О моделировании динамики эволюционного развития высоконаучных технологий на примере Китайской Народной Республики

Иванус А.И.1
1 Финансовый университет при Правительстве Российской Федерации, Россия, Москва

Статья в журнале

Экономика высокотехнологичных производств
Том 2, Номер 1 (Январь-март 2021)

Цитировать:
Иванус А.И. О моделировании динамики эволюционного развития высоконаучных технологий на примере Китайской Народной Республики // Экономика высокотехнологичных производств. – 2021. – Том 2. – № 1. – С. 9-20. – doi: 10.18334/evp.2.1.111828.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=46249407

Аннотация:
Исследован подход к решению задачи моделирования эволюции жизненного цикла сложных высокотехнологичных образцов техники и технологий, рассматриваемых в качестве сложных динамических систем. Основное свойство таких систем – это существенная структурная избыточность и одновременно информационная недостаточность. В этой связи выбор моделей их эволюционного развития подобных систем требует соответствующей методической проработки. Показано, что в данном случае наиболее целесообразно не «бороться» за точность и достоверность исходных данных, а отдавать предпочтение классу более «грубых» моделей, имеющих соответственно более глобальный уровень обобщения в постановке задачи. Таким свойством обладает эволюционная модель, основанная на уравнении логистической динамики П.Ф. Ферхюльста и величины показателя устойчивости по А.М. Ляпунову. Показано, как данная модель с использованием «грубых» статистических данных позволяет оценить основные параметры этапов эволюции на примере технологии 5G в Китайской народной республике.

Ключевые слова: динамическая система, 5G интернет, цифровые технологии, модель эволюции, энтропия, инвестиции



1. Введение

Моделирование сложных экономических систем является одним из направлений междисциплинарной научной школы «Промышленная управленческая элита развития» [1] (Zvyagin, 2020).

Необходимо отметить, что развитие методов моделирования сложных систем, к которым можно отнести динамические процессы эволюции жизненного цикла, характеризуется наличием определенного дефицита исходных данных. Особенно это ощутимо в тех экономических задачах, где исходные данные берутся из государственных органов статистики. Такая статистика считается наиболее достоверной, однако она имеет следующие недостатки:

1. Данные поступают всегда с годовым лагом запаздывания. Это определяется государственным порядком и дисциплиной поступления информации в органы статистики, а также алгоритмами ее обработки.

2. Информация поставляется от предприятий и отраслей в лучшем случае с дискретностью в один месяц, один квартал или один год.

Это положение пока невозможно изменить. Поэтому надо или исходить из тех исходных данных, которые имеются, или искать пути получения дополнительных данных из других источников.

Данные государственной статистики не могут составлять выборку большого объема. В силу данного обстоятельства не представляется возможным использование достаточно «тонких» и хорошо откалиброванных моделей, которые позволили бы выявить нюансы и детали причинно-следственных связей между переменными и параметрами. Поэтому для имеющегося статистического массива предлагается решать задачи более глобального свойства, где мы проигрываем в деталировке, но зато выигрываем в части глобального охвата более масштабной картины поведения экономической системы.

Рассмотрим, как это возможно использовать на примере оценки динамики развития 5G-технологии в Китайской Народной Республике.

2. Интернет как системообразующая среда цифровой экономики

Несмотря на то, что национальная инновационная система Китая достаточно молода, тем не менее она демонстрирует в последнее десятилетие огромный прорыв в результатах инновационной деятельности в области интернет-сетей.

Интернет как коммуникационная система имеет достаточно быструю динамику роста [2]. На это указывают данные, приведенные в таблице 1.

