Статья: ТЕХНОЛОГИЧЕСКИЙ СУВЕРЕНИТЕТ В РАЗВИТИИ ЦИФРОВОЙ ЭКОНОМИКИ РОССИИ: ИМПОРТ ЦИФРОВЫХ ТОВАРОВ В ПЕРИОД САНКЦИЙ (2025)

В работе обсуждаются сдвиги в процессах цифровизации российских производителей, которые произошли под воздействием шоков последних лет. Как меняются стратегии цифровизации в компаниях? Какие факторы цифровизации остаются актуальными? Какие направления в цифровизации задает государство? Эмпирический анализ на основе двух волн опроса, проведенного НИУ ВШЭ, предприятий обрабатывающей промышленности (2018 г. и 2022 г.) показал растущую вовлеченность компаний в орбиту цифровой трансформации. При этом решающее значение в принятии решений о внедрении цифровых технологий играет участие предприятий во внешнеэкономической деятельности, реализация инновационных моделей развития и организационная гибкость. Государственная поддержка способствует, но не обеспечивает комплексности и «стратегичности» в цифровизации бизнеса. Шоковые изменения в экономике сопряжены с отказом от комплексной цифровизации в пользу стратегии цифровой экспансии и гибкости, а также с закреплением цифрового лидерства экспортеров и крупного интегрированного бизнеса, ростом значимости импорта для вхождения в цифровую трансформацию бизнеса и активностью компаний средних размеров в цифровизации бизнес-процессов

В работе обсуждаются сдвиги в процессах цифровизации российских производителей, которые произошли под воздействием шоков последних лет. Как меняются стратегии цифровизации в компаниях? Какие факторы цифровизации остаются актуальными? Какие направления в цифровизации задает государство? Эмпирический анализ на основе двух волн опроса, проведенного НИУ ВШЭ, предприятий обрабатывающей промышленности (2018 г. и 2022 г.) показал растущую вовлеченность компаний в орбиту цифровой трансформации. При этом решающее значение в принятии решений о внедрении цифровых технологий играет участие предприятий во внешнеэкономической деятельности, реализация инновационных моделей развития и организационная гибкость. Государственная поддержка способствует, но не обеспечивает комплексности и «стратегичности» в цифровизации бизнеса. Шоковые изменения в экономике сопряжены с отказом от комплексной цифровизации в пользу стратегии цифровой экспансии и гибкости, а также с закреплением цифрового лидерства экспортеров и крупного интегрированного бизнеса, ростом значимости импорта для вхождения в цифровую трансформацию бизнеса и активностью компаний средних размеров в цифровизации бизнес-процессов

Цифровизация экономики неоднозначно влияет на теневой сектор: с одной стороны, она способствует снижению его масштабов за счет трансформации бизнес-процессов, повышения прозрачности и контроля, с другой — создает новые каналы уклонения от регулирования. Эмпирические исследования в своей массе подтверждают отрицательную связь между уровнем цифровизации экономики и объемом ее теневого сектора, однако зависимость может иметь и нелинейный характер. При этом почти во всех рассмотренных работах в качестве показателя цифровизации применялись метрики доступа населения к ИКТ, и реже — оценки интенсивности электронного взаимодействия населения с государственными органами. Как представляется, напрасно упускаются финансовые измерители цифровизации экономики. Проведенные расчеты по выборке из 42 стран по данным за период с 2000 по 2022 г. подтвердили наличие ɡ-образной зависимости между долей сектора ИКТ в совокупной добавленной стоимости и долей занятости в неформальном секторе. По итогам оценки моделей двухшаговым МНК, рынок труда претендует на роль передаточного звена между уровнем цифровизации и долей теневой экономики в ВВП. Результаты моделирования указывают на то, что чрезмерное ускорение цифровой трансформации при недостаточной зрелости институтов способно провоцировать рост теневой экономической деятельности

В статье рассмотрена концептуальная схема развития цифровой экономики, разграничивающая цифровой сектор (как часть экономики) и цифровую экономику в узком / широком понимании. Предложена эталонная модель цифровой экономики как совокупности стадий и процессов производства, использования и массового распространения цифровых технологий и продуктов на их основе, направленных на достижение социально-экономических эффектов. Модель акцентирует внимание на факторах, влияющих на развитие цифровой экономики и образующих как цифровые основы с необходимой технологической средой, так и нецифровые «аналоговые» основы, имеющие нетехнологический характер. На основе эталонной модели дан краткий анализ национальной программы «Цифровая экономика Российской Федерации», приведены практические примеры стратегического планирования и реализации процессов развития цифровой экономики в масштабах страны, территории или отдельной сферы деятельности. Особое внимание уделено факторам, связанным с государственной политикой и стратегическим планированием, а также с системой управления, подразумевающей наличие организационных механизмов вовлечения и персональной ответственности представителей основных заинтересованных сторон (власти, бизнеса, гражданского общества, научнообразовательного сообщества) в процессы разработки и реализации цифровых инициатив

