Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
https://open.mgimo.ru/handle/123456789/756| Название: | Managing the Investment Attractiveness of the Federal Subjects of Russia in the Context of the UN Sustainable Development Goals Управление инвестиционной привлекательностью субъектов Российской Федерации в контексте достижения целей устойчивого развития ООН |
| Авторы: | Алексей, Н.Б. Александр, И.Б. Роман, В.Г. Евгений, И.Д. Эдуард, Р.С. |
| Ключевые слова: | investment attractiveness, investment potential, investment risks, regions of Russia, artificial intelligence, clustering Kohonen map, Bayesian ensemble, dynamic neural network models инвестиционная привлекательность инвестиционный потенциал инвестиционные риски регионы России искусственный интеллект кластеризация карта Кохонена байесовский ансамбль динамические нейросетевые модели |
| Дата публикации: | 2022 |
| Библиографическое описание: | Borisov A.N., Borodin A.I., Gubarev R.V., Dzyuba E.I., Sagatgareev E.R. Managing the Investment Attractiveness of the Federal Subjects of Russia in the Context of the UN Sustainable Development Goals. MGIMO Review of International Relations. 2022;15(3):202-230. (In Russ.) https://doi.org/10.24833/2071-8160-2022-3-84-202-230 Борисов А.Н., Бородин А.И., Губарев Р.В., Дзюба Е.И., Сагатгареев Э.Р. Управление инвестиционной привлекательностью субъектов Российской Федерации в контексте достижения целей устойчивого развития ООН. Вестник МГИМО-Университета. 2022;15(3):202-230. https://doi.org/10.24833/2071-8160-2022-3-84-202-230 |
| Аннотация: | Inter-regional gaps in the investment sphere and sanction pressure on the national economy have actualized the issue of improving the efficiency of managing investment attractiveness at the mesoscale using modern high-precision methods of economic and mathematical modeling. A number of well-known thematic ratings are used to assess the investment attractiveness of the Russian regions, whose critical analysis made it possible to identify their main shortcomings. Therefore, in the course of the study, the authors make an attempt to build an adequate rating of the investment attractiveness of the constituent entities of the Russian Federation using artificial intelligence. The results of the retrospective assessment are deepened by clustering the Russian regions based on the achieved level of investment attractiveness by the method of Kohonen self-organizing cards. To implement the prognostic function, a Bayesian ensemble of dynamic neural network models was formed. As a result of the empirical study three hypotheses have been confirmed: on significant inter-regional gaps in the sphere of investment attractiveness; on a negative change in the cluster structure (in the field of investment attractiveness) of the Russian regions in 2013-2018 due to sanctions pressure on the national economy; and on the persistence of significant inter-regional gaps (in the investment sphere) in the medium term (on the example of the leading regions). The results can be used to update the provisions of the economic policy of a number of constituent entities of the Russian Federation. Moreover, the authors’ approach might be applied for analyzing other countries in the context of the UN Sustainable Development Goals at the meso-level. Межрегиональные разрывы в инвестиционной сфере и санкционное давление на национальную экономику актуализировали задачу повышения эффективности управления инвестиционной привлекательностью на мезоуровне с применением современных высокоточных методов экономико-математического моделирования. В настоящее время для оценки инвестиционной привлекательности российских регионов применяется ряд тематических рейтингов, критический анализ которых позволил выявить ряд недостатков. В связи с этим в рамках настоящего исследования была поставлена цель построения адекватного рейтинга инвестиционной привлекательности субъектов Российской Федерации с применением искусственного интеллекта. Результаты ретроспективной оценки углубляются путем кластеризации российских регионов исходя из достигнутого уровня инвестиционной привлекательности методом самоорганизующихся карт Кохонена. Для реализации прогностической функции формируется адекватный байесовский ансамбль из динамических нейросетевых моделей. В ходе эмпирического исследования были выдвинуты и подтверждены три гипотезы: о наличии значительных межрегиональных разрывов в сфере инвестиционной привлекательности; о негативном изменении кластерной структуры (в сфере инвестиционной привлекательности) российских регионов в 2013-2018 гг. под воздействием ряда новых экзогенных (внешних) факторов; о сохранении существенных межрегиональных разрывов (в инвестиционной сфере) в среднесрочной перспективе (на примере регионов-лидеров). Полученные результаты могут быть учтены при актуализации положений экономической политики ряда субъектов Российской Федерации. Авторский подход может быть применен и для анализа других стран мира в контексте достижения целей устойчивого развития ООН на мезоуровне. |
| URI: | https://open.mgimo.ru/handle/123456789/756 |
| ISSN: | 2541-9099 2071-8160 |
| Ссылка на текст статьи: | https://www.vestnik.mgimo.ru/jour/article/view/3147 |
| Располагается в коллекциях: | Том 15, № 3 |
Файлы этого ресурса:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| vestnik_3_15_202_230.pdf | 1,2 MB | Adobe PDF | ![]() Просмотреть/Открыть |
Источник:
MGIMO Review of International Relations
, т. 15
, № 3
, с. 202–230
(2022)
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.
