Building a system of indicators on entrepreneurship in the Russian Federation and their forecasting based on the intelligent hybrid system Horizon

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Forecasting the development of small and medium-sized businesses is an important task for large market economy entities. The purpose of the study was to develop a short-term forecast of entrepreneurship indicators in the Russian Federation based on a comprehensive forecast model implemented in the intelligent hybrid system Horizon. The large country econometric model of the Russian Federation is based on the authors' methodology for constructing a distributed system for calculating short-term and medium-term forecasts of socio-economic development indicators, including blocks of indicators of macroeconomics, financial, innovation and social activity.This article describes the structure of a new block of the model – a block of entrepreneurship indicators. The results of predictive calculations using an econometric model, neural network models and a random forest are presented. The application of a set of models made it possible to obtain high-quality forecasts for all entrepreneurship indicators.

About the authors

Lyudmila Pavlovna Dyakonova

Plekhanov Russian University of Economics

Email: ldyak@mail.ru
доцент кафедры информатики, кандидат физико-математических наук, доцент

Viktoriya Mikhaylovna Savinova

Plekhanov Russian University of Economics

Email: lesnayapol@yandex.ru
старший преподаватель кафедры информатики

Artem Anatolevich Shomkin

Business Solutions and Technology JSC

Email: shomkin.a@yandex.ru
магистр

References

  1. Указ Президента Российской Федерации от 21.07.2020 г. № 474 «О национальных целях развития Российской Федерации на период до 2030 года». URL: http://government.ru/docs/all/128943/ (дата обращения: 17.03.2023)2. Федеральный закон от 24.07.2007 № 209-ФЗ (ред. От 02.07.2021) «О развитии малого и среднего предпринимательства в Российской Федерации» (с изм. и доп., вступ. в силу с 01.01.2022) / Статья 4. URL: http://government.ru/docs/all/98543/ (дата обращения: 17.03.2023)3. Klein L. R., Goldberger A. S. An econometric model of the United States, 1929-1952, Amsterdam, 19554. Колмаков И. Б. Основы моделирования. Имитационные макромодели рыночной экономики. – М.: Из-во Рос. экон. акад им. Г.В. Плеханова, 1995. – 203 с.5. Макаров В.Л., Айвазян С.А., Борисова С.В., Лакалин Э.А. Эконометрическая модель экономики России для целей краткосрочного прогноза и сценарного анализа// Препринт # WP/2001/121 - М.: ЦЭМИ РАН, 2001.6. Н.Н. Сиволап, Прогнозирование основных показателей социальной сферы региона // Региональная экономика: теория и практика, ООО "Издательский дом "Финансы и кредит" (Москва), №7, 20077. Китова О.В., Колмаков И.Б., Шарафутдинова А.Р. Анализ точности и качества краткосрочного прогноза показателей социально-экономического развития России// Вестник Российского экономического университета им. Г.В. Плеханова. - № 9 (63).- 2013. – С. 111-1198. Банк России. «Основные направления единой государственной денежно-кредитной политики на 2021 год и период 2022 и 2023 годов». Москва, 2020. Электронная версия документа размещена в разделе «Издания Банка России / Основные направления единой государственной денежно-кредитной политики» на сайте Банка России [Электронный ресурс]. URL: http://www.cbr.ru/about_br/publ/ondkp (дата обращения: 17.03.2023). 9. Савинова Виктория Михайловна. Система эконометрических моделей прогнозирования социально-экономических показателей РФ как основа ИАС «Горизонт». Modern Economy Success, 2022 № 2 с. 140-147. https://mes-journal.ru/wp-content/uploads/2022/03/mes-1-2022.pdf10. Китова О.В., Савинова В.М., Дьяконова Л.П. Гибридная интеллектуальная информационная система прогнозирования «СГМ Горизонт» и ее применение в подготовке магистров. Международный научный журнал «Современные информационные технологии и ИТ-образование», [S.l.], v. 15, n. 4, p. 862-870, dec. 2019. ISSN 2411-1473.11. Китова О. В., Дьяконова Л. П., Савинова В. М., Китов В. В. Система поддержки приятия решений «Горизонт» на основе гибридных моделей прогнозирования показателей экономики России. Экономика: вчера, сегодня, завтра. Том 8, № 9A, 2018 с. 309 – 31912. Kitova O., Savinova V., Dyakonova L., Kitov V. Development of hybrid models and a system for forecasting the indicators of the Russian economy// Espacios. 2019. Т. 40. № 10. - P. 18-24.13. Грачева М. В. Математические и инструментальные методы в современных экономических исследованиях: Монография / Е. А. Туманова // - М.: Экономический факультет МГУ им. М. В. Ломоносова, 2018. – 232 с. 14. Груздев, А. В. Прогнозное моделирование в IBM SPSS Statistics, R и Python: метод деревьев решений и случайный лес. – М. : ДМК Пресс, 2018. – 642 с., с. 263.15. Банк России. «Основные направления единой государственной денежно-кредитной политики на 2023 год и период 2024 и 2025 годов». Москва, 2020. Электронная версия документа размещена в разделе «Издания Банка России / Основные направления единой государственной денежно-кредитной политики» на сайте Банка России [Электронный ресурс]. URL: http://www.cbr.ru/about_br/publ/ondkp (дата обращения: 17.03.2023).

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Dyakonova L.P., Savinova V.M., Shomkin A.A.

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».