Economic security Economic security Экономическая безопасность 2658-7548 BIBLIO-GLOBUS Publishing House 120126 10.18334/ecsec.7.1.120126 OXVNUQ Articles Статьи Research Article Possibilities of using nowcasting for evaluation and prediction of the progress of implementation state programs and projects Возможности использования наукастинга для оценки и прогнозирования хода реализации государственных программ и проектов https://orcid.org/0000-0002-5424-50419835-8000 Marshova Tatiana Nikolaevna Маршова Татьяна Николаевна

зав. лабораторией, кандидат экономических наук, доцент - Институт макроэкономических исследований

 Marshovat@yandex.ru https://orcid.org/0000-0001-6459-7342 Migunov Ivan Nikolaevich Мигунов Иван Николаевич

заведующий лабораторией, кандидат экономических наук - Институт макроэкономических исследований

 inmig@mail.ru https://orcid.org/0000-0002-1657-5648 Kirichenko Irina Alekseevna Кириченко Ирина Алексеевна

доцент кафедры «Менеджмент и инновации» руководитель Центра, кандидат экономических наук

 94522@bk.ru Russian Foreign Trade Academy of the Ministry for the Economic Development of the Russian Federation Всероссийская академия внешней торговли Минэкономразвития России Moscow State University of Civil Engineering (MGSU) National Research University Московский государственный строительный университет Всероссийская академия внешней торговли Минэкономразвития России 31 01 2024 7 1 VOL 7, NO1 (2024) ТОМ 7, №1 (2024) 79 108 23 11 2023 08 12 2023 Copyright ©; 2024, Marshova T.N., Migunov I.N., Kirichenko I.A. Copyright ©; 2024, Маршова Т.Н., Мигунов И.Н., Кириченко И.А. 2024 Marshova T.N., Migunov I.N., Kirichenko I.A. Маршова Т.Н., Мигунов И.Н., Кириченко И.А. https://1economic.ru/lib/120126

State programs and national projects are tools for achieving Russia´s national goals for the period up to 2030, which largely ensure the development and economic security of the country. The management system must promptly and effectively respond to all kinds of changes, challenges and new opportunities, which is especially important in the face of increasing volatility and uncertainty and growing sanctions pressure. The task of promptly assessing the progress of the implementation of state programs of the Russian Federation and national projects in the context of a delay in the release of some of the actual data required to calculate project indicators necessitates the improvement of methods for their short-term forecasting. The article analyzes the existing system of indicators of national projects of the Russian Federation, taking into account the frequency of their development and publication. The successful modern practices of preliminary assessment and short-term forecasting of socio-economic indicators are summarized. It is concluded that it is possible and promising to use nowcasting tools for the purpose of rapid assessment of the implementation of state programs and projects. General approaches to the use of nowcasting for indicators of state programs and national projects are determined. Criteria for the formation of a list of alternative (proxy) indicators are proposed. It is shown that the integration of nowcasting and the models developed on its basis into the monitoring system of programs and projects will contribute to their effective implementation, including by improving the management system based on improving the quality of indicators used in monitoring programs and projects.

Государственные программы и национальные проекты – инструменты достижения национальных целей России на период до 2030 года, во многом обеспечивающие развитие и экономическую безопасность страны. Система управления должна оперативно и эффективно реагировать на всевозможные изменения, вызовы и новые возможности, что особенно актуально в условиях увеличивающейся волатильности и неопределенности и нарастающего санкционного давления. Задачи оперативной оценки хода реализации государственных программ Российской Федерации и национальных проектов в условиях отсрочки в выпуске части фактических данных, требуемых для расчета показателей проектов, обусловливает необходимость совершенствования методов их краткосрочного прогнозирования. В статье проведен анализ существующей системы показателей национальных проектов Российской Федерации с учетом периодичности их разработки и публикации. Обобщены успешные современные практики предварительной оценки и краткосрочного прогнозирования социально-экономических показателей. Сделан вывод о возможности и перспективности использования инструментария наукастинга в целях оперативной оценки хода реализации государственных программ и проектов. Определены общие подходы применения наукастинга для показателей государственных программ и национальных проектов. Предложены критерии для формирования перечня альтернативных (прокси) показателей. Показано, что встраивание наукастинга и разработанных на его основе моделей в систему мониторинга программ и проектов будет способствовать их эффективной реализации, в том числе за счет совершенствования системы управления на основе повышения качества используемых при мониторинге программ и проектов показателей.

