УПРАВЛЕНИЕ ИННОВАЦИОННЫМ ПОВЕДЕНИЕМ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ НА ОСНОВЕ РАЗВИТИЯ ИНСТИТУТОВ СТИМУЛИРОВАНИЯ: ТЕОРИЯ, МЕТОДОЛОГИЯ, ПРАКТИКА

Ханты-Мансийск

2015

Рецензенты:

No Исламутдинов В.Ф., 2015

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1 ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ФОРМИРОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ ИННОВАЦИОННЫМ ПОВЕДЕНИЕМ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ

Рисунок 1 - Динамика затрат на 1 условную технологию
в сопоставимых ценах 2012 г.

Рисунок 2 - Классификация экономического поведения
по влиянию на экономический рост

Рисунок 3 - Классификация инновационного поведения

Рисунок 5 - Соотношение понятия "экономический институт"
с родственными экономическими категориями

2 ФОРМИРОВАНИЕ И РАЗВИТИЕ ИНСТИТУТОВ СТИМУЛИРОВАНИЯ В СИСТЕМЕ УПРАВЛЕНИЯ ИННОВАЦИОННЫМ ПОВЕДЕНИЕМ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ: МЕТОДОЛОГИЧЕСКИЙ АСПЕКТ

Рисунок 6 - Схема выбора хозяйствующим субъектом инновационного поведения из имеющихся альтернатив

Рисунок 7 - Место институтов стимулирования инновационного поведения в структуре институциональной среды инновационной деятельности

Рисунок 9 - Темпы внедрения ОРВ в регионах (по: [80])

Рисунок 10 - Схема обратной связи в процессе формирования
и корректировки институтов стимулирования инновационного поведения

3 МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИНСТИТУТОВ СТИМУЛИРОВАНИЯ ИННОВАЦИОННОГО ПОВЕДЕНИЯ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ НА ОСНОВЕ ТРАНСАКЦИОННОГО ПОДХОДА

Рисунок 11 - Графическое выражение комплексной трансакционой эффективности инновационного проекта

Рисунок 12 - Блок-схема предлагаемой методики оценки эффективности импортируемых и проектируемых институтов стимулирования инновационного поведения хозяйствующих субъектов

В качестве основных институтов стимулирования инновационного поведения хозяйствующих субъектов, выбраны: размещение в технопарке, получение гранта от Фонда посевных инноваций, венчурное финансирование, финансирование бизнес-ангелом, льготный долгосрочный кредит, услуги центра трансфера технологий, предоставление налоговых льгот резидентам особой экономической зоны.

В базовом варианте, без использования каких-либо институтов стимулирования лишь один проект Югра-Азот-Сервис является потенциально реализуемым, и то рассчитанный комплексный трансакционный выигрыш является отрицательным, то есть скорее всего проект будет неудачным.

Самым эффективным институтом стимулирования по результатам расчета является венчурное финансирование, применение которого позволяет обеспечить потенциальную реализуемость и успешность 12 проектов из 15. Финансирование от бизнес-ангела и получение льготного долгосрочного кредита чуть менее эффективны (9 и 8 проектов соответственно), ввиду того, что при применении этих институтов не осуществляется сопровождение проекта, как при венчурном финансировании, а значит инноваторы предоставлены самим себе и риск ошибок возрастает.

Размещение в технопарке и использование трансфера технологий оказалось значительно менее эффективным (всего 4 проекта из 15). Это связано с тем, что эти институты не решают главной проблемы начинающих инноваторов - получение начального капитала. То есть эти институты эффективны либо в случае практически нулевых начальных вложений (например в сфере IT), либо в случае наличия у инноватора собственных средств в полном объеме для начала проекта.

Самым неэффективным оказалось предоставление налоговых льгот, лишь 2 проекта из 15 вышли на реализуемость благодаря этому институту. Причем это проекты, предусматривающие значительные капитальные затраты и значительные собственные средства инициаторов. То есть налоговые льготы эффективны только "ex post", в том случае, если реализация проекта уже началась, и нисколько не способствуют начинающим инноваторам.

Таким образом, предлагаемая методика оценки эффективности институтов инновационной среды позволяет сравнивать разные институты между собой на базе комплексного показателя, в равной степени учитывающего три составляющие, влияющие на трансакционную эффективность инновационных проектов: неопределенность, время и деньги. Проведение подобной сравнительной оценки эффективности позволит объяснить казалось бы странную непопулярность или неэффективность тех или иных институтов инновационной среды в российских условиях. Также на базе данной методики можно спрогнозировать успешность распространения нового института в процессе его трансплантации при импорте из зарубежной практики или внедрения в результате институционального проектирования. В результате предложенная методика позволяет органам государственного управления сравнивать эффективность институтов стимулирования, причем как уже функционирующих, так и потенциальную эффективность проектируемых и импортиремых институтов.

Также эта методика позволяет оптимизировать процессы использования институтов стимулирования инновационного поведения хозяйствующими субъектами, выбирая тот или иной институт, либо их сочетание для повышения эффективности реализуемых инновационных проектов. При этом возможно учитывать различия в степени воздействия институтов стимулирования инновационного поведения на стимулы хозяйствующих субъектов в зависимости от масштабов их деятельности. При прочих равных условиях институты стимулирования оказывают больший эффект для мелких и начинающих хозяйствующих субъектов.

Трансакционный подход к оценке эффективности институтов стимулирования позволяет не только объективно оценить эффективность данных институтов, но и смоделировать взаимодействие хозяйствующих субъектов с указанными институтами, и на основе этого прогнозировать эволюцию данных институтов, их востребованность среди участников инновационной деятель­ности. Однако, моделирование инновационных процессов вообще и взаимодействия участников инновационной деятельности с институтами стимули­рования инновационного поведения имеет специфику, которая накладывает определенные ограничения на применяемые методы и математический аппарат.

4 МОДЕЛИРОВАНИЕ ТРАНСФОРМАЦИИ ИННОВАЦИОННОГО ПОВЕДЕНИЯ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ: КОНЦЕПТУАЛЬНЫЕ ПОДХОДЫ

4.1 Концептуальные подходы к моделированию инновационных процессов в экономических системах

Неотъемлемой частью управления инновационными процессами является их моделирование, которое должно опираться на системные принципы. Следует отметить, что имеющиеся на данный момент модели инноваций имеют в основном чисто умозрительный характер и оторваны от практики. При этом моделирование инновационных процессов осуществляется в двух не пересекающихся плоскостях: макроэкономической и микроэкономической. Макроэкономические модели чаще всего являются моделями экономического роста и к данному исследованию отношение имеют весьма отдаленное. Микроэкономические модели предполагают изучение процессов протекания инновационных процессов на уровне отдельных хозяйствующих субъектов без выхода на макроэкономический уровень, т.е. в данном случае макроэкономические факторы считаются изначально заданными.

Существующая практика модельного изучения инновационных процессов охватывает практически все стадии жизненного цикла инноваций. Это и анализ возникновения нововведений, и анализ диффузии инноваций, и исследование рынка наукоемкой продукции, и построение стратегий управления инновационными процессами. Следует также отметить многообразие математического инструментария моделирования инновационных процессов. В литературе, посвященной этой проблеме, встречаются разные модели: статические и динамические, детерминированные и статистические, равновесные и неравновесные. К сожалению, приходится констатировать почти полное отсутствие совместимости всех этих моделей между собой и слабую их ориентацию на экспериментальные данные. Математические модели всего жизненного цикла инноваций отсутствуют почти полностью. Все это свидетельствует, во-первых, о слабо разработанной теоретической базе, а, во-вторых, о сложности объекта исследования и недостаточности эмпирического материала.

При построении моделей инновационного поведения должны учитываться в первую очередь общие требования к любой модели: репрезентативность модели - то есть соответствие ее поведения моделируемой системе; учет влияния наиболее значимых факторов; учет ограничений (лимитирующих факторов); гибкость модели - возможность ее видоизменения для исследования различных аспектов моделируемой системы.

Ввиду объективной сложности инновационных процессов вообще и инновационного поведения их участников в частности, к моделированию данных процессов предъявляются дополнительные требования [173]:

1) Учет высокой степени неопределенности (риска). Инновационная деятельность, в отличие от традиционной деятельности хозяйствующего субъекта, относится к разряду высокорискованных. То есть, разброс возможных результатов внедрения инноваций значительно больше, чем для обычных инвестиций. Кроме того, здесь присутствует не только риск, в обычном его понимании как высокая вероятность потерь или недополучения дохода, но и неопределенность, которая означает, что при осуществлении научно-технических исследований и разработок иногда вообще сложно определить саму вероятность успеха или неудачи. Такая сложность оценки самого риска снижает возможности управления им и, соответственно, снижает привлекательность инвестиций в инновации для потенциальных инвесторов.

2) Учет взаимодействия субъектов с внешней средой (учет обратных связей.) Хозяйственный субъект представляется как открытая диссипативная структура, которая постоянно взаимодействует с окружающей средой, получает оттуда необходимые ресурсы и отдает результаты своей деятельности. При этом внешняя среда является источником всего нового и обуславливает развитие хозяйствующего субъекта. Если связи с внешней средой будут разрушены, то произойдет его деградация. То есть характеристики внешней среды должны быть включены в модель инновационного процесса.

Хозяйствующий субъект взаимодействует с окружающей средой посредством системы обратных связей, которые могут, как способствовать развитию инноваций, так и тормозить их. К положительным петлям обратных связей можно отнести связь между научной и инновационной деятельностью, когда наука дает производству новые идеи, принципы и технологии, а производство обеспечивает проверку теоретических положений и гипотез, активизирует научно-технический прогресс. Также к положительной обратной связи можно отнести сетевые эффекты - то есть связь между количеством текущих потребителей и ценностью товара для них. К отрицательным петлям обратной связи можно отнести связь между падением прибыли и падением качества товара, между скоростью научно-технического прогресса и скоростью имитации нововведений.

