Кривцов В.Е., Бачурин А.И. (сост.), Дружинина В.А., Волкова И.А., Котова О.П., Себова Л.В. (ред.) и др. Труды 53-й научной конференции МФТИ: Современные проблемы фундаментальных и прикладных наук. Часть IX. Инновации и высокие технологии

Подождите немного. Документ загружается.

Секция инновационной экономики 21

поток заемных средств от e-го кредитора соинвесторам; u

— поток

средств, возвращаемых соинвесторами e-му кредитору; T —время

жизни проекта; λ

, λ

= fix  λ>0 — нормы дисконтирования

ценности денег, устанавливаемые для себя каждым участником на

уровне не ниже банковского процента λ.

Символическая запись F → max не означает классическую задачу

максимизации, а лишь указывает на желательность увеличения зна-

чений функции F . Несовпадение друг с другом функций полезности

приводит к необходимости игровой формализации.

В итоге анализ нэшевского игрового равновесия приводит к необ-

ходимости использования участниками игры ряда коллективных дей-

ствий, без которых невозможно реализовать равновесие. Именно эле-

менты коллективизма позволяют поднять равновесные выигрыши

участников выше уровня гарантированных результатов, достижимых

строго индивидуально.

Литература

1. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффек-

тивности инвестиционных проектов. — М.: Дело, 2008. — 1104 с.

2. Орлова Е.Р. Оценка инвестиций. — М.: Международная акаде-

мия оценки и консалтинга, 2005. — 385 с.

УДК 338.984

Н.В. Ефременко, В.Е. Кривцов

efremenkon@yandex.ru

Московский физико-технический институт

(государственный университет)

Модель для межотраслевого согласования

научно-технических прогнозов

Инновации и новые технологии в мировой экономике становят-

ся решающим фактором социально-экономического развития, они по-

вышают темпы экономического роста, конкурентоспособность наци-

ональной экономики, качество жизни населения, рациональность хо-

зяйствования в целом, уровень инновационного и технологического

развития страны.

22 53-я научная конференция МФТИ ФИВТ

Эффективное осуществление инновационного процесса в услови-

ях дефицита инвестиционных ресурсов предполагает активную госу-

дарственную позицию. Основной задачей государства является кор-

ректировка сложившегося под влиянием рыночных факторов распре-

деления финансовых и материальных ресурсов в промышленности и

их концентрация в секторах, приоритетных с точки зрения достиже-

ния наиболее значимых социально-экономических целей.

При этом общая экономическая эффективность мероприятий по

технологическому переоснащению производства в решающей степени

зависит от взаимной согласованности отдельных проектных решений.

Иными словами, данная проблема имеет комплексный, межотрасле-

вой характер.

При формировании концепции государственной технологической

политики, для выбора и обоснования стратегии инновационного раз-

вития, обеспечивающей эффективное развитие экономики, целесооб-

разно использование моделей межотраслевого баланса.

Межотраслевые модели получили заметное распространение в

теории и практике экономического планирования и прогнозирования

во всем мире. Так, например, межотраслевые модели используются

для прогнозирования развития экономики в России, США, Франции,

Японии, Австрии, Италии, Латвии и других странах. Ежегодно про-

водятся конференции по межотраслевому моделированию. На одной

из последних Международных конференций INFORUM 2010 были

представлены доклады о текущем развитии системы эконометриче-

ского моделирования в каждой стране, были озвучены проблемы, с

которыми приходится сталкиваться в процессе построения моделей,

одной из которых является несовершенство методологической базы и

прикладного инструментария, от которых зависит качество построе-

ния моделей.

Модели межотраслевого баланса в принципе представляются пер-

спективным инструментом прогнозирования инновационного разви-

тия. Однако традиционные межотраслевые модели для этого непри-

менимы, поскольку плохо приспособлены для учета научно-техниче-

ского развития. Коэффициенты этих моделей являются среднеотрас-

левыми показателями и в традиционных моделях МОБ вводятся эк-

зогенно, в то время как именно в них «зашито» научно-техническое

развитие, которое требуется спрогнозировать с помощью этих моде-

лей.

