Одной из задач экономического развития региона является увеличение доли малого инновационного предпринимательства. Однако, независимо от того, насколько инновационные идеи или технологии выводятся на рынок, выживаемость стартапов в настоящее время невысока. Одними из ключевых проблем являются отсутствие необходимого объема капитала и отсутствие практического опыта ведения бизнеса.
Для успешного ведения бизнеса в современной экономике предприятиям необходимо наращивать конкурентные преимущества на рынке. Для достижения данной цели существует необходимость использования новых технологий и инновационных решений. Однако процесс вывода на рынок инновационной идеи или технологии сопровождается рядом негативных факторов, которые могут привести к снижению темпов, а затем и к остановке ее развития.
В связи с этим возникла идея создания имитационной модели «стартап – инвестор – корпорация». В рамках представленной модели были выделены основные показатели, которые являются регуляторами исследуемой среды. Они воздействуют на ее поведение в зависимости от изменения этих параметров. Были изучены различные методы максимизации и минимизации целевых функций, каждый из которых обладает рядом различных преимуществ. Из приведенных методов для каждого региона может быть выбран наиболее эффективный с учетом сложившихся условий на рынке, в том числе, с учетом объема необходимых ресурсов.
В настоящее время разработан программный продукт, который реализует описанную выше имитационную модель «стартап – инвестор – корпорация» [1]. Данное программное обеспечение позволяет задавать критерии для каждого типа агента, а также глобальные параметры самой модели (рис. 1).
Рис. 1. Задание значений параметров разработанной модели
В результате работы представленной программной среды существует возможность рассмотрения взаимодействия всех категорий агентов: их случайное перемещение в «поле жизни», «поле зрения» инвесторов, процесс инвестирования, поглощения одной компании другой, процесс первичного размещения акций компаний на фондовой бирже [2]. Корпорации обозначены на диаграмме имитационной модели в виде квадратов розового цвета, бизнес-ангелы – синего, «стартапы» – круги зеленого цвета (на этапе семени), круги синего цвета (получившие «посевные» инвестиции или инвестиции 2-го раунда от «ангелов» и венчурных фондов) и красные круги (получившие инвестиции 3-го раунда от «корпораций») [3]. В случае первичного размещения акций на фондовой бирже агенты «стартапы» переходят в класс «корпорация» и принимают вид розового квадрата, а в случае поглощения – переходят в состав корпорации, сами при этом уничтожаясь [4]. Взаимодействие данных агентов представлено в виде анимации (рис. 2).
Основные показатели модели наглядно представлены в виде графиков, что позволяет проводить многогранный анализ результатов моделирования (рис. 3): популяции агентов, совокупный капитал каждого вида агента, сумма налоговых сборов с «корпораций» и «стартапов» в каждом периоде, количество инвестиций ангелов, корпораций, поглощений и первичных размещений акций за каждый период, а также количество умерших «стартапов» за период, обладавших положительным инновационным потенциалом, но не получивших инвестиции.
Были подобраны параметры, которые могут регулироваться в реальной экономике с позиции государства. Это позволит найти наиболее эффективный характер поведения представленной стохастической модели (таблица).
Настраиваемые показатели модели
|
Показатель |
Переменная в модели |
|
Налоговая ставка для «стартапов» |
TS |
|
Налоговая ставка для корпораций |
TC |
|
Интенсивность прироста «стартапов» |
Θ |
|
Дотационная ставка |
Dn |
|
Поле видения инвесторов |
R |
Рис. 2. Демонстрация анимации имитационной модели
Рис. 3. Графический вывод результатов взаимодействия агентов
Также были приведены показатели, которые представляли собой целевую функцю:
1) накопленные налоги за все периоды моделирования (максимизировать) – Taxsum;
2) средний объем совокупного капитала корпораций и «стартапов» за каждый период (максимизировать) – CapSmean и CapСmean;
3) показатель количества вымерших перспективных «стартапов» (минимизировать) – dRatep;
На основе данной модели был проведен ряд экспериментов, в каждом из которых были заданы различные параметры, при этом количество периодов составляло 120, где длительность каждого периода составляла 1 месяц. В рамках компьютерного эксперимента было проведено по 5 репликаций с одинаковыми значениями параметров для каждого режима, чтобы учесть наличие в модели большого числа случайных вероятностных событий.
Гистограмма, представленная на рис. 4, наглядно демонстрирует результаты эксперимента.
Из рис. 4 можно сделать вывод о том, что результаты расчетов целевых функций различны в зависимости от типа вмешательства в виртуальную экономическую систему.
