Вестник Института экономики № 5/2025. Экономика и управление.  

Берсенёв Владимир Леонидович

доктор исторических наук, профессор, ведущий научный сотрудник Института экономики УрО РАН, Екатеринбург, Россия

ORCID: 0000-0002-3554-6965

Бучинская Ольга Николаевна

кандидат экономических наук, старший научный сотрудник Института экономики УрО РАН, Екатеринбург, Россия

ORCID: 0000-0002-5421-2522

АНАЛИЗ УГРОЗ ЖИЗНЕСТОЙКОСТИ РОССИЙСКОЙ ЭКОНОМИКИ С ПОМОЩЬЮ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

 121-145   

 17   

 577.92 KB   

 Текст статьи

Увеличение количества экзогенных и эндогенных шоков, с которыми сталкиваются национальные экономики, а также различных способов внешнего негативного воздействия на экономику страны обусловливают необходимость диагностики угроз жизнестойкости экономики. На основе статистических данных РФ за период 1990–2023 гг. были выявлены восемь шоков различного типа, которые были классифицированы как внешние или внутренние, имеющие естественное либо искусственное происхождение. Часть из них стала точками бифуркации, изменившими вектор развития экономики России. Поскольку влияние искусственно вызванных шоков не может быть проанализировано с помощью детерминированных моделей, то для диагностики угроз жизнестойкости российской экономики возникла необходимость в использовании текущих статистических данных вместо длинных временных рядов. С этой целью авторами были использованы алгоритмы машинного обучения, в том числе определены отдельные алгоритмы машинного обучения, позволяющие достаточно точно диагностировать воздействия шоков на жизнестойкость экономической системы нашей страны. Наилучшие результаты показали алгоритмы AdaBoost и дерева решений. С помощью машинных вычислений были выявлены переменные, которые алгоритмы отбирали для диагностики шокового воздействия, а также определены пороговые значения показателей, которые использовали алгоритмы для диагностики шокового состояния экономики.

Ключевые слова: экономические шоки, экономические кризисы, жизнестойкость, устойчивость экономики, диагностика состояния экономики, машинное обучение.