Таблица 1

Темпы роста интернет-сетей по годам

Годы
Величина ВВП,
(100 млн гонконгских долларов)
Количество 5G- пользователей, (млн чел.)
Количество IP-адресов, (млн шт.)
Количество сайтов, (млн шт.)
2008
2774,2
10,5
98
0,8
2009
3571,4
16,0
135
1,5
2010
4604,2
22,6
181
2,9
2011
5121,6
28,9
232
3,2
2012
6066,3
34,3
278
1,9
2013
7522,1
38,3
330
2,3
2014
8570,3
42,3
331
2,7
2015
9635,0
45,8
330
3,2
2016
10534,5
47,9
332
3,3
2017
11226,1
50,3
337
4,2
2018
11221,8
53,2
338
4,8
2019
12062,2
54,3
339
5,3
Источник: составлено автором на основании данных [3].

Развитие интернета в качестве бурно развивающейся системообразующей отрасли в КНР наблюдается с начала XXI века. Можно заметить, что структурной основой развития этой отрасли китайской экономики являются инновационные кластеры [4] (Zvyagin, Kokhno, 2016).

С самого начала темпы роста интернета были достаточно высокими. Но с течением времени эти темпы замедлились. Для такого замедления существует много причин. Прежде всего, это связано с замедлением темпов развития всей экономики Китая в целом (от 14,2% до 6,9%). На это указывают многие источники [5, 6].

Основные причины спада темпов объясняются так:

1. «Китайская экономика просто переходит к еще более глубокой интеграции с другими экономиками мира, которые, как мы знаем, переживают не самые успешные времена. Поэтому Китаю необходимо развивать производственные мощности, для чего нужны все новые ресурсы, в том числе и энергетические».

2. «Череда «арабских весен» и желание определенных мировых государств вмешаться во внутренние дела целого ряда стран заставляют Пекин повышать расходы не только на оборону, но и на систему внутренней безопасности».

3. «КНР вступает в группу стран со средним уровнем дохода, а также с исчерпанием демографических факторов роста, накоплением структурных проблем в экономике, ухудшающейся природной средой и целым рядом других обстоятельств. Численность рабочей силы в КНР сокращается начиная с 2012 года; чтобы развернуть этот процесс вспять, понадобятся десятилетия, и он будет иметь значительные последствия для экономического роста».

4. Сюда же можно отнести и увеличивающееся социальное неравенство в Китае, которое в экономике работает как системный фактор, тормозящий ее развитие [7] (Buzgalin, 2019).

3. Проекция технологии 5G на величину ВВП

По значениям тех данных, которые приведены в таблице 1, получено значение величины коэффициента корреляции между 1) значением ВВП и 2) величиной, определяющей количество пользователей 5G. Этот коэффициент равен 0,98, то есть весьма значителен, что указывает на наличие существенной статистической связи между этими двумя параметрами, а статистическая связь между другими параметрами оказалась меньше: 0,88 – для ВВП и множества сайтов; 0,91– для ВВП и множества IP-адресов.

Значительная статистическая связь между величинами ВВП и множеством пользователей 5G-интернета теоретически не может говорить о наличии функциональной зависимости между данными величинами, но вполне логично предположить, что здесь множество 5G есть аргумент, а величина ВВП – это функция.

В этой связи представляет интерес вопрос о том, каково влияние множества пользователей 5G на величину показателя ВВП, которую можно представить как проекцию «ВВП» на величину «пользователи 5G».

Анализируя зависимость показателей ВВП и 5G-пользователей, можно утверждать, что они оба активно растут. Но вместе с тем заметно, что имеется некоторое наметившееся снижение динамики роста величины 5G-пользователей. Отсюда следует, что необходимо провести дополнительный анализ того, насколько темпы роста 5G-пользователей смогут обеспечить темпы роста ВВП.

Поэтому далее предстоит решить задачу оценки этого влияния.

4. Оценка величины влияния величины 5G-пользователей на ВВП

Чтобы оценить величину этого влияния, используем логистическую модель эволюции [8] (Aylamazyan, Stas, 1989), в которой решается известное уравнение П.Ф. Ферхюльста, и значение коэффициента устойчивости по А.М. Ляпунову.