 national projects state programs nowcasting alternative (proxy) indicators monitoring short-term forecasting национальные проекты государственные программы наукастинг альтернативные (прокси) показатели мониторинг краткосрочное прогнозирование 1. Постановление Правительства РФ от 31.10.2018 №1288 «Об организации проектной деятельности в Правительстве Российской Федерации». Consultant.ru. [Электронный ресурс]. URL: http://www.consultant.ru (дата обращения: 01.07.2023). 2. Постановление Правительства РФ от 09.04.2022 №628 «Об особенностях реализации национальных проектов (программ), федеральных проектов, ведомственных проектов и региональных проектов в условиях геополитического и санкционного давления на развитие российской экономики». Consultant.ru. [Электронный ресурс]. URL: http://www.consultant.ru (дата обращения: 01.07.2023). 3. Распоряжение Правительства РФ от 23.03.2019 N 510-р «Об утверждении Методики формирования индекса качества городской среды». Consultant.ru. [Электронный ресурс]. URL: http://www.consultant.ru (дата обращения: 01.07.2023). 4. Приказ Росалкогольрегулирования от 05.03.2020 № 87 Об утверждении Методики пересчета объема розничных продаж алкогольной продукции в литры безводного спирта и методики расчета показателя 2.9.7(17) «Розничные продажи алкогольной продукции на душу населения (в литрах этанола)». Consultant.ru. [Электронный ресурс]. URL: http://www.consultant.ru (дата обращения: 01.07.2023). 5. Бессонов В.А. Что сохранит для истории современная российская статистика? // Вопросы экономики. – 2015. – № 1. – c. 125-146. – doi: 10.32609/0042-8736-2015-1-125-146. 6. Губкова Е.А. Наукастинг динамики ВВП с помощью ежемесячной статистики на российских данных // Экономические исследования. – 2019. – № 4. – c. 2. 7. Жемков М. Оценка месячного индикатора ВВП методами темпорального дезагрегирования // Деньги и кредит. – 2022. – № 2. – c. 79-104. 8. Зубарев А., Ломоносов Д., Рыбак К. Оценка влияния глобальных шоков на российскую экономику и наукастинг ВВП в рамках факторной модели // Деньги и кредит. – 2022. – № 2. – c. 49-78. 9. Индекс качества городской среды в разрезе городов и субъектов Российской Федерации за 2021год. Министерство строительства и жилищно-коммунального хозяйства Российской Федерации. [Электронный ресурс]. URL: https://minstroyrf.gov.ru/docs/143451/ (дата обращения: 18.12.2022). 10. Караваева И.В., Лев М.Ю. Государственное управления в сфере национальной безопасности: актуальные проблемы экономической безопасности современной России (по итогам проведения Международной научно-практической конференции «VI Сенчаговские чтения: Экономическая безопасность России в новой реальности») // Экономическая безопасность. – 2022. – № 3. – c. 1109-1143. – doi: 10.18334/ecsec.5.3.114811. 11. Караваева И.В., Лев М.Ю. Результирующие проблемы экономической безопасности современной России (по итогам проведения Международной научно-практической конференции «VI Сенчаговские чтения: Экономическая безопасность России в новой реальности») // Экономическая безопасность. – 2022. – № 2. – c. 711-736. – doi: 10.18334/ecsec.5.2.114772. 12. Крючкова П.В., Провков К.С., Решетников М.Г. Возможности использования административных данных для формирования статистики рынка труда: пример Москвы // Вопросы государственного и муниципального управления. – 2018. – № 2. – c. 7-29. 13. Микош Х., Соланко Л. Прогнозирование роста российского ВВП с использованием данных со смешанной периодичностью // Деньги и кредит. – 2019. – № 1. – c. 19-35. – doi: 10.31477/rjmf.201901.19. 14. Морозов А.Н. Альтернативные источники статистической информации как основа принятия политических решений // Вопросы государственного и муниципального управления. – 2018. – № 2. – c. 50-70. 15. Полбин А.В., Фокин Н.Д. Моделирование динамики импорта РФ с помощью модели коррекции ошибок // Прикладная эконометрика. – 2020. – № 3(59). – c. 88-112. – doi: 10.22394/1993-7601-2020-59-88-112. 16. Турдыева Н., Цветкова А., Мовсесян Л., Поршаков А., Чернядьев Д. Использование данных отраслевых финансовых потоков в качестве высокочастотного индикатора экономической активности // Деньги и кредит. – 2021. – № 2. – c. 28-49. – doi: 10.31477/rjmf.202102.28. 17. Цапенко И.