Новый этап цифровизации экономики связан с широким внедрением искусственного интеллекта (ИИ). При этом сохраняются пространственные диспропорции в доступе к информационнокоммуникационным технологиям (ИКТ), в умении их использовать и получать прибыль (три уровня цифрового неравенства). Недостаточно исследовано влияние сложных алгоритмов ИИ, вероятно, формирующих новый (четвертый) уровень цифрового неравенства. Отставание от лидеров цифровизации может ограничивать развитие: в регионах, где доля активных пользователей Интернетом — ниже на 1%, отношение валового регионального продукта (ВРП) к рабочей силе — ниже на 0,07%. В России после 2022 г. пространственная диффузия ИКТ могла замедлиться в условиях внешних ограничений импорта оборудования, оттока кадров, что должно было усилить межрегиональное цифровое неравенство. В действительности последнее сокращалось на фоне повсеместного расширения онлайн- торговли и поддержки властями сектора ИКТ, разрешения параллельного импорта. Экономики большинства регионов приближались к границе цифровых возможностей по мере заимствования технологий и продуктов, моделей управления, в том числе за счет стремительного распространения цифровых платформ. Интенсивность внедрения ИИ организациями заметно выросла в 2022 г., когда государство предложило ряд инструментов поддержки, но затем замедлилась в большинстве регионов из-за недостатка технических средств и компетенций, высокой стоимости трансформации бизнесов (технологическая пауза). Для экономии ресурсов и концентрации усилий потребуется пространственно дифференцированная политика. В наиболее продвинутых центрах (Москва, Санкт- Петербург, Новосибирская область, Татарстан) необходимы стимулы для исследований и разработок цифровых технологий, создания стартапов, в том числе в сфере ИИ; в промышленных регионах — поддержка автоматизации производств и переобучение сотрудников, а в отстающих — повышение цифровой грамотности, физической и ценовой доступности ИКТ, расширение доступа предпринимателей к цифровым платформам

Непонимание долгосрочных закономерностей может приводить к провалам экономической политики. Опираясь на обзор научных работ с XVIII в. и анализ архивных данных, предложен подход к изучению эволюционной динамики деловой активности населения на основе оценки изменения плотности городов и малых предприятий. Впервые обнаружено пять законченных нерегулярных пространственно-временных волн на территории России за прошедшие десять веков. Деловая активность в городах в прошлом (торговцев, купцов, ремесленников и др.) рассматривается как прообраз предпринимательской деятельности. Фронтирное освоение больших территорий требовало предприимчивости жителей. Хотя в советский период динамика плотности малых предприятий была асинхронна с темпами экономического роста, в целом за последние полтора столетия (пятая волна) наблюдалась положительная взаимосвязь между ними, в том числе подтверждаемая на уровне регионов в текущем столетии. Многие выявленные закономерности исторически устойчивы: 1) предпринимательство можно считать персистентным, или жизнестойким, явлением, в частности, плотность малых предприятий превысила досоветские значения с учетом оговорок о точности данных и эволюции экономических агентов; 2) распространение предпринимательства в пространстве в целом подчинялось модели диффузии инноваций, в частности, выделяются такие относительно стабильные регионы-лидеры (ядра), как Москва, Санкт-Петербург, юг Дальнего Востока и отстающие (периферии); 3) на каждом из этапов выявлено долгосрочное влияние таких нескольких значимых условий и факторов деловой активности, как природно-географические особенности и развитие транспортных путей, социокультурная среда и институциональные преобразования (реформы), накопление человеческого капитала в городах и смена технологий. Продолжая многовековую научную дискуссию о стратегиях содействия деловой активности, предлагается разработать скоординированные меры воздействия на выявленные характеристики. Важно избежать чрезмерной монополизации хозяйства и / или роста неформального сектора, так как ослабление одного из производственных факторов — предпринимательского капитала — будет иметь долгосрочные негативные последствия для экономического развития. Так, ограничение предпринимательских инициатив в советский период вело к снижению эффективности народного хозяйства и ослабило возможности его трансформации в позднесоветский период. Недооценка необходимости накопления опыта и укоренения предпринимательства усилила негативные экономические тенденции после ускоренной либерализации в 1990-е годы. Начинающаяся шестая волна, вероятно, будет связана с распространением цифровой экономики и требует стимулирования соответствующих ей форм онлайн- предпринимательства на фоне растущей депопуляции. Экономические исследования циклической динамики дополнены новым параметром — деловой активностью, но требуется дальнейшая верификация данных, в том числе и для других стран

