. При этом в современных публикациях не удалось обнаружить исследований, сфокусированных на особенностях оценки турбулентности отрасли и, соответственно, корректных количественных подходов к ее реализации. Чтобы восполнить этот методический пробел, в качестве цели настоящего исследования принята разработка метода количественной оценки уровня отраслевой турбулентности на примере машиностроительных производств. Научная гипотеза исследования: уровень турбулентности отдельной отрасли современной российской промышленности определяется вариабельностью показателей, характеризующих ее состояние. Методами исследования послужили структурно-логический и матричный анализ, инструменты статистической обработки данных. Разработанный количественный метод оценки отраслевой турбулентности включает такие шаги, как выбор, с учетом принятых допущений, показателей оценки, обоснование решения относительно использования коэффициента вариации как инструмента оценивания их изменчивости, сбор необходимой информации, расчет и интерпретацию результатов. Апробация на примере 17 подотраслей машиностроения путем оценки турбулентности каждой за 10-летний период подтвердила выдвинутую гипотезу исследования и показала существенную дифференциацию отраслей по уровню турбулентности (отличие между максимальным и минимальным значением более чем в пять раз). Показано, что ключевую роль в формировании уровня турбулентности современной российской отрасли машиностроения играет степень ее технологичности и импортозависимости. Полученные результаты позволяют достаточно объективно оценить состояние среды различных отраслей, что должно повысить степень обоснованности принятия стратегических решений на всех уровнях хозяйствования.
Целью исследования является выявление причинно-следственных долгосрочных и краткосрочных взаимосвязей между промышленным электропотреблением и экономическим ростом путем сравнительного анализа двух соседних регионов с примерно одинаковым промышленным потенциалом - Свердловской и Челябинской областей. Для решения данной задачи используется эконометрический подход, основанный на методе тестирования границ моделей авторегрессии и распределенного лага (ARDL), определяющий наличие коинтеграции между рядами. Применение этого метода является незаменимым при исследовании региональных проблем ввиду недостаточной длины временных рядов экономических показателей региона. В качестве показателей при сравнительном анализе использовались временные ряды промышленного электропотребления, темпа экономического роста, объема промышленного производства, среднедушевого дохода и среднегодовой численности занятых. При анализе данных было выявлено, что существенными коинтегрированными переменными для Свердловской области являются темп экономического роста и электропотребление. Для Челябинской области этими переменными являются объем промышленного производства, электропотребление и среднегодовая численность занятых. Таким образом электропотребление Свердловской области в долгосрочном периоде не зависит от объема промышленного производства и численности занятых, а зависит лишь от темпов экономического роста. В Челябинской области, соответственно, в долгосрочном периоде электропотребление зависит от объема промышленного производства, численности занятых и не зависит от темпов роста. Схожие, на первый взгляд, по промышленному потенциалу регионы отличаются причинно-следственными связями между экономическим ростом и промышленным электропотреблением. Применение тестов на причинность позволило выявить долгосрочные и краткосрочные причинно-следственные взаимосвязи между переменными. Полученные результаты иллюстрируют объясняющие и прогностические возможности эконометрического подхода в контексте анализа причинно-следственных отношений в экономике двух соседних областей и ее энергетической системы. Эти результаты могут иметь важное значение при анализе электропотребления и энергосбережения в промышленном секторе экономики этих областей.
