Моделирование эффективного взаимодействия «Стартапов», инвесторов и корпораций Текст научной статьи по специальности «Экономика и бизнес»

ИССЛЕДОВАНИЕ

1

Ахмадеев Б.А.

1 Российский экономический университет им. Г.В. Плеханова, г. Москва

Моделирование эффективного взаимодействия «стартапов», инвесторов и корпораций

АННОТАЦИЯ:

В работе исследуются взаимоотношения «стартапов», венчурных инвесторов и корпораций, возникающие на этапе осуществления инвестирования в инновационные проекты, анализируются процессы слияния и поглощения компаний. При моделировании взаимоотношений между основными субъектами инновационной деятельности используется мультиагентный подход как наиболее применимый в условиях децентрализованных систем, к которым в частности относится рынок венчурного инвестирования и рынок слияний и поглощений. Моделируя возможные решения государственного регулятора, авторы предлагают несколько режимов поведения системы, при которых имеет место совокупный рост капитала экономики.

КЛЮЧЕВЫЕ СЛОВА: мультиагентное моделирование систем, децентрализованные системы, венчурные инвестиции, слияния и поглощения, инновационное развитие

JEL: G24, G34, М13, 030

ДЛЯ ЦИТИРОВАНИЯ:

Ахмадеев Б.А. Моделирование эффективного взаимодействия «стартапов», инвесторов и корпораций // Креативная экономика. — 2015. — Т. 9. — № 6. — с. 659-682. — DOI: 10.18334/се.9.6.392

Ахмадеев Булат Анасович, аспирант Российского экономического университета им. Г. В. Плеханова, г. Москва ([email protected])

ПОСТУПИЛО В РЕДАКЦИЮ: 15.06.2015 / ОПУБЛИКОВАНО: 29.06.2015 ОТКРЫТЫЙ ДОСТУП: http://dx.doi.Org/10.18334/ce.9.6.392 (с) Ахмадеев Б.А. / Публикация: ООО Издательство "Креативная экономика"

Статья распространяется по лицензии Creative Commons CC BY-NC-ND (http://creativecommons.Org/licenses/by-nc-nd/3.0/)

ЯЗЫК ПУБЛИКАЦИИ: русский

Введение

Конкурентоспособность российских компаний на международных рынках является условием обеспечения высоких темпов экономического роста, повышения качества жизни, успешной реализации национальных приоритетов. Решение указанных задач невозможно без эффективного использования результатов фундаментальных научных исследований и разработок в коммерческом секторе экономики.

Учитывая, что в инновационной экономике конкурентные преимущества во многом определяются эффективной коммерциализацией инноваций и конкурентным применением знаний, процессам зарождения новых технологий и инновационных решений необходимо уделять особое внимание. Воплощение новой идеи в жизнь в реальной экономической среде сопровождается как позитивными, так и негативными факторами, сказывающимися на формировании потенциальной инновации. Если прорывная технология сталкивается в своем развитии с чрезмерно враждебной средой, то процесс ее совершенствования может полностью остановиться. С другой стороны, умеренно враждебная конкурентная среда может дать развитие прорывным идеям и технологиям, устранив в то же время слабые и бесперспективные решения.

В связи с этим важно исследовать роль благоприятной «экосреды», под которой мы понимаем систему, включающую все объекты, действующие в какой-либо зоне, а также их физическое окружение, функционирующие вместе как целое (Безрукова, Степанова, Шанин, Чеснокова, 2015; Бирзолов, 2012; Бровякова, 2011; Вишняков, 2006; Дарелина, 2013; Доронкина, 2014; Драпалюк, Морковина, Колесниченко, Бусарина, Степанова, Сухова, Константинов, Иванова, 2014; Ерошкин, 2011; Жаворонков, 2011; Зиньков, Горлатов, 2011; Морковина, Степанова, Сухова, 2014; Кольцова, Рыбаков, 2011; Косов, Сигарев, 2010; Кузнецова, 2011; Пелевина, 2009; Полещук, 2015; Потехин, Шишкина, 2014; Шишкин, 2010; Geroski, 1990; НоутМ, 2004). Благоприятная «экосреда» для развития инноваций заключается в наличии творческой предпринимательской среды, присутствии исследовательских институтов, работающих в кооперации с бизнесом, государственной поддержке НИОКР стартапов и МИПов, наличии доступа к венчурному капиталу и др.