Секция инновационной экономики 23

В настоящей работе предлагается новый подход к формированию

моделей межотраслевого баланса, в котором адекватно учитываются

факторы научно-технического развития.

Перечислим основные используемые предположения. Каждая от-

расль производит единственный продукт, каждый продукт произво-

дится единственной отраслью. Число элементов отрасли изменяется

со временем вследствие появления новых технологических способов

и их последующей «материализации» в результате нового строитель-

ства. Ввод новых мощностей производится мгновенно в момент окон-

чания строительства. Старение элементов отсутствует — их характе-

ристики постоянны и определяются технологиями, реализованными

при создании этих элементов. Возможности тиражирования проек-

тов нового строительства ничем кроме необходимости использования

общих материальных и трудовых ресурсов не ограничены. Затраты

на создание новых технологических способов включают затраты на

исследования и разработки (прикладная наука). При этом если в ре-

зультате межотраслевых расчетов интенсивность использования тех-

нологического способа окажется равной нулю, то и соответствующие

затраты на прикладную науку тоже должны обратиться в нуль, по-

скольку в этом случае они лишены экономического смысла. Иными

словами, затраты осуществляются только на разработку тех техноло-

гий, которые будут положены в основу последующего производства.

Предлагаемый подход может оказаться полезным для целей про-

гнозирования научно-технологического развития и эффективного

планирования затрат на прикладную науку.

24 53-я научная конференция МФТИ ФИВТ

УДК 338.012

С.С. Критская

svetlana_k.89@mail.ru

Московский физико-технический институт

(государственный университет)

Исследование конкуренции на рынке легковых

автомобилей России

В настоящий момент автомобильная промышленность России со-

здает примерно 1% ВВП, отвечая за 540 тыс. рабочих мест непосред-

ственно в компаниях-производителях автомобилей и комплектующих

и дополнительно 1,5 млн по остальным участникам цепочки поставок.

Большинство автопроизводителей находятся в тяжелой финансовой

ситуации. В сложившихся условиях немаловажно провести анализ

конкуренции на рынке для последующей оценки перспектив разви-

тия компаний.

Объектом исследования является сегмент легковых автомобилей

на российском рынке, который составляет 75% всего автомобильного

рынка страны.

В работе проведены расчеты количественной оценки интенсивно-

сти конкуренции, оценки степени монополизации рынка путем расче-

та индекса Харфиндаля–Хиршмана, оценена насыщенность рынка.

Оценка интенсивности конкуренции, проведенная согласно мето-

ду, описанному в [1], показывает, что интенсивность конкуренции на

российском рынке высокая.

Оценка насыщенности рынка проводится на основе следующих по-

казателей: урбанизация населения, плотность сети автодорог, ВВП

на душу населения, количество автомобилей на 1000 человек, коли-

чество автомобилей на 1 км дорог, количество автомобилей на кв.

км. и сравнении их с «корзиной» показателей стран с наибольшей на-

сыщенностью рынка: Японии, США, Германии и Франции. Расчеты

показали, что насыщенность рынка легковых автомобилей в России

низкая, что говорит о высокой остроте конкуренции на рынке.

Расчет индекса Херфиндаля–Хиршмана показывает, что монопо-

лизация рынка постепенно уменьшается, что говорит об усилении ин-

тенсивности конкуренции на рынке.

На основании приведенных расчетов были составлены конкурент-

ные карты рынка, представленные в виде матриц, строки которых

Секция инновационной экономики 25

отражают уровень темпа роста конкурентной позиции, а столбцы —

долю, занимаемую фирмой на рынке. Анализируя изменения поло-

жения компаний в матрицах, можно сделать вывод, что российские

производители не улучшают своего положения на рынке, тогда как

иностранные компании занимают все более прочные позиции на рос-

сийском рынке.

Литература

1. Багиев Г.Л., Тарасевич В.М., Анн Х. Маркетинг. — М.: Эконо-

мика, 1999. — 703 с.

2. Портер М.Е. Конкурентная стратегия: Методика анализа от-

раслей и конкурентов. — М.: Альпина Бизнес Букс, 2005. — 454 с.