3) Учет динамики процессов. Адекватности описания хозяйствующего субъекта и процессов в нем протекающих можно добиться лишь путем построения динамических моделей, т.к. в реальности составляющие описания хозяйствующего субъекта являются не фиксированными, а изменяющимися во времени величинами. Эти изменения могут быть и отражением объективно изменившихся условий функционирования хозяйствующего субъекта, и результатом его сознательной, прежде всего инновационной деятельности.

4) Учет дискретности протекающих процессов. Инновационная деятельность хотя и осуществляется постоянно, не является неразрывным, плавно протекающим процессом, а наоборот, протекает в форме реализации отдельных инноваций, т.е. наблюдается расчлененность, дискретность инновационного процесса. В этом проявляется непрерывно-дискретная структура инновационного процесса, которая должна быть учтена в модели.

5) Учет институциональных ограничений. Понятие лимитирующих факторов играет особую роль в качественном изучении функционирования и развития хозяйствующего субъекта. Ограничения на материальные и трудовые ресурсы, информационные потоки, используемые технологии и рынки сбыта являются стандартными для экономико-математических моделей. Однако в последнее время большое внимание уделяется институциональным ограничениям, то есть ограничениям, накладываемым на правила поведения, принятия решений хозяйствующим субъектом.

6) Учет взаимодействия субъектов между собой, то есть конкуренции. Следует отметить, что инновационное поведение редко сочетается с грубыми формами "ценовой войны", чаще всего это конкуренция неявная, через качество товаров и услуг, через формирование предпочтений и представлений потребителей и т.д.

7) Учет пространственно-временной структуры инновации. Каждый инновационный процесс представляет собой не единичный и единовременный акт, а более или менее продолжительный процесс, кроме того, он предполагает участие различных заинтересованных сторон, то есть является сложной динамической системой, обладающей пространственно-временной структурой. С одной стороны внутри процесса развития инновации различаются подпроцессы или этапы, которые в совокупности образуют хронологическую инновационную цепочку (жизненный цикл), представляющую собой логическую модель инновации. С другой стороны, сам хозяйствующий субъект обладает некоторой структурой, которая является своеобразным отражением того окружения, в котором он функционирует и развивается, той бизнес-модели, которую он реализует, что позволяет строить пространственную модель инновации. Согласно последним достижениям синергетики между текущей пространственной структурой и состояниями субъекта в прошлом и будущем наблюдается определенная взаимосвязь [53]. То есть, состояние элементов структуры в настоящем не только являются продуктом прошлых действий, но и содержат зачатки будущих состояний, но при условии достаточно большой степени нелинейности системы.

Всю совокупность моделей инновационных процессов можно классифицировать по следующим признакам:

- по типу моделей: качественные модели, описывающие логические взаимосвязи и служащие основой для более детализированных моделей, аналитические (экономико-математические) модели, использующие математический аппарат и позволяющие проводить математический анализ поведения модели в заданных условиях (например, в крайних точках), имитационные (компьютерные) модели, позволяющие исследовать поведение модели путем проведения виртуальных экспериментов;

- по уровню моделирования: микро-уровень, то есть уровень отдельных хозяйствующих субъектов и макро-уровень, то есть уровень совокупности хозяйствующих субъектов. Модели макро-уровня являются, по сути дела, моделями экономического роста [3;52;210];

- по предмету моделирования: модели инновационного поведения хозяйствующих субъектов (выбора технологии) [173], инновационного поведения потребителей (потребительских предпочтений), модели неценовой конкуренции двух и более хозяйствующих субъектов, модели кооперации (взаимодействия) хозяйствующих субъектов в инновационном проекте, модели финансирования инновационных проектов [95] (в том числе венчурного), модели организационного управления инновациями [11]и т.д.;

- по методам моделирования: статические (равновесные) модели[11;52; 95;230], динамические модели [7;11;89;95], модели с учетом неопределен­ности (риска) [34], модели с использованием элементов теории игр [11], модели с использованием нечетких множеств [184], модели с использованием генети­ческих алгоритмов[225], компьютерные (имитационные) модели [35], модели использующие элементы нелинейной экономики [84;171] (термодинамические, энтропийные - дифференциальные уравнения высоких порядков).

- по этапам жизненного цикла инноваций: модели научно-технического прогресса (создания инноваций) [95;173;210], модели диффузии (распро­стране­ния) инноваций [226], модели смены технологического уклада [230;210].

Модели инновационного поведения хозяйствующих субъектов в соответствии с вышеприведенной классификацией могут быть:

- по типу любые, как качественные, так и аналитические и имитационные;

- по уровню моделирование - только микро-уровень;

- по предмету моделирования - в первую очередь, конечно, это модели выбора технологии, но с элементами конкуренции, кооперации и выбора уровня инвестиций в инновации;

- по методам моделирования предпочтительнее имитационные модели с элементами теории игр и генетических алгоритмов;

- по стадиям жизненного цикла - модель смены технологии с элементами диффузии.

Можно сказать, что абстрактно-логические (качественные) модели инновационного поведения хозяйствующих субъектов являются прообразами будущего его формализованного описания. Они позволяют выделить качествен­ные характеристики, выделить главное в изучаемом явлении, что трудно осуществить при попытках сразу сформировать его математическую модель.

Для того чтобы моделирование инновационных процессов было результативным, необходимо проведение качественных исследований для формирования необходимой методологической базы и методического инструментария. Качественные исследования процесса или явления как системы позволяют выделить элементы системы, определить ключевые параметры функционирования и развития системы, установить связи между ее элементами, и, в конечном итоге, создать формализованное ее описание.

Особенно важно проведение предмодельных исследований при разработке моделей сложных систем, таких как социально-экономические вообще и инновационные в частности. Качественные модели выступают своеобразным связующим звеном между теоретическими и концептуальными построениями и строгими математическими моделями.

Как уже упоминалось ранее, достаточно распространенным и обоснованным является представление хозяйствующего субъекта как открытой управляемой системы с входом и выходом (на вход подаются ресурсы, на выходе - готовая продукция).

В связи с этим в описании хозяйствующего субъекта можно выделить следующие составляющие: входные и выходные продукты; виды деятельности; используемые технологии; управляющие воздействия; характеристики внешней среды; критерий качества функционирования хозяйствующего субъекта.

Такое представление хозяйствующего субъекта является достаточно универсальным и может выступать в качестве базы для качественного моделированию любых процессов и явлений, в том числе и инновационного поведения. Развернутую схему описания хозяйствующего субъекта можно увидеть в работе [67].

Одной из главных особенностей описания основных элементов хозяйствующих субъектов, является ограниченный диапазон их изменения, связанный с наличием лимитирующих факторов. Понятие лимитирующих факторов играет особую роль в качественном изучении функционирования и развития хозяйствующего субъекта. Ограничения (на материальные и трудовые ресурсы, информационные потоки, используемые технологии и рынки сбыта) принципиально необходимы для отбора лучших в определенном смысле способов действия, ибо в противном случае будет реализовываться не процесс целенаправленного развития, а сосуществование различных стратегий поведения, не обязательно оптимальных.

Главная особенность функционирования хозяйствующего субъекта состоит в том, что его обмен с внешней средой осуществляется с помощью универсального средства обмена, эквивалента всех благ - денег. Соответственно и основной критерий качества функционирования неразрывно связан с движением денежных средств.

Деятельность хозяйствующего субъекта направлена на решение его стратегических задач, представленных в миссии, которая не зависит от его текущего состояния и характера его деятельности, а, будучи устремленной в будущее, показывает, на что будут направляться усилия и какие дополнительные ценности будут приобретены. Миссия выражает философию и смысл существования хозяйствующего субъекта, определяет задачи, ради решения которых он создается и функционирует как целостная экономическая система, а не сводится лишь к получению стабильно высокой прибыли. Она же определяет критерии качества его функционирования и развития.

Отличие между основными качественными моделями инновационного поведения состоит лишь в разной степени внимания к тем или иным элементам системы и разном представлении об их функционировании. Также различаются критерии качества функционирования и развития системы (критерий оптимизации в терминах математического моделирования).

Разработка методологии и инструментария моделирования инновационного поведения требует поиска адекватных теоретических положений, которые можно использовать в этом процессе. В первую очередь рассмотрим неоклассическое представление инновационного поведения хозяйствующего субъекта. Внутренняя структура хозяйствующего субъекта с точки зрения мейнстрима представляет из себя "черный ящик", то есть традиционная экономическая наука даже не ставит задачи выявить, как функционирует хозяйствующий субъект, т. к. согласно концепции абсолютной рациональности, он всегда выбирает наилучшее сочетание на кривой производственных возможностей. Подразумевается, что имеется некоторое заданное множество производственных возможностей, которое описывает состояние знаний хозяйствующего субъекта по поводу возможностей преобразования товаров. Элементы этого множества суть векторы объемов затрат и выпуска (рисунок 13).

Рисунок 13 - Инновационное поведение хозяйствующего субъекта
как максимизация производственных возможностей

Инновационное поведение хозяйствующего субъекта объясняется стремлением его к максимизации производственных возможностей. То есть хозяйствующий субъект стремится увеличить свои производственные возможности за счет приобретения новых технологий, и в идеале способен достигнуть максимально возможного с учетом современных достижений НТП множества производственных возможностей. Причем данное множество считается существующим экзогенно по отношению к хозяйствующему субъекту, ему надо лишь стремиться его достичь.

Еще одно свойство неоклассических моделей - это их статичность, Предполагается, что все факторы внешней среды остаются неизменными, по крайней мере, в краткосрочном периоде. Если же и рассматривается изменение какого-либо из факторов, то "при прочих равных условиях", то есть при условии неизменности всех других факторов. Что касается критерия качества функционирования, то он здесь только один - это максимум прибыли.

