Исследование ESG-трансформации региона системой искусственного интеллекта
Аннотация
Исследованы теоретические аспекты ESG-трансформации региона в современных условиях. Актуальность обусловлена тем, что в условиях технологических трансформаций, бурного внедрения инноваций, нарастания рыночной неопределенности все чаще используются системы искусственного интеллекта для достижения устойчивого развития на ESG-принципах. Цель состоит в том, чтобы выявить закономерности ESG-трансформаций региона системой искусственного интеллекта и получить прогнозное значение валового регионального продукта на будущий год. В ходе проведенного исследования была сформирована модель глубокого обучения DL «Случайный лес», которая позволяет получить прогноз валового регионального продукта Волгоградской области. Научная новизна обусловлена тем, что в работе выдвинута гипотеза, которая была успешно доказана, касательно того, что прогнозы валового регионального продукта на следующий год могут быть получены с помощью модели глубокого обучения DL «Случайный лес», что во многом предопределяет динамику устойчивого развития региона. Выводы по результатам исследования сводятся к тому, что разработана DL-модель «Случайный лес», рассчитавшая прогнозные значения валового регионального продукта. Прогнозная величина валового регионального продукта (ВРП) для первого варианта составила 1305,88 млрд. руб., что на 4,47% больше фактического в 2024 году. Прогнозная величина ВРП для второго варианта составит 1361,76 млрд. руб., что на 8,94% больше фактического значения в 2024 году. Область применения полученных результатов – реальный сектор экономики, плановые органы местного самоуправления.
EDN: HYQANI
Скачивания
Литература
Список литературы
Ронжин, А. Л., & Савельев, А. И. (2022). Системы искусственного интеллекта в решении задач цифровизации и роботизации агропромышленного комплекса. Сельскохозяйственные машины и технологии, 16(2), 22–29. https://doi.org/10.22314/2073-7599-2022-16-2-22-29
Летягина, Е. Н., & Перова, В. И. (2023). Нейросетевое исследование устойчивого развития экономики регионов России на основе ESG-принципов. Развитие и безопасность, (1), 93–105. https://doi.org/10.46960/2713-2633_2023_1_93
Наролина, Т. С., Смотрова, Т. И., Пургаева, И. А., & Некрасова, Т. А. (2023). Исследование практики реализации ESG-повестки в регионах. Регион: системы, экономика, управление, (1), 12–21. https://doi.org/10.22394/1997-4469-2023-60-1-12-21
Урлапов, П. С., & Марамыгин, М. С. (2022). Современные тенденции развития банковского сектора Российской Федерации в условиях экономической неопределенности. В сборнике: Современные тенденции развития финансово-банковского сектора в условиях экономической неопределенности: сборник трудов международной научно-практической конференции (с. 202–206). Нур-Султан.
Ломакин, Н. И., Марамыгин, М. С., Кузьмина, Т. И., Положенцев, А. А., Слета, Ю. О., Юрова, О. В., & Шабанов, Н. Т. (2024). Когнитивная модель на основе метода DL Random Forest для прогноза прибыли и Fuzzy-алгоритма для оценки устойчивости компании в условиях неопределенности. Международная экономика, (10). https://doi.org/10.33920/vne-04-2410-06
Котляров, М. А. (2006). Рыночная капитализация как инструмент повышения устойчивости российских банков. Финансы и кредит, (28), 6–9.
Российские регионы внедряют принципы устойчивого развития. (2022). Получено с https://rg.ru/2022/10/18/moda-na-zelenyj.html?ysclid=m5vaqjw0x6589998955 (дата обращения: 13.01.2025).
Бабкин, А. В., & Батукова, Л. Р. (2023). Концептуальные основы многомерного системного моделирования механизма устойчивого ESG-развития киберсоциальной промышленной экосистемы кластерного типа. Модели, системы, сети в экономике, технике, природе и обществе, (3), 17–37. https://doi.org/10.21685/2227-8486-2023-3-2
ESG-рэнкинг субъектов РФ. (2021). Получено с https://raex-rr.com/ESG/ESG_regions/ESG_rating_regions/2021 (дата обращения: 13.01.2025).
Волгоград вошел в топ городов с самой сильной экологической составляющей. Получено с https://vk.com/wall-108998119_547949?ysclid=m7bwconrym79776911 (дата обращения: 25.01.2025).
Исследование ESG-трансформаций региона. Получено с https://colab.research.google.com/drive/10XQi6HOteGb_rZtyp0wUhVyRGiONkzq6?usp=sharing (дата обращения: 25.01.2025).
Датасет DL-модели. Получено с https://docs.google.com/spreadsheets/d/1_0oknnto4A6rltFJUQ-2C0d49nYB9iDDXW52TEWhKek/edit?gid=0#gid=0 (дата обращения: 13.01.2025).