Было получено, что результаты расчетов модели инновационной экосистемы с каждой новой итерацией улучшались в зависимости от изменений параметров-регуляторов, которые были представлены ранее в таблице. Из приведенных результатов можно сделать вывод о том, что различные методы позволяют получить более эффективные значения каждой целевой функции:
а) вследствие прироста стартапов в каждом периоде с 6 % до 18 % значение прироста накопленных налогов за 120 периодов моделирования;
б) дифференциация налоговой ставки: для стартапов снижена с 15 % до 10 % и для корпораций увеличена с 20 % до 25 %. Вдобавок прирост совокупного капитала корпораций составил 13 %, т.е. было достигнуто малозначительное увеличение данного показателя, однако при первоначальных настройках модели уровень накопленных налогов оказался выше;
в) при увеличении дотационной ставки для стартапов: несмотря на то, что бюджетные ассигнования для стартапов были увеличены в 7 раз, превышение накопленного уровня налога над изначальной суммой составило 8 %, совокупного капитала корпораций – 28 %, совокупного капитала стартапов – 57 % при одинаковом количестве смертей;
г) при введении центра координации стартапов и инвесторов (увеличении поля зрения инвесторов и корпораций до 40–60 %) увеличился совокупный капитал корпораций на 24 %, при этом показатель смертей инновационных проектов, обладающих высоким потенциалом, сократился на 32 %;
д) при увеличении инвестиционной прозорливости до уровня абсолютного видения достигнуто увеличение среднего совокупного капитала корпораций на 35 % при неизменности остальных показателей;
е) увеличение привлекательности идеи стартапов: прирост накопленных налогов – 61 %, прирост среднего совокупного капитала стартапов – 162 %, прирост среднего совокупного капитала корпораций – 7 %, количество смертей сократилось на 40 %.
Была разработана имитационная модель многоагентной системы «стартап – инвестор – корпорация» с описанием взаимоотношений фирм-агентов: стартапов, венчурных инвесторов и корпораций с детальным описанием их параметров, функций, состояний [5]. Модель позволила формализовать инвестиционные взаимоотношения субъектов рынка инновационного предпринимательства, куда также введена пространственно-временная компонента, выражающая вероятность встречи инвестора с объектом инвестирования в пространстве и времени, а также то, что эта вероятность может меняться в зависимости от информированности агентов об окружающем информационном пространстве [6].
Данная имитационная модель была реализована в качестве программного продукта, написанного на языке программирования Python. Данное программное обеспечение позволяет не только интуитивно задавать и изменять значения большинства глобальных параметров, но и параметров агентов, а также возможность визуализации взаимоотношений агентов в режиме реального времени с отображением их на информационной плоскости, передвижением в информационном пространстве, полем видения агентов, результатами инвестиций или поглощений, а также отображением статистической информации, собираемой по результатам взаимодействия этих агентов [7].
Рис. 4. Результаты экспериментов
В данной работе были представлены результаты вычислительных экспериментов на базе разработанного программного обеспечения. Эксперименты показали, что в настоящий момент дотационная поддержка правительства г. Москвы недостаточно эффективна, увеличение доли дотаций из годового бюджета с 0,7 % до 5 % может дать не только более высокую выживаемость стартапов, но и дальнейшее увеличение поступлений в бюджет за счет роста экономики. Модельные эксперименты, давшие положительные результаты при увеличении поля зрения агентов в модельном информационном пространстве, показали необходимость создания электронных систем кооперации инвесторов, корпораций и стартапов [8, 9].
Таким образом, государство, по мнению авторов, должно занять роль тонкого регулятора процессов инновационного развития. С одной стороны, оно должно создавать площадки для взаимодействия стартапов, инвесторов и корпораций для того, чтобы позволить рынку самому развиваться и дать возможность силе спроса и предложения отрегулировать процессы инновационного развития, где основополагающими являются процессы венчурного инвестирования и сделки по слияниям и поглощениям. С другой стороны, государство является основным выгодоприобретателем роста экономики за счет инновационной составляющей, поэтому оно должно заботиться о создании благоприятной среды для развития стартапов, обеспечивая их дотационной поддержкой, бизнес-обучению новоиспеченных предпринимателей, таким образом обеспечивая поддержку стартапов на всех этапах их развития.
Статья подготовлена при поддержке внутреннего гранта ФГБОУ «РЭУ им. Г.В. Плеханова» по теме «Разработка моделей и информационно-аналитических технологий повышения эффективности государственного и корпоративного управления в условиях цифровой экономики» (2017).