УДК 339.1

А.А. Сидоров

aleksej.sidorov@phystech.edu

Московский физико-технический институт

(государственный университет)

Институт системного анализа РАН

Свободный рынок газа в России

Конкурентный рынок характеризуется ценообразованием на осно-

ве спроса и предложения, позволяющим получать сведения о реаль-

ной ценности газа в экономике, и влечет за собой должное отношение

потребителей к энергосбережению.

Исходя из вышесказанного Постановлением Правительства РФ от

2 сентября 2006 г. «О проведении эксперимента по реализации газа

на электронной торговой площадке» № 534 была предусмотрена тор-

говля ограниченным объемом газа на рыночной основе. Эксперимент

начался в соответствии с Приказом Минпромэнерго РФ от 31 октября

2006 г. на электронной площадке ОАО «Межрегионгаз». К моменту

написания статьи состоялись три торговых сессии по купле-продаже

объемов газа с равномерной поставкой в течение следующего месяца.

2 февраля 2007 г. прошли первые ежедекадные торги, а в дальней-

шем планируется переход к торгам в режиме «на сутки вперед», в

26 53-я научная конференция МФТИ ФИВТ

чем весьма заинтересованы энергетики и иные крупные потребители

газа.

Основным направлением развития рынка природного газа в по-

следние два десятилетия была либерализация. Ее целью служит сни-

жение уровня прямого вмешательства государства в действие рынка

и сопутствующее этому установление эффективных, прозрачных и

конкурентных цен на природный газ и энергию в целом.

Мировой рынок природного газа делится на множество региональ-

ных рынков, и по этой причине говорить о мировом уровне цены на

природный газ нецелесообразно. Либерализация как основное направ-

ление развития рынка газа характерна как для развитых, так и для

развивающихся стран, однако во многих странах, включая Россию,

цены на газ продолжают оставаться регулируемыми государством.

В результате цены на данный ресурс в разных странах различны: в

Северной Америке и Великобритании, где рынок либерализован прак-

тически полностью, цены высококонкурентны и подвержены влия-

нию соотношения между спросом и предложением; в Европе цены на

газ зачастую зависят от цен на альтернативные виды топлива.

Литература

1. Чернавский С.Я., Эйсмонт О.А. Перспективы дерегулирова-

ния рынка природного газа в России // Модернизация экономики и

государство. Книга 2. — М.: ГУ-ВШЭ. 2007.

2. Концепция РСПП по реформированию газовой отрасли и раз-

витию рынка газа. — РСПП. — 2003.

3. Энергетическая стратегия России на период до 2020 года. Распо-

ряжение Правительства РФ от 28 августа 2003 г. — № 1234-р. ТЭК. —

2003. — № 2.

Секция инновационной экономики 27

УДК 338.2

К.Ю. Якимович

konstantin.yakimovich@gmail.com

Московский физико-технический институт

(государственный университет)

Институт системного анализа РАН

О новых возможностях управления бюджетным

процессом на основе опыта США

В последнее время большое внимание уделяется реформированию

бюджетной системы и бюджетного процесса, следствием которого

стал бы переход к бюджетированию, ориентированному на результат

(БОР). Следующим логическим шагом является внедрение страте-

гического управления бюджетным процессом. Если БОР в основном

концентрируется на механизме распределения ресурсов в зависимо-

сти от формальной эффективности их использования участниками

бюджетного процесса, то стратегическое управление подразумевает,

помимо этого, долгосрочное и среднесрочное планирование целей, а

также формализацию путей их достижения в виде стратегического

плана.

Для успешного внедрения стратегического управления бюджет-

ным процессом необходимо провести ряд методологических, а затем

и структурно-организационных изменений. Ниже приводятся необхо-

димые с нашей точки зрения шаги, которые послужат основой даль-

нейшей углубленной проработки мероприятий по их практической

реализации с учетом российской специфики.

1. Разработка процессной модели бюджетного процесса, которая

будет отражать все основные работы по составлению, рассмот-

рению, утверждению и исполнению бюджета, вместе с привязан-

ными конкретными исполнителями, сроками исполнения, про-

межуточными результатами, используемыми в ходе ресурсами

(в частности, временными, человеческими и денежными) и ди-

намикой их перехода от одного исполнителя к другому.

2. Увеличение горизонта прогнозирования и привязка прогнозиру-

емых показателей к задачам стратегического управления.

