НЕЙРОСЕТЕВОЙ АНАЛИЗ ДИНАМИКИ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТИ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ |
| научная статья | 330.322:519.86 | ||
| 24-32 | динамика поступления и распределения инвестиций, регионы Российской Федерации, кластерный анализ, нейронные сети, Deductor, dynamics of investment receipts and distribution, regions of the Russian Federation, cluster analysis, neural networks, Deductor |
| Исследованы динамика и особенности показателей инвестиционной деятельности регионов Российской Федерации в интересах обеспечения экономического роста страны, социально-экономического развития тер- риторий и повышения благосостояния населения. Динамика активности регионов РФ в области инвестиций за 2011-2016 гг. анализируется на основе методологии нейросетевого моделирования с использованием 13 показателей, характеризующих инвестиционную деятельность регионов и определяющих перспективы их социально-экономического развития. В основу исследования положены данные Росстата об инвестициях по видам экономической деятельности в регионах страны. В качестве инструмента исследований в работе при- менены реализованные в аналитическом пакете Deductor самоорганизующиеся карты Кохонена - нейронные сети, обучаемые без учителя. Выявлен ряд особенностей динамики инвестиционной деятельности регионов Российской Федерации. По уровню источников поступления инвестиций в основной капитал и по направле- ниям их использования регионы России распределились на четыре группы (кластера). Получено, что в реги- онах РФ наблюдается неравномерный характер инвестиционной деятельности. Поэтому необходимо приня- тие комплексных мер, способствующих изменению структуры поступающих и распределяемых инвестиций во всех регионах страны, и особенно в тех, где показатели инвестиционной активности ниже, чем средние значения по стране. |
 |
| 1 . Указ Президента от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года». URL: http//www.garant.ru/products/ipo/prime/doc/ 71837200 (дата обращения: 03.09.2018). 2 . Кузнецов Ю.А., Перова В.И., Ласточкина Е.И. Нейросетевой анализ динамики инвестиций в основной капитал регионов Российской Федерации // Региональная экономика: теория и практика. 2017. Т. 15. № 7. С. 1327-1345. 3 . Kuznetsov Yu.A., Perova V.I., Lastochkina E.I. Neural Network Analysis of the Fixed Capital Investment Trends in Regions of the Russian Federation // Дайджест-финансы. 2017. Vol. 22. № 3. P. 258-273. 4 . Любушин Н.П., Назаров В.Г., Кишев С.А. Оценка эффективности инвестиций с учетом эффектов в смежных областях // Экономический анализ: теория и практика. 2016. № 6 (453). С. 4-13. 5 . Ендовицкий Д.А. Инвестиционный анализ в реальном секторе экономики: Учебное пособие / Под ред. д.э.н., проф. Л.Т. Гиляровской. Воронеж: Изд-во Воронеж. гос. ун-та, 2001. 2013 с. 6 . Едронова В.Н., Маслакова Д.О. Комплексный сравнительный анализ субъектов Российской Федерации по финансированию инвестиций // Финансы и кредит. 2018. Т. 24. № 10. С. 2359-2378. 7 . Ван Рил А.К.Р., Трофимов О.В., Новикова Д.С. и др. Особенности отбора инвестиционных проектов с использованием матрицы оценки рисков // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2016. № 1 (41). С. 62- 70. 8 . Плехова Ю.О., Ефимычев Ю.И., Волков А.В. Анализ источников и объемов инвестиций в отечественные инновационные предприятия // Вестник Нижегородского университета им. Н.И. Лобачевского. 2012. № 1 (1). С. 239-243. 9 . Соболев В.Ю. Оценка направлений инвестирования производственного предприятия // Экономический анализ: теория и практика. 2004. № 17. С. 29-35. 10 . Сидоренко Ю.А., Фролов В.Г. Инвестиционные механизмы развития промышленного производства: Монография. Нижний Новгород: Изд-во ННГУ, 2008. 156 с. 11 . Доничев О.А., Молчанова О.Г., Тожокин И.