A Strategic Management Model for Restructuring the Technological Core of an Economy

Capa

Citar

Texto integral

Resumo

This paper considers the multi-sector model of the technological core of an economy, mathematical methods for its analysis, and procedures for calculating an indicative plan to restructure the core. The productivity of this core is proposed as a formalized criterion (indicator) for the effectiveness of structural innovations. The following optimization problem is stated: find a balanced state maximizing productivity by planned changes in the output and price indices. An equivalent transformation method is developed for the model considering the achieved values of the indicators. Several propositions concerning the properties of equilibrium and balanced states are proved. As a result, a multistage procedure is constructed to calculate the trajectory bringing the economic system closer to a balanced state. The multi-sector model is analyzed to compare the uncontrolled and controlled modes of development. The uncontrolled mode simulates the state of a market economy: no centralized management of the economy, sustainability, and relatively low GDP growth rates. The controlled mode involves the strategic planning methodology. As shown below, due to indicative strategic planning, the productivity of Russia’s economy can significantly increase even at the first plan implementation stages. The proposed indicative planning methodology is mathematically justified. Numerical examples of its implementation on real statistical data are given. According to the paper’s results, centralized planning institutions should be established for developing the technological infrastructure of Russia’s economy. Such institutions are of current importance due to the international economic and political situation.

Sobre autores

V. Gusev

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Autor responsável pela correspondência
Email: gusvbr@ipu.ru
Moscow, Russia

Bibliografia

  1. Узяков М.Н. Проблемы экономических измерений и возможности структурного анализа // Проблемы прогнозирования. – 2020. – № 1 (178). – С. 3-4. [Uzyakov, M.N. Problems of Economic Measurements and Possibilities of Structural Analysis // Studies on Russian Economic Development. – 2020. – Vol. 31, no 1. – P. 3–4. (In Russian)]
  2. Гусев В.Б. Равновесные модели многоресурсных саморазвивающихся систем // Проблемы управления. – 2007. – № 3. – С. 18–25. [Gusev, V.B. Equilibrium Models of Multi-Resource Self-Developing Systems // Control Sciences. – 2007. – No. 3. – P. 18–24. (In Russian)]
  3. Леонтьев В.В. Экономические эссе. Теории, исследования, факты и политика. – М.: Политиздат, 1990. [Leontief, W.W. Essays in Economics. Theories, Theorizing, Facts, and Policies. – New York: Oxford University Press, 1966.]
  4. Индикативное планирование и проведение региональной политики / М.Н. Абдикеев и др. – М.: Финансы и статистика, 2007. – 368 с. [Indikativnoe planirovanie i provedenie regional'noi politiki / M.N. Abdikeev i dr. – M.: Finansy i statistika, 2007. – 368 s. (In Russian)]
  5. Гусев В.Б. Модели автономного управления в развивающихся системах // Проблемы управления. – 2018. – № 6. – С. 2–17. [Gusev, V.B. Models of Autonomous Control in the Developing Systems // Control Sciences. – 2018. – No. 6. – P. 2–17. (In Russian)]
  6. Поляк Б.Т., Хлебников М.В., Рапопорт Л.Б. Математическая теория автоматического управления. – М.: Издательство URSS, 2019. – 500 c. [Polyak, B.T., Khlebnikov, M.V., Rapoport, L.B. Matematicheskaya teoriya avtomaticheskogo upravleniya. – M.: Izdatel'stvo URSS, 2019. – 500 c. (In Russian)]
  7. Гусев В.Б. Экстремальные характеристики модели технологического ядра крупномасштабной экономической системы // Проблемы управления. – 2021. – № 6. – С. 30–39. [Gusev, V.B. The Technological Core Model of a Large-Scale Economic System: Optimal Characteristics // Control Sciences. – 2021. – No. 6. – P. 25–33.]
  8. Таблицы ресурсов и использования товаров и услуг Российской Федерации за 2019 год (в текущих ценах, млн. руб.) Опубликовано Росстатом 26 января 2022 года. https://rosstat.gov.ru/statistics/accounts [Tablicy resursov i ispol'zovaniya tovarov i uslug Rossijskoj Federacii za 2019 god (v tekushchih cenah, mln. rub.) Opublikovano Rosstatom 26 yanvarya 2022 goda. (In Russian)]
  9. Dorfman, R., Samuelson, P.A., Solow, R.M. Linear Programming and Economic Analysis. – New York: McGraw-Hill, 1958.
  10. Fox, W.P., Burks, R. Mathematical Programming: Linear, Integer, and Nonlinear Optimization in Military Decision-Making. In: Applications of Operations Research and Management Science for Military Decision Making. – New York: Springer, 2019. – P. 137–191.
  11. Mason, A.J. OpenSolver – An Open Source Add-in to Solve Linear and Integer Progammes in Excel. – Operations Research Proceedings 2011, eds. Klatte, D., Lüthi, H.-J., Schmedders, K. – Berlin, Heidelberg: Springer. – 2012. – P. 401–406. – http://dx.doi.org/10.1007/978-3-642-29210-1_64.
  12. Bergstra, J., Bardenet, R., Bengio, Y., Kégl, B. Algorithms for Hyper-parameter Pptimization // Proceedings of the 24th International Conference on Neural Information Processing Systems, ser. NIPS’11. – Red Hook, NY, USA: Curran Associates Inc., 2011. – P. 2546–2554.
  13. Doumic, M., Perthame, B., Ribes, E., et al. Toward an Integrated Workforce Planning Framework Using Structured Equations // European Journal of Operational Research. – 2017. – Vol. 262, iss. 1. – P. 217–230.
  14. Самуэльсон, П. Экономика. Т. 1. – М.: МГП «АЛГОН» ВНИИСИ, 1992. – 333 с. [Samuelson, P.A. Economics. – New York: McGraw-Hill, 1989.]
  15. Петров А.А., Поспелов И.Г., Шананин А.А. Опыт математического моделирования экономики. – М.: Энергоатомиздат, 1996. – 544 с. [Petrov, A.A., Pospelov, I.G., Shananin, A.A. Opyt matematicheskogo modelirovaniya ekonomiki. – M.: Energoatomizdat, 1996. – 544 s. (In Russian)]
  16. Антипов В.И. ГОСПЛАН. Вчера, сегодня, завтра. – М.: Концептуал, 2019. – 208 с. [Antipov, V.I. GOSPLAN. Vchera, segodnya, zavtra. – M.: Kontseptual, 2019. – 208 s. (In Russian)]
  17. Поляк Б.Т. Введение в оптимизацию. – М.: Наука Главная редакция физико-математической литературы, 1983. – 384 с. [Polyak, B.T. Vvedenie v optimizatsiyu. – M.: Nauka Glavnvya redaktsiya fiziko-matematicheskoi literatury, 1983. – 384 s. (In Russian)]
  18. Hai, T.N., Tien, V.D., Csaba, R. Optimizing the Resource Usage of Actor-Based Systems // Journal of Network and Computer Applications. – 2021. – Vol. 190:103143. – DOI: https://doi.org/10.1016/j.jnca.2021.103143.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».