28 53-я научная конференция МФТИ ФИВТ

3. Технология и организация учета влияния на параметры финан-

сового плана и показатели бюджета частных изменений в от-

дельных целевых программах.

4. Многоуровневая система прогнозов развития регионов (напри-

мер, с помощью модификаций межотраслевых моделей), их по-

тенциальных доходов и заблаговременное планирование меж-

бюджетных трансфертов.

5. Организация составления стратегических планов (на средне-

срочную перспективу), на уровне основных участников бюджет-

ного процесса, а также увязка этих стратегических планов с

общими директивными стратегическими документами.

6. Разработка и внедрение системы стратегического анализа и мо-

ниторинга деятельности главных распорядителей бюджетных

средств.

Литература

1. Бюджетная система России / под ред. Г.Б. Поляка. — М.:

ЮНИТИ-ДАНА, 2007. — 704 с.

2. Троцкий М., Груча Б., Огонек К. Управление проектами. — М.:

Финансы и статистика, 2006. — 298 с.

3. Шеер А.В. Бизнес-процессы. Основные понятия. Теория. Мето-

ды. — М.: Весть-МетаТехнология, 1999. — 152 с.

Секция интеллектуальной

собственности и экономики

в Интернете: модели,

инструментальные средства

и измерения

УДК 338.001.36

О.Г. Голиченко

1,2

, А.А. Малкова

golichenko@rambler.ru, alinamalkova@gmail.com

Московский физико-технический институт

(государственный университет)

Центральный экономико-математический институт РАН

Производство новых знаний

в предпринимательском секторе

Поскольку инновации — это результат хозяйственной деятельно-

сти предприятий, то нас прежде всего интересуют связи предприни-

мательского сектора с источниками новых знаний и обеспеченность

исследований и разработок предприятия человеческими ресурсами.

Анализ внешних источников финансирования предприниматель-

ского сектора показывает, что их роль в финансовом обеспечении

проведения исследований и разработок (далее ИиР) сектора значи-

тельна. Российский уровень внешнего финансирования в 3 раза пре-

вышает среднемировой уровень и является самым высоким среди

представленных регионов (рис. 1[3]).

В российской инновационной системе существует труднопреодоли-

мый дефект, который кроется в слабости фирменной науки, то есть

во внутреннем научно-исследовательском потенциале предприятий.

Чтобы понять это, достаточно взглянуть на уровень финансирова-

ния предпринимательским сектором своих внутренних затрат на ИиР

30 53-я научная конференция МФТИ ФИВТ

(рис. 2[3]). Оказывается, что он более чем в три раза (по доле в ВВП)

ниже среднемирового, в два раза ниже уровня таких регионов, как

Западная Европа и Тихоокеанский регион, почти в 4 раза меньше ана-

логичного уровня Североамериканского региона и Юго–Восточной

Азии. Низкий уровень финансирования промышленностью внутрен-

них затрат на ИР, по-видимому, нельзя связать с нехваткой финан-

совых ресурсов у предприятий. Скорее всего, дело здесь в слабости

самого научно-технического потенциала предприятий.

Одним из ключевых факторов, влияющих на производство новых

знаний, являются человеческие ресурсы, их квалификация. Отобра-

жение состояния системы знаний отражает состояние персонала, за-

нятого в исследованиях и разработках, а также уровень его финан-

сирования.

Наибольшая численность занятых в предпринимательском секто-

ре приходящихся на 10 000 экономически активного населения ха-

рактерна для стран Северной Америки и составляет 101 человек

(рис. 3[3]). Российский показатель также высок и составляет 73 чело-

века, уступая уровню стран Юго–Восточной Азии, где численность

занятых в предпринимательском секторе составляет 84 человека на

10 000 экономически активного населения.

Анализ затрат на 1 занятого в исследованиях и разработках пред-

принимательского сектора показал, что наибольшие затраты при-

ходятся на страны Юго–Восточной Азии, где уровень составляет

135 296 долл. США в год (рис. 4[3]). Российский уровень финанси-

рования персонала наименьший среди представленных регионов и

равен 19 111 долл. США.