Справедливо критикуют данный подход к объяснению инновационного поведения фирм в традиционной экономической теории Р. Нельсон и С. Уинтер [89], которые отмечают слабости неоклассического подхода в объяснении инновационных процессов. Во-первых, переход на новую кривую производственных возможностей не может быть мгновенным, так как трансформация любых производственных процессов требует времени. Во-вторых, знания о новых границах производственных возможностей не могут быть получены так легко, как это представляется в неоклассической теории, чаще всего большая часть этих знаний является неявной. В третьих, сами границы производственных возможностей не являются такими уж четкими и выраженными, т.к. хозяйствующий субъект не узнает, может он производить тот или иной товар, пока не попробует это сделать. И в четвертых, неоклассическая теория полагает множество производственных возможностей для каждой фирмы заданным, и полностью игнорирует информационные потоки между фирмами и их влияние на производственные возможности.

Соответственно, Р. Нельсон и С. Уинтер предложили собственную эволюционную качественную модель инновационного поведения хозяйствующего субъекта. Эта качественная модель послужила основой для целого класса математических моделей, а также для последующих институциональных и генетических моделей. Основу их модели составляет понятие технологической рутины, представляющей собой совокупность способов и методов производства на базе определенной технологической платформы. При этом выбор технологической рутины осуществляется не на основе максимизации производственных возможностей, а в процессе "поиска" в окрестности уже применяемой технологии (рисунок 14).

Рисунок 14 - Эволюционный "поиск" новых технологических
рутин согласно Р. Нельсону и С. Уинтеру

Поиск при этом может осуществляться как путем имитации, те есть изучения и освоения уже имеющихся технологий, так и путем собственных НИОКР, то есть исследования потенциальных научно-технических возможностей. При этом поиск этот является затратным для хозяйствующего субъекта и требует времени.

Критерием качества функционирования здесь выступает уровень рентабельности, достаточный для продолжения функционирования фирмы, то есть здесь в противовес неоклассическому принципу максимизации применяется принцип удовлетворенности. Согласно этому принципу хозяйствующие субъекты не занимаются поиском до тех пор, пока к этому их не подтолкнут неблагоприятные обстоятельства. Кроме того, принцип удовлетворенности подразумевает, что фирмы прекращают поиск, если находят рутину, переход на которую обеспечит им более высокие финансово-экономические показатели по сравнению с текущим уровнем, хотя они могут быть не самые лучшие.

Модель инновационного поведения Р. Нельсона и С. Уинтера считается основной моделью не только в рамках эволюционной, но и в рамках институциональной парадигмы. Хотя в рамках институционального подхода нет самостоятельных моделей инновационного поведения, общие черты подобной модели можно описать следующим образом. Кроме ограничений, накладываемых имеющимися ресурсами хозяйствующего субъекта на возможные варианты принятия решения, дополнительно накладываются институциональные ограничения, то есть рамки, создаваемые существующими правилами и процедурами. Кроме того, согласно концепции ограниченной рациональности, хозяйствующие субъекты не способны объективно сравнить все возможные варианты. Однако институты не только ограничивают возможности хозяйствующих субъектов, но и создают новые возможности и облегчают принятие решений в условиях неопределенности. В частности в части инновационного поведения эту функцию выполняют элементы национальной инновационной системы.

Единого критерия качества функционирования в рамках институциональ­ных моделей не существует. В рамках неинституционального подхода применяется почти тот же критерий, что и в рамках неоклассического - максимизация индивидуального выигрыша, причем выигрыш понимается более широко - не только максимум прибыли, но и минимум трансакционных издержек.

В качестве более общей цели "институционального человека" выступает гармонизация его взаимоотношений с внешней социальной средой. Биологическая природа ряда важнейших институтов не позволяет говорить о некоторой фиксированной цели поведения "институционального человека". В разные моменты времени эта цель может быть различной; она зависит от психофизиологического состояния человека, окружающей социальной среды и многих других факторов. Тем не менее, в любой момент времени "институциональный человек" стремится привести свое фактическое состояние в данной социальной среде в соответствие с идеальным, или целевым, состоянием, которое порождается в его мозгу системой институциональных мотивов.

Как уже упоминалось, развитие моделей Р. Нельсона и С. Уинтера породило целый новый класс моделей - класс генетических моделей инноваций. Суть генетических моделей состоит в массовом применении механизмов отбора. Также как и в моделях Р. Нельсона и С. Уинтера, успешность хозяйствующих субъектов зависит от того, какую технологию производства они выберут. Отличие состоит в том, что сами технологии с течением времени эволюционируют, мутируют, а также могут образовывать новые сочетания. Соответственно, в данных моделях вместо рутин используется понятие "артефакт", который представляет собой любой продукт, который может производить тот или иной хозяйствующий субъект. Артефакт, произведенный одним субъектом, может использоваться другими субъектами для производства других артефактов или потребляться конечными потребителями. От того, какие артефакты сочетаются в процессе производства, зависит то, какие артефакты может производить хозяйствующий субъект. Новые сочетания существующих артефактов могут породить новые артефакты. Отбор идет как среди субъектов, так и среди артефактов [225].

Критерием качества функционирования в генетических моделях служит выживание хозяйствующих субъектов, то есть критерий оптимизации максимально приближен к реальности. Следует отметить, что математически генетические модели реализуются с использованием аппарата теории графов, то есть являются типичными сетевыми моделями (рисунок 15).

Еще один класс моделей, которые получили широкое распространение в последнее время - это нелинейные модели инновационного поведения. Особенностью данных моделей является учет нелинейных взаимосвязей между отдельными факторами модели, которые вызываются положительными и отрицательными обратными связями, когда величина того или иного фактора в будущем находится в зависимости от него самого в прошлом. В моделировании инноваций таких зависимостей очень много, например, продуктивность и эффективность НИОКР, объемы продаж, распространение (диффузия) инноваций и много другое.

Рисунок 15 - Генетическая модель эволюции инноваций

Такие нелинейные зависимости определяют кумулятивный характер развития инноваций, который описывается экспоненциальной (при отсутствии ограничений) или S-образной логистической кривой (при наличии ограничивающего фактора). Графически нелинейная зависимость может быть изображена на примере распространения инноваций (рисунок 16) [226].

Критерием качества функционирования хозяйствующего субъекта в нелинейных моделях может служить их устойчивость. Из общей теории систем известно, что практически для любой сложной системы при отсутствии адекватного противодействия вероятность стабильного функционирования, сохранения устойчивого состояния в силу внешних возмущений уменьшается с течением времени по экспоненте. Поэтому противодействующая этому процессу реакция системы также должна иметь, по крайней мере, экспоненциальный характер, опираться на факторы, развивающиеся по экспоненциальному закону.

Рисунок 16 - Нелинейная модель распространения инноваций

Таким образом, подходов к моделированию инновационных процессов множество, однако по нашему мнению для целей моделирования инновационного поведения и влияния институтов на данное поведение наиболее адекватным представляется сочетание эволюционной модели поиска технологий и генетических моделей. Эволюционные модели в большей степени отражают реальные процессы принятия инновационных решений хозяйствующими субъектами в условиях неопределенности результатов. Генетические модели хорошо отображают процессы взаимодействия хозяйствующих субъектов с институтами, в том числе инноваторов с институтами стимулирования инновационного поведения.

4.2 Отечественный и зарубежный опыт моделирования инновационных процессов в экономических системах

Равновесные модели микроэкономики инноваций являются сравнительно новым направлением моделирования в микроэкономическом анализе. Долгое время представители мейнстрима игнорировали инновационные процессы, выводя их за рамки своего исследования за счет придания результатам инновационной деятельности экзогенного характера. Однако под влиянием критики исследования в этом направлении все-таки сдвинулись с мертвой точки.

Особенностью микроэкономики инноваций является сохранение базовых постулатов неоклассической экономической теории о рациональности экономических субъектов и о возможности достижения Парето-оптимального равновесия в процессе инновационной деятельности. Соответственно инновации рассматриваются как общественное благо, социально оптимальный уровень производства которого можно точно определить. Взаимодействие экономических субъектов в процессе инновационной деятельности сводится к конкуренции на основе сокращения издержек с помощью инноваций и может быть достаточно полно описано на базе теории игр.

Наиболее полно микроэкономические модели инноваций представлены в работе Киселевой В.В. и Колосницыной М.Г. [52], где достаточно подробно рассмотрены: модели аукционного типа без случайной компоненты, модели аукционного типа со случайной величиной времени получения результата, модели реакции фирмы в случае невозможности и возможности имитации, модели влияния спроса и предложения на решение об инновации, модели принятия решений о разработке инновации в сетевой экономике, модели кооперативного и некооперативного осуществления исследований и разработок, модели стимулирования инноваций государством.

Наибольший интерес для целей данного исследования представляют модели государственного стимулирования инноваций, например, модель выгод и потерь от патентной защиты.

Патентная деятельность противоречива: с одной стороны, общество заинтересовано закрыть информацию об изобретении, чтобы стимулировать автора исследования и тем самым потенциальных авторов в других хозяйствующих субъектах, с другой стороны, остальные хозяйствующие субъекты уже не могут повторно патентовать одни и те же изобретения, зато им доступна покупка лицензии. Однако даже доступная для всех информация о патентуемых технологиях определенно сокращает дополнительные издержки хозяйствующих субъектов на исследовательские работы (ИР) в том смысле, что нет необходимости изобретать велосипед еще раз. Если имитация возможна и не занимает слишком много времени, другие хозяйствующие субъекты немедленно прибегают к этой работе, что сокращает общий уровень цен. При нулевой прибыли на инновации ни один хозяйствующий субъект не будет заниматься исследованиями, и экономика перестанет расти.

Цель патентной системы - вознаграждение изобретателей. Недостаток системы в том, что она вносит искажения в процесс конкуренции, поскольку издержки автора на получение патента смещают цены товаров, по сравнению с теми, у которых такой защиты нет.