В статье представлено эмпирическое исследование эффективности официальной помощи в целях развития (ОПР). Впервые на межстрановом уровне были получены робастные выводы о влиянии помощи на экономический рост реципиента с учетом качества его правительства и мотивации доноров. Эконометрический анализ данных за 1991–2019 гг. по 59 реципиентам показал, что для стран с развитой системой управления ОПР эффективна вне зависимости от мотивов и объемов, при этом ее предельная полезность убывает. Результат подтверждает важность качества правительства страны- получателя для эффективности помощи, а также исчерпание возможностей эффективного использования ОПР по мере роста ее объемов. Расчеты также показали, что в странах с неразвитой системой управления помощь полезна только при благоориентированном мотиве и значительных объемах, иначе она приводит к снижению темпов экономического роста. Вероятно, такой реципиент не способен противостоять донору, имеющему корыстные интересы, а также самостоятельно справляться с негативными последствиями помощи, в частности синдромом, аналогичным голландской болезни. Значительные объемы благоориентированной помощи, которые свидетельствуют о внимании доноров к механизмам реализации ОПР, способны предотвратить негативные эффекты. Полученные результаты расширяют представление о необходимых условиях эффективного предоставления помощи

В статье анализируются стимулы и барьеры, возникающие у государственных заказчиков при проведении закупок инноваций в России. Исследование основывается на данных масштабного онлайн-опроса, проведенного в 2024 г., в котором участвовали 1832 заказчика из всех регионов страны. Мы показываем причины неоднородности в поведении заказчиков при осуществлении закупок инноваций и связываем эти причины как с различиями во внутренних стимулах организаций, так и с внешними факторами, напрямую не связанными с закупочной деятельностью заказчиков. Дополнительно выявлено, что существует разница в частоте закупок инновационной продукции в зависимости от закона, регулирующего деятельность заказчика (44-ФЗ и 223-ФЗ), годового объема закупок и организационно-правовой формы заказчика. Одним из ключевых стимулов для заказчиков является комплексное информирование и методическая поддержка в вопросах проведения закупок инноваций. Среди основных барьеров — сложности в классификации инновационной продукции и ограниченное число поставщиков на рынке инновационной продукции. Результаты исследования подчеркивают важность разработки единых правил стимулирования инновационной активности организаций через инструменты государственных закупок

Исследование посвящено оценке динамической взаимосвязи и побочных эффектов волатильности на финансовых рынках Китая и России в период с 2009 по 2023 г. Особое внимание уделено их экономическому и финансовому рыночному взаимодействию. Используя модель векторной авторегрессии с изменяющимися во времени параметрами (TVP-VAR) и модель LASSO, мы изучаем, как двусторонние торговые отношения взаимосвязаны с такими различными параметрами финансовых рынков, как биржевые индексы, доходность облигаций и показатели ликвидности. В результате выявлена значительная положительная корреляция между китайским экспортом в Россию и функционированием российского финансового рынка, что подчеркивает важность внешней торговли. Результаты исследования показали, что экономические отношения между Китаем и Россией существенно влияют на финансовые рынки обеих стран, что обусловлено геополитической и экономической ситуацией. Результаты исследования усиливают понимание международных экономических отношений и динамики финансовых рынков через такие их аспекты, как волатильность и экономическая взаимосвязь.

В исследовании представлены результаты оценки изменений уровня кредитного риска на рынках онлайн-микрозаймов и краудлендинга; дана их интерпретация в контексте финансовой стабильности. Отличием нашего исследовательского подхода является применение корректировочных коэффициентов, учитывающих взаимодействие населения с цифровыми технологиями, при оценке кредитных рисков онлайн- сегментов розничного кредитного рынка, наряду с построением зоны стабильности рассчитанных индикаторов. Было выдвинуто предположение о том, что кредитные риски, генерируемые на рынках онлайн-микрозаймов и краудлендинга, могут стать системными рисками данных рынков и потенциально, исходя из тенденций, — системными рисками финансового рынка в целом. Таким образом, кредитные риски онлайн– сегментов розничного кредитного рынка — возможный потенциальный фактор влияния на финансовую стабильность, который необходимо учитывать при ее оценке посредством соответствующих параметров. Полученные нами результаты отчасти подтвердили выдвинутое предположение. По отдельности каждый из представленных нами показателей не вполне соответствует требованиям к индикаторам финансовой стабильности, но их можно использовать как составные элементы агрегированного индикатора финансовой стабильности, отражающие кредитные риски розничного рынка онлайн-кредитования

