Формализованная оценка чувствительности секторов экономики к использованию блокчейн технологий (на примере Российской Федерации)

Введение

Оценивая роль блокчейн-технологий в современном развивающемся мире, их возможное влияние на макроэкономические генерации, следует констатировать, что отдельные страны уже на протяжении последних лет активно идут по пути развития и интеграции рассматриваемых технологий в хозяйственную среду. В качестве иллюстрации можно привести пример Китайской Народной Республики, где «с мая 2020 года запущена в оборот национальная криптовалюта центрального банка Китая (DCEP)» [1]. Ряд Китайских банков уже в 2020 году начали применять технологии распределенного хранения данных в своей операционной деятельности в части проведения платежей, учета цифровых счетов, ведения реестра больших данных и других целей.

Не менее активно и интенсивно технологии распределенного хранения данных интегрируются в хозяйственный оборот целого ряда развитых и развивающихся стран мира как с точки зрения перспективных проектов, декларируемых финансовыми организациями (в том числе и регуляторами), так и с позиции текущих реализуемых проектов в этой области [2, 3] (Safiullin, Abdukaeva, Elshin, 2019).

Таким образом, следует констатировать о крайне высоком уровне значимости и актуальности вопроса об исследовании влияния блокчейн-технологий на параметры социально-экономического развития, включая разработку методов формализованной оценки такого рода последствий. Между тем с сожалением приходится констатировать, что, несмотря на прогрессирующий интерес со стороны экспертного и научного сообщества к технологиям распределенного хранения данных, наблюдается как разобщенность взглядов на решение поставленного вопроса, так и отсутствие единых подходов к формализованной оценке возможных генерирующихся возможностей и рисков. При этом в подавляющем большинстве случаев позиции авторов склоняются к тому, что исследования подобного рода вопросов являются крайне актуальными, значимыми с практической и с научной точки зрения и требуют разработки соответствующего методологического аппарата. К примеру, данную позицию можно встретить в трудах Е.А. Пехтеревой [4] (Pekhtereva, 2018), Р.К. Нурмухаметова, П.Д. Степанова, Т.Р. Новиковой [5] (Nurmukhametov, Stepanov, Novikova, 2018), Ю.А. Коноплевой, B.Н. Киселевой, C.Е. Черемных [6] (Konopleva, Kiseleva, Cheremnyh, 2018) и др.

Зарубежные ученые также уделяют крайне пристальное внимание поставленной проблематике. В большинстве работ иностранных исследователей отмечается необходимость самого пристального внимания к исследованию блокчейн-технологий как с позиции качественного, так и количественного анализа [7–11] (Vranken, 2017; Kim Hong, 2016; Bariviera, Basgall, Hasperué, Naiouf, 2017; Cocco, Concas, Marchesi, 2017; Pieters, Vivanco, 2017).

Полагаясь на изложенную актуальность вопроса и обозначенные методологические «пробелы» применительно к предмету исследования, целью настоящей работы является построение и апробация моделей сценарного прогнозирования развития отдельных секторов национальной экономики в рамках диффузии блокчейн-технологий.

Методы

Абстрагируясь в настоящем исследовании от рисков и угроз, порождаемых интеграцией блокчейн-технологий в финансовый и реальный сектора экономики, авторами предпринимается попытка построить модель, оценивающую влияние исследуемых технологий на возможную динамику отдельных видов экономической деятельности (на примере Российской Федерации).

В концентрированной форме алгоритм исследования представлен на рисунке 1, который. с одной стороны, демонстрирует положительные экстерналии от проникновения технологий распределенного хранения данных в экономическую среду, а с другой – отрицательные, вызванные генерирующимися рисками и ограничениями. При этом важно подчеркнуть, что формирующиеся в результате «блокчейнизации» экономической среды эффекты, несомненно, имеют более широкий диапазон и требуют проведения отдельных исследований с целью возможной калибровки полученных результатов.