П., Юревич М.А. Статистика онлайн-запросов в наукастинге миграции // Экономические и социальные перемены: факты, тенденции, прогноз. – 2022. – № 1. – c. 74-89. – doi: 10.15838/esc.2022.1.79.4. 18. Юревич М.А., Ахмадеев Д.Р. Возможности прогнозирования уровня безработицы на основе анализа статистики запросов (в поисковых системах) // Terra Economicus. – 2021. – № 3. – c. 53-64. – doi: 10.18522/2073-6606-2021-19-3-53-64. 19. Bok B., Caratelli D., Giannone D., Sbordone A.M., Tambalotti A. Macroeconomic Nowcasting and Forecasting with Big Data // Annual Review of Economics. – 2018. – № 1. – p. 615-643. – doi: 10.1146/annurev-economics-080217-053214. 20. Bragoli D., Modugno M. A Now-Casting Model for Canada: Do U.S. Variables Matter? // International Journal of Forecasting. – 2017. – № 4. – p. 786-800. – doi: 10.1016/j.ijforecast.2017.03.002. 21. Bragoli D., Fosten J. Nowcasting Indian GDP // Oxford Bulletin of Economics and Statistics. – 2018. – № 2. – p. 259-282. 22. Choi H., Varian H. Predicting the Present with Google Trends // Economic Record. – 2012. – p. 2-9. – doi: 10.2139/ssrn.1659302. 23. Clements M.P., Galvão A.B. Macroeconomic forecasting with mixed-frequency data: Forecasting output growth in the United States // Journal of Business and Economic Statistics. – 2008. – № 4. – p. 546-554. 24. Coble D., Pincheira P. Nowcasting Building Permits with Google Trends // SSRN Electronic Journal. – 2017. – doi: 10.2139/ssrn.2910165. 25. D'Amuri F. Predicting Unemployment in Short Samples with Internet Job Search Query Data // MPRA Paper from University Library of Munich. – 2009. – № 18403. 26. European commission – Directorate-General for Agriculture and Rural Development – Unit E.4: Defining proxy indicators for rural development programmes - Working Document. Brussels. - 2016 27. Features of common indicator defined in the Handbook on Common Monitoring and Evaluation Framework (CMEF) - Guidance document Sept - 2006 28. Ferrara L., Marsilli C. Nowcasting global economic growth: A factor-augmented mixed-frequency approach // The World Economy. – 2019. – № 3. – p. 849-875. – doi: 10.1111/ twec.12708. 29. Funke Michael, Mehrotra Aaron N., Yu Hao. Tracking Chinese CPI Inflation in Real Time. BOFIT Discussion Paper No. 35/2011. - 2011 30. García J.R., Rodrigo T., Ruiz de Aguirre P., Ulloa C.A., Pacce M. Measuring and forecasting retail trade in real time using card transactional data // International Journal of Forecasting. – 2021. – № 3. – p. 1235-1246. – doi: 10.1016/j.ijforecast.2021.02.005. 31. Giannone D., Reichlin L., Small D. Nowcasting: The real-time informational content of macroeconomic data // Journal of Monetary Economics. – 2008. – № 4. – p. 665-676. – doi: 10.1016/j.jmoneco.2008.05.010. 32. Gunay M. Nowcasting Turkish GDP with MIDAS: Role of Functional Form of the Lag Polynomial. Working Paper, Central Bank of the Republic of Turkey. [Электронный ресурс]. URL: https://www.tcmb.gov.tr/wps/wcm/connect/c93fcb89-db0a-4d90-9a90-17c5670cc72f/wp2002.pdf?MOD=AJPERESCACHEID=ROOTWORKSPACE-c93fcb89-db0a-4d90-9a90-17c5670cc72f-n0lghHn. 33. He M., Zhang Y., Li W., Via B.K. Nowcasting of lumber futures price with google trends index using machine learning and deep learning models // Forest Products Journal. – 2022. – № 1. – p. 11-20. – doi: 10.13073/FPJ-D-21-00061. 34. Jansen W. Jos., X.W. Jin, Jasper M. de Winter Forecasting and Nowcasting Real GDP: Comparing Statistical Models and Subjective Forecasts // International Journal of Forecasting. – 2016. – № 2. – p. 411-436. – doi: 10.1016/j.ijforecast.2015.05.008. 35. McLaren N., Shanbhogue R. Using Internet Search Data as Economic Indicators // Bank of England Quarterly Bulletin. – 2011. – № 2. – p. 134-140. – doi: 10.2139/ssrn.1865276. 36. Mishra P., Alakkari K., Abotaleb M., Tiwari P., Balloo R. Now casting India economic growth using a mixed-data sampling (MIDAS) model (empirical study with economic policy uncertainty–consumer prices index) // Data. – 2021. – № 11. – p. 113. – doi: 10.3390 /data6110113. 37. Wanner P. How well can we estimate immigration trends using Google data? // Quality and Quantity. – 2021. – № 4. – p. 1181-1202. – doi: 10.1007/s11135-020-01047-w.