Рисунок 17 - Выгоды и потери патентной защиты

На рисунке 17 изображен процесс изобретения технологии, сокращающей издержки производства. Последствия введения такой инновации иллюстрируются примером, построенным на основе самых простых предпосылок, которые дают возможность провести аналогию с последствиями снижения издержек по другим экономическим причинам. Функция предложения, о которой известно, что средние и предельные издержки на единицу продукции равны и постоянны, имеет вид линии, параллельной оси выпуска продукции и пересекающей ось цен и издержек в точке с. При снижении издержек по любым причинам она сдвигается вниз. Таким образом, в результате инновации предельные затраты сокращаются с величины с до с - х. Предполагается, что инновация невелика, хозяйствующий субъект действует в условиях свободной конкуренции и, следовательно, объем продаж не изменяется, так же как не изменяется цена товара, т.е. р = с.

Функция спроса, пересекающая обе оси в равно отстоящих от начала координат точках а, имеет вид p = a - Q, a > c. До введения инновации хозяйствующий субъект реализует объем продукции (а - с), после введения - столько же. Однако снижение издержек дает возможность увеличить прибыль на единицу продукции с величины с до (с - х). Поэтому площадь М измеряет прибыль изобретателя в результате инновации. Площадь DL соответствует величине социальных потерь (недополученному излишку потребителя) в результате получения хозяйствующим субъектом рентного дохода в течение периода Т действия патента.

Считается, что рост дохода любого хозяйствующего субъекта повышает общественное благосостояние, потому что в конечном счете этот доход перераспределяется между членами общества. Если государство устанавливает продолжительность жизни патента для Т > 0 периодов, прибыль изобретателя составляет М для T периодов и ноль для (T + 1). После окончания срока действия патента T все хозяйствующие субъекты получают доступ к новой технологии, и равновесная цена упадет до величины (с - х). Следовательно, после окончания срока защиты инновации выигрыш общества составит (М + DL), так как устранение монополии расширит объем производства и увеличит потребительский излишек на величину потерь, которые общество несло из-за монопольной ренты в предшествующем периоде. Поскольку эта сумма соответствует площадям прямоугольника М и треугольника DL, она равна:

, (8)

Так как патент действует в течение нескольких периодов, для опреде­ления оптимального срока необходима динамическая модель (Sherer, Nord-hause, 1972). Поэтому предположим, что ? - коэффициент дисконтирования, 0 < ? < 1. Эта величина рассчитывается исходя из ставки процента r: ? = 1 / (1 + r). Далее рассмотрим процесс принятия решений хозяйствующим субъектом и государством. Правительство устанавливает продолжительность действия патента, предполагая, что реакция хозяйствующего субъекта на изменение срока действия патента будет выражаться в увеличении затрат на исследования и разработки. Изобретатель, работающий в хозяйствующем субъекте, знает срок действия патента и, исходя из этой величины, определяет уровень затрат на ИР в момент t = 1. Тогда в течение периода действия патента изобретатель имеет защиту своих прав и получает монопольную ренту.

Выбор уровня ИР хозяйствующим субъектом для заданного периода действия патента происходит следующим образом. Текущая величина прибыли хозяйствующего субъекта зависит от интенсивности исследований и срока жизни патента, ? = ?(x;T). Тогда хозяйствующий субъект рассматривает срок действия патента как заданный извне и выбирает интенсивность исследования для первого периода:

, (9)

где ТС(х) - общая величина издержек на исследования и разработки, которая полностью расходуется в первом периоде.

Ее вид определяется по формуле х² / 2. Считается, что рост интенсивности исследований сопровождается падением их отдачи. Такое условие также обеспечивает наличие максимума в выражении (9). Используя выражение:

, (10)

получаем функционал для прибыли за период (0,T):

, (11)

из которого можно получить условие первого порядка, определяющее ве­личину затрат (или интенсивности) ИР:

, (12)

В результате интенсивность ИР:

- возрастает при увеличении срока действия патента (х растет по мере увеличения T, поскольку ? < 1);

- возрастает при росте спроса на производимый товар а и падает при росте издержек на единицу продукции с;

- возрастает при росте коэффициента дисконтирования ? (или, что то же самое, при падении процента r).

Таким образом, из данной модели следуют интуитивно понятные выводы. Когда срок действия патента возрастает, хозяйствующий субъект будет защищен от конкуренции в течение более длительного периода и поэтому продаст больше продукции, оставаясь монополистом. Следовательно, рост интенсивности исследований будет соответствовать сокращению удельных издержек при увеличении объема производства, что приведет к росту дохода и прибыли.

Снижение ставки процента ведет к росту инвестиций, которыми, по сути, являются затраты на инновации. В то же время рост коэффициента дисконтирования означает, что текущие прибыли хозяйствующего субъекта становятся более значимыми, что делает инвестиции более прибыльными.

Класс традиционных квазистационарых моделей инновационного поведения относится к наиболее простым и наиболее ранним моделям инновационного поведения - стационарным, статическим моделям. Инновационное поведение в них рассматривается как однократное, одномоментное действие, которое совершается инноватором. В соответствии, с неклассической доктриной, такие решения должны быть Парето-оптимальными и в конечном итоге вести к равновесию на рынке, затрагиваемом инновацией.

Первоначально, моделирование инновационного поведения ничем не отличалось от моделирования инвестиционного поведения, т.е. решения задачи на максимум эффекта от имеющихся инвестиций. Эта модель основана на сопоставлении величины исходной инвестиции (IC) с общей суммой дисконтированных чистых денежных поступлений, генерируемых ею в течении прогнозируемого срока. Поскольку приток денежных средств (P_t) распределен во времени, он дисконтируется с помощью коэффициента r, устанавливаемого исходя из возврата капитала, уровня риска и других факторов. Целевая функция формулируется как максимум чистого приведенного эффекта (net present value, NPV): I = max (NPV_i)

, (13)

при условиях:

1) P_t, r, IC, NPV_i > 0, (14)

2) t = 1...T,

где T - общее число периодов притока денежных средств.

Широкое распространение методики дисконтирования привело к тому, что она стала своеобразным стандартом оценки проектов, предполагающих какое-либо вложение средств [231]. Примером применения инвестиционно-инновационного моделирования является статья [92].

Для приведения данной методики в соответствие с потребностями инновационного моделирования в нее вносились изменения и дополнения. В частности О.В. Маркова [230, c. 129] предлагает ввести две важные поправки:

1) Использовать в качестве периода начисления не постоянную, а динамическую величину - скорость оборота капитала, т.е.

, (15)

где U_t - скорость оборота капитала.

Данная модель учитывает тот факт, что скорость оборота капитала по мере реализации инновации также меняется, а именно увеличивается. Таким образом, разработанная модель учитывает изменение сразу трех элементов: денежного потока, нормы дисконта и скорости оборота капитала.

2) Для учета важности и перспективности новшества ввести в расчеты коэффициент весомости нововведения (К_в ™ 1).

, (16)

Нами также было предложено внести поправку на общее производство энтропии за время реализации инновационного проекта и влияние самого проекта на динамику производства энтропии. То есть формула расчета чистого дисконтированного дохода принимает следующий вид:

, (17)

где NPV_S - поправка на экономические последствия производства энтропии за время реализации проекта, руб.

Для организационных инноваций необходимости в такой поправке нет, т.к. все их составляющие могут быть учтены в процессе расчета NPV путем включения соответствующих потерь и экономии, тем более, что часть из них уже учитывается, например, затраты на ремонт.

Для технологических и маркетинговых инноваций такая поправка может быть выражена следующим образом:

, (18)

где P_ex - потери за единицу времени, вызванные несовершенством технологии и маркетинга, на момент начала осуществления проекта, руб.;

i₁ - степень ускорения морального износа;

i₂ - степень обновления технологической базы (улучшения имиджа) организации;

t₀ - момент принятия решения о начале инновационных преобразований;

t₁ - момент начала проявления эффекта от инновации;

t₂ - момент окончания действия инновации (проявления всех положительных эффектов).

Более сложным классом стационарных моделей являются модели с элементами теории игр. Отличие от стандартной модели, основанной на NPV, состоит в том, что здесь подразумевается оптимизация не по Парето, а по Нэшу. В монографии Новикова Д.А. и Иващенко А.А. [95] достаточно детально описано применение аппарата теории игр для моделирования инновационного поведения. Для целей настоящего исследования интерес представляют модель конкуренции хозяйствующих субъектов и модель кооперативной игры.

Модель конкуренции [95, c. 60] формулируется так: несколько хозяйствующих субъектов одновременно и независимо принимают решение об инвестировании в новые технологии. Однако выигрыш достается только одному из них, так называемому "победителю", который получает фиксированный доход либо от продажи своих разработок, либо от продажи разработанного им нового товара. Остальные не получают ничего, и все их затраты списываются в убытки.

Требуется найти равновесие игры субъектов. Множество субъектов обозначается N = {1, 2,..., n}. Субъект номер i выбирает свое действие
y_i ™ 0 - уровень развития технологии. Действительнозначные функции затрат субъектов {c_i(y_i)} i ? N известны всем субъектам.

Задается условие:

, (19)

где y = (y₁, y₂, ..., y_n) - вектор действий субъектов.

Содержательно (19) характеризует наилучший результат, достигнутый субъектами. Субъект с номером                                 , достигший этого результата, называется победителем. Если победителей несколько, то они либо делят выигрыш между собой, либо существует процедура определения окончательного победителя.

Затем задается действительнозначная функция H(x). Ее содержательная интерпретация такова - победитель получает доход H(x), зависящий от результата (19). Проигравшие субъекты не получают ничего.

То есть, выигрыш победителя равен H(x) - c_k(x), а выигрыши проигравших равны их затратам, взятым со знаком минус, т.е. решение модели выглядит так:

, (20)

Классическая кооперативная игра отличается от модели конкуренции тем, что допускается возможность заключения соглашений между участниками рынка о совместной стратегии. Это позволяет получать свою долю выигрыша большему числу участников рынка. При этом у сторон, вступающих в соглашение, не возникает проблем с определением долей, т.к. их индивидуальные предпочтения являются трансферабельными.

Ценность моделей кооперативных игр состоит в том, что принцип оптимальности здесь понимается более широко, что адекватнее отражает реальные процессы принятия инновационных решений хозяйствующими субъектами. Это позволяет наделить эти модели значительно более глубоким содержательным смыслом и применять для решения задач оптимального сочетания новшеств.

