|
| | | | Проблемы современной экономики, N 3 (31), 2009 | | | | ЭКОНОМИЧЕСКАЯ ГЛОБАЛИЗАЦИЯ | | | Родионов В. Г.
доцент кафедры управления и планирования социально-экономических процессов Санкт-Петербургского государственного университета,
кандидат экономических наук
| |
| | | | | В статье представлена модель прогнозирования экономической динамики социально-экономических систем в условиях роста глобальной нестабильности. Для этого обоснованы параметры порядка социально–экономических систем глобальной экономики: занятость и мультипликатор занятости. Предложена технология прогнозирования экономической динамики исходя из параметров порядка на базе нейронных сетей | | Ключевые слова: параметры порядка, нелинейная система, мультипликатор занятости, нейронные сети, прогнозирование экономической динамики, глобальная нестабильность |
Часть 1. Постановка задачи
Современную динамику социально-экономических систем определяют как время бифуркаций. Напомним, что в традиционной трактовке бифуркация означает раздвоение, разветвление траектории развития [*]. Количество бифуркаций в социально-экономическом развитии существенно возросло уже в ХХ в., что связано с достижением определенного периода «зрелости» в развитии человеческой цивилизации. Рост масштабов экономической деятельности привел к росту инерционности управляемых социально-экономических систем по общему закону: больше масса — больше инерция. При этом усиливающаяся частота и сила внешних дестабилизирующих воздействий способствует быстрому накоплению внутренних противоречий ведущих к росту социально-экономической напряженности. И это соответствует объективным законам функционирования биосферы, когда по мере развития вида растет частота бифуркаций, приводящая в итоге к ограничению его роста и поддержанию равновесия между видами. Потеря устойчивости характеризуется бифуркацией и переходом на новую траекторию развития. Альтернативные траектории, к которым стремится будущее состояние системы в момент качественного перехода, принято называть аттракторами (от английского attract — притягивать) [*].
Развитие теории синергетического подхода, достижения в моделировании качественных скачков в динамике нелинейных систем (теории хаоса и катастроф), возможности вычислительной техники, позволили расширить границы нашего понимания существа сложных, нелинейных динамических процессов, к которым относится и динамика поведения социально-экономических систем. Специалисты по теории управления хаосом сравнивают управление сложными социальными и техническими системами с ездой на велосипеде [*]. Это системы статически неустойчивы, но движением которых можно управлять. При этом порядок не отделим от хаоса, а хаос порой выступает, как сверхсложная упорядоченность. Выражением этой упорядоченности являются параметры порядка. С позиций синергетического подхода они определяются как ведущие переменные, которые возникают в ходе самоорганизации систем и определяют их динамику. Можно сказать, что именно наличие параметров порядка во многом делает возможным научное познание объекта. Особенностью поведения нелинейных динамических систем является зависимость динамики их поведения от начальных условий. В современной теории моделирования экономических процессов доминирует подход, основанный на описании основных переменных экономического процесса уравнениями. Как правило, рассматриваются такие переменные, как потребление, инвестиции, заработная плата в частном секторе, совокупный спрос, доходы частного сектора, капитал. При этом анализ соотношения между теоретическими выводами и конкретными экономическими результатами не соответствует требованиям практики современного управления и не позволяет адекватно реагировать на глобальные вызовы. Значительное число переменных и вероятностный характер их значений дает в итоге низкую вероятность прогноза поведения системы. А что же при моделировании в соответствии с синергетическим подходом? Такое моделирования предполагает получение ответа на вопрос о параметрах порядка, определяющих устойчивое развитие системы на основе стимулирования ее самоорганизации. То есть по отношению к переменным экономического процесса они ведут себя как управляющие параметры. Чтобы представить себе параметры порядка в социуме приведем пример такого параметра на уровне национальности — это язык. Он обеспечивает национальную самоорганизацию и ее сохранение в условиях весьма агрессивной окружающей среды. При потере носителей языка нация исчезает. А что же с социально экономическими системами? При выборе параметров порядка автор исходил из положения А. Богданова о «слабом звене». В формулировке А. Богданова это «...закон, в силу которого прочность цепи определяется наиболее слабым из ее звеньев: скорость эскадры — наименее быстроходным из ее судов, урожайность — тем из условий плодородия, которое имеется в относительно наименьшем количестве и т.п. Согласно этому закону, расширение хозяйственного целого зависит от наиболее отстающей его части» [*]. То есть процесс самоорганизации социально-экономических систем, в котором, несмотря на сложность, важную роль играет системообразующая роль интеллекта, предлагается рассматривать, как трансформацию всех элементов системы (подсистем), в целях компенсации ее наиболее слабых звеньев. С этой точки зрения, может быть установлен подход к выбору параметров порядка. Это параметры — слабые звенья, ограничивающие возможности динамичного и устойчивого развития социально-экономической системы.