УДК: 338.12.017

EDN: CBAPHB

DOI: https://doi.org/10.52180/2073-6487_2025_5_121_145

Литература

1. Рикардо Д. Начала политической экономии и налогового обложения. М.: Эксмо, 2007.
2. Сэй Ж.Б. Трактат политической экономии // Библиотека экономистов. Выпуск VII. М.: Изд. К.Т. Солдатенкова, 1896. С. 1–112
3. Туган-Барановский М.И. Избранное. Периодические промышленные кризисы. История английских кризисов. Общая теория кризисов. М.: Наука, «Российская политическая энциклопедия» (РОССПЭН), 1997.
4. Кондратьев Н.Д. Большие циклы конъюнктуры: Доклад // Кондратьев Н.Д. Проблемы экономической динамики. М.: Экономика, 1989. С. 170–411.
5. Глазьев С.Ю. Некоторые закономерности технико-экономического развития и возможности ускорения НТП // Известия АН СССР: Серия экономическая. 1987. № 3. С. 3–15.
6. Тойнби А. Дж. Постижение истории. М.: Прогресс, 1996.
7. Сенявский А.С. Большие вызовы в имперской и советской истории России: сравнительный анализ // Уральский исторический вестник. 2018. № 2. С. 39–48. DOI: 10.30759/1728-9718-2018-2(59)-39-48. EDN: UQVEQA.
8. Нефедов С.А. «Вызовы» и «ответы» в истории России (на примере допетровских и петровских реформ, 1615-1725) // Социологические исследования. 2017. № 9. С. 78–87. DOI: 10.7868/S0132162517090094. EDN: ZFTRNP.
9. Нефедов С.А. «Вызовы» и «ответы» в истории России XVIII века // Социологические исследования. 2018. № 10. С. 130–139. DOI: 10.31857/S013216250002165-4. EDN: YOUXVZ.
10. Нефедов С.А. «Вызовы» и «ответы» в истории России: первая половина XIX века // Социологические исследования. 2019. № 6. С. 86–96. DOI: 10.31857/S013216250005484-5. EDN: KHTCVI.
11. Гидденс Э. Постмодерн // Философия истории: Антология. М.: Аспект Пресс, 1995. С. 340–347.
12. Очкин Р.О. Теоретико-методологические аспекты исследования внешних шоков как детерминирующего фактора национально-государственных экономических интересов // Теоретическая экономика. 2018. №. 2 (44). С. 161–167. EDN: YPTVML.
13. Акбердина В.В. Факторы резильентности в российской экономике: сравнительный анализ за период 2000–2020 гг. // Национальные интересы: приоритеты и безопасность. 2021. Т. 7. № 8. С. 1412–1432. DOI: 10.24891/ni.17.8.1412. EDN: UTWWQM.
14. Фукуяма Ф. Конец истории? // Философия истории: Антология. М.: Аспект Пресс, 1995. С. 200–310.
15. Chatterjee S. From cycles to shocks: Progress in business cycle theory // Business Review. 2000. Vol. 3. Pp. 27–37. https://core.ac.uk/download/pdf/6648921.pdf (accessed: 20.05.2025).
16. Gallegati M. Irregular business cycles // Structural Change and Economic Dynamics. 1994. Vol. 5. No. 1. Pp. 73–79. DOI: 10.1016/S0954-349X(05)80020-7.
17. Ng S. Modeling macroeconomic variations after COVID-19. National Bureau of Economic Research, 2021. No. w29060. https://www.nber.org/system/files/working_papers/w29060/w29060.pdf (accessed: 20.05.2025).
18. Hurduzeu G., Lupu R., Lupu I., Filip R. I. Evolving Economic Relationships: A TVPVAR Analysis of Trade, World Uncertainty, and Stock Market Volatility in Europe // Economic Computation & Economic Cybernetics Studies & Research. 2024. Vol. 58. No. 4. Pp. 20–41. DOI: 10.24818/18423264/58.4.24.02.
19. Chen K., Di Q., Chen X. The resilience of island economy in the face of adverse shocks and its influencing factors: A case study from county-level islands in China // Marine Policy. 2024. Vol. 165. Pp. 106178. DOI: 10.1016/j.marpol.2024.106178.
20. Šťastná S., Ženka J., Krtička L. Regional economic resilience: insights from five crises // European Planning Studies. 2024. Vol. 32. No. 3. Pp. 506–533. DOI: 10.1080/09654313.2023.2267250.
21. Nchofoung T. N., Ngouhouo I. Determinants of economic resilience response in sub-Saharan Africa to a common exogenous shock: roles of demographic differences, exchange rate regimes and institutional quality // Journal of Social and Economic Development. 2024. Vol. 26. No. 1. Pp. 186-213. DOI: 10.1007/s40847-023-00258-9.
22. Chen P. Empirical and theoretical evidence of economic chaos // System Dynamics Review. 1988. Vol. 4. No. 1–2. Pp. 81–108. DOI: 10.1002/sdr.4260040106.
23. Akhmet M., Akhmetova Z., Fen M. O. Chaos in economic models with exogenous shocks // Journal of Economic Behavior & Organization. 2014. Vol. 106. Pp. 95–108. DOI: 10.1016/j.jebo.2014.06.008.