В динамичном ландшафте российской цифровой экономики и растущей финансовой открытости криптоактивы стали влиятельными игроками на финансовом рынке. Геополитические и экономические события после конфликта с Украиной создали огромные вызовы в виде финансовых и торговых санкций в сочетании с приостановкой подключения к банковской системе SWIFT, что ввергло российскую экономику в опасное положение. Текущее исследование углубляется в побочные эффекты сети между известными криптоактивами и различными финансовыми активами, включая акции, обменные курсы, сырую нефть, золото и товарные фьючерсы, используя ежедневные данные с 1 января 2018 г. по 31 августа 2023 г. Цель исследования - дать эмпирические и теоретические представления о противодействии влиянию санкций на Россию, предложив прагматичное решение для российского финансового рынка. Методология исследования предполагает применение оценки сетевых вторичных эффектов и анализа стоимости актива, находящегося в зоне риска. Примечательно, что результаты показывают устойчивую связь между криптовалютами и финансовыми активами, где криптоактивы играют ключевую роль в передаче риска в финансовом ландшафте. В то время как их влияние на другие финансовые активы остается относительно незначительным, краткосрочные корреляции демонстрируют волатильные колебания, часто отмеченные резким увеличением риска ухудшения. Теоретические выводы следуют портфельной теории ценообразования активов, при этом экстремальные побочные эффекты риска возникают из-за долгосрочных колебаний на рынке криптовалют, влияя на рыночные настроения и повышая распространение риска на российском финансовом рынке. Наши результаты имеют практическое значение для анализа процессов оплаты и получения, а также для торговой деятельности с зарубежными странами, предоставляя важную информацию для политиков и лиц, принимающих инвестиционные решения.
Качество жизни населения является латентной категорией, которую, в силу невозможности прямого измерения, приходится оценивать как интегральный индикатор множества переменных. Согласно устоявшейся методологии, одним из основных инструментов при этом является первая главная компонента, то есть линейная свертка переменных, обладающая свойством минимизации вариации исходных признаков. Тот факт, что вариация признаков учитывается с одинаковым весом, может вызывать критику экономистов. Лишенным этого недостатка развитием метода можно считать применение взвешенной главной компоненты, где весовые коэффициенты признаков при минимизации суммарной вариации задаются экспертно. Однако в этом случае возникает закономерный вопрос: не окажет ли экспертная субъективность существенное влияние на итоговый интегральный индикатор, как это происходит в случае его построения путем простой линейной свертки с экспертными весами? Целью данной работы является проверка применимости взвешенной первой главной компоненты как основного инструмента при построении интегрального индикатора качества жизни населения. В частности, предстоит проверить гипотезу о несущественности влияния неоднородности весов экспертных оценок на итоговый интегральный индикатор. При этом было бы полезно не только проиллюстрировать наличие или отсутствие, но и численно оценить меру этого влияния. В работе на основании эмпирических экспертных весов взвешенной главной компоненты по данным макростатистики проводится имитационное моделирование для оценки латентной переменной «качество жизни населения». При этом в отличие от большинства близких по тематике работ значения интегрального индикатора (и, соответственно, ранжирование наблюдений) представляются как интервальная оценка. Иными словами, результат оценивания представляется как случайная величина, где элементом случайности служит субъективность экспертного выбора весов взвешенной главной компоненты. Оказывается, даже в этом случае удается получить робастные и содержательные результаты, хорошо согласующиеся с выводами известных исследований в этой области.
Сегодня инвесторы уделяют международной концепции инвестиций больше внимания, чем когда-либо прежде. Кроме того, страны намерены использовать внутренний капитал для достижения своих целей, максимально предотвратив отток капитала. Настоящая статья, обращаясь к объективным примерам международных отношений, пытается дать ответ на важный вопрос экономического сотрудничества в форме международных инвестиций при их максимизации с помощью теории игр. Главный вопрос заключается в том, смогут ли инвестиции на международном уровне избежать войны и созидать? Авторы, используя теорию игр и дизайн игр между правительствами и инвесторами в качестве основных начальных этапов, рассмотрели три различных режима. В первом разделе было рассмотрено состояние, в котором две страны безразличны. Второе состояние включает в себя две конкурирующие (вражеские) страны, а третье состояние предполагает три страны, одна из которых является конкурентом, а другая является безразличной. Во втором разделе сначала рассматривается ситуация, когда две страны безразличны друг к другу. Тогда во втором случае соперниками (врагами) считаются две страны, а в третьем - три страны, одна из которых является конкурентом, а другая безразлична. Что касается полученного равновесия в трех ситуациях и для каждого из двух разделов, основной вывод заключается в том, что инвестор достигает наилучшего результата (равновесие Нэша), формируя портфель и инвестируя в различные рынки, а страны достигают наилучшего результата за счет сотрудничества и установления мира. Иными словами, результаты исследований на языке логики (математики) подтверждают влияние экономического сотрудничества на развитие мира.
