Informatization in the Digital Economy

Информатизация в цифровой экономике

2712-9306

BIBLIO-GLOBUS Publishing House

124872

10.18334/ide.7.1.124872

DEPPIP

Articles

Статьи

Research Article

Development and implementation of a simulation model for forecasting technological investments in a high-tech company

Разработка и внедрение имитационной модели прогнозирования технологических инвестиций на высокотехнологичном предприятии

https://orcid.org/0009-0002-8140-1633

3748-4373

Sholokh

Liudmila Sergeevna

Шолох

Людмила Сергеевна

младший научный сотрудник лаборатории организационно-экономических систем

sholoh.ls@uiec.ru

Institute of Economics Ural branch of the Russian Academy of Sciences Институт экономики Уральского отделения Российской академии наук

31 03 2026

7 1

VOL 7, NO1 (2026)

ТОМ 7, №1 (2026)

103 120 19 02 2026 16 03 2026

2026

Sholokh L.S.

Шолох Л.С.

https://1economic.ru/lib/124872

The article is devoted to solving the urgent problem of increasing the validity of long-term investment decisions in high-tech industrial companies amid high uncertainty and non-linearity of technological changes. A critical analysis of traditional approaches to investment planning has revealed their key drawback, which is their focus on linear scenarios that fail to adequately reflect the dynamics and interrelationships in a complex production and financial system. As a methodological tool, the article proposes the simulation system-dynamic model developed in the AnyLogic environment. The model integrates operational forecasting, liquidity management, RD and strategic investment financing, as well as stress testing. Its core is the concept of adaptive investment forecasting, based on probabilistic logic and portfolio analysis of projects with differentiated risk profiles. During the testing, the efficiency of the model and its ability to conduct a multivariate scenario analysis of the impact of key external (currency and inflation dynamics, availability of financing) and internal (cash flow structure, advance payment policy and dividends) factors on the investment potential of the enterprise were confirmed. The implemented sensitivity analysis allowed to rank the factors according to the degree of impact on the key indicator of the remaining available funds. The practical significance of the research lies in the creation of flexible management tools that make it possible to visually assess the financial consequences of management decisions, optimize the allocation of resources between project types and increase the sustainability of the company's investment strategy within the framework of the adaptive development paradigm.

Статья посвящена решению актуальной проблемы повышения обоснованности долгосрочных инвестиционных решений на высокотехнологичных промышленных предприятиях, функционирующих в условиях высокой неопределенности и нелинейности технологических изменений. Критический анализ традиционных подходов к инвестиционному планированию выявил их ключевой недостаток - ориентацию на линейные сценарии, неспособные адекватно отразить динамику и взаимосвязи в сложной производственно-финансовой системе. В качестве методологического инструмента предлагается авторская имитационная системно-динамическая модель, разработанная в среде AnyLogic. Модель интегрирует блоки операционного прогнозирования, управления ликвидностью, финансирования НИОКР и стратегических инвестиций, а также стресс-тестирования. Её ядром является концепция адаптивного инвестиционного прогнозирования, основанная на вероятностной логике и портфельном анализе проектов с дифференцированными профилями риска. В ходе апробации подтверждена работоспособность модели и её способность проводить многовариантный сценарный анализ влияния ключевых внешних (валютно-инфляционная динамика, доступность финансирования) и внутренних (структура денежных потоков, политика авансирования и дивидендов) факторов на инвестиционный потенциал предприятия. Реализованный анализ чувствительности позволил ранжировать факторы по степени воздействия на ключевой показатель остаток свободных денежных средств. Практическая значимость исследования заключается в создании гибкого инструментария для менеджмента, позволяющего наглядно оценивать финансовые последствия управленческих решений, оптимизировать распределение ресурсов между типами проектов и повышать устойчивость инвестиционной стратегии предприятия в рамках парадигмы адаптивного развития.

simulation modeling system dynamics technological investments forecasting high-tech company adaptive management scenario analysis

имитационное моделирование системная динамика технологические инвестиции прогнозирование высокотехнологичное предприятие адаптивное управление сценарный анализ

The study was carried out as part of the state assignment of the Ministry of Science and Higher Education of the Russian Federation for the Institute of Economics of the Ural Branch of the Russian Academy of Sciences for the period 2024-2026, No. 0327-2024-0010.