Рисунок 1. Алгоритм исследования влияния блокчейн-технологий на динамику отдельных видов экономической деятельности через призму трансформации ключевых параметров функционирования финансового и реального секторов экономики

Источник: составлено авторами.

Важно подчеркнуть, что развитие секторов экономики характеризуется неоднородностью и дифференциацией как с точки зрения динамики, так и с точки зрения их чувствительности к трансформациям во внешней и внутренней среде. Интеграция блокчейн-технологий в хозяйственную среду национальной экономической системы, несомненно, таким же неравномерным и непропорциональным образом будет отражаться на ключевых параметрах развития видов экономической деятельности. Однако вопрос о том, насколько справедливы выдвинутая гипотеза и предположение, возможно более или менее объективно решить в рамках построения и использования специальных подходов, опирающихся на методы эмпирического анализа, включая использование механизмов и инструментов экономико-математического моделирования.

Развивая данную парадигму исследования, авторами предпринимается попытка разработать соответствующий методический инструментарий, апробация которого будет получена на примере отдельных видов экономической деятельности, соответствующих кодам ОКВЭД (Общероссийский классификатор видов экономической деятельности).

В работе использованы поквартальные данные за период с 2008 по 2019 г. из официальных источников [14]. Расчеты осуществлены с применением статистического пакета Eviews. В таблице 1 приведены переменные разрабатываемых моделей для отдельных видов экономической деятельности, их условные обозначения и источники данных. Размерность выборки позволяет осуществить расчеты, так как она больше установленных критических значений статистики Дики-Фуллера.

Таблица 1

Описание переменных разрабатываемой модели

Важным методическим аспектом, предопределившим порядок построения модели, является то, что в случае исследования стохастических временных рядов применение традиционных методов корреляционно-регрессионного анализа может привести к проблемам, выражающимся в смещенности, несостоятельности и неэффективности полученных оценок. А значит, такая модель может быть непригодной для дальнейшего анализа и прогнозирования.

Исследование зависимостей между финансовыми (стохастическими) временными рядами может быть осуществлено с применением метода коинтеграционного анализа, где коинтеграционное уравнение имеет вид: (1),

где и (2),

где , – временные ряды;

, – структурные параметры уравнения;

– объем выборки;

– белый шум.

В концентрированной форме на рисунке 2 представлена графическая интерпретация алгоритма оценки влияния диффузии блокчейн-технологий на развитие секторов национальной экономики.

Рисунок 2. Графическая интерпретация алгоритма оценки влияния диффузии блокчейн-технологий на развитие секторов национальной

экономики

Источник: составлено авторами.

Результаты и обсуждение

По результатам тестирования анализируемых временных рядов на их стационарность интегрированными рядами первого порядка являются ряды, характеризующие параметры развития следующих секторов экономики РФ:

- сельское хозяйство,

- добыча полезных ископаемых,

- обрабатывающие производства,

- торговля,

-деятельность финансовая и страховая,

- транспортировка и хранение,

- государственное управление и обеспечение военной безопасности; социальное обеспечение,

- деятельность в области здравоохранения и социальных услуг.

Идентифицированные сектора экономики являются пригодными для применения метода коинтеграционного исследования и легли в основу для дальнейших итераций.

В соответствии с предложенным алгоритмом исследования (рис. 2) для каждого вида экономической деятельности, попавшего в исследуемую по результатам оценки на стационарность рядов выборку, построены соответствующие уравнения коинтеграции. Результаты приведены в таблице 2.

Таблица 2

Результаты и данные статистической значимости уравнений коинтеграции в разрезе анализируемых видов экономической деятельности, вошедшие в исследуемую выборку

Все построенные уравнения, вошедшие в выборку, имеют высокий коэффициент детерминации (R-squared), что свидетельствует об их статистической значимости.

