ecr-journalЭкономическая наука современной РоссииEconomics of Contemporary Russia1609-14422618-8996Regional Public Organization for Assistance to the Development of Institutions of the Department of Economics of the Russian Academy of Sciences10.33293/1609-1442-2022-4(99)-49-62ecr-journal-795Research ArticleЭКОНОМИЧЕСКАЯ ПОЛИТИКА И ХОЗЯЙСТВЕННАЯ ПРАКТИКАECONOMICAL POLICY AND ECONOMICAL PRACTICEПрогноз ключевых показателей сложноорганизованной экономической системыKey Indicators of a Complex Economic System ForecastПиорунскийИлья ДмитриевичPiorunskyIlya D.

управляющий партнер

info@chemicalleaders.comСумбергГульнара ИриковнаSumbergGulnara I.

финансовый директор

gulnara.sumberg@gmail.comhttps://orcid.org/0000-0001-8640-1654МухаметзяновИрик ЗиряговичMukhametzyanovIrik Z.

доктор физико-математических наук, доцент, профессор кафедры

mm_ugntu@mail.ruООО «Кемикал Лидерс», МоскваРоссияChemical Liders Ltd., MoscowRussian FederationОAО «Эпос», Санкт-ПетербургРоссияEpos OJSC., St. PetersburgRussian FederationУфимский государственный нефтяной технический университет, УфаРоссияUfa State Petroleum Technological University, UfaRussian Federation202231122022044962Copyright © Regional Public Organization for Assistance to the Development of Institutions of the Department of Economics of the Russian Academy of Sciences, 20232023Regional Public Organization for Assistance to the Development of Institutions of the Department of Economics of the Russian Academy of SciencesRegional Public Organization for Assistance to the Development of Institutions of the Department of Economics of the Russian Academy of Scienceshttps://www.ecr-journal.ru/jour/about/submissions#copyrightNoticehttps://www.ecr-journal.ru/jour/article/view/795

Одним из необходимых компонентов в задачах повышения эффективности бизнеса, инвестиционного планирования или оценки стоимости компаний является прогнозирование ключевых показателей экономической деятельности. Большое число различных показателей экономической деятельности взаимосвязаны сложным образом, и результат изменения отдельного показателя или группы влечет за собой изменения других показателей, что характерно для крупного предприятия. Наличие системы взаимосвязанных показателей значительно осложняет прогнозирование. Цель работы – ​предложить методики и аналитические инструменты прогнозирования ключевых показателей сложноорганизованной экономической системы. Разработан гибридный подход к прогнозированию сложноорганизованной экономической системы, позволяющий осуществлять прогнозирование отдельных технико-экономических показателей с учетом динамики и тенденций изменения всего множества показателей, отражающих различные аспекты деятельности предприятия. Предлагаемая методика прогнозирования основных технико-экономических показателей совмещает несколько подходов и содержит ряд ограничений. На первой стадии выполняется декомпозиция сложной системы показателей на группы. По каждой группе показателей определяются системы одновременных уравнений множественной регрессии временных рядов. Далее проводится селекция моделей регрессии с использованием регрессионной статистики и экономически обоснованных ограничений. Регрессионные модели по каждому показателю дополняются адаптивной моделью. Синтез результата получается как скользящее среднее прогноза, полученного на основе одновременных уравнений множественной регрессии временных рядов. Предложенные инструментальные методы анализа рекомендуются в качестве аналитических инструментов анализа бизнеса для разных целей, в том числе инвестиционных, и направлены на повышение достоверности знаний о состоянии бизнеса интересующего предприятия. Апробация предложенных аналитических инструментов прогнозирования по данным официальной отчетности выполнена на тематическом исследовании оценки стоимости трех крупных промышленных предприятий сахарной промышленности Приволжского федерального округа.

One of the necessary components in the tasks of improving business efficiency is the forecasting of key indicators of economic activity. A large number of different indicators are complex related, and the result of a change in a single indicator or group entails changes in other indicators, which is typical for a large enterprise. The purpose of the work is to propose methods and analytical tools for forecasting key indicators of a complex economic system. A hybrid approach to forecasting a complex economic system has been developed which makes it possible to forecast individual technical and economic indicators, taking into account the dynamics and trends in the entire set of indicators reflecting various aspects of the enterprise's activities. The proposed methodology combines several approaches and contains a number of limitations. At the first stage, a complex system of indicators is decomposed into groups. For each group of indicators, systems of simultaneous equations of multiple regression are determined. Next, the selection of regression models is carried out using regression statistics and economically justified restrictions. Regression models for each indicator are complemented by adaptive model. Synthesis of the result is obtained as a moving average of the forecast. The proposed instrumental methods of analysis are recommended as analytical tools for business analysis for various purposes. Approbation of the proposed analytical forecasting tools according to official reporting data was carried out on a case study of estimating the cost of three large industrial enterprises of the sugar industry in the Volga Federal District.