Чтобы понять, насколько обеспечен труд исследователя в России

и в ведущих регионах мира, можно подразделить персонал, занятый в

ИиР, на три типа: исследователи, техники и другой вспомогательный

персонал.

Анализ численности исследователей в предпринимательском сек-

торе выявил, что наибольшее число исследователей на 10 000 эконо-

мически активного населения характерно для стран Юго–Восточной

Азии и Северной Америки (рис. 5[3]), где уровень составляет 66 и

59 человек соответственно. Российский показатель также достаточно

высок и равен 33 человека на 10 000 экономически активного населе-

ния.

Рассмотрение структуры обеспеченности труда исследователя

другим персонала позволяет утверждать, что российская и мировая

структура имеют существенные различия. Так в России на 1 исследо-

Секция интеллектуальной собственности и экономики в Интернете: модели, инструментальные средства и измерения

вателя приходится 1,03 работника вспомогательного персонала и 0,2

техника (рис. 6[3]), что по сравнению с мировой структурой опреде-

ляет нехватку техников в 2,5 раза и избыток вспомогательного пер-

сонала в 3,5 раза (рис. 7[3]).

Все сказанное выше позволяет заключить, что Россия по струк-

туре финансирования и структуре человеческих ресурсов, занятых

в ИиР, оказывается далека как от развитых, так и от стран нового

индустриального развития.

Литература

1. Голиченко О.Г. Национальная инновационная система России:

состояние и пути развития. — М.: Наука, 2006. — 396 c.

2. OECD, Frascati manual: The Measurement of Scientiﬁc and

Technological Activities. Proposed Standard Practice for Surveys on

Research and Experimental Development. — Paris, 2002. — 256 p.

3. OECD, Main Science and Technology Indicators. — Paris, 2002. —

31 p.

Рис. 1. Внешние источники финансирования предпринимательско-

го сектора по доле в ВВП относительно ее среднемирового уровня

(2004–2006 гг.)

32 53-я научная конференция МФТИ ФИВТ

Рис. 2. Финансирование собственных ИиР предпринимательским

сектором по доле в ВВП относительно ее среднемирового уровня

(2004–2006 гг.)

Рис. 3. Численность занятых в исследованиях и разработках пред-

принимательского сектора на 10 000 человек экономически актив-

ного населения (2004–2006 гг.)

Рис. 4. Затраты приходящиеся на 1 занятого в исследованиях и

разработках предпринимательского сектора (2004–2006 гг.)

Рис. 5. Численность исследователей занятых в исследованиях и раз-

работках предпринимательского сектора на 10 000 человек эконо-

мически активного населения (2004–2006 гг.)

Рис. 6. Обеспеченность труда исследователя в предприниматель-

ском секторе другим персоналом в России (2004–2006 гг.)

34 53-я научная конференция МФТИ ФИВТ

Рис. 7. Обеспеченность труда исследователя в предприниматель-

ском секторе другим персоналом в мире (2004–2006 гг.)

УДК 330.42

В.В. Костенко

victor@apricode.ru

Центральный экономико-математический институт РАН

Московский физико-технический институт

(государственный университет)

ООО «Априкод»

Российская практика оценки доменов

Ежедневно более половины пользователей Интернета используют

поисковые системы для получения необходимой информации. Пара-

метры сайта в поисковых системах являются важной характеристи-

кой для домена наравне с его запоминаемостью, краткостью, благо-

звучием, «раскрученностью» и «историей».

По статистике продаж доменов с аукциона Auction. nic. ru можно

судить о том, что приобретатели в первую очередь обращают внима-

ние на «раскрученность» и «историю» доменного имени.

Разработана собственная методика, позволяющая с некоторой точ-

ностью определить, сколько может стоить тот или иной домен. Полу-

чено распределение средней цены за домен по type-in-трафику (поль-

зователи вводят доменные имена непосредственно с клавиатуры).

Type-in-трафик оценивается как количество IP-адресов, запросивших

за 30 дней страницу http://www.domain.ru/. Вся статистика норми-

рована на 30 дней, так как именно столько дней освобождающийся

домен находится на DNS-серверах до даты освобождения. После осво-

бождения такие домены выставляются регистратором на аукцион,

проданные на аукционе домены составляют статистический ряд, по

которому вычисляется зависимость. Эта зависимость динамическая

и каждый раз рассчитывается заново с учетом вновь поступивших

сведений о продаже доменов на аукционе. Получено распределение

сделок по продаже доменов в зависимости от объема трафика.