Летягина, Е. Н., Перова, В. И., & Мальцева, А. М. (2022). Нейронные сети в исследовании устойчивого развития экономики субъектов России в фокусе принципов ESG. В сборнике: Актуальные вопросы экономики, менеджмента и инноваций: материалы Международной научно-практической конференции (с. 367–371). Нижний Новгород: Нижегородский государственный технический университет им. Р. Е. Алексеева.
Гренадерова, М. В. (2023). ESG-рейтинги и рэнкинги: их значение для компаний и региона присутствия. Вестник Северо-Восточного федерального университета им. М. К. Аммосова. Серия: Экономика. Социология. Культурология, (4), 69–78. https://doi.org/10.25587/2587-8778-2023-4-69-78
Берендеева, А. Б. (2024). Институциональная среда устойчивого развития и ESG-трансформации российской экономики: мега-, макро-, мезо- и микроуровни. Теоретическая экономика, (1), 98–119.
Cong, Z., & Jianhua, Y. (2024). Artificial intelligence and corporate ESG performance. International Review of Economics & Finance, 96, 103713. https://doi.org/10.1016/j.iref.2024.103713
Qiang, C., Tingting, Z., & Wenmei, Y. (2024). ESG investment and bank efficiency: Evidence from China. Energy Economics, 133, 107516. https://doi.org/10.1016/j.eneco.2024.107516
Robert, K. (2024). ESG as a complementary tool for assessing the knowledge of contemporary sustainable organisations. Procedia Computer Science, 246, 4959–4968. https://doi.org/10.1016/j.procs.2024.09.453
Qunyang, D., Zhennan, S., John, W. G., Anna, M. D., & Tianle, Y. (2024). Ecological risk and corporate sustainability: Examining ESG performance, risk management, and productivity. International Review of Financial Analysis, 96, 103551. https://doi.org/10.1016/j.irfa.2024.103551
Sharon, S. Y., Jr-Wei, H., Hong-Yi, C., & Min-Hung, T. (2025). Detecting corporate ESG performance: The role of ESG materiality in corporate financial performance and risks. The North American Journal of Economics and Finance, 76, 102370. https://doi.org/10.1016/j.najef.2025.102370
Ломакин, Н. И., Юрова, О. В., & Кособокова, Е. В. (2023). Модель Random Forest на основе Big Data для прогнозирования устойчивости банковской системы Российской Федерации. Наука Красноярья, 12(1-1), 78–100. https://doi.org/10.12731/2070-7568-2023-12-1-78-100
Ломакин, Н. И., Кузьмина, Т. И., & Марамыгин, М. С. (2024). Иерархическая кластеризация и deep learning модель «random forest» устойчивости банков в условиях риска. Наука Красноярья, 13(1), 88–102. https://doi.org/10.12731/2070-7568-2024-13-1-235
Назарова, В. В., Айтюкова, Ю. М., & Токушева, Л. Р. (2022). Влияние ESG факторов при совершении сделок слияния и поглощения. Финансы и бизнес, 18(3), 42–61.
Изгарова, А. И., Рогова, Е. М., & Бахарева, О. В. (2023). Взаимосвязь информации о ESG-инвестициях и доходности акций: кейс крупных российских компаний. Управленец, 14(3), 17–29. https://doi.org/10.29141/2218-5003-2023-14-3-2
References
Ronzhin, A. L., & Savel'ev, A. I. (2022). Artificial intelligence systems in solving the problems of digitalization and robotization of the agro-industrial complex. Agricultural Machines and Technologies, 16(2), 22–29. https://doi.org/10.22314/2073-7599-2022-16-2-22-29
Letiagina, E. N., & Perova, V. I. (2023). Neural network study of sustainable development of the economy of Russian regions based on ESG principles. Development and Security, (1), 93–105. https://doi.org/10.46960/2713-2633_2023_1_93
Narolina, T. S., Smotrova, T. I., Purgaeva, I. A., & Nekrasova, T. A. (2023). Study of the practice of implementing the ESG agenda in the regions. Region: Systems, Economics, Management, (1), 12–21. https://doi.org/10.22394/1997-4469-2023-60-1-12-21
Uralov, P. S., & Maramygin, M. S. (2022). Current trends in the development of the banking sector of the Russian Federation in conditions of economic uncertainty. In Proceedings of the International Scientific and Practical Conference "Current Trends in the Development of the Financial and Banking Sector in Conditions of Economic Uncertainty" (pp. 202–206). Nur-Sultan.
Lomakin, N. I., Maramygin, M. S., Kuz'mina, T. I., Polozhentsev, A. A., Sleta, Yu. O., Yurova, O. V., & Shabanov, N. T. (2024). Cognitive model based on the DL Random Forest method for profit forecasting and Fuzzy algorithm for assessing company sustainability in conditions of uncertainty. International Economy, (10). https://doi.org/10.33920/vne-04-2410-06
Kotlyarov, M. A. (2006). Market capitalization as a tool for increasing the sustainability of Russian banks. Finance and Credit, (28), 6–9.