эффективность фирмыгруппирование технико-экономических показателеймножественная регрессия временных рядовсистемы одновременных уравненийпрогнозирование ключевых показателей по группированным даннымоценка стоимости компанииcompany performanceinstrumental analysis of technical and economic indicatorsmultiple time series regressionsystems of simultaneous equationsforecasting key indicators based on grouped datacompany valuation.Исследование выполнено при финансовой поддержке ООО «Кемикал Лидерс» (Москва).The Research Was Carried Out with the Funding of Chemical Leaders LLC (Moscow).ReferencesБережная Е. В. (2015). Резервы повышения эффективности и финансовохозяйственной деятельности предприятия // Концепт. № 3. ART 75065.Berezhnaya E. V. (2015). Reserves for increasing the efficiency and financial and economic activity of the enterprise. Concept. Special issue, no. 3. ART 75065 (in Russian).Богатко А. Н. (2009). Основы экономического анализа хозяйствующего субъекта. М.: Финансы и статистика.Bogatko A. N. (2009). Fundamentals of economic analysis of a business entity. Moscow: Finance and Statistics Publ. (in Russian).Иберла К. (1980). Факторный анализ. М.: Статистика. 398 c.Iberla K. (1980). Factor Analysis. Moscow: Statistika Publ. 398 p. (in Russian).Китова О. В., Колмаков И. Б., Доможаков М. В., Кривошеева Я. В., Пеньков И. А. (2017). Гибридные распределенные регрессионные и интеллектуальные системы прогноза показателей социально-экономического развития России // Вестник Российского экономического университета имени Г. В. Плеханова. T. 2. C. 147–161. https://doi.org/10.21686/2413-2829-2017-2-147-161Kitova O. V., Kolmakov I. B., Domozhakov M. V., Krivosheeva Y. V., Penkov I. A. (2017). Hybrid assigned regressive and intellectual systems for forecasting rates of social and economic development in Russia. Vestnik of the Plekhanov Russian University of Economics, no. 2, pp. 147–161Китова О. В., Колмаков И. Б., Кольцов А. В., Доможаков М. В. (2016). Анализ динамики результатов верификации краткосрочных прогнозов показателей сферы научных исследований и инноваций в РФ // Вестник Российского экономического университета имени Г. В. Плеханова. № 5 (89). С. 111–119.(in Russian). https://doi.org/10.21686/2413-2829-2017-2-147-161Лукашин Ю. П. (2003). Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика.Kitova O. V., Kolmakov I. B., Koltsov A. V., Domozhakov M. V. (2016). Analyzing the Results of Verification of Short-Term Forecasts of Figures of Academic Research and Innovation Sphere in Russia. Vestnik of the Plekhanov Russian University of Economics, no. 89 (5), pp. 111–119 (in Russian).Мухаметзянов И. З., Пиорунский И. Д., Сумберг Г. И. (2021). Оценка деятельности химического предприятия на основе комплексного анализа динамики технико-экономических и финансовых показателей // Экономический анализ: теория и практика. Т. 20. № 10. С. 1833–1860.Lukashin Yu.P. (2003). Adaptive methods for short-term forecasting of time series. Moscow: Finance and Statistics (in Russian).Фёрстер Э., Рёнц Б. (1983). Методы корреляционного и регрессионного анализа. Руководство для экономистов / пер. с англ. В. М. Ивановой. М.: Финансы и статистика.Mukhametzyanov I. Z., Piorunskii I. D., Sumberg G. I. (2021). Evaluating the activity of a chemical enterprise based on the comprehensive analysis of trends in technical, economic, and financial indicators. Economic Analysis: Theory and Practice, no. 20 (10), pp. 1833–1860 (in Russian).Kaplan R.S., Norton D.P. (1996). The Balanced Scorecard: Translating Strategy into Action. Boston (MA): Harvard Business School Press.Förster E., Rönz B. (1983) Methods of correlation and regression analysis. A guide for economists. Transl. from Engl. Moscow: Finance and statistics (in Russian).Martynenko M., Lysytsia N., Polyakova Ya. (2020). Assessment of economic activity of enterprise based on the balanced scorecard. Financial and Credit Activities: Problems of Theory and Practice, vol. 35, no. 4, pp. 248–257.Kaplan R.S., Norton D.P. (1996). The Balanced Scorecard: Translating Strategy into Action. Boston (MA): Harvard Business School Press.Voelper S., Leibold M., Eckhoff R., Davenport T. (2006). The tyranny of the Balanced Scorecard in the innovation economy. Journal of Intellectual Capital, vol. 7, no. 1, pp. 43–60.Martynenko M., Lysytsia N., Polyakova Ya. (2020). Assessment of economic activity of enterprise based on the balanced scorecard. Financial and Credit Activities: Problems of Theory and Practice, vol. 35, no. 4, pp. 248–257.Voelper S., Leibold M., Eckhoff R., Davenport T. (2006). The tyranny of the Balanced Scorecard in the innovation economy. Journal of Intellectual Capital, vol. 7, no. 1, pp. 43–60.Voelper S., Leibold M., Eckhoff R., Davenport T. (2006). The tyranny of the Balanced Scorecard in the innovation economy. Journal of Intellectual Capital, vol. 7, no. 1, pp. 43–60.

The authors declare that there are no conflicts of interest present.