Справедливость подобной оценки подтверждают и данные по про-

дажам доменов на auction. nic. ru. Например, домены, имеющие

type-in-трафик в диапазоне 200--250, были проданы на аукционе по

цене, которая попадает в описанное распределение ($350--355).

Недостатком данного метода следует признать, что он не подходит

для оценки дорогостоящих доменов. Указанная зависимость хорошо

работает лишь для доменов стоимостью до $600. Очевидно, что до-

менов с большой посещаемостью в статистике существенно меньше,

чем доменов с малой посещаемостью. Для распространения метода

оценки стоимости домена по type-in-трафику для дорогих доменов

необходимо набрать много статистических данных, а такие сделки

на отечественном вторичном рынке пока единичны.

Проведенное исследование дает нам возможность сделать вывод

о том, что, несмотря на существующее многообразие методик оцен-

ки доменных имен и отсутствие единых стандартов оценки доменов,

сформировалась определенная практика оценки стоимости доменов,

методология которой может быть использована как основа при раз-

работке стандартов оценки доменов.

Литература

1. Phillips M. Hedonic Regression Model for Internet Domain Name

Valuation // Business Valuation Review. — 2003. — P. 90--98.

2. Rosen Sh. Hedonic Prices and Hedonic Markets: Product

Diﬀerentiation in Pure Competition // Journal of Political Economy. —

April 1974. — P. 34--55.

36 53-я научная конференция МФТИ ФИВТ

3. Smith G.V., Parr R.L. Valuation of Intellectual Property and

Intangible Assets. — John Willey & Sons, Inc., 2000. — 638 p.

4. Smith G. Valuation of Trademark. — John Willey & Sons, Inc.,

1997. — 291 p.

УДК 338.001.36

К.А. Махнырь

kmahnyr@gmail.com

Московский физико-технический институт

(государственный университет)

Центральный экономико-математический институт РАН

Анализ тенденций развития стран БРИК

на основании патентной статистики

В данной работе был проведен анализ патентных и макроэконо-

мических показателей для стран БРИК: Бразилии, России, Индии и

Китая. Для оценки использовались статистические данные по количе-

ству заявок на патент резидентов рассматриваемых стран и данные

о ВВП и ВВП по паритету покупательной способности, предостав-

ленные в свободном доступе на сайтах Всемирного банка, Всемирной

организации интеллектуальной собственности, Международного ва-

лютного фонда и на сайтах патентных ведомств рассматриваемых

стран.

Для стран БРИК были посчитаны корреляционные коэффициен-

ты, на основании которых были сделаны следующие выводы.

Для Китая (рис. 1) и Индии (рис. 2) R =0,977 и R =0,983 соответ-

ственно, а значит, R близки к единице, следовательно, делаем вывод о

сильной связи между количеством патентов и ВВП этих стран, при-

чем зависимость эта очень близка к линейной. Близость R кнулю

была получена как по ВВП, так и по ВВП (ППС). И, следовательно,

основной вклад в ВВП этих стран вносит промышленность и высоко-

технологичное производство.

Для Бразилии (рис. 3) R =0,773, при использовании данных ВВП

в текущих ценах. Это значение корреляционного коэффициента так

же говорит о связи двух выборок, но менее сильной, чем у Китая

и Индии. Неоднозначность трактовки R для Бразилии вытекает из

того, что R при расчете по ВВП (ППС) сильно отличается от преды-

дущего. Объясняется это огромными скачками в темпах инфляции за

последние два десятилетия, а также из-за девальвации бразильской

валюты после отказа от привязки к доллару.

Рис. 1. График зависимости ВВП (ППС) от патентной активности

для Китая

Рис. 2. График зависимости ВВП (ППС) от патентной активности

для Индии

У России (рис. 4) R =0,28, что говорит практически об отсутствии

связи между количеством патентов и ВВП страны. Этот факт мож-

38 53-я научная конференция МФТИ ФИВТ

но объяснить тем, что в последнее время рост ВВП обеспечивался

ростом цен на сырье (нефть, газ) в силу огромных объемов экспорта

полезных ископаемых.