В качестве примеров применения модели кооперативных игр для моделирования инновационного поведения можно привести:

- к задаче формирования портфеля инноваций [173, c. 266];

- к задаче кооперации хозяйствующих субъектов в инновационном проекте [95, с. 76] в процессе смешанного финансирования инноваций.

Использование элементов риска и неопределенности при моделировании инновационного поведения может идти в нескольких плоскостях: введение поправок на риск; построение стохастических моделей; моделирование игр с неопределенностью.

Динамические модели (имитационные и эволюционные модели инновационного поведения) в отличие от стационарных, предусматривают включение фактора времени в саму модель, соответственно, хозяйствующий субъект принимает решение об осуществлении инноваций не однократно, а многократно, что приводит к возникновению нелинейных связей между предыдущим решением и последующим. Такие связи могут задаваться математически, с помощью рекуррентных соотношений и дифференциальных уравнений, тогда процесс моделирования происходит в несколько итераций.

Описываемая модель [95, с. 52] является достаточно общей - она применима для любого объекта (хозяйствующего субъекта, принимающего решение относительно инновационного развития) - начиная с уровня государства и заканчивая субъектом хозяйствования. При этом рассматривается динамика развития n ™ 1 технологий (последовательно сменяющих друг друга технологических укладов) на плановый горизонт T, который фиксирован и считается известным. Динамика развития i-ой технологии (ее жизненный цикл) описывается следующим дифференциальным уравнением:

x?_i (t) = {y_i (x_i-1 (t_i), u_i (t)) x_i (t) [Q_i - x_i (t)]} I(t ™ t_i), (21)

где I(?) - функция-индикатор;

t ? [0;T], u_i (?) - управление (инвестиции);

Q₁ © Q₂ © ... © Q_n - известные предельные уровни развития технологий (технологические пределы);

i ? N = {1,2,..., n} - упорядоченное множество технологий;

t₁ = 0 © t₂ © ... © t_n © T - конечная последовательность моментов "переключения" - перехода от одной технологии к следующей.

Начальные и конечные условия заданы:

x_i(0) = x₀ ™ 0, x_i(t) = 0, t ? (t_i+1, T), i ? {1, 2, ..., n-1}, (22)

x_i(t_i) = max [x₀, x_i-1 (t_i) - q_i], i ? N.

Содержательно моменты времени {t_i} i ? N соответствуют "пе- реключению" (переходу) на новую технологию, величины {q_i} i ? N - потерям, связанным с переходом, u_i (?) ™ 0 - динамике изменения ресурсов, вкладываемых в развитие технологий, i ? N. Динамика i-ой технологии описывается обобщенным логистическим уравнением со скоростью роста, описываемой функцией y_i (x_i (t_i),u_i (t)), зависящей от уже достигнутого на предыдущем этапе уровня x_i (t_i) развития (точнее - "cтартового" для данного этапа уровня - см. (21)) и количества ресурсов u_i (?).

Траектория x (t) = x_i (t), t ?  [t_i; t_i+1), i ? N, характеризует динамику уровня развития технологий. Достигнутый к концу планового горизонта T уровень развития технологий X(T) определяется по формуле:

, (23)

При этом заданы:

- функция "дохода" H(X(T)), отражающая доход, получаемый в конце планового периода (зависящий от достигнутого уровня X(T) развития технологий);

- функционал "дохода" (24)

отражающий доход, получаемый в процессе развития технологий;

- функционал затрат (25)

где ?(t) ? (0; 1] - коэффициент дисконтирования;

u (?) = (u₁ (?), u₂ (?), ..., u_n (?)) - вектор динамики ресурсов, который отражает инвестиционную политику;

? = (t₁ = 0 © t₂ © ... © t_n © T) - вектор моментов времен смены технологий, который отражает инновационную политику. В функционале затрат множитель e^-?(t)e означает, что в промежутках между моментами технологических сдвигов действует так называемый закон убывающей производительности капитала (закон тенденции средней нормы прибыли к понижению).

Ограничения модели:

u_i (t_i) ™ c_i, u_i (t_i) = 0, t ? [t_i; t_i+1), i ? N, (26)

где константы {c_i ™ 0} могут интерпретироваться как инвестиции в приобретение и/или начало внедрения соответствующих технологий. Функции y_i (x_i-1, u_i) не убывают по всем переменным, y_i (x_i-1, 0) = 0, i ? N; функция H(?) также является неубывающей.

Критерий эффективности может быть записан в виде разности между доходом и затратами, тогда оптимизационная задача заключается в максимизации критерия эффективности путем выбора последовательности ? смены технологий и вектора u (?) динамики ресурсов, то есть:

, (27)

при условии, что динамика технологий описывается системой уравнений (21) с начальными условиями (22), а ресурсы удовлетворяют ограничению (26).

Альтернативой может быть использование рентабельности (эффективности) инвестиций:

. (28)

В качестве примера применения динамической модели можно привести работу Силкиной Г.Ю. [173], в которой построена аналитическая модель инноваций в форме дифференциального уравнения, отражающая кумулятивный характер инновационных процессов; на основе анализа модели и свойств ее решений (логистических кривых) предложены методы и произведены оценки временных резервов конкурентоспособности инноваций, обусловливающих их параллельное и последовательное сопряжение.

К недостаткам динамических моделей следует отнести необходимость использования сложного для рядового экономиста математического аппарата, а также сложность учета случайного и необратимого характера инновационных процессов, когда выбор того или иного решения аннулирует все другие решения, а результат такого выбора обладает высокой степенью случайности. Преодолеть подобные затруднения позволяет целый класс моделей, которые называются имитационными.

Имитационное стохастическое моделирование предполагает использование специальных компьютерных программ и инструментов, позволяющих провести "имитацию" реальных сложных процессов с учетом их структуры и функций. Спецификой имитационного моделирования является запуск в компьютере таких взаимодействующих вычислительных процессов, которые являются максимально точными аналогами исследуемых процессов в определенной пропорции по масштабам времени и пространства. Это особенно актуально, когда исследуемые процессы сложно изучать в реальности из-за их большой пространственной или временной протяженности. Этот подход актуален и в тех случаях, когда для исследуемого процесса не разработаны другие типы формализованных моделей. Инновационные процессы в большинстве случаев относятся именно к таким.

В основе большинства имитационных моделей лежит метод Монте-Карло, основанный на использовании генераторов псевдослучайных чисел. Это позволяет проводить множество статистических испытаний различных гипотез либо предварительный анализ последствий принимаемых решений. Однако у метода есть один недостаток: для своей реализации он требует сложной моделирующей программы. С появлением современных пакетов имитационного моделирования процесс применения имитационного моделирования значительно упростился.

Основные составляющие технологии имитационного моделирования: структурный анализ сложного процесса; формализованное описание модели; построение модели; проведение экстремального эксперимента.

В качестве примера применения имитационного моделирования инновационного поведения можно привести ставшую уже классической работу Р. Нельсона и С. Уинтера [89]. Главной особенностью этих моделей является наличие некой популяции хозяйствующих субъектов, каждый из которых характеризуется рядом ключевых переменных, таких, как величина капитала, используемая технология (или текущая производительность), политика осуществления НИОКР и пр. Кроме того, в модели присутствуют поведенческие функции хозяйствующих субъектов, характеризующие их предпочтения в области исследований и инвестиций. Также имеется набор зависимостей: между ценами на готовую продукцию и спросом на нее, между ценами на факторы производства и их предложением. Причем эти взаимозависимости не детерминированные а стохастические.

Модели, разработанные Р. Нельсоном и С. Уинтером, можно объединить в 2 семейства - равновесных и более сложных неравновесных (динамических). Динамические модели, в свою очередь, подразделяются на ранние, в которых предпринята попытка объяснить технический прогресс на основе принципа сэтисфайсинга к уровню технологии, и более современные, в которых предполагается, что хозяйствующие субъекты применяют сэтисфайсинг не в отношении технологии, а в отношении политики проведения НИОКР.

Особенности ранних моделей:

1) Хозяйствующие субъекты применяют технологию до тех пор, пока доход на капитал выше определенного уровня, а при падении его ниже этого уровня начинают поиск новой технологии или имитируют чужую технологию.

2) Решение о применении новой или заимствованной технологии принимается только в том случае, если она дает более высокий доход на капитал.

3) Источником инвестиций для хозяйствующих субъектов выступает их валовой доход за вычетом амортизации и выплачиваемых дивидендов.

4) Входные барьеры в отрасль отсутствуют, но вход регулируется так, чтобы это происходило нечасто.

5) Ставка заработной платы для хозяйствующих субъектов определяется как внутриотраслевыми факторами, так и внешнеэкономическими условиями.

Для осуществления компьютерной симуляции систематически варьировалось 4 параметра модели, причем каждый из них принимал 2 значения, что позволило рассмотреть 16 различных случаев, и, в частности, такие, в которых было учтено влияние следующих факторов: интенсивности процесса имитации нововведений; размера требуемых дивидендов; направленности поиска новой техники (в смысле предполагаемого нейтрального или трудосберегающего характера технического прогресса).

В каждом из компьютерных запусков значения избранных параметров для всех хозяйствующих субъектов полагались одинаковыми, так что их влияние проявлялось только при сравнении результатов разных запусков. Каждый из рассмотренных случаев "проигрывался" компьютером в течение 50 периодов.

Для проверки работоспособности моделей были использованы временные ряды Солоу за 1909-1949 гг., что позволило с одной стороны легко проверить, как соответствует действительности новая модель, и с другой стороны, сравнить макроэкономические показатели, которые рассчитывались по модели, с показателями, которые получил Солоу. Модели отлично справились с проверкой, что доказало возможность успешного имитационного моделирования.