Часть 2. Практическая реализация
С учетом изложенного обоснуем параметры порядка экономической динамики социально–экономических систем в современных условиях. Продолжающийся научно-технический прогресс, характерными чертами которого является глобализация, то есть кооперация без границ и переход к шестому технологическому укладу (полная автоматизация производства), уже в ближайшем будущем приведет к глобальному сокращению численности традиционных рабочих мест при продолжающемся во всем мире росте численности населения. Это, по мнению автора, становится одним из наиболее активных факторов, формирующих глобальную нестабильность в мире в форме перманентного перераспределения, как численности рабочих мест, так и создаваемого прибавочного продукта. При этом политическая и географическая диспропорция численности рабочих мест и численности проживающего населения в трудоспособном возрасте будет становиться все более неблагоприятной. Дополнительную остроту данная проблема приобретает в России. Очевидна диспропорция, после распада СССР, размеров территории России и численности проживающего в ней населения, которое ежегодно сокращается. Превышение предложения труда над имеющейся в стране численностью рабочей силы есть активный экономический фактор ускоренного роста численности населения России, не обеспечив который нам не решить острых экономических, социальных и политических проблем в настоящем и будущем. Все это делает параметр занятости одним из таких «слабых звеньев». При этом данная диспропорция непосредственно ведет к росту нестабильности социально–экономических систем. Очевидно, что при отсутствии рабочих мест, социально-экономическая система деградирует и распадается. И подобные примеры, особенно в слабо диверсифицированных региональных социально–экономических системах (например, моногорода), есть во всем мире.
Практика успешного построения моделей нелинейных систем показала, что ключом к их пониманию является наглядное представление формы протекающего процесса во времени и пространстве. Например, именно через форму (странный аттрактор) оказалось возможным идентифицировать и описать нелинейные динамические процессы, например хаос, как класс природных явлений. Автор также через форму попытался приблизиться к выяснению сущности динамических процессов глобальной кооперации. Для этого он представил ее в графической форме на рис. 1. | | |  | | Рис. 1. Упрощенная модель глобальной кооперации |
Отметим, что развитие производительных сил общества достигло такого уровня, что стремление к получению эффекта от кооперации во все больших масштабах выходит за рамки государственных границ. Принципиально важным является понимание того, что продолжающаяся экономическая дифференциация стран мирового сообщества изначально заложена в действующей модели международной кооперации и разделения труда. Назовем эту модель по принципу ее действия — «затратная пирамида». По форме ее можно представить как многослойную пирамиду, где каждый горизонтальный слой — технологический передел. В основании пирамиды — начальные технологические переделы (добыча и переработка исходного сырья), а на вершине, по цепочке создания стоимости, заключительные — торговля и финансы. Продукция более низких слоев технологических переделов является исходным полуфабрикатом для последующих, более высоких слоев. При этом стоимость товара (исходного полуфабриката для последующего передела) на каждом технологическом переделе формируется по затратному принципу. Это означает, что величина прибыли, включаемой в цену произведенного товара, определяется по нормативу ко всем произведенным затратам, к полной себестоимости продукции, т.е. включая и затраты «прошлого труда». В результате — чем выше уровень технологического передела, тем больше в себестоимости продукции затрат прошлого труда, и, следовательно, больше масса прибыли на единицу затрат живого труда т.