Исследование ESG-трансформации региона системой искусственного интеллекта

Обложка

Цитировать

Полный текст

Аннотация

Исследованы теоретические аспекты ESG-трансформации региона в современных условиях. Актуальность обусловлена тем, что в условиях технологических трансформаций, бурного внедрения инноваций, нарастания рыночной неопределенности все чаще используются системы искусственного интеллекта для достижения устойчивого развития на ESG-принципах. Цель состоит в том, чтобы выявить закономерности ESG-трансформаций региона системой искусственного интеллекта и получить прогнозное значение валового регионального продукта на будущий год. В ходе проведенного исследования была сформирована модель глубокого обучения DL «Случайный лес», которая позволяет получить прогноз валового регионального продукта Волгоградской области. Научная новизна обусловлена тем, что в работе выдвинута гипотеза, которая была успешно доказана, касательно того, что прогнозы валового регионального продукта на следующий год могут быть получены с помощью модели глубокого обучения DL «Случайный лес», что во многом предопределяет динамику устойчивого развития региона. Выводы по результатам исследования сводятся к тому, что разработана DL-модель «Случайный лес», рассчитавшая прогнозные значения валового регионального продукта. Прогнозная величина валового регионального продукта (ВРП) для первого варианта составила 1305,88 млрд. руб., что на 4,47% больше фактического в 2024 году. Прогнозная величина ВРП для второго варианта составит 1361,76 млрд. руб., что на 8,94% больше фактического значения в 2024 году. Область применения полученных результатов – реальный сектор экономики, плановые органы местного самоуправления.

Об авторах

Николай Иванович Ломакин

Волгоградский государственный технический университет

Автор, ответственный за переписку.
Email: tel9033176642@yahoo.com
ORCID iD: 0000-0001-6597-7195

к.э.н., доцент

Россия, просп. В.И. Ленина, 28, г. Волгоград, 400005, Российская Федерация

Татьяна Ивановна Кузьмина

Российский экономический университет им. Г.В. Плеханова

Email: tutor07@list.ru
ORCID iD: 0000-0002-1757-5201

д.э.н., профессор

Россия, Стремянный переулок, 36, г. Москва, 115054, Российская Федерация

Максим Сергеевич Марамыгин

Уральский государственный экономический университет

Email: maram_m_s@mail.ru
ORCID iD: 0000-0003-3416-775X

д.э.н., профессор, директор института финансов и права, профессор кафедры финансов, денежного обращения и кредита

 

Россия, ул. 8 Марта, 62, г. Екатеринбург, 620144, Российская Федерация

Ольга Витальевна Юрова

Волгоградский государственный технический университет

Email: yurova@vstu.ru
ORCID iD: 0000-0002-7628-4471

кандидат социологических наук, доцент

 

Россия, просп. В.И. Ленина, 28, г. Волгоград, 400005, Российская Федерация

Оксана Александровна Минаева

Волгоградский государственный технический университет

Email: o_mina@mail.ru
ORCID iD: 0000-0001-8579-4038

кандидат экономических наук, доцент

 

Россия, просп. В.И. Ленина, 28, г. Волгоград, 400005, Российская Федерация

Алексей Анатольевич Положенцев

ФГБОУ ВО «Юго-Западный государственный университет»

Email: polojencev135@mail.ru
ORCID iD: 0009-0004-6824-1019

магистр факультета фундаментальной и прикладной информатики

 

Россия, ул. 50 лет Октября, 94, г. Курск, 305040, Российская Федерация

Тамила Демуровна Елисеева

Волгоградский филиал РЭУ им Г.В. Плеханова

Email: tamila1607@mail.ru
ORCID iD: 0009-0004-7170-8863

преподаватель кафедры экономики и финансов

 