В соответствии с опубликованными ранее авторами данными [15, 16] (Safiullin, Abdukaeva, Elshin, Savushkin, 2020; Safiullin, Burganov, Elshin, Abdukaeva, 2020), возможные эффекты, вызванные корректировкой анализируемых факторов коинтеграционной модели ( и , ) в результате проникновения блокчейн-технологий в систему хозяйственных отношений, приведены в таблице 3.

Ожидаемый в соответствии со сценарным анализом прирост значения факторов предопределен применением базовых сценарных предпосылок:

а) рост эффективности кредитных организаций:

- по операционным рискам снижение ставки резервирования операционных рисков на 20% с 12,5% до 10% от средней величины финансовых результатов за последние три года;

- по кредитным рискам выбран сценарий, предусматривающий снижение сомнительных и проблемных ссуд на 25%. Данный сценарий отнесен к базовому и предусматривает минимально возможные эффекты, тем самым практически гарантируя возможные результаты, генерирующиеся в банковском секторе по направлению «Кредитная деятельность» в рамках использования блокчейн-технологий.

Совокупный прирост финансовых результатов вследствие реализации данных сценариев оценивается в 88,5 млрд рублей в год;

б) влияние блокчейн-технологий на процесс трансформации платежной системы.

В качестве базового сценария в рамках проведения анализа чувствительности ВВП к приросту ликвидности капитала экономических агентов в результате перехода платежной системы на криптотранзакции принят наиболее консервативный из рассматриваемых сценарий, предусматривающий, в соответствии с проведенными оценками, рост ликвидности хозяйствующих субъектов до 128 млрд рублей как результат перехода 10% от текущего объема национальной платежной системы в криптосреду;

в) корректировки объема торгов на фондовом рынке в результате проникновения блокчейн-технологий (социализация инвестиционной деятельности).

По данным ММВБ [1], в 2019 объем торгов на фондовом, денежном, валютном и товарном рынках РФ составил 778 155 млрд руб. [17]. Средняя брокерская комиссия по ведущим брокерам в 2019 году соответствует значению 0,3% от суммы сделки. Таким образом, можно сделать вывод о том, что комиссионные сборы соответствовали значению 2334,465 млрд руб., что соответствует около 1325 руб. на 1 жителя РФ. Используя разработанное уравнение, оценивающее взаимосвязь между среднедушевыми денежными доходами населения и объемом биржевых торгов, установлено, что прирост доходов населения на 1325 рублей способствует ежеквартальному увеличению объемов торгов на ММВБ на 462,61 млрд руб.

Таблица 3

Возможные эффекты для национальной экономики РФ, вызванные корректировкой исследуемых факторов ( , , ), в результате проникновения блокчейн-технологий в систему хозяйственных отношений

Источник: составлено авторами на основе [15, 16] (Safiullin, Abdukaeva, Elshin, Savushkin, 2020; Safiullin, Burganov, Elshin, Abdukaeva, 2020).

Далее представлена последовательность расчетов, оценивающих уровень прироста валовой добавленной стоимости в результате проникновения в национальную экономику блокчейн-технологий, применительно к конкретному сектору экономики. Последовательность итераций представлена ниже на примере вида экономической деятельности «Сельское хозяйство»:

1. Опираясь на данные сценарного анализа экзогенных факторов коинтеграционной модели и в соответствии с рассчитанными ранее эффектами (табл. 3), определяется чувствительность валовой добавленной стоимости исследуемого сектора к изменению анализируемых параметров.

2. Для определения параметра, оценивающего влияние трансформации платежной системы в результате ее перехода на криптотранзакции, строится отдельное регрессионное уравнение, где в качестве эндогенной переменной выступает ВДС исследуемого сектора экономики, а в качестве экзогенного – его оборотный капитал (в млрд рублей). Данный методический подход обусловлен тем, что в полученном коинтеграционном уравнении объясняющий фактор характеризует общее изменение объема перевода денежных средств. Поскольку переход платежной системы в криптосреду не повлияет на объемы переводов денежных средств, осуществленных через платежную систему Банка России, возникает эффект «сообщающихся сосудов» – перевод платежей из фиатной среды приведет к пропорциональному росту платежной системы, построенной на использовании цифровых денег.