Исследование выполнено в рамках государственного задания Минобрнауки РФ для Института экономики УрО РАН на период 2024-2026 гг. № 0327-2024-0010.

1. Акбердина, В. В. Методический инструментарий оценки уровня развития высокотехнологичных отраслей промышленности / В. В. Акбердина, Л. С. Шолох // Экономика, предпринимательство и право. – 2026. – Т. 16, № 1. – DOI 10.18334/epp.16.1.124505. – EDN CAKWQC.

2. Алиев Э. Управление проектами в высокотехнологичных секторах: оценка рисков и успешных стратегий реализации // Professional Bulletin: Economics and Management. – 2024. – № 2. – С. 34-37.

3. Андреева Т. Е., Чайка В. А. К дискуссии о сущности динамических способностей //Вестник Санкт-Петербургского университета. Менеджмент. – 2006. – №. 4. – С. 163-174.

4. Асланбекова, Р. Р., Беляева, М. Б. (2015). Имитационная модель прогнозирования финансовых потоков предприятия. Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления, (13), 114-122.

5. Ахмедова Л. А., Сулейманова Д. А., Баташев Р. В. Антихрупкость как стратегия формирования конкурентных преимуществ предприятий в условиях неопределенности // Региональная и отраслевая экономика. – 2024. – № S2. – С. 50-56.

6. Бабина О. И. Обзор имитационных моделей в планировании на предприятии // Фундаментальные исследования. – 2015. – № 12-6. – С. 1173-1178.

7. Бунак В. А., Шолох Л. С. Бюджетирование как эффективная технология корпоративного управления финансами на предприятиях Оборонно-промышленного комплекса // Экономика и управление в машиностроении. – 2020. – № 4. – С. 4-8.

8. Вайсман Е. Д., Никифорова Н. С., Носова С. А. Концепция слабых рыночных сигналов в стратегическом управлении промышленного предприятия // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. – 2019. – Т. 13. – № 3. – С. 145-153.

9. Виханский О. С., Воронина А. В. Гибкий подход как основа стратегического превосходства // Проблемы теории и практики управления. – 2025. – № 1. – С. 6-29.

10.

10. Кренева, С. Г. (2020). Развитие методов анализа эффективности инвестиционных проектов в финансовом управлении компании на основе модели системной динамики. Инновационные технологии управления и права, (1), 50-55.

11.

11. Руденко, А. Д. (2010). Системная динамика финансовых потоков производственного комплекса и модель расчета эффективности бизнеса. Bulletin of the South-Russian state technical University (NPI) Series Socio-economic Sciences, (1), 63-69.

12.

12. Титов С. А., Титова Н. В. Гибридные методологии управления проектами как проявление организационной амбидекстрии // Управленческие науки. – 2022. – Т. 12. – № 2. – С. 55-67.

13.

13. Ткачев, А. Н., Багдасарова, М. В. (2014). Имитационное моделирование финансово-хозяйственной и производственной деятельности предприятий методами системной динамики. Современные проблемы науки и образования, (5), 371-371.

14.

14. Харченко В. Л., Бассауэр А. А. Имитационные модели процессов технического обеспечения в среде моделирования AnyLogic с применением нечеткого, вероятностного и детерминированного подходов к моделированию неопределенности // Актуальные проблемы защиты и безопасности. – 2019. – С. 120-127.

15.

15. Azar, A. T. (2012). System dynamics as a useful technique for complex systems. International Journal of Industrial and Systems Engineering, 10(4), 377-410.

16.

16. Bianchi, C. (2002). Introducing SD modelling into planning and control systems to manage SMEs' growth: a learning‐oriented perspective. System Dynamics Review: The Journal of the System Dynamics Society, 18(3), 315-338.

17.

17. Junni P., Sarala R. M., Taras V. A. S., Tarba S. Y. Organizational ambidexterity and performance: A meta-analysis // Academy of Management Perspectives. – 2013. – Т. 27. – № 4. – С. 299-312.

18.

18. Thompson, R. (1986). Understanding cash flow: a system dynamics analysis. Journal of Small Business Management, 24(2), 23-30.

19.

19. Vernadat, F. (2020). Enterprise modelling: Research review and outlook. Computers in Industry, 122, 103265.

20.

20. Xie, Y., Xie, L. (2008, October). Application of system dynamics to enterprise financial scenario planning. In 2008 4th International Conference on Wireless Communications, Networking and Mobile Computing (pp. 1-5). IEEE.