Россия, ул. Волгодонакая, 11, г. Волгоград, 400005, Российская Федерация

Список литературы

  1. Ронжин, А. Л., & Савельев, А. И. (2022). Системы искусственного интеллекта в решении задач цифровизации и роботизации агропромышленного комплекса. Сельскохозяйственные машины и технологии, 16(2), 22–29. https://doi.org/10.22314/2073-7599-2022-16-2-22-29
  2. Летягина, Е. Н., & Перова, В. И. (2023). Нейросетевое исследование устойчивого развития экономики регионов России на основе ESG-принципов. Развитие и безопасность, (1), 93–105. https://doi.org/10.46960/2713-2633_2023_1_93
  3. Наролина, Т. С., Смотрова, Т. И., Пургаева, И. А., & Некрасова, Т. А. (2023). Исследование практики реализации ESG-повестки в регионах. Регион: системы, экономика, управление, (1), 12–21. https://doi.org/10.22394/1997-4469-2023-60-1-12-21
  4. Урлапов, П. С., & Марамыгин, М. С. (2022). Современные тенденции развития банковского сектора Российской Федерации в условиях экономической неопределенности. В сборнике: Современные тенденции развития финансово-банковского сектора в условиях экономической неопределенности: сборник трудов международной научно-практической конференции (с. 202–206). Нур-Султан.
  5. Ломакин, Н. И., Марамыгин, М. С., Кузьмина, Т. И., Положенцев, А. А., Слета, Ю. О., Юрова, О. В., & Шабанов, Н. Т. (2024). Когнитивная модель на основе метода DL Random Forest для прогноза прибыли и Fuzzy-алгоритма для оценки устойчивости компании в условиях неопределенности. Международная экономика, (10). https://doi.org/10.33920/vne-04-2410-06
  6. Котляров, М. А. (2006). Рыночная капитализация как инструмент повышения устойчивости российских банков. Финансы и кредит, (28), 6–9.
  7. Российские регионы внедряют принципы устойчивого развития. (2022). Получено с https://rg.ru/2022/10/18/moda-na-zelenyj.html?ysclid=m5vaqjw0x6589998955 (дата обращения: 13.01.2025).
  8. Бабкин, А. В., & Батукова, Л. Р. (2023). Концептуальные основы многомерного системного моделирования механизма устойчивого ESG-развития киберсоциальной промышленной экосистемы кластерного типа. Модели, системы, сети в экономике, технике, природе и обществе, (3), 17–37. https://doi.org/10.21685/2227-8486-2023-3-2
  9. ESG-рэнкинг субъектов РФ. (2021). Получено с https://raex-rr.com/ESG/ESG_regions/ESG_rating_regions/2021 (дата обращения: 13.01.2025).
  10. Волгоград вошел в топ городов с самой сильной экологической составляющей. Получено с https://vk.com/wall-108998119_547949?ysclid=m7bwconrym79776911 (дата обращения: 25.01.2025).
  11. Исследование ESG-трансформаций региона. Получено с https://colab.research.google.com/drive/10XQi6HOteGb_rZtyp0wUhVyRGiONkzq6?usp=sharing (дата обращения: 25.01.2025).
  12. Датасет DL-модели. Получено с https://docs.google.com/spreadsheets/d/1_0oknnto4A6rltFJUQ-2C0d49nYB9iDDXW52TEWhKek/edit?gid=0#gid=0 (дата обращения: 13.01.2025).
  13. Летягина, Е. Н., Перова, В. И., & Мальцева, А. М. (2022). Нейронные сети в исследовании устойчивого развития экономики субъектов России в фокусе принципов ESG. В сборнике: Актуальные вопросы экономики, менеджмента и инноваций: материалы Международной научно-практической конференции (с. 367–371). Нижний Новгород: Нижегородский государственный технический университет им. Р. Е. Алексеева.
  14. Гренадерова, М. В. (2023). ESG-рейтинги и рэнкинги: их значение для компаний и региона присутствия. Вестник Северо-Восточного федерального университета им. М. К. Аммосова. Серия: Экономика. Социология. Культурология, (4), 69–78. https://doi.org/10.25587/2587-8778-2023-4-69-78
  15. Берендеева, А. Б. (2024). Институциональная среда устойчивого развития и ESG-трансформации российской экономики: мега-, макро-, мезо- и микроуровни. Теоретическая экономика, (1), 98–119.
  16. Cong, Z., & Jianhua, Y. (2024). Artificial intelligence and corporate ESG performance. International Review of Economics & Finance, 96, 103713. https://doi.org/10.1016/j.iref.2024.103713
  17. Qiang, C., Tingting, Z., & Wenmei, Y. (2024). ESG investment and bank efficiency: Evidence from China. Energy Economics, 133, 107516. https://doi.org/10.1016/j.eneco.2024.107516
  18. Robert, K. (2024). ESG as a complementary tool for assessing the knowledge of contemporary sustainable organisations. Procedia Computer Science, 246, 4959–4968. https://doi.org/10.1016/j.procs.2024.09.453
  19. Qunyang, D., Zhennan, S., John, W. G., Anna, M. D., & Tianle, Y. (2024). Ecological risk and corporate sustainability: Examining ESG performance, risk management, and productivity. International Review of Financial Analysis, 96, 103551. https://doi.org/10.1016/j.irfa.2024.103551
  20. Sharon, S. Y., Jr-Wei, H., Hong-Yi, C., & Min-Hung, T. (2025). Detecting corporate ESG performance: The role of ESG materiality in corporate financial performance and risks. The North American Journal of Economics and Finance, 76, 102370. https://doi.org/10.1016/j.najef.2025.102370
  21. Ломакин, Н. И., Юрова, О. В., & Кособокова, Е. В. (2023). Модель Random Forest на основе Big Data для прогнозирования устойчивости банковской системы Российской Федерации. Наука Красноярья, 12(1-1), 78–100. https://doi.org/10.12731/2070-7568-2023-12-1-78-100
  22. Ломакин, Н. И., Кузьмина, Т. И., & Марамыгин, М. С. (2024). Иерархическая кластеризация и deep learning модель «random forest» устойчивости банков в условиях риска. Наука Красноярья, 13(1), 88–102. https://doi.org/10.12731/2070-7568-2024-13-1-235
  23. Назарова, В. В., Айтюкова, Ю. М., & Токушева, Л. Р. (2022). Влияние ESG факторов при совершении сделок слияния и поглощения. Финансы и бизнес, 18(3), 42–61.
  24. Изгарова, А. И., Рогова, Е. М., & Бахарева, О. В. (2023). Взаимосвязь информации о ESG-инвестициях и доходности акций: кейс крупных российских компаний. Управленец, 14(3), 17–29. https://doi.org/10.29141/2218-5003-2023-14-3-2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).