Как уже упоминалось, особенность более поздних моделей - предположение о применении хозяйствующими субъектами сэтисфайсинга в отношении инвестиций в НИОКР. То есть поиск новых технологий превращается в одну из постоянных функций хозяйствующего субъекта. При этом возможны варианты политики НИОКР: либо только собственные НИОКР, либо имитация, либо их сочетание. Кроме того, результаты НИОКР являются стохастическими, так как это и имеет место в реальности. То есть большие инвестиции не обязательно приводят к большим прибылям, и наоборот.

К недостаткам моделей можно отнести то, что источником новых технологий является внешняя среда, то есть достижения некой абстрактной науки. Однако в ряде моделей заложен кумулятивный характер НИОКР, то есть, хозяйствующие субъекты, которые занимаются этим на протяжении нескольких периодов имеют преимущество перед теми, которые впервые приступили к НИОКР. Другими условиями, варьирующими при компьютерной симуляции, являются: число хозяйствующих субъектов в популяции (2,4,8,16 и 32); параметр степени агрессивности конкуренции; степень легкости имитации; степень легкости внешнего финансирования и пр.

Имитационное моделирование было использовано Р. Нельсоном и С. Уинтером для проверки гипотезы о "шумпетерианской конкуренции", трактуемой как проблема выбора между конкурентным поведением и технологическим прогрессом. При этом конкуренция характеризуется либо показателем концентрации (числом хозяйствующих субъектов в отрасли), либо на основе агрессивности их поведения. Критериями технического прогресса являлись: либо уровень средней производительности, либо производительность лучшей технологии, либо цена готовой продукции.

Р. Нельсоном и С. Уинтером получены интересные результаты, показывающие, что когда основой технического прогресса является новое научное знание, для достижения прогресса важнее численность хозяйствующих субъектов, а не степень их агрессивности. В случае же "кумулятивных" НИОКР агрессивное поведение оказывает на технический прогресс отрицательное воздействие независимо от критерия оценки.

Так как наиболее интересная модель, это сравнение судеб хозяйствующих субъектов-имитаторов и хозяйствующих субъектов-новаторов, есть смысл привести ее здесь [89, с. 365]. Формальная схема модели выглядит следующим образом:

Q_it = A_it · K_it. (29)

Выпуск хозяйствующего субъекта i в период t равен его основному капиталу, помноженному на производительность применяемой технологии.

Q_t = ?Q_it = ?A_it · K_it, (30)

P_t = D (Q_t). (31)

Выпуск отрасли есть сумма выпусков индивидуальных хозяйствующих субъектов. Цена определяется выпуском отрасли при заданной функции спроса D (?). Прибыль на капитал хозяйствующего субъекта равна цене продукта, умноженной на выпуск на единицу капитала минус издержки производства на единицу капитала (в том числе плата за арендованный капитал) минус издержки инновационных и имитационных НИОКР на единицу капитала.

?_it = (P_tA_it - c - r_im - r_in). (32)

НИОКР генерируют новые уровни производительности посредством двухэтапного стохастического процесса. Первый этап характеризуется независимыми случайными величинами d_imt d_int, которые принимают значение 0 или 1. Соответственно значениям этих случайных величин фирме i выпадает или не выпадает жребий заниматься имитацией или инновацией в период. Вероятности успеха этих жеребьевок равны соответственно:

Pr (d_imt = 1) = a_m · r_im · K_it , (33)

Pr (d_int = 1) = a_n · r_in · K_it , (34)

(Параметры подобраны таким образом, что верхняя грань вероятности, равная единице, никогда не достигается.) Если хозяйствующий субъект "вытягивает" имитацию, ему предоставляется возможность выявить и скопировать наилучшую практику отрасли. Если хозяйствующему субъекту выпадает инновация, он выбирает из распределения технологических возможностей F(A; t, A_it). При научном режиме это распределение - функция времени и не зависит от превалирующей технологии хозяйствующего субъекта. В случае же кумулятивного технического прогресса оно зависит не от времени per se, а от превалирующей технологии хозяйствующего субъекта в данный период.

Для хозяйствующего субъекта, вытянувшего в некоторый период и инновационный, и имитационный жребии, уровень производительности на последующие периоды задается выражением:

A_i(t+1) = max(A_it, A?_t, A?_it) (35)

Здесь A?_t - самый высокий (соответствующий наилучшей практике) уровень производительности в отрасли в период t, а A?_it - случайная величина, выбранная в результате реализации инновационного жребия. Разумеется, хозяйствующие субъекты могут не "вытянуть" имитации, инновации или и тот и другой жребии. В этом случае меню, из которого "вытягивается" производительность в следующий период, будет короче.

Предполагаемое расширение или сокращение хозяйствующего субъекта определяется отношением цены к издержкам производства Р / (с / А) (или, что то же самое, процентным превышением прибыли над издержками) и долей рынка, занимаемой хозяйствующим субъектом. Но возможности хозяйствующего субъекта финансировать инвестиции ограничены его рента­бельностью, на которую влияют как затраты на НИОКР, так и доходы и издержки производства.

, (36)

где ? - норма физического износа капитала;

I (?) -  функция валовых инвестиций ограничена условием неотрицательности. Она не убывает по первому аргументу и не возрастает по второму.

Кроме того, авторы полагали

. (37)

Иными словами, если у хозяйствующего субъекта удельные издержки равны цене, пренебрежимо малая доля рынка, нулевые расходы на НИОКР и, следовательно, нулевая прибыль, то у него будут и нулевые чистые инвестиции.

Р. Нельсоном и С. Уинтером сделан вывод о том, что в условиях агрессивной конкуренции преуспевают имитаторы, то есть для истинных инноваций излишняя конкуренция вредна. Причина этого в том, что в условиях избыточной агрессивной конкуренции новаторы тратят больше средств на НИОКР и не успевают получить все выгоды от новых технологий, а имитаторы, не неся больших затрат на НИОКР, со временем догоняют новаторов, и начинают вытеснять их.

Таким образом, к преимуществам этих моделей следует отнести то, что они исходят не из максимизирующего производственные возможности поведения инноватора, а показывают реальный процесс выбора инновационных решений из имеющихся альтернатив.

Также эти модели показывают преобладание неравновесности рынка на протяжении практически всего времени его развития, влияние на инновационное поведение таких важных показателей, как уровень банковской ставки, легкость имитации нововведений, темпы научно-технического прогресса в отрасли.

Они рассматривает экономический рост как следствие вытеснения из экономического пространства менее конкурентоспособных хозяйствующих субъектов (фирм) более конкурентоспособными, а технический прогресс - как средство для достижения этой цели, что говорит не только о новом подходе к экономическому росту, но и о новом взгляде на технический прогресс.

С помощью этих моделей можно получать макроэкономические показатели, моделируя действительность с помощью микроэкономического аппарата, объединяя в себе два подхода к анализу экономических данных - макроэкономический и микроэкономический.

Однако, по нашему мнению, у указанных моделей также имеются недостатки, вызванные объективной сложностью моделирования нелинейных процессов. В частности, данные модели не учитывают восприятие инновациоными хозяйствующими субъектами уровня риска при принятии инновационных решений, они не дают свободы выбора инновационного или имитационного стилей поведения организации. Указанные недостатки снижают чувствительность моделей, и уровень их реалистичности и создают поле деятельности для дальнейшего их усовершенствования и развития.

К сравнительно новым направлениям моделирования инновационных процессов можно отнести модели с генетическим алгоритмом, термодинамические и энтропийные модели.

Не следует путать качественные (абстрактно-логические) генетические модели инноваций и модели с генетическим алгоритмом. Если первые представляют собой структурные модели инновационного процесса, то вторые не обязательно могут иметь отношение к инновациям, а представляют собой лишь один из методов математического моделирования и нахождения решения в тех случаях, когда применение других алгоритмов невозможно или не дает желаемого результата. Моделирование инновационных процессов в виду сложности и нелинейности взаимосвязи относится именно к тому классу моделей, при решении которых применение генетических алгоритмов дает неплохие результаты.

Эволюционные алгоритмы, впервые разработанные Джоном Холландом (John Holland) в 1970-х годах, сегодня чаще называют генетическими алгоритмами, поскольку они имитируют процессы природного естественного отбора. Первоначально эти алгоритмы применялись в комбинаторной оптимизации и компьютерных исследованиях в области искусственного интеллекта, однако в последнее время сфера их применения заметно расширилась. Благодаря быстрому совершенствованию компьютеров появилась возможность использовать генетические методы в оптимизационных моделях, которые не поддаются решению с помощью традиционных методов, основанных на вычислении градиентов. Генетические алгоритмы гораздо реже, чем основанные на вычислении градиентов методы поиска, останавливаются в точке локального оптимума или осциллируют в окрестности точек разрыва. С другой стороны, они требуют проведения очень большого количества вычислений и не гарантируют нахождения глобального оптимума [83, с. 465].

Основанный на биологических концепциях генетический алгоритм заметно отличается от большинства ранее описанных методов моделирования иннова­ционного поведения. Сначала приведем краткий перечень основных свойств, на которых строится работа алгоритма, а далее опишем их более подробно.

Алгоритм использует случайно выбираемые начальные точки. Таким образом, это недетерминированный метод. В то время как в большинстве методов хранится только наилучшее решение, найденное в процессе поиска, в генетическом алгоритме хранится большое количество промежуточных результатов, называемое популяцией возможных решений, не все из которых являются хорошими решениями. Данная популяция используется для создания новых начальных точек, не обязательно в окрестности текущего наилучшего решения, что помогает алгоритму избегать остановки в локальном оптимуме.

Аналогично генным мутациям в биологии алгоритм время от времени производит случайные изменения в одном или нескольких членах популяции для создания новых потенциальных начальных точек-"потомков" которые могут находиться далеко от остальных членов данной популяции. Как при половом способе размножения, элементы существующих в популяции решений комбинируются друг с другом с помощью операции, напоминающей скрещивание цепочек ДНК, чтобы создать новое потенциальное решение, обладающее чертами каждого из родительских решений.

Любые нарушения ограничений новым решением приводят к вычитанию (в модели максимизации) из значения целевой функции для данного решения или прибавлению к нему (в модели минимизации) "штрафа", сумма которого отражает степень нарушения ограничений. Это измененное значение целевой функции становится мерой "пригодности" данного решения.