е. его эффективность. Следовательно, структура занятости населения страны отражает эффективность ее экономики. В условиях складывающейся международной кооперации и разделения труда верхние слои пирамиды (рабочие места в наукоемких технологиях, маркетинге и финансах) сосредоточены в развитых странах. Структура занятости в этих странах по форме напоминает перевернутую пирамиду и обеспечивает им получение сверхприбыли. Следовательно, формирование положительной динамики увеличения численности работающих, с одновременным прогрессивным изменением структуры занятости обеспечивает рост благосостояния страны и ее населения, а значит, является важнейшей целью управления. Фигура 1 и фигура 2 — отражение крайних форм структуры занятости. В реальной практике структура занятости конкретных стран это сочетание этих фигур принимающее самые разнообразные формы. Чем ближе форма к фигуре 1, тем выше сырьевая ориентация и ниже эффективность занятости и наоборот. Переход к фигуре 2 отражает объективную закономерность роста эффективности общественного производства, создание из минимального исходного сырья и энергии максимального объема предметов потребления. Такая структура занятости может стать доминирующей уже в обозримом будущем. Например, при овладении термоядерным синтезом и нанотехнологиями, преобразующими энергию непосредственно в требуемые виды материальных благ. Современные цепочки создания стоимости включают сотни звеньев. При этом простые расчеты показывают, что при равных затратах живого труда и нормы прибыли в цепочке из 10 уровней технологического передела эффективность занятости на 10-ом уровне превышает ее значение на 1-ом более, чем в 20 раз (расчет для нормы прибыли в 15%). Параметром, объединяющим структурную составляющую экономики и занятость, в модели является мультипликатор занятости, предложенный автором [*].
Эффективность занятости на i-ом технологическом переделе (Эзан.i) можно определить, как отношение величины прибыли (Pi ) к затратам живого труда (Зжi): | | |  |
где Мi — мультипликатор занятости, индикатор, отражающий с позиций синергетического подхода уровень эффективности сложившейся кооперации.
i — параметр, отражающий порядковый номер объекта в подсистеме.
Применительно к предложенной модели (рис. 1) и с позиций синергетического подхода, мультипликатор занятости показывает значение ординаты модели, то есть отражает эффективность сложившейся кооперации. Как индикатор, Мi показывает сколько на данном технологическом переделе на 1 рубль затрат привлекается затрат со стороны. Так как в основе соотношения затрат лежит соотношение рабочего времени, а соотношение рабочего времени определяет соотношение занятых работников, то данный индикатор может также выполнять и роль мультипликатора вторичной занятости, с помощью которого можно обеспечить привязку величины добавленной стоимости к параметру занятости.
В условиях инновационного развития экономики, основанного на применении техники 4–го, 5-го и 6-го технологических укладов, мультипликатор занятости растет за счет опережающего роста числителя дроби — Зовi, то есть отражает также инновационную составляющую роста экономики, направление структурных сдвигов. Полученную оценку M можно использовать как индикатор планируемых изменений. Например, по отношению к промышленности цель структурных изменений может быть сформулирована как «Проведение прогрессивной структурной перестройки промышленности страны при опережающем росте мультипликатора занятости, компенсирующего последствия, связанные с остановкой и закрытием отдельных производств и сокращением численности их работников».
Таким образом, аттрактором устойчивого социально-экономического развития России, к которому стремится система в процессе самоорганизации, предлагается принять тренд положительной динамики роста численности работающих, с одновременным прогрессивным изменением структуры их занятости. С позиций нелинейной динамики эти параметры являются искомыми элементами влияния на самоорганизацию социально экономической системы в условиях роста неопределенности.
