+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Нейросетевой анализ основных вызовов и угроз экономической безопасности Российской Федерации

Купить электронную версию статьи

т. 22, вып. 4, апрель 2023

Получена: 27.03.2023

Получена в доработанном виде: 05.04.2023

Одобрена: 11.04.2023

Доступна онлайн: 27.04.2023

Рубрика: ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ

Коды JEL: С45, O30, R11

Страницы: 598–619

https://doi.org/10.24891/ea.22.4.598

Любушин Н.П. доктор экономических наук, профессор кафедры экономического анализа и аудита, Воронежский государственный университет (ВГУ), Воронеж, Российская Федерация 
lubushinnp@mail.ru

https://orcid.org/0000-0002-4493-2278
SPIN-код: 2227-3764

Летягина Е.Н. кандидат экономических наук, доцент, заведующая кафедрой управления в спорте, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
len@fks.unn.ru

https://orcid.org/0000-0002-6539-6988
SPIN-код: 7221-4868

Перова В.И. кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
perova_vi@mail.ru

https://orcid.org/0000-0002-1992-5076
SPIN-код: 3871-2450

Предмет. Проведение исследования развития региональной экономики Российской Федерации с позиций производственной, инновационной, инвестиционной и научно-исследовательской деятельности в регионах Российской Федерации в ракурсе технологического суверенитета и экономической безопасности страны.
Цели. Решение многофакторной задачи, описывающей состояние экономики регионов России, путем нового перспективного метода – кластерного анализа на основе нейросетевого моделирования. Объектами исследования являлись 85 регионов Российской Федерации, аттестуемых 12 показателями, выбранными с сайта Росстата в соответствии с авторским представлением. Выполнение анализа динамики состояния основных фондов за 2017–2021 гг., аттестующих уровень развития и обновления материально-технической базы отраслей в масштабе федеральных округов Российской Федерации.
Методология. В качестве метода исследования многомерных статистических данных использован кластерный анализ на основании нейронных сетей, представляющих собой важный раздел искусственного интеллекта.
Результаты. Обращение к инструментарию искусственных нейронных сетей позволило осуществить кластеризацию гетерогенных данных, в результате которой регионы России разместились по шести кластерным образованиям. При этом наблюдается независимость разделения регионов на кластеры – кластерного решения – от их пребывания в составе федеральных округов Российской Федерации. Проведена оценка влияния каждого исследуемого показателя на формирование кластеров. Показано, что имеется значительное неравенство числа регионов Российской Федерации в кластерах. Установлен различный уровень развития региональной экономики по совокупности рассматриваемых показателей в масштабе кластеров.
Выводы. Результаты работы могут оказать помощь при выработке и применении стратегий, нацеленных на повышение сбалансированности развития региональной экономики в фокусе технологического суверенитета в обстановке новых угроз и вызовов экономической безопасности.

Ключевые слова: экономическая безопасность, региональная экономика России, искусственный интеллект, кластерный анализ, нейронные сети

Список литературы:

  1. Сенчагов В.К. Экономическая безопасность как основа обеспечения национальной безопасности России // Вопросы экономики. 2001. № 8. С. 64–79.
  2. Сенчагов В.К., Иванов Е.А. Структура механизма современного мониторинга экономической безопасности России. М.: Институт экономики РАН, 2016. 71 с.
  3. Арбузов С.Г., Головнин М.Ю. Стабилизация валютного рынка России в контексте экономической безопасности на современном этапе // Экономическое возрождение России. 2016. № 2. С. 104–110. URL: Link
  4. Татаркин А.И., Куклин А.А. Изменение парадигмы исследований экономической безопасности региона // Экономика региона. 2012. № 2. С. 25–39. URL: Link
  5. Городецкий А.Е. Экономическая безопасность России: новая стратегия в новых реалиях // Проблемы теории и практики управления. 2018. № 1. С. 8–23.
  6. Караваева И.В., Иванов Е.А., Лев М.Ю. Паспортизация и оценка показателей состояния экономической безопасности России // Экономика, предпринимательство и право. 2020. Т. 10. № 8. С. 2179–2198. URL: Link
  7. Гребенкина С.А., Славянов А.С., Хрусталёв Е.Ю. Экономическая безопасность субъектов РФ: системный подход // Региональная экономика: теория и практика. 2019. Т. 17. Вып. 10. С. 1909–1922. URL: Link
  8. Митяков С.Н., Лапаев Д.Н., Катаева Л.Ю., Рамазанов С.А. Устойчивое развитие и угрозы экономической безопасности // Экономика и предпринимательство. 2019. № 10. С. 111–114.
  9. Любушин Н.П., Бабичева Н.Э., Королев Д.С. Экономический анализ возможностей технологического развития России (на примере нанотехнологий) // Экономический анализ: теория и практика. 2012. № 9. С. 2–11. URL: Link
  10. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере: монография. Новосибирск: Наука, 1996. 276 с.
  11. Любушин Н.П., Летягина Е.Н., Перова В.И., Котов Р.М. Методы искусственного интеллекта в исследовании экономического потенциала регионов России в условиях больших вызовов // Экономический анализ: теория и практика. 2022. Т. 21. Вып. 6. С. 994–1017. URL: Link
  12. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
  13. Хрусталёв Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффективности инвестиционных вложений // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 8. С. 1438–1454. URL: Link
  14. Kohonen Т. The Self-Organizing Map. Proceedings of the IEEE, 1990, vol. 78, iss. 9, pp. 1464–1480. URL: Link
  15. Kohonen T. Self-Organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 1982, vol. 43, pp. 59–69. URL: Link
  16. Любушин Н.П., Летягина Е.Н., Перова В.И. Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2021. Т. 20. Вып. 8. С. 1394–1414. URL: Link
  17. Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. 2021. Т. 22. № 1. С. 71–89. URL: Link
  18. Sinha S., Singh T.N., Singh V.K., Verma A.K. Epoch Determination for Neural Network by Self-Organized Map (SOM). Computational Geosciences, 2010, vol. 14, iss. 1, pp. 199–206. URL: Link
  19. 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, no. 3, pp. 677–700. URL: Link
  20. Davies D.L., Bouldin D.W. A Cluster Separation Measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979, vol. PAMI-1, no. 2, pp. 224–227. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 23, вып. 1, январь 2024

Другие номера журнала