Рынок услуг, связанных со здоровьем, представляет собой один из важнейших рынков, поскольку ими пользуются все люди независимо от возраста, социально-экономического статуса и других факторов. Чтобы эффективно управлять как частной, так и государственной системой здравоохранения и своевременно расширять объем предоставляемых услуг, необходимо понимать характер спроса на здоровье в зависимости от развития общества и граждан. Данная статья посвящена эмпирической проверке одной из самых влиятельных моделей экономики здоровья - модели спроса на здоровье Майкла Гроссмана - посредством эконометрического моделирования. Мы использовали данные РМЭЗ НИУ ВШЭ (Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ) за 2019 и 2020 годы. В статье тестируются гипотезы о том, что здоровье как товар носит двойственный характер, одновременно инвестиционный и потребительский; уровень образования и доход индивида влияют на спрос на здоровье, женщины заботятся о своем здоровье более ответственно, чем мужчины, связь возраста и спроса на здоровье имеет нелинейный характер, а скорость амортизации здоровья непостоянна в течение жизни человека. Мы пришли к выводу, что здоровье демонстрирует черты как потребительского, так и инвестиционного блага. Было обнаружено, что образование определяет спрос на здоровье как инвестиционный товар, тогда как доход, наоборот, влияет на спрос на здоровье только в рамках потребительской трактовки этого конструкта, но не в рамках инвестиционной. Исследование показало, что люди с низким доходом, как правило, активнее потребляют медицинские услуги, проводя больше времени в больницах. Можно предположить, что спрос на медицинские услуги возрастет в период экономического кризиса, сокращения рабочих мест, инфляции, падения реальных доходов населения. Результаты исследования могут помочь спрогнозировать спрос и потребление медицинских услуг, а также облегчить принятие решений в системе здравоохранения России в будущем.
Актуальность данного исследования связана с использованием минеральных продуктов в качестве важнейших промышленных ресурсов для производства оборудования для возобновляемых источников энергии, что вызвало рост спроса и цен на основные полезные ископаемые. Цель исследования - изучить функцию импорт-спрос на металлические минеральные товары с применением метода квантилей через моменты (MM-QR) с учетом потенциальной неоднородности по выборке пяти ведущих стран - потребителей полезных ископаемых (стран-импортеров). Набор данных, охватывающий период с 1996 по 2021 г., анализируется для проверки гипотезы о влиянии ветроэнергетических мощностей на потребности в импорте полезных ископаемых с учетом цен на минеральные товары, обменных курсов и роста доходов. Мы наблюдаем монотонную благоприятную реакцию импорта полезных ископаемых на ветрогенерацию по всем квантилям. Однако при рассмотрении квадратичной формы производства ветровой энергии спрос на импорт полезных ископаемых демонстрирует монотонную обратную тенденцию по мере увеличения размеров ветрогенерации. Полученные результаты свидетельствуют о неожиданном выявлении монотонного положительного влияния цен на медь на импортный спрос на полезные ископаемые, что противоречит теореме Маршалла о ценах. И наоборот, реакция импорта полезных ископаемых на валютные курсы остается стабильно положительной без модуляции. Кроме того, мы наблюдаем немонотонную связь между фактором дохода и импортом полезных ископаемых, что указывает на то, что реакция импорта полезных ископаемых на экономический рост остается положительной до тех пор, пока не будет достигнут определенный порог, за которым она имеет тенденцию к стабилизации. Теоретическая и практическая значимость этих выводов заключается в стимулировании торговли минеральными товарами для достижения цели перехода к чистой энергии для декарбонизации глобальной окружающей среды.
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