Тогда базовую модель экономического роста социально–экономической системы России и ее регионов можно представить как: | | |  |
Предложенные параметры порядка не только в стратегическом, но и в тактическом плане отражают базовые цели, аттракторы социально-экономического развития России. Их, возможно, декомпозировать в качестве подцелей регионально-отраслевого развития. Динамика поведения показателей рассчитывается по данным действующей статистики и не требует сбора дополнительной информации Включение этих параметров в систему целеполагания возможно на всех уровнях управления, макро, мезо и микро. Как на глобальном уровне, уровне союзов стран, отдельных стран, а также на уровне региона, муниципального образования, предприятия. То есть, появляется индикатор оценки эффективности сложившейся кооперации и, соответственно, инструмент ее совершенствования. При этом возникает множество дополнительных возможностей регулирования. Например, введение объективной дифференцированной системы дотаций и налогообложения с учетом объективных различий уровня эффективности внутрироссийской кооперации в региональном и отраслевом разрезах. Особенно это важно в современных условиях, когда, используя разницу в эффективности кооперации, средства перекачиваются из регионов в Центр, разрушая единство интересов субъектов экономической деятельности, а вслед за ней и внутрироссийскую кооперацию, то есть единое экономическое пространство страны. Для расчета экономического прогноза автор выбрал метод прогнозирования «нейронные сети».
В соответствии с технологией построения нейронных сетей предложена модель нейронной сети (рис. 2) для прогнозирования экономической динамики с двумя параметрами на входе:
• годовые темпы изменения мультипликатора занятости;
• годовые темпы изменения численности занятого населения.
Одним промежуточным слоем с двумя нейронами. Одним нейроном на выходе — искомая величина годового темпа роста ВВП (ВРП для регионов) | | |  | | Рис. 2. Модель нейронной сети для расчета прогноза темпов ВВП (ВРП). |
В качестве передаточной, выбрана логистическая (сигмоидная) функция. В результате обучения нейросети подобрана логистическая функция прогноза:
Y = 1/(1 + e–2,5 X ) (6)
Как видно из полученной формулы наилучшее значение прогноза получается при значении коэффициента b равного 2,5. Программой распознаны все 100% обучающей выборки при средней ошибке 0,04% и максимальной ошибке 0,1% темпа роста ВВП. В полученной модели влияние мультипликатора занятости малозначительно, что говорит об экстенсивном развитии экономики и важности параметра мультипликатора занятости как основного фактора ее роста в ближайшем будущем. Возможности нейронных сетей, как инструмента прогнозирования, позволяют, с учетом новых фактических данных, дообучать сеть и тем самым уточнять веса параметров математической модели прогнозирования столь сложного и нестабильного объекта, как социально–экономические системы. При этом шаг прогноза в модели — год. Прогноз на более длительный период осуществляется по принципу авторегрессии, когда полученное значение прогноза на год принимается как фактическое и делается следующий шаг. Таким образом, управление осуществляется не только исходя из текущей информации, ее анализа и оценки, но и на основе результатов прогноза, что должно улучшить качество принимаемых управленческих решений. Исходная выборка для обучения нейронной сети представлена данными с 1995 г. Анализ динамики темпов роста численности занятых работников показывает, что за последние 3 года она стабилизировалась и составляет в среднегодовом исчислении 0,6%. Рост занятости осуществляется за счет миграционного притока рабочей силы. Положительная динамика роста мультипликатора занятости за последние годы определялась динамикой роста цен на сырьевые ресурсы, в особенности на энергоносители, что ведет к росту затрат овеществленного труда. В условиях разворачивающегося финансово–экономического кризиса, сопровождающегося снижением цен на ресурсы и сокращением численности рабочих мест, становится особенно актуальным прогнозирование темпов экономической динамики. И полученная нейросетевая модель позволяет промоделировать ряд возможных вариантов развития. Так, при снижении численности занятых на 1% и мультипликатора занятости на 2% к уровню 2008 г., ожидаемые темпы роста ВВП в 2009 г. составят 0,957, то есть (–) 4,3% к уровню 2008 г. Причем чувствительность модели при дальнейшем снижении параметров на большую величину резко снижается. Это отражает естественную инерционность в протекании социально–экономических процессов. То есть предельное годовое снижение в модели находится в районе(––)5%. Полученная программа прогнозирования темпов ВВП (ВРП) доступна любому пользователю, владеющему элементарными технологиями обращения с персональным компьютером. |
| |
|
|
