sseuВестник Самарского государственного экономического университетаVestnik of Samara State University of Economics1993-0453Самарский государственный экономический университет10.46554/1993-0453-2023-6-224-69-83sseu-179Research ArticleРЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКАREGIONAL AND SECTORAL ECONOMYЦифровые технологии прогнозирования и стратегического планирования регионального развития: теория и практикаDigital technologies of forecasting and strategic planning of regional development: theory and practiceЦыбатовВ. А.TsybatovV. A.

Владимир Андреевич Цыбатов

доктор экономических наук, профессор кафедры региональной экономики и управления

Самара

Vladimir A. Tsybatov  – Doctor of Economic Sciences, Professor of the Department of Regional Economics and Management 

Samara

tva82@yandex.ruСамарский государственный экономический университетРоссияSamara State University of EconomicsRussian Federation202305122025166983Copyright © Цыбатов В.А., 20252025Цыбатов В.А.Tsybatov V.A.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sseu.ru/jour/article/view/179

В статье рассматривается подход к цифровизации процессов прогнозирования и стратегического планирования регионального развития на основе создания цифрового инструментария, позволяющего региональным аналитикам эффективно решать практические задачи прогнозирования и стратегирования. Основными компонентами этого инструментария являются цифровая модель региона (субъекта Российской Федерации), описывающая социально-экономическую деятельность региона с необходимой подробностью, и универсальный решатель, позволяющий за приемлемое время решать на модели региона прямые и обратные задачи большой размерности. Обсуждается опыт использования в региональной практике методов и цифровых инструментов прогнозирования и стратегического планирования, разработанных в Самарском государственном экономическом университете.

The article considers an approach to digitalization of forecasting processes and strategic planning of regional development based on the creation of digital tools that allow regional analysts to effectively solve practical problems of forecasting and strategizing. The main components of this toolkit are: a digital model of a region (a subject of the Russian Federation) describing the socio-economic activity of the region with necessary details, and a universal solver that allows solving direct and inverse problems of large dimension on the model of the region in an acceptable time. The experience of using methods and digital tools of forecasting and strategic planning developed at the Samara State University of Economics in the regional practice is discussed. 