Рис. 3. График зависимости ВВП (ППС) от патентной активности

для Бразилии

Для сравнения был посчитан коэффициент корреляции для Со-

единенных Штатов Америки. Он составил 0,987. Был сделан вывод о

сильной связи двух выборок, то есть обе величины распределены оди-

наково, а именно изменения одной величины регистрируются по вто-

рому показателю. США обладает высокоразвитым технологическим

производством, является мировым лидером в области IT, а также

в США существует большое количество транснациональных компа-

ний, которые патентуют тысячи изобретений в год и которые потом

реально работают, давая вклад в ВВП.

Анализ патентной статистики выявил технлогические области,

в которых патентная активно наиболее высока для стран-участниц

БРИК. Лидирующей отраслью по этому показателю для стран БРИК

является химическая, затем идет электротехника. Более подробные

и конкретные выводы по данному вопросу сделаны в основной части

работы.

Также надо отметить, что БРИК обгоняет США, Японию и ЕС по

количеству патентов в области возобновляемых источников энергии и

имеет высокие темпы роста числа патентов в области нанотехнологий

и коммуникаций.

Усовершенствование модели на основании постоянного обновле-

ния статистики позволит прогнозировать темпы роста экономических

показателей стран, в том числе научно-технический вклад, в зави-

симости от патентной активности резидентов и нерезидентов этих

стран.

Рис. 4. График зависимости ВВП (ППС) от патентной активности

для России

Литература

1. Guellec D., Van Pottelsberghe B. The Internationalisation of

Technology Analysed with Patent Data // Research Policy. — V. 30,

I. 8. — P. 1253--1266.

2. Maraut S. [et al.]. The OECD REGPAT Database: A Presentation.

STI Working Paper 2008/2. — Paris: OECD, 2008. — 36 P.

3. OECD Factbook 2009: Economic, Environmental and Social

Statistics. — ISBN92-64--05604--1.

4. The World Bank Statistics. — URL:

http://data.worldbank.org/country/*country*? display = map.

5. World Intellectual Property Organization: WORLD

INTELLECTUAL PROPERTY INDICATORS, 2009.

40 53-я научная конференция МФТИ ФИВТ

6. WIPO Statistics Database and World Bank (World Development

Indicators). — 2009.

7. Organisation for economic co-operation and development:

compendium of patent statistics. — 2008.

УДК 519.688

И.В. Неволин

jolutre@mail.ru

Центральный экономико-математический институт РАН

Алгоритм инструмента оптимизации ставки

роялти для поддержки лицензионных переговоров

Интернет является удобной средой для общения сторон и обмена

данными. Особенно это актуально при размерах России — появля-

ется возможность связать агентов из Москвы и Владивостока, спо-

собствуя объединению рынка. Устные переговоры могут происходить

с использованием существующих средств, например, сервиса Скайп

(Skype), однако детальная проработка схемы и размера вознаграж-

дения лицензиара при этом не использует возможности Интернета в

полной мере. Сегодня стороны оценивают перспективы проекта само-

стоятельно, а затем согласуют их в ходе устных переговоров.

Таким образом, представляется логичным использование в Интер-

нете программы, которая позволяет быстро оценить возможные схе-

мы вознаграждения. В докладе обсуждается инструмент улучшения

выбранного агентами набора ставок роялти в смысле повышения по-

лезности от сделки для каждого агента. Сторонам переговоров доста-

точно обозначить приемлемую ставку роялти. При этом программа

на весь срок действия соглашения рассчитывает варианты ставок ро-

ялти, которые позволяют получить более высокую полезность. После

этого каждый из агентов может сделать выбор, на основе которого

программа вновь рассчитает возможные альтернативы. Получается

итеративный процесс, в ходе которого агентам предлагаются альтер-

нативы, агенты делают выбор, после чего им предлагается очередная

возможная схема распределения вознаграждения. В основе алгорит-

ма лежит математическая модель, предложенная А.Н. Козыревым и

И.В. Неволиным [1]. Главная её особенность заключается в том, что