Описание системы уравнений:

где Н (t) – энтропия структуры 5G интернет-сети;

ΔL(t) – приращение величины 5G-пользователей.

ΔR(t) – приращение годового прироста ВВП. Эта доля обеспечивается состоянием всей интернет-сети и зависит от уровня ее развития.

Решение системы (1) дает нам решение в виде двух параметров: dH(t)/dt и k(t).

Этапы эволюции, на которых в зависимости от знаков параметров находится экономическая система, определяется на основании таблицы 2.

Таблица 2

Этапы эволюции системы в зависимости от условий формирования

Знак dH(t)/dt
Знак k(t)
Этапы эволюционного развития
= 0
Меняет знак
1. Точка зарождения нового направления развития системы
> 0
> 0
2. Возникновение нового направления развития системы
< 0
> 0
3. Устойчивое формирование нового направления развития системы
> 0
< 0
4. Эволюция сформированного направления развития системы
< 0
< 0
5. Деградация сформированного направления развития системы
Источник: составлено автором.

Результаты моделирования представлены в таблице 3.

Таблица 3

Результаты моделирования эволюции

Годы
ΔR(t)
ΔL(t)
Н(t)
dH(t)/dt
k (t)
Этапы
2008
0,56
0,52
0,15
0,05 > 0
0,36 > 0
2
2009
0,73
0,41
0,19
0,04 > 0
0,13 > 0
2010
0,68
0,28
0,22
0,03 > 0
-0,02 < 0
4
2011
0,79
0,19
0,22
0,003 > 0
-0,17 < 0
2012
0,91
0,12
0,20
-0,02 < 0
-0,25 < 0
5
2013
0,87
0,10
0,19
-0,01 < 0
-0,22 < 0
2014
0,89
0,08
0,17
-0,02 < 0
-0,22 < 0
2015
0,88
0,05
0,15
-0,02 < 0
-0,23 < 0
2016
0,87
0,05
0,14
-0,01 < 0
-0,20 < 0
2017
0,82
0,06
0,13
-0,01 < 0
-0,16 < 0
2018
0,90
0,02
0,12
-0,01 < 0
-0,19 < 0
2019
0,85
0,03
0,11
-0,01 < 0
-0,13 < 0
Источник: составлено автором.

Из таблицы видны три этапа влияния величины 5G-пользователей на ВВП.

Этап 2 (2008–2009 гг.): зарождение направления развития интернет-сети, определяемого эффективным влиянием роста количества 5G-пользователей на величину приращения ВВП.

Этап 4 (2010–2011 гг.): спокойный рост, который сопровождается активным положительным влиянием роста количества 5G-пользователей на величину ВВП.

Этап 5 (2012–2019 гг.): наметившаяся деградация влияния величины роста 5G-пользователей на ВВП.

Из результатов моделирования следует важный вывод, что несмотря на весьма высокое значение коэффициента корреляции (К = 0,98) и кажущееся незначительным отставание приращения количества пользователей 5G от темпов приращения величины ВВП, все-таки это отставание содержит в себе внутренний потенциал развития процессов деградации динамики величины ВВП.

5. Инвестиционный климат в КНР по результатам математического моделирования

Очевидно, что получить значительных объемов ВВП невозможно без соответствующих объемом инвестиций в основной капитал страны. Рассмотрим этот вопрос по результатам проведенного математического моделирования. Используемые данные по инвестиционной динамике вложений в основной капитал представлены в таблице 4. Кроме того, в таблице 4 также представлены величины ВВП.

Таблица 4

Инвестиции в основной капитал

Годы
Объем инвестиций,100 млн юаней
Годовой прирост, %
ВВП, 100 млн гонконг. долл.
2007
109338,2
2774,2
2774,2
2008
137323,9
25,6
3571,4
2009
172828,4
25,9
4604,2
2010
224598,8
30,0
5121,6
2011
278121,9
23,8
6066,3
2012
311485,1
12,0
7522,1
2013
374694,7
20,3
8570,3
2014
446294,1
19,1
9635,0
2015
512020,7
14,7
10534,5
2016
561999,8
9,8
11226,1
2017
606465,7
7,9
11221,8
2018
641238,4
5,7
12062,2
2019
685456,8
6,9
13368,0
Источник: составлено автором на основании данных [3].