В. Оценка эффективности инвестиционных вложений в создание социально-экономического кластера в регионе // Региональная экономика: теория и практика. 2015. № 5 (380). С. 2-12. 12 . Федорова Е.А., Титаренко А.В. Оптимизация инвестиционного портфеля методом неприятия потерь на примере российского фондового рынка // Экономика и математические методы. 2014. Т. 50. № 1. С. 80-90. 13 . Щетинин Е.Ю. Модель динамики финансового рынка инвесторов с различными финансовыми стратегиями // Фундаментальные физико-математические проблемы и моделирование технико- технологических систем. Сборник научных трудов МГТУ СТАНКИН. 2002. № 5. С. 35-47. 14 . Дерябина Я. Сравнительный анализ подходов к оценке инвестиционной привлекательности и инвестиционной активности российских регионов // Инвестиции в России. 2003. № 8. С. 9-20. 15 . Хасанов И.В. Особенности формирования и реализации региональной инвестиционной политики в современной экономике: Монография. М.: Палеотип, 2011. 268 с. 16 . Быстров О.Ф., Поздняков В.Я. и др. Управление инвестиционной деятельностью в регионах Российской Федерации: Монография / Ин-т управления и права. М.: ИНФРА-М, 2010. 358 с. 17 . Фролова И.В. Инвестиционный потенциал региона: разработка системы оценок // Региональная экономика. 2009. № 16. С. 26-34. 18 . Барсегян А.А., Куприянов М.С., Степаненко В.В. и др. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. СПб.: БХВ- Петербург, 2007. 384 с. 19 . Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки. М.: ТВП, 1997. 236 с. 20 . Ширяев В.И. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. М.: КД «Либроком», 2016. 232 с. 21 . Растунков В.С., Петров А.К., Панов В.А. Нейронные сети. Statistica Neural Networks: Методология и технология современного анализа данных. М.: Горячая линия-Телеком, 2008. 392 с. 22 . Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ-МИФИ, 2002. 122 с. 23 . Kohonen T. The Self-Organizing Map // Proceedings of the Institute of Electrical and Electronics Engineers. 1990. Vol. 78. № 9. P. 1464-1480. 24 . Kohonen Т., Oja E., Simula O., et al. Engineering Applications of the Self-Organizing Map // Proceedings of the Institute of Electrical and Electronics Engineers. 1996. Vol. 84. № 10. P. 1358-1384. 25 . Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт. М.: АЛЬПИНА, 2001. 317 с. 26 . Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist-DEA and Self- Organizing Map Neural Clustering // Social Indicators Research. 2015. Vol. 122. № 3. P. 677-700. 27 . Kohonen Т. Self-Organized Formation of Topologi- cally Correct Feature Maps // Bio1. Cybern. 1982. Vol. 43. № 1. P. 59-69. 28 . Martinetz T.M., Berkovich S.G., Schulten K.J. «Neural-Gas» Network for Vector Quantization and Its Application to Time-Series Prediction // IEEE Transactions on Neural Networks. 1993. Vol. 4. № 4. P. 558-569. 29 . Перова В.И. Нейронные сети. Часть 2: Учебное пособие. Нижний Новгород: ННГУ, 2012. 111 с. 30 . Перова В.И. Нейронные сети в экономических приложениях. Часть 2. Нейронные сети, обучаемые без учителя: Учебное пособие. Нижний Новгород: ННГУ, 2012. 135 с. 31 . Федеральная служба государственной статистики Российской Федерации [Электронный ресурс]. URL: http://www.gks.ru (дата обращения: 03.09.2018). 32 . http://planetcalc.ru/250/ (дата обращения: 03.09.2018). 33 . Концепция долгосрочного социально-экономического развития Российской Федерации на период до 2020 года (Утверждена распоряжениями Правительства Российской Федерации от 17.11.2008 № 1662-р и от 08.08.2009 № 1121-р). URL: http://www.conculnant.ru/ document/cons_doc_LAW_82134/28c719e359e8af09d724 4d8033c66928fa27e527 (дата обращения: 03.09.2018). 34 . Национальный рейтинг состояния инвестиционного климата в субъектах РФ. URL: https://asi.ru/investclimate/rating/ (дата обращения: 03.09.2018). |