Аналогично естественному отбору начальные точки-потомки, которые не улучшают значения целевой функции и не помогают получить новые начальные точки, в конечном счете, удаляются из популяции как "непригодные".

В генетическом алгоритме решение задачи представляется в виде генома (или хромосомы). Алгоритм работает с популяцией, содержащей десятки или даже сотни допустимых решений. Из этой популяции решений генетический алгоритм создает с помощью операций мутации и скрещивания новые решения, чтобы получить набор претендентов на "звание" наилучшего решения. Упрощенно говоря, в ходе скрещивания комбинируются две (родительские) хромосомы, чтобы получить новую хромосому (потомок). Как и в половом размножении, идея скрещивания состоит в том, что новая хромосома может оказаться лучше обеих родительских, если взять лучшие характеристики каждой из них. В отличие от скрещивания, операция мутации привносит некий элемент случайности в новые хромосомы-потомки. Ее задача заключается в том, чтобы помочь программе найти такие решения-потомки, которые невозможно получить путем скрещивания. Решения-потомки с низким значением выигрыша ("плохим" значением целевой функции) сохраняются, поскольку они могут произвести в следующих поколениях потомков с высоким выигрышем (лучшим значением целевой функции). Если этого не происходит, то эти "потомки", в конечном счете, удаляются из популяции решении. Согласно принципу выживания наиболее приспособленных, генетические алгоритмы - это алгоритмы поиска, использующие структурированный обмен информацией (скрещивание) и рандомизацию (мутации) для формирования процедуры поиска, обладающей свойствами природных процессов. В каждом поколении создается новый набор решении, созданных из наиболее подходящих экземпляров предыдущего поколения.

Отметим, что генетический алгоритм не является просто случайным движением по пространству возможных решений. Это было бы слишком неэффективно. Напротив, данный алгоритм эффективно использует накопленную информацию для формирования новых решений, которые, как ожидается, улучшат выигрыш. Поэтому генетический алгоритм иногда называют методом направляемого случайного поиска или комбинированным методом, т.к. механизмы скрещивания и мутации в некотором смысле реализуют переборную часть метода, а отбор лучших решений - градиентный спуск.

В качестве примера модели с генетическим алгоритмом можно привести работу Антипова Д.В. [3], в которой автором был применен разработанный программный пакет "ГенАлгор" для решения задачи оптимального распределения инвестиций среди инновационных проектов.

Постановка задачи: Инвестиционный капитал К распределяется среди N инновационных проектов с целью получения максимального суммарного дохода в течение определенного срока. Для каждого проекта известны:

- функциональная зависимость П₁(Q_i;Q₁...Q_m) объема прибыли П₁, приносимой проектом в случае его успеха, от объема вложения Q_i в сам проект и инвестиций в взаимосвязанные проекты Q₁,..,Q_m , подмножества Q₁,..,Q_n;

- функциональная зависимость убытков ?₁(Q_i;Q₁...Q_m) от проекта в случае его срыва, от объема вложения Q_i в проект и инвестиций в взаимосвязанные проекты Q₁,..,Q_m;

- функциональная зависимость вероятности успеха проекта P₁(Q_i;Q₁...Q_m) от объема вложения Q_i в сам проект и инвестиций в взаимосвязанные проекты Q₁,..,Q_m.

В данной задаче целевой функцией является суммарная прибыль от инвестиций, а управляемыми параметрами - объемы вложений в каждый из проектов.

При решении данной задачи с помощью генетических алгоритмов, каждый вариант инвестирования (набор значений параметров) рассматривается как индивидуум, а доходность этого варианта - как приспособленность этого индивидуума. Тогда в процессе эволюции приспособленность индивидуумов будет возрастать, а значит, будут появляться все более и более доходные варианты инвестирования. Остановив эволюцию в некоторый момент и выбрав самого лучшего индивидуума, можно получить достаточно хорошее решение задачи.

При реализации генетического алгоритма в данном случае, индивидуум - вариант решения задачи - определяется набором из N (по количеству проектов) хромосом X_j, где хромосома X_j соответствует объему вложений в проект j и представляет собой двоичную запись этого числа (число двоичных разрядов = p, где 2^p ™ K).

Объем суммарных вложений в инновационные проекты ограничен, поэтому не все значения хромосом являются допустимыми, что учитывается при генерировании популяций. С точки зрения учета объема имеющегося инвестиционного капитала K, возможны два подхода: (1) варьирование только (N-1) хромосом, и однозначное определение по ним N-й хромосомы, как дополняющей проектный портфель до объема капитала К; (2) подход, учитывающий ограничение "суммарный капитал = К", с использованием штрафной функции. При правильном выборе такой функции особи с сильным нарушением указанного ограничения "вымирают". При реализации второго подхода получается решение с суммарным капиталом, быть может не равным в точности, но очень близким к заданному К. Эту погрешность следует считать платой за, как правило, более высокую скорость нахождения решения.

Еще одним новым направлением моделирования инновационных процессов являются синергетические модели, использующие понятийный и математический аппарат синергетики, в частности элементы теории хаоса, теории катастроф, выражаемые нелинейными дифференциальными уравнениями высоких порядков.

В качестве примера можно привести статью Б.И. Мызниковой и Н.В. Переведенцевой [84], в которой рассмотрен процесс взаимодействия двух фирм, занимающихся высокотехнологичным товаром, на едином сегменте рынка.

Условные обозначения в математической постановке задачи:

- население во время t может быть разделено на три класса: собственники товара, произведенного первым субъектом хозяйствования (фирмой), обозначены A₁, собственники товара, произведенного второй фирмой, обозначены A₂, и те, кто не имеет товара, обозначены как N;

- ? - количество новых потребителей;

- ? - коэффициент выбытия потребителей;

- ?_i - интенсивность рекламы i-й фирмы;

- ? - коэффициент межабонентских контактов;

- ?_i - вероятность того, что индивид откажется от товара i-й фирмы.

Тогда скорость изменения количества собственников товара i-й фирмы dA_i /dt будет расти с увеличением количества несобственников, которые приобрели товар, благодаря рекламе ?_i N или благодаря общению с собственниками ? A_i N. И скорость будет падать с увеличением количества собственников, которые покинули рынок ? A_i или отказались от товара ?_i A_i . Также скорость будет падать с увеличением количества собственников i-й фирмы, которые отказались от товара под действием общения с собственниками товара конкурирующей фирмы ? A_i A_j.

Скорость изменения количества несобственников dN /dt будет расти с увеличением числа появившихся людей ? или числа собственников, которые отказались от товара ?₁A₁ + ?₂A₂. Скорость будет падать с увеличением числа несобственников, которые покинули рынок ? N или приобрели товар, под действием рекламы ?₁ N + ?₂ N или после общения с собственниками ? A₁ N + ? A₂ N. Тогда изменение численности классов можно описать следующей системой нелинейных обыкновенных дифференциальных уравнений:

(38)

В качестве достоинств можно отметить, что в работе показано, что в данной модели возможны бифуркационные процессы, может быть до трех состояний равновесия при различных значениях параметров. Также качественно исследован характер состояний равновесия, которое может быть седлом или устойчивым узлом.

Еще оной подобной работой, использующей аппарат синергетики, является статья Серкова Л.А. [171], в которой изучалась стохастичность инновационного процесса и влияние на этот процесс инновационной глобализации, являющейся системным фактором.

Л.А. Серков в рамках синергетического подхода исследует стохастичность инновационного процесса и влияние на него взаимосвязей исследуемой системы с другими подсистемами. Исходное уравнение для исследуемой модели инновационного роста в детерминированном случае записывается в виде:

dx / dt = A + p / N · x · (N - x) - ? · x, (39)

где x = x(t) - число хозяйствующих субъектов (компаний) региона, участвующих в инновационном процессе в момент времени t;

N - общее число участников;

p (p > 0) - коэффициент роста числа участников. Второй член уравнения учитывает конкуренцию между участниками инновационного процесса. Последний член уравнения учитывает отторжение инноваций некоторыми компаниями - участницами;

? - коэффициент отторжения (? > 0);

А - постоянная скорость появления новых участников инновационного процесса, в том числе и из других регионов в силу открытости системы.

Одним из достижений автора является выявление такого интересного явления как "самоорганизованная критичность". Суть явления проявляется в двух аспектах:

- лавинообразные скачки инновационной активности в периоды массового перехода от старых технологий на новые;

- перемежающийся характер инновационной активности, когда периоды бурной инновационной деятельности сменяются периодами затишья.

Ценность синергетических моделей в том, что они позволяют исследовать влияние как внешних, так и внутренних факторов на траекторию развития изучаемой системы. Кроме того, с их помощью можно выявлять различные нелинейные закономерности изучаемых процессов, что не всегда возможно сделать в рамках имитационных моделей. Недостатком данных моделей является слабая практическая применимость, они позволяют лишь качественно (на концептуальном уровне) описать исследуемые явления.

На макроэкономическом уровне инновационное поведение экономических субъектов находит свое выражение в экономическом росте. Проблемы теоретического обоснования и моделирования экономического роста достаточно подробно проанализированы в экономической литературе [62;210] и в рамках данной работы нет необходимости на них останавливаться. Все модели экономического роста можно разделить на следующие группы:

- докейнсианские теории экономического роста (меркантилисты, классики, Й. Шумпетер, Дж. фон Нейман);

- кейнсианская и неокейнсианская теории экономического роста (Дж. Кейнс, модель Харрода-Домара, концепция Э. Хансена);

- неоклассические модели экономического роста (модель Солоу, "золотое правило накопления" Э. Фелпса, кембриджская квота сбережений Н. Калдора, трактовка Дж. Стиглица и Л. Пазинетти, модель Касса-Купманса-Рамсея, модель Эрроу-Ромера, модели Р. Лукаса и Х. Узавы, модель Гроссмана-Хэлпмана);

- институциональные и эволюционные теории экономического роста (Д. Норт, Р. Коуз, теории институциональных изменений А. Алчиана, Дж. Бьюкенена, С. Пейовича, модели Р. Нельсона и С. Уинтера).