Из представленных данных можно сделать вывод, что хотя значительные абсолютные величины инвестиций в экономику Китая увеличиваются, тем не менее их относительное приращение монотонно уменьшается.

Значение коэффициента корреляции равно 0,989, то есть очень существенное. Это говорит о том, что значение ВВП в основном определяется инвестициями. Рассмотрим задачу оценки величины ВВП в зависимости от величины объема инвестиций.

Результаты проведенного моделирования приведены в таблице 5.

Таблица 5

Результаты моделирования эволюционной динамики

Годы
ΔR(t)
ΔL(t)
Н(t)
dH(t)/dt
k (t)
Этапы
2008
0,29
0,26
0,35
0,05 > 0
0,08 > 0
2
2009
0,29
0,26
0,41
0,06 > 0
0,06 > 0
2010
0,11
0,30
0,51
0,10 > 0
0,21 > 0
2011
0,18
0,24
0,58
0,07 > 0
0,05 > 0
2012
0,24
0,12
0,57
-0,01 < 0
-0,16 < 0
5
2013
0,14
0,20
0,64
0,07 > 0
0,04 > 0
2
2014
0,12
0,19
0,71
0,07 > 0
0,03 > 0
2015
0,09
0,15
0,77
0,06 > 0
0,01 > 0
2016
0,07
0,10
0,81
0,04 > 0
0,001 > 0
2017
0,00
0,08
0,87
0,06 > 0
0,08 > 0
2018
0,07
0,06
0,86
-0,01 < 0
-0,07 < 0
5
2019
0,08
0,05
0,85
-0,01 < 0
-0,07 < 0
Источник: составлено автором.

Где:

R(t) и L(t) – значения величин ВВП и инвестиций;

ΔR(t) и ΔL(t) – соответственно, величины их приращений.

Из представленных результатов расчетов следует, что на 2011 и 2018 годы приходится спад динамики развития, который условно назван деградацией.

Метод математического моделирования эволюционной динамики позволяет оценить взаимовлияние интересующих нас параметров глобального поведения в целом всей системы.

При сравнении зависимости «Инвестиции – ВВП» с зависимостью «ВВП – 5G-пользователи» первая зависимость как более иерархически высокая отличается наличием двух точек «деградации», приходящихся на 2011 и 2018 годы. А в другие годы наблюдается этап «зарождения», который получился немного затянутым, что объяснимо по двум причинам:

1. Экономика КНР подвержена ощутимым тормозящим влияниям со стороны факторов, описанных в источниках [9, 10] (Ivanus, 2019; Ivanus, 2020). Из них первые два связаны с причинами, внешними относительно экономики КНР, а вторые два – с внутренними.

2. Величины инвестиционного капитала, вложенного в экономику КНР, оказались не совсем достаточны для получения ожидаемого роста ВВП, потому что с годами структура ВВП заметно усложняется и дальнейшее ее положительное развитие требует инвестиций в большем объеме. Такой процесс увеличения разнообразия структуры ВВП может отразиться на величине роста энтропийного показателя H(t).

3. Относительно взаимозависимости «ВВП – пользователи 5G» можно утверждать, что она имеет заметную тенденцию деградации развития. Эта тенденция деградации стала заметной с 2011 года и в последующие годы. В настоящее время данная тенденция деградации усиливается.

6. Заключение

Экономика цифрового сектора КНР довольно заметно развивается, ее можно считать активной высокотехнологичной отраслью, имеющей весьма заметный вес в развитии страны. При этом уровень государственного вмешательства в этот сектор очень высок [11] (Zvyagin, 2020).