Russian regions are implementing sustainable development principles. (2022). Retrieved January 13, 2025, from https://rg.ru/2022/10/18/moda-na-zelenyj.html?ysclid=m5vaqjw0x6589998955
Babkin, A. V., & Batukova, L. R. (2023). Conceptual foundations of multidimensional system modeling of the mechanism of sustainable ESG development of cyber-social industrial ecosystem of cluster type. Models, Systems, Networks in Economics, Engineering, Nature and Society, (3), 17–37. https://doi.org/10.21685/2227-8486-2023-3-2
ESG ranking of Russian regions. (2021). Retrieved January 13, 2025, from https://raex-rr.com/ESG/ESG_regions/ESG_rating_regions/2021
Volgograd entered the top cities with the strongest environmental component. Retrieved January 25, 2025, from https://vk.com/wall-108998119_547949?ysclid=m7bwconrym79776911
ESG transformation study of the region. Retrieved January 25, 2025, from https://colab.research.google.com/drive/10XQi6HOteGb_rZtyp0wUhVyRGiONkzq6?usp=sharing
DL model dataset. Retrieved January 13, 2025, from https://docs.google.com/spreadsheets/d/1_0oknnto4A6rltFJUQ-2C0d49nYB9iDDXW52TEWhKek/edit?gid=0#gid=0
Letiagina, E. N., Perova, V. I., & Maltseva, A. M. (2022). Neural networks in the study of sustainable development of the economy of Russian regions in the focus of ESG principles. In Proceedings of the International Scientific and Practical Conference "Topical Issues of Economics, Management and Innovation" (pp. 367–371). Nizhny Novgorod: Nizhny Novgorod State Technical University named after R. E. Alekseev.
Grenaderova, M. V. (2023). ESG ratings and rankings: their importance for companies and the region of presence. Bulletin of the North-Eastern Federal University named after M. K. Ammosov. Series: Economics. Sociology. Cultural Studies, (4), 69–78. https://doi.org/10.25587/2587-8778-2023-4-69-78
Berendeeva, A. B. (2024). Institutional environment of sustainable development and ESG transformation of the Russian economy: mega-, macro-, meso- and micro-levels. Theoretical Economics, (1), 98–119.
Cong, Z., & Jianhua, Y. (2024). Artificial intelligence and corporate ESG performance. International Review of Economics & Finance, 96, 103713. https://doi.org/10.1016/j.iref.2024.103713
Qiang, C., Tingting, Z., & Wenmei, Y. (2024). ESG investment and bank efficiency: Evidence from China. Energy Economics, 133, 107516. https://doi.org/10.1016/j.eneco.2024.107516
Robert, K. (2024). ESG as a complementary tool for assessing the knowledge of contemporary sustainable organizations. Procedia Computer Science, 246, 4959–4968. https://doi.org/10.1016/j.procs.2024.09.453
Qunyang, D., Zhennan, S., John, W. G., Anna, M. D., & Tianle, Y. (2024). Ecological risk and corporate sustainability: Examining ESG performance, risk management, and productivity. International Review of Financial Analysis, 96, 103551. https://doi.org/10.1016/j.irfa.2024.103551
Sharon, S. Y., Jr-Wei, H., Hong-Yi, C., & Min-Hung, T. (2025). Detecting corporate ESG performance: The role of ESG materiality in corporate financial performance and risks. The North American Journal of Economics and Finance, 76, 102370. https://doi.org/10.1016/j.najef.2025.102370
Lomakin, N. I., Yurova, O. V., & Kusobokova, E. V. (2023). Random Forest model based on Big Data for predicting the sustainability of the banking system of the Russian Federation. Science of Krasnoyarsk, 12(1-1), 78–100. https://doi.org/10.12731/2070-7568-2023-12-1-78-100
Lomakin, N. I., Kuz'mina, T. I., & Maramygin, M. S. (2024). Hierarchical clustering and deep learning "random forest" model of bank sustainability under risk. Science of Krasnoyarsk, 13(1), 88–102. https://doi.org/10.12731/2070-7568-2024-13-1-235
Nazарова, V. V., Aytykova, Yu. M., & Tokusheva, L. R. (2022). Influence of ESG factors in mergers and acquisitions transactions. Finance and Business, 18(3), 42–61.
Izgarova, A. I., Rogova, E. M., & Bakhareva, O. V. (2023). Relationship between ESG investment information and stock returns: case of large Russian companies. Manager, 14(3), 17–29. https://doi.org/10.29141/2218-5003-2023-14-3-2
Copyright (c) 2025 Nikolay I. Lomakin, Tatyana I. Kuzmina, Maxim S. Maramygin, Olga V. Yurova, Oksana A. Minaeva, Aleksey A. Polozhentsev, Tamila D. Eliseeva
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