24. Alexeeva T. A., Kuznetsov N. V., Mokaev T. N. Study of irregular dynamics in an economic model: attractor localization and Lyapunov exponents // Chaos, Solitons & Fractals. 2021. Vol. 152. Pp. 111365. DOI: 10.1016/j.chaos.2021.111365. EDN: CYHAVX.
25. Zhang W. B. Chaos, complexity, and nonlinear economic theory/ World Scientific, 2023.
26. Orlando G., Sportelli M. On business cycles and growth // Nonlinearities in Economics: An Interdisciplinary Approach to Economic Dynamics, Growth and Cycles. 2021. Pp. 153–168.
27. Farazmand M., Sapsis T. P. Extreme events: Mechanisms and prediction // Applied Mechanics Reviews. 2019. Vol. 71. No. 5. Pp. 050801. DOI: 10.1115/1.4042065.
28. Chowdhury S.N., Ray A., Dana S.K., Ghosh D. Extreme events in dynamical systems and random walkers: A review // Physics Reports. 2022. Vol. 966. Pp. 1–52. DOI: 10.1016/j.physrep.2022.04.001.
29. Ray R.K., Sumsuzoha M., Faisal M.H., Chowdhury S.S., Rahman Z., Hossain E., Rashid M.M., Hossain М., Rahman M.S. Harnessing Machine Learning and AI to Analyze the Impact of Digital Finance on Urban Economic Resilience in the USA // Journal of Ecohumanism. 2025. Vol. 4. No. 2. Pp. 1417–1442. DOI: 10.62754/joe.v4i2.6515.
30. Wu Z. Evaluation of Provincial Economic Resilience in China Based on the TOPSISXGBoost-SHAP Model // Journal of Mathematics. 2023. Vol. 2023. No. 1. Pp. 6652800. DOI: 10.1155/2023/6652800.
31. Villacis A. H., Badruddoza S., Mishra A. K. A machine learning-based exploration of resilience and food security // Applied Economic Perspectives and Policy. 2024. Vol. 46. No. 4. Pp. 1479–1505. DOI: 10.1002/aepp.13475.
32. Ahmed M.K., Bhuiyan M.M. R., Saimon A.S. M., Hossain S., Hossain S., Manik M.M.T.G., Rozario E. Harnessing Big Data for Economic Resilience the Role of Data Science in Shaping US Economic Policies and Growth // Journal of Management. 2025. Vol. 2. Pp. 26–34. DOI: 10.53935/jomw.v2024i4.865.
33. Данилов Ю.А., Пивоваров Д.А., Давыдов И.С. К вопросу о предвидении глобальных финансово-экономических кризисов // Финансы: теория и практика. 2020. Т. 24. №. 1. С. 87–104. DOI: 10.26794/2587-5671-2020-24-1-87-104. EDN: YBOVDS.
34. Freund Y., Schapire R., Abe N. A short introduction to boosting // Journal-Japanese Society For Artificial Intel-ligence. 1999. Vol. 14. No. 5 Pp. 771–780.
35. Quinlan J. R. Induction of decision trees // Machine learning. 1986. Vol. 1. Pp. 81–106. DOI: 10.1007/BF00116251.
36. Breiman L. Random forests // Machine learning. 2001. Vol. 45. Pp. 5–32. DOI: 10.1023/A:1010933404324.
37. Hosmer Jr/D.W., Lemeshow S., Sturdivant R.X. Applied logistic regression. John Wiley & Sons, 2013. DOI: 10.1002/9781118548387.
38. Demšar J., Curk T., Erjavec A., Gorup C., Hočevar T., Milutinovič V., Možina M., Matija Polajnar M., Toplak M., Starič A., Štajdohar M., Umek L., Žagar L., Žbontar J., Žitnik M., Zupan B. Orange: data mining toolbox in Python // The Journal of machine Learning research. 2013. Vol. 14. No. 1. Pp. 2349–2353.
39. Сенчагов В.К., Митяков С.Н. Использование индексного метода для оценки уровня экономической безопасности // Вестник экономической безопасности. 2011. № 5. С. 41–50. EDN: OGXLJL.

40. Криворотов В.В., Калина А.В., Белик И.С. Пороговые значения индикативных показателей для диагностики экономической безопасности Российской Федерации на современном этапе // Вестник УрФУ. Серия экономика и управление. 2019. Т. 18. № 6. С. 892–910. DOI: 10.15826/vestnik.2019.18.6.043. EDN: JRQDEP.
41. Дубинина Э.В., Жилина Е.В. Диагностика угроз экономической безопасности Российской Федерации // Актуальные проблемы науки и образования в условиях современных вызовов. 2023. С. 498–508. DOI: 10.34755/IROK.2023.29.97.092. EDN: QNVSUR.

Дата поступления рукописи: 30.05.2025 г.

Дата принятия к публикации: 13.10.2025 г.

Для цитирования:

Берсенёв В.Л., Бучинская О.Н. Анализ угроз жизнестойкости российской экономики с помощью алгоритмов машинного обучения // Вестник Института экономики Российской академии наук. 2025. № 5. С. 121-145. https://doi.org/10.52180/2073-6487_2025_5_121_145 EDN: CBAPHB

  Лицензия Creative Commons 4.0