Но тем не менее в ее развитии наблюдаются признаки некоторого неравномерного развития и, что вполне объяснимо, признаки замедления этого развития.

Об этом говорят результаты математического моделирования процессов эволюционной динамики экономики страны, где были исследованы системы:

1. «Инвестиции – ВВП». Данная система иерархически является наиболее глобальной.

2. «ВВП – пользователи 5G». Данная система является локальной по отношению к первой.

Эволюционная динамика обеих систем имеет признаки «деградации» развития, и при этом подсистема локальная более деградирует, чем система глобальная.

Полученные выводы и приведенные результаты имеют не только практическое, но и теоретическое значение.

Практическое значение состоит в возможности использования результатов для органов государственного и местного управления в части двух аспектов:

1) получения заблаговременной информации о возможных проявлениях неравномерного развития как отдельных отраслей, так и экономики в целом;

2) формирования оптимальных управленческих решений в части воздействия как на отрасли, так и экономику для получения заданных показателей уровней развития.

Относительно теоретической значимости следует указать на целесообразность внедрения нового методического подхода с использованием модельного комплекса «локальная эволюция, развивающаяся внутри глобальной эволюции», который может быть чрезвычайно полезен в оценочной задаче сравнения динамики эволюционного развития одновременно как глобальной системы, так и входящих в нее подсистем. В частности, данный достаточно универсальный подход может быть с успехом использован для оценки неравномерности развития не только экономических процессов, но и социальных.

Примечание: в связи проблемами, обусловленными в КНР пандемией 2019–2020 гг., полученные результаты следует считать подлежащими некоторой корректировке, при этом и выводы по приведенным результатам могут измениться, причем в худшую сторону. Но пока на этот счет официальных данных не имеется.


Источники:

1. Звягин А.А. Проекты междисциплинарной научной школы «Промышленная управленческая элита развития» как институциональная подоснова обеспечения кадровой составляющей экономической безопасности промышленных предприятий с госучастием // На страже экономики. – 2020. – № 4(15). – c. 33-37. – doi: 10.36511/2588-0071-2020-4-33-37 .
2. Технологии 5G. Wikipedia. [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/5G (дата обращения: 17.12.2020).
3. Сайт Национального бюро статистики Китая. [Электронный ресурс]. URL: http://www.stats.gov.cn/ english (дата обращения: 10.12.2020).
4. Звягин А.А., Кохно П.А. Проектные офисы инновационных кластеров // Научный вестник оборонно-промышленного комплекса России. – 2016. – № 4. – c. 54-63.
5. Сайт РБК. [Электронный ресурс]. URL: https://www.rbc.ru/opinions/politics /06/02/2015/54d378009a 7947750cfabb96 (дата обращения: 30.04.2020).
6. Сайт органа ЦК КПК «Женьминь жибао». [Электронный ресурс]. URL: http://people.com.cn (дата обращения: 10.12.2020).
7. Бузгалин А.В. Неравенство как тормоз развития: социальные стимулы экономического прогресса. Vk.com. [Электронный ресурс]. URL: https://vk.com/video19505802_456239044 (дата обращения: 17.12.2020).
8. Айламазян А.К., Стась Е.В. Информатика и теория развития. - М.: Наука, 1989. – 174 c.
9. Иванус А.И. Когнитивные методы и технологии управления экономикой в условиях неопределённости. / Учебно-методическое пособие. - М.: Прометей, 2019. – 152 c.
10. Иванус А.И. О неравномерности развития средовой системы экономики КНР по результатам моделирования эволюционной динамики цифровых технологий 5G // Инновационное развитие экономики. – 2020. – № 4-5(58-59). – c. 15-24.
11. Звягин А.А. Высокие технологии. Госвмешательство vs невидимая рука рынка // Экономика высокотехнологичных производств. – 2020. – № 4. – c. 155-172. – doi: 10.18334/evp.1.4.111147 .

Страница обновлена: 25.09.2021 в 14:12:52