прогнозированиестратегическое планированиецифровые макроэкономические моделирешатель обратных задачforecasting and strategic planningdigital macroeconomic modelsinverse problem solverReferencesЦифровое стратпланирование / Министерство экономического развития Российской Федерации. URL: https://www.economy.gov.ru/material/directions/strateg_planirovanie/cifrovoe_strat-planirovanie/ (дата обращения: 10.04.2023).Digital Stratplanning / Ministry of Economic Development of the Russian Federation. URL: https://www.economy.gov.ru/material/directions/strateg_planirovanie/cifrovoe_strat-planirovanie/ (date of access: 10.04.2023).Цыбатов В.А. Модели и методы стратегирования регионального развития // Вестник Самарского государственного экономического университета. 2015. № 3 (125). С. 49–66.Tsybatov V.A. Models and methods of strategizing regional development // Vestnik of Samara State University of Economics. 2015. No. 3 (125). Pp. 49–66.Цыбатов В.А., Важенина Л.В. Методические подходы к анализу и прогнозированию развития топливно-энергетического комплекса и газовой промышленности в регионе // Экономика региона. 2014. № 4. С. 188–198.Tsybatov V.A., Vazhenina L.V. Methodological approaches to the analysis and forecasting of the development of the fuel and energy complex and the gas industry in the region / The economy of the region. 2014. No. 4. Pp. 188–198.Цыбатов В.А. Формирование цифрового каркаса стратегии регионального развития – от целевого плана до дорожной карты // Вестник Самарского государственного экономического университета. 2020. № 7 (189). С. 25–39. doi:10.46554/1993-0453-2020-7-189-25-39.Tsybatov V.A. Formation of the digital framework of the regional development strategy – from the target plan to the roadmap // Vestnik of Samara State University of Economics. 2020. № 7 (189). Pp. 25–39. doi:10.46554/1993-0453-2020-7-189-25-39.Dixon P.B., Koopman R.B., Rimmer M.T. The MONASH style of computable general equilibrium modeling: a framework for practical policy analysis // Handbook of Computable General Equilibrium Modeling / P.B. Dixon, D.W. Jorgenson (eds.). North-Holland, Amsterdam, 2013. Pp. 23–103.Dixon P.B., Koopman R.B., Rimmer M.T. The MONASH style of computable general equilibrium modeling: a framework for practical policy analysis // Handbook of Computable General Equilibrium Modeling / P.B. Dixon, D.W. Jorgenson (eds.). North-Holland, Amsterdam, 2013. Pp. 23–103.Wickens M. Macroeconomic theory: a dynamic general equilibrium approach. Princeton : Princeton University Press, 2008. 477 p.Wickens M. Macroeconomic theory: a dynamic general equilibrium approach. Princeton : Princeton University Press, 2008. 477 p.Harrison V., Pearson K. An Introduction in GEMPACK. 5th ed. Melbourne, Australia : Center of Policy Studies and Impact Project, 2000.Harrison V., Pearson K. An Introduction in GEMPACK. 5th ed. Melbourne, Australia : Center of Policy Studies and Impact Project, 2000.Rutherford T. Applied general equilibrium modeling with MPSGE as a GAMS subsystem: an overview of the modeling framework and syntax // Computational Economics. 1999. Vol. 14. Issue 1–2. Pp. 1–46.Rutherford T. Applied general equilibrium modeling with MPSGE as a GAMS subsystem: an overview of the modeling framework and syntax // Computational Economics. 1999. Vol. 14. Issue 1–2. Pp. 1–46.McCandless. The ABCs of RBCs: an introduction to dynamic macroeconomic models. Cambridge, Massachusetts : Harvard University Press, 2008. 421 p.McCandless. The ABCs of RBCs: an introduction to dynamic macroeconomic models. Cambridge, Massachusetts : Harvard University Press, 2008. 421 p.Edge R.M., Gurkaynak R.S. How useful are estimated DSGE model forecasts for central bankers? // Brookings Papers on Economic Activity. 2010. Vol. 41 (2). Pp. 209–259.Edge R.M., Gurkaynak R.S. How useful are estimated DSGE model forecasts for central bankers? // Brookings Papers on Economic Activity. 2010. Vol. 41 (2). Pp. 209–259.Могилат А., Селезнев С., Жабина С. О подготовке сценарного макроэкономического прогноза и модельном аппарате Банка России / Банк России. 2021. 16 с.Mogilat A., Seleznev S., Zhabina S. On the preparation of a scenario macroeconomic forecast and the model apparatus of the Bank of Russia / Bank of Russia. 2021. 16 p.Samuelson D.A., Charles M.M. Agent-based modeling comes of age // OR/MS Today. 2006.Samuelson D.A., Charles M.M. Agent-based modeling comes of age // OR/MS Today. 2006.A data-rich agent-based decision support model for hospital consolidation / Zh. Yu , W. Rouse, N. Serban, E. Veral // Journal of Enterprise Transformation. 2016. Vol. 6. Issue 3–4. Pp. 136–161. doi:10.1080/19488289.2016.1248802.A data-rich agent-based decision support model for hospital consolidation / Zh. Yu , W. Rouse, N. Serban, E. Veral // Journal of Enterprise Transformation. 2016. Vol. 6. Issue 3–4. Pp. 136–161. doi:10.1080/19488289.2016.1248802.Salem H., Attiya G., El-Fishawy N. A survey of multi-agent based intelligent decision support system for medical classification problems // International Journal of Computer Applications. 2015. Vol. 123. Issue 10. Pp. 20–25.Salem H., Attiya G., El-Fishawy N. A survey of multi-agent based intelligent decision support system for medical classification problems // International Journal of Computer Applications. 2015. Vol. 123. Issue 10. Pp. 20–25.Chesney T., Gold S., Trautrims A. Agent based modelling as a decision support system for shadow accounting // Decision Support Systems. 2017. Vol. 95. Pp. 110–116. doi:10.1016/j.dss.2017.01.004.Chesney T., Gold S., Trautrims A. Agent based modelling as a decision support system for shadow accounting // Decision Support Systems. 2017. Vol. 95. Pp. 110–116. doi:10.1016/j.dss.2017.01.004.Агент-ориентированная демографическая модель Дальнего Востока как инструмент поддержки принятия управленческих решений / Е.А. Россошанская, Т.А. Дорошенко, Н.А. Самсонова [и др.] // Государственное управление. Электронный вестник. 2022. № 94. С. 203–224.Agent-oriented demographic model of the Far East as a tool for supporting managerial decisionmaking / E.А. Rossoshanskaya, T.А. Doroshenko, N.A. Samsonova [et al.] // Public Administration. Electronic bulletin. 2022. No. 94. Pp. 203–224.Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic : учебник. Санкт-Петербург : БХВ-Петербург, 2017. 400 с.Karpov Yu.G. Simulation modeling of systems. Introduction to modeling with AnyLogic : textbook. St. Petersburg : BHV-Petersburg, 2017. 400 p

The authors declare that there are no conflicts of interest present.