Анализируются переливы волатильности на Российском фондовом рынке на примере отраслевых индексов Московской биржи за 2020–2024 гг. Переливы волатильности между отраслевыми индексами позволяют охарактеризовать структуру распространения рисков, выявить отрасли, являющиеся источниками и получателями рисков, а также уровень системного риска. В рассматриваемый период экономика и фондовый рынок России переживали существенную трансформацию, связанную с воздействием глобальных экономических и политических шоков. Мы предлагаем методику анализа чувствительности сети распространения рисков к наиболее существенным шокам, основанную на расчете индексов связности (мер переливов волатильности). Анализ показателей связности позволяет сделать выводы о влиянии внешних воздействий на динамику переливов. Полученные результаты позволяют оценить долю мер переливов, которая может быть отнесена к воздействию экстремальных событий, а также исследовать динамику трансформации сети распространения рисков на фондовом рынке России. Результаты исследования дают новую информацию о влиянии экстраординарных событий на переливы волатильности для российских отраслевых индексов

Инвестиции в НИОКР являются одним из основных факторов экономического роста. Их влияние на экономический рост формируется из прямого воздействия и эффекта перетока, когда инвестиции в регионе влияют на развитие близлежащих регионов. В качестве показателей экономического роста и инвестиций в НИОКР в работе используются реальный валовой региональный продукт (ВРП) и капитал НИОКР, оцененный методом постоянной инвентаризации. Для получения количественных оценок в работе применяются статические и динамические пространственные модели Дарбина на панельных данных Росстата по 76 российским регионам в период 2001-2021 гг. Модели оцениваются с помощью метода квазимаксимального правдоподобия. Полученные результаты свидетельствуют о наличии как краткосрочного, так и долгосрочного прямого влияния капитала НИОКР на реальный ВРП. При этом о наличии перетока свидетельствуют только отдельные спецификации моделей. Этот результат согласуется с предыдущими исследованиями, которые отмечали слабые связи между российскими регионами и недостаточной эффективностью российского сектора НИОКР.

В статье рассматривается обобщенная модель пространственно распределенных потребителей и производителей (distributed market model), позволяющая описывать распределение объемов производства и продаж, а также цены на географически удаленных рынках товаров. Взаимодействие агентов в модели описывается в терминах экономического равновесия, в котором агенты решают свои оптимизационные задачи и их решения должны быть согласованы. Производители в модели характеризуются производственными мощностями и издержками производства, потребители - объемами спроса. Для описания взаимодействия потребителей с производителями задана матрица логистических издержек доставки единицы товара от каждого производителя к каждому потребителю. Доказано существование равновесия в модели при выполнении некоторых условий регулярности и предложен конечный алгоритм, позволяющий описать множество равновесных цен и объемов. Модель может быть использована для исследования эффектов изменения параметров спроса и предложения (например, в результате роста экономики или инвестиций в производство), а также логистической структуры рынка (например, в результате санкций).

В условиях введения западными странами санкций против России актуальной задачей стала оценка перспектив мировой экономики и международной торговли с учетом возможности неполного замещения поставляемых ресурсов. Для решения этой задачи выбран агент-ориентированный подход. Основанная на нем компьютерная модель торговых войн отражает динамику международных товарных потоков между Россией, США, ЕС, Китаем и остальным миром с учетом торговых ограничений, курсов валют, инфляции и колебаний конечного спроса. Целью проведения расчетов являлась оценка чувствительности экономических систем различных стран к перестройке торговых отношений. В расчетах вводился параметр замещения ресурсов в диапазоне от 0 до 1, где 1 соответствует возможности полной замены ресурсов (базовый сценарий). В рамках экспериментов на модели были выбраны три уровня замещения: 1; 0,9 и 0,8. Анализ результатов показал, что чувствительность российской экономики к степени замещаемости ресурсов сравнительно невысока: отклонение ВВП в год введения санкций при рассмотренных уровнях замещения относительно базового сценария не превышает 1,7%. В наибольшей степени от введенных санкций страдает экономика Европейского союза, и ее чувствительность к уровню замещения ресурсов является наибольшей. Сравнение полученных прогнозов с ретроспективными данными за 2022-2023 гг. показало, что в большинстве вовлеченных в торговое противостояние стран замещение ресурсов оказалось близким к полному, и лишь в России и ЕС в некоторые моменты замещение опускалось до уровня 90-95%.