К примеру, для рассматриваемого здесь в качестве примера вида экономической деятельности «Сельское хозяйство» уравнение, характеризующее степень влияния изменения оборотного капитала данного сектора экономики на изменение его валовой добавленной стоимости, имеет вид:

(3)

Подставляя в данное уравнение ожидаемый прирост оборотного капитала по исследуемому сектору (пропорционально общему приросту оборотного капитала в целом по экономике (+128 млрд рублей, табл. 3) вследствие перевода 10% транзакций в криптосреду (базовый сценарий для анализа), определяется эффект роста валовой добавленной стоимости (ВДС) данного вида деятельности в рамках проникновения блокчейн-технологий в платежную систему национальной экономической системы.

3. Производится суммирование полученных трех эффектов (прирост ВДС вследствие изменения , ) и определяется итоговое потенциальное значение прироста ВДС исследуемого вида экономической деятельности в рамках генерирующихся эффектов.

4. Полученный прирост соотносится с фактическим уровнем валовой добавленной стоимости на отчетный анализируемый период, и рассчитывается темп роста сектора экономики в результате проникновения блокчейн-технологий в хозяйственную среду.

Основываясь на представленных алгоритмических действиях, в таблице 4, рисунке 3 приведены аналогичные оценки ожидаемого проста валовой добавленной стоимости вследствие «блокчейнизации» хозяйственной среды в разрезе исследуемой совокупности секторов экономики РФ.

Таблица 4

Оценка влияния блокчейн-технологий на параметры прироста валовой добавленной стоимости (ВДС) в разрезе исследуемой совокупности секторов экономики РФ, в %

Рисунок 3. Графическая иллюстрация влияния блокчейн-технологий на возможные темпы прироста валовой добавленной стоимости исследуемых секторов экономики в рамках анализируемого базового сценария, в % в год

Источник: составлено авторами.

Выводы

Представленные данные демонстрируют наличие дифференцированной реакции секторов экономики к изменяющимся институциональным условиям хозяйствования ввиду диффузии блокчейн-технологий. Важно еще раз подчеркнуть, что полученные оценки опираются на базовый сценарий проникновения технологий распределенного хранения данных в социоэкономическую среду. Данный сценарий предусматривает минимально возможные эффекты, формирующиеся при проникновении блокчейн-технологий в социоэкономическую среду, тем самым практически гарантируя возможные результаты. Соответственно, более высокий уровень их интеграции в экосреду будет приводить к более заметным уровням динамики развития исследуемых видов экономической деятельности.

В целом же необходимо отметить, что в наибольшей степени влиянию интеграции технологий блокчейн в хозяйственную среду подвержены такие значимые и структурообразующие сектора национальной экономики, как «Добыча полезных ископаемых» и «Обрабатывающие производства». На их долю приходится в совокупности около 25% ВВП Российской Федерации.

Заключение

Важно обратить внимание на то, что, несмотря на выявленную дифференциацию, попавшие в исследовательскую выборку сектора проявляют положительную реакцию к «блокчейнизации» экономики. Это, в свою очередь, подтверждает, основываясь на экономико-математический аппарат, ранее выдвигаемые гипотезы и подходы российских и зарубежных исследователей и экспертов о наличии положительных экстерналий от интеграции в хозяйственную среду блокчейн-технологий. Важно отметить и то, что полученные результаты в виде методических подходов и эмпирических оценок чувствительности отраслей к «блокчейнизации» получены на основе формализованных методов исследования, что не только повышает уровень их объективности, но и формирует основу для предвидения и прогнозирования развития видов экономической деятельности в рамках исследуемых процессов интеграции в национальную экономическую среду блокчейн-технологий.

[1] ММВБ – Московская межбанковская валютная биржа