Однако, несмотря на достаточно большое количество моделей экономического роста, общим для них является отсутствие связи между макро- и микроуровнями. То есть, модели экономического роста и модели инновационных процессов развивались параллельно, практически не соприкасаясь. Единственным исключением являются модели Р. Нельсона и С. Уинтера, которые выявили следующие преимущества эволюционной теории экономических изменений перед неоклассической теорией экономического роста:

1. Она рассматривает экономический рост как следствие вытеснения из экономического пространства менее конкурентоспособных экономических субъектов (фирм) более конкурентоспособными, а технический прогресс - как средство для достижения этой цели, что говорит не только о новом подходе к экономическому росту, но и о новом взгляде на технический прогресс.

2. Она получает макроэкономические показатели, моделируя действительность с помощью микроэкономического аппарата, объединяя в себе два подхода к анализу экономических данных - макроэкономический и микроэкономический.

Однако, несмотря на перспективность эволюционного подхода к моделированию инноваций, широкого распространения и мощного дальнейшего развития, как ожидалось, он не получил. Это связано с объективной сложностью моделирования инновационных процессов. В качестве отдельных успехов в этом направлении можно отметить уже упоминавшиеся генетические и синергетические модели. Однако у данных моделей есть большой недостаток, заключающийся в необходимости использования сложного математического аппарата, который для большинства экономистов недоступен.

Еще одна проблема связана с тем, что существующая традиция деления экономики на микро- и макроуровни сама по себе ограничивает возможности по безболезненному переходу от микроуровня к макроуровню. Связано это с тем, что как микро-, так и макроуровни на самом деле имеют составной характер. К микроуровню обычно относят как отдельных индивидов (в составе домоозяйств), так и совокупности индивидов - фирмы и организации. К макроуровню относят как отдельные рынки, так и отрасли и даже целые государства. Поэтому, когда исследователи пытаются осуществить переход от микроуровня к мароуровню, они вынуждены всегда уточнять, что они имеют в виду. В частности, Р. Нельсон и С. Уинтер в своих моделях упоминали, что на микроуровне они рассматривают фирмы, а на макроуровне - отрасли.

Облегчить процесс взаимоувязывания моделей разного уровня может подход, предлагаемый Е.В. Поповым [154], который выделяет не два, а пять уровней объектов экономики:

- микроэкономика - занимающаяся исследованием поведения отдельных хозяйствующих субъектов (индивидов);

- миниэкономика или экономика фирмы, занимающаяся исследованием феномена фирмы как альтернативы рыночному механизму (в том числе ее внутреннего устройства);

- мезоэкономика - экономика отрасли или локального рынка;

- макроэкономика - экономика функционирования государственных институтов;

- глобальная экономика - экономика международных взаимоотношений формирования глобальных рынков и транснациональных корпораций.

При этом объекты нижних уровней могут входить как составные элементы в объекты более высоких уровней. Индивиды участвуют в формировании фирм, рынков и государств. Организации (фирмы) участвуют в формировании рынков (совместно с индивидами), отраслей, государственных институтов (государственные учреждения) и даже глобальных рынков (транснациональные корпорации). Локальные рынки и отрасли регулируются государственными институтами и образуют мировые рынки. Государства, наравне с транснациональными корпорациями участвуют в глобальном разделении труда.

Как видно, такая сложная схема взаимодействия уровней экономики требует адекватного понятийного и методологического аппарата для ее описания и моделирования. Скорее всего, в этом качестве может выступить только синергетика и отдельные ее разделы, такие, например, как теория хаоса и теория катастроф. Попытки адаптировать и применить аппарат синергетики для моделирования экономических процессов уже предпринимаются [37;169], в том числе и в моделировании инноваций, о чем свидетельствуют вышеупомянутые работы.

Однако на данный момент нет комплексного использования достижений синергетики в экономических исследованиях, и проблема в том, что пока интерес односторонний - у представителей естественно-научных дисциплин к экономическим проблемам. Обратного интереса экономистов к использованию методологии синергетики практически не наблюдается, хотя по уровню абстрагирования и применения сложных математических расчетов современные неоклассические модели ничуть не проще, чем применяемый аппарат синергетики.

Таким образом, моделирование инновационного поведения экономических субъектов является весьма интересной отраслью науки, привлекающей внимание ученых из самых разных областей, а не только экономистов. При этом используемые методы моделирования весьма разнообразны, однако наиболее перспективным методом, по мнению автора данного исследования, является имитационное моделирование, развивающее наследие Р. Нельсона и С. Уинтера, и аккумулирующее достижения в других направлениях. Преимущества данного метода заключается в том, что во-первых, он позволяет в широком диапазоне менять параметры модели и проводить эксперименты, во-вторых, благодаря стохастической составляющей более точно отражает реальные процессы и явления инновационной деятельности, в-третьих, доступен для исследователей, не обладающих сложным математическим аппаратом, в четвертых, позволяет увязать микро- и макроуровни инновационных процессов.

4.3 Имитационная стохастическая модель инновационного поведения хозяйствующих субъектов на основе максимизации комплексного трансакционного выигрыша

В Модели оптимизации инновационного портфеля на основе максимизации показателя комплексного трансакционного выигрыша проектов, описанного в п. 3.3 данной работы, весь процесс инновационного поведения можно разделить на несколько этапов: 1 - принятие решения о необходимости инноваций; 2 - принятие решения о масштабе инноваций (собственные НИОКР или имитация); 3 - выбор наиболее оптимального из вариантов инновационных проектов; 4 - управление реализуемыми инновационными проектами (решение о продолжении или прекращении проекта).

Первый этап. Решение о необходимости инновационных преобразований принимается исходя из прогнозируемого развития хозяйствующего субъекта в будущем. При этом хозяйствующий субъект учитывает прирост разнообразия, вызванный научно-техническим прогрессом, т.к. уровень внутренней энтропии можно снизить банальными инвестициями, не требующими инновационных преобразований. Если хозяйствующий субъект предвидит, что в скором будущем моральный износ продукции превысит критический уровень (рентабельность или доля рынка упадет до нуля), он решает, что нужны инновационные преобразования.

Второй этап. Решение о масштабе инноваций принимается под влиянием трех основных факторов, влияющих на комплексный трансакционный эффект: ожидаемые поступление или расходование денежных средств, неопределенность (остаточный риск) как капитальных затрат так и прибыли, время реализации (внедрения) инновационного проекта и получения положительного эффекта. Также здесь следует учитывать поправку на восприятие хозяйствующим субъектом риска в зависимости от местоположения на кривой морального износа и в зависимости от инвестиционной политики собственников и менеджмента. Кроме того, для повышения репрезентативности модели следует учитывать и дополнительные факторы: научный, когнитивный и институциональный.

Третий этап. Выбор из большого числа альтернативных инновационных проектов может осуществляться на основе показателя комплексного трансакционного эффекта. При принятии решения об инновационных преобразованиях, перед инноватором может возникнуть проблема выбора инновационного решения из достаточно большого числа альтернативных проектов. Также, один и тот же проект может предполагать различные варианты его реализации благодаря взаимозаменяемости факторов инновационного проекта. Конечно, функции взаимного влияния факторов являются весьма сложными и скорее всего нелинейными, однако выявление их является предметом самостоятельного исследования. Пока же на практике может быть применен экспертный метод определения взаимозависимости между факторами.

Четвертый этап. Управление принятыми к реализации инновационными проектами осуществляется с учетом последствий для надежности системы. При этом, по мере осуществления проекта, при приближении к моменту получения положительного эффекта от инновации, ожидаемые показатели комплексного трансакционного эффекта преобразуются в реализованные: действительный срок внедрения, действительные капитальные затраты (которые есть ожидаемые затраты с реализованным риском превышения). Также видоизменяются ожидаемая дополнительная прибыль, срок ее получения и вероятность. Все это заставляет инноватора пересмотреть комплексный трансакционный эффект и на основе этого принять решение, либо о продолжении инновационных преобразований, либо об отказе от дальнейшего осуществления проекта с заменой на альтернативный проект или без замены. Фактором, побуждающим к отказу от проекта с сомнительными перспективами является запас экономической надежности, который определяется текущей рентабельностью, долей рынка и получаемой в результате этого прибылью, а также имеющимся запасом времени. Также, отказаться от осуществления проекта могут заставить внешние факторы, под влиянием которых уровень неопределенности будущего хозяйствующего субъекта резко повысится, например, мировой экономический кризис.

Однако, здесь могут подключиться дополнительные факторы комплексного трансакционного эффекта - научно-технический эффект от продолжения неудавшихся НИОКР, легкость переключения с одной инновационной альтернативы на другую, влияние отказа от проекта на имидж организации и др., которые могут перевесить чашу весов в пользу продолжения проекта.

При этом новые и продолжающиеся проекты являются конкурирующими за ресурсы, поэтому модель становится динамической, то есть для каждого планируемого периода она должна решаться отдельно с учетом уже осуществляемых проектов и тех, которые могут быть приняты к внедрению.

Задача оптимизации выбора инновационного проекта (неважно на каком этапе) из всей совокупности имеющихся альтернатив может быть сведена к двухстадийной максимизации комплексного трансакционного выигрыша:

1. ?S_i = max (S_2i - S_1i), (40)

2. И_opt = max ?S_i, (41)

при условии S_1i < S_запас

где S_запас - запас прочности системы, он равен разнице между текущим уровнем экономической надежности и критическим, при котором наступит разрушение системы (банкротство хозяйствующего субъекта).

В качестве примера решена числовая задача оптимизации инновационного портфеля для фирмы - резидента Технопарка ХМАО-Югры [Ошибка! Источник ссылки не найден.] на базе следующих исходных данных (таблица 27).

Таблица 27 - Исходные данные числовой модели двухстадийной максимизации комплексного трансакционного выигрыша.