Искусственный интеллект

Банковский сектор (экономический агент №6)

Банковский сектор в модели включает в себя Центральный банк и коммерческие банки и осуществляет функции по эмиссии денег _ М 2 , М 4 иустанавливает ставки по депозитам для предприятий Р ь% и физических лиц Р ь% . Естественно, что функции рассматриваемых структур в реальной жизни гораздо шире, но в модели этот сектор нужен только для баланса денежных потоков.

Интегральные показатели модели

Приведем некоторые формулы, рассчитывающие интегральные показатели экономики России.

ВВП России (в ценах базового периода):

(44) Y = Y\+ Y\

ВВП России (в текущих ценах):

(45) Y P=Y 1 p+Y/

Инфляция потребительских цен:

(46) Л = Л 2с(()/Л 2сИ)

Количество людей занятых в экономике:

(47) L = L l+L 2+L j

Основные фонды:

(48) К = К 1+К 2

Переменные в модели подразделяются на экзогенные и эндогенные. Экзогенные переменные разбиваются на заданные переменные : доли бюджета и произведенного продукта и переменные экономической политики : доли консолидированного бюджета, идущие на субсидии и трансферты, процентные ставки налогов и т.д.

Вначале рассчитываются значения экзогенных переменных, затем рассчитываются параметры уравнений модели и в результате одновременного пересчета уравнений модели находятся значения эндогенных переменных: валового внутреннего продукта, цен на товары, доходы населения и т.д.

Пересчет уравнений модели происходит до совпадения совокупного спроса и предложения на рынке каждого товара и услуги, рассматриваемых в модели, посредством итеративного процесса с помощью соответствующих прикладных пакетов. Сходимость модели достигается примерно на 10000 шаге итераций.

Как уже говорилось выше, на каждой итерации происходит корректировка долей бюджета экономических агентов (в случае государственной цены) или изменение цены (в случае рыночного или теневого механизма уравнивания спроса и предложения).

Что касается действий потребителя, то на каждой итерации три нейронные сети определяют параметры трудовой мобильности, а еще две определяют доли бюджета домашних хозяйств, идущие на покупку конечных товаров, на сбережения и на покупку валюты.

При проведении вычислительных экспериментов сначала мы меняем какой-нибудь экзогенный параметр, а затем запускаем процедуру итеративного пересчета, в процессе которого модель имитирует реальные действия экономических агентов.

После разработки модели мы провели вычислительный эксперимент, для того чтобы показать применимость модели для решения актуальных задач российской экономики.

Так, в модели был снижен единый социальный налог в соответствии с предложенным правительством вариантом его снижения.

Объяснение необходимости снижения ставки ЕСН заняло бы слишком много места, поэтому мы сразу перейдем к краткому изложению результатов.

Итак, по результатам расчетов, снижение ЕСН привело к небольшому приросту ВВП (к 2010 году прирост составил 0,759% по сравнению с базовым вариантом развития, т.е. без снижения ставки налога).

Годовая зарплата одного работника государственного сектора практически не изменилась, а в рыночном секторе увеличилась (на 2,8% в 2010 году). Поскольку значения инфляции потребительских остались на прежнем уровне, то дополнительные доходы работников «не съедаются» из-за роста цен.

Бюджет домашних хозяйств незначительно уменьшился. По всей видимости, это связано с тем, что в модели были использованы не компенсирующие механизмы и внебюджетные фонды получили недостаточно денег для запланированных выплат пенсий и пособий.

Количество работников теневого сектора осталось прежним.

Несмотря на значения отдельных показателей можно сказать, что в модели, реформа по снижению ЕСН оказала положительное влияние на экономику страны

ЛИТЕРАТУРА

1. Адаменко А. Н, КучуковАМ. (2003): Логическое программирование и Visual Prolog. СПб.: БХВ-Петербург.

2. Бахтизин А.Р. (2003): Вычислимая модель «Россия: Центр - Федеральные округа». Препринт # WP/2003/151. М: ЦЭМИРАН.

3. Бахтизина Н.В. (2003): CGE модель конкурирующих партий России // Материалы четвертого всероссийского симпозиума «Стратегическое планирование и развитие предприятий». М.: ЦЭМИ РАН.

4. Бекларян Б.Л. (2002): Анализ эффективности экономической политики России с помощью вычислимой модели общего равновесия, описывающей взаимодействие совокупного потребителя, совоку пного производителя и государства Препринт # WP/2002/143. М.: ЦЭМИРАН.

5. БесстремяннаяГ.Е., Бахтизин А.Р. (2004): Вычислимая модель «Социальная Россия». Препринт # WP/2004/173. М.: ЦЭМИРАН.

6. Бобровский С. (2001): Досье искусственного интеллекта. http://www.computer-museum.ni/fignhisl/ail.htm

7. Билл Ф., Мюррей У., РайтМ. (1985): Практическая оптимизация. М.: Мир.

8. Круглов В.В., Борисов В.В. (2002): Искусственные нейронные сети. Теория и практика. М.: Г орячая линия-Телоком.

9. Левнер Е.В., Птускин А.С., Фридман АА. (1998): Размытые множества и их применение. - М.: ЦЭМИ РАН.

10. Макаров В.Л. (1999): Вычислимая модель российской экономики (RUSEC). Препринт # WP/99/069. М.: ЦЭМИ РАН.

11. Макаров В.Л, Бахтизин А.Р. (2001): Эффективный способ оценки государственной политики // Экономика и управление. № 4.

12. Масалович А. И. (1995): Этот нечеткий, нечеткий, нечеткий мир. http://www.tora-centre.nT/hbrary/firzzy/fuzzy.htrn.

13. Пивкин В.Я., Бакулин Е.П., Кореньков ДИ. (1998): Нечеткие множества в системах управления. lrttp://idis\'S.iae.irsk.su/fuz>y _book/coirteirt.lrtm

14. ПьюД.С., Хиксон Д. Дж. (1999): Исследователи об организациях. Хрестоматия. М.: ЛИНК.

15. Российский мониторинг экономического положения и здоровья населения (РТМБХЕжегодные обследования. Carolina Population Center at the University of North Carolina at Chapel Hill.

16. Саймон Г. (2000): Теория принятия решений в экономической теории и науке о поведении. М.: Теория фирмы.

17. Alekseev A., Tourdyeva N„ Yudaeva К. (2003): Estimation of the Russia Trade Policy with the Help of the Computable General Equilibrium Model. CEFIR Academic papers.

18. Baldassarre G. (1997): Neural networks and genetic algorithms for the simulation models of bounded rationality theory: An application to oligopolistic markets // Ri-vista di Politica Economica. V. 12, pp. 107-146.

19. Beltratti A., Margarita S. andTemaP. (1996): Neural Networks for Economic and Financial Modelling. London: International Thomson Computer Press.

20. Bishop C. (1995): Neural Networks for Pattern Recognition. Oxford: University Press.

21. Economic simulation in SWARM: agent-based modeling and object oriented programming (2000) / edited by Francesco Luna and Benedikt Stefansson Kluwer Academic Publishers.

22. EngelbrechtA.P. (2002): Computational Intelligence: An Introduction Chichester: John Wiley.

23. Garson G.D. (1998): Neural Networks: An Introductory Guide for Social Scientists. London: Sage Publications.

24. Gigerenzer G., Selten R (2002): Bounded Rationality: The Adaptive Toolbox MIT Press.