Крупные корпорации время от времени упускают из вида зарождающиеся инновационные технологии. Не имея возможности проследить за всеми новыми технологиями и трендами, они вынуждены применять иные методы инновационного развития, одним из которых является поглощение или покупка доли стартапов, имеющих инновационные технологии.

Малые инновационные предприятия обладают низкой выживаемостью, прежде всего, в связи с нехваткой капитала и опыта ведения бизнеса. Поэтому существует проблема более эффективного использования потенциала малых инновационных предприятий и их утилизации в случае отсутствия бизнес-успеха.

Указанная проблема обуславливает необходимость построения имитационной модели взаимоотношений малых инновационных предприятий и крупных корпораций нацеленной на поиск ниболее взаимовыгодной кооперации.

Неудачи стартапов

Причины, по которым малый бизнес терпит неудачу, разнообразны и не всегда очевидны. На рисунке 1 показано распределение долей основных причин банкротства стартапов в США.

Отсутствие спроса Нехватка финансирования Кадровые ошибки Слишком высокая конкуренция Ошкибки в ценообразовании Неудачная бизнес-модель Некачественный продукт Игнорирование предпочтений клиентов Непрофессиональный маркетинг Запуск продукта в неудачное время

Рисунок 1. Основные причины неудач стартапов1

Однако, если проанализировать статистические данные по банкротству стартапов в более широком временном отрезке, становится

1 Startup Business Failure Rate By Industry // Statistic Brain Research Institute.

очевидно, что срок 4 года - не вполне достаточный показатель успешности стартапа. Большинство фирм, функционирующих более 5 лет, также терпит крушение с растущей долей обанкротившихся фирм. Например, на 5-м году работы ликвидируются около 55% новых компаний, а на 10 году - около 71% (рис. 2).

Год 1 Год 2 Год 3 Год 4 Год 5 Год б Год 7 Год 8 Год 9 Год 10

Рисунок 2. Доля обанкротившихся стартапов, распределение по годам2

Стартапы - это неразвившиеся компании, которые сразу после старта попадают во враждебную среду, где действуют жесткие условия рыночной конкуренции. Можно провести аналогии с биологическими системами, где детеныши животных, попав в дикую природу, подвергаются множественным атакам со стороны других представителей данной системы.

Модель «стартап - инвестор - корпорация!»

Анализ зарубежной практики инвестиционной деятельности бизнес-ангелов, крупных корпораций при инвестировании в стартапы показал существование следующих проблем:

а) количество инвестиций 1-го раунда (т.н. «семенные» инвестиции) в 5 раз превышает количество инвестиций 2-го раунда, что результируется в дисбалансе спроса и предложения в данной системе3;

б) больше половины стартапов остаются без инвестиций и погибают в течение 2—3 лет после первой инвестиции4;

2 Startup Business Failure Rate By Industry // Statistic Brain Research Institute.

3 Morrill, D. For Seed Stage Startups, It's Hire or Die // Mattermark.

4 Startup Business Failure Rate By Industry // Statistic Brain Research Institute.

в) неэффективно используются финансовые инвестиции венчурных инвесторов, вложивших в неперспективные проекты;

Необходимость повышения эффективности инвестиции венчурных инвесторов обуславливает необходимость разработки и применения мульти-агентной имитационной модели, моделирующей взаимоотношения в системе «стартап - инвестор - корпорация» с целью оптимизации как глобальных параметров данной экономической системы, так и индивидуальных параметров взаимодействующих агентов (рис. 3.).

Рисунок 3. Схема взаимодействия агентов

Описание модели приведено ниже.

Моделирование происходит в информационном поле, где агенты перемещаются в случайном направлении и со случайной скоростью и обладают ограниченной информацией об окружающей среде (и других агентах), выраженной в радиусе поля видения агентов. Таким образом, у агентов-инвесторов есть некоторая вероятность встретить подходящие стартапы для инвестирования в каждый период моделирования. Венчурные инвесторы могут инвестировать в стартапы на ранних стадиях развития, выкупая долю в их капитале. Корпорации могут как инвестировать, так и поглощать. Учтен длительный жизненный цикл стартапа, состоящий из нескольких раундов инвестирования и конечного - превращения в класс «корпорация» в случае успешной хозяйственной деятельности. Далее представлено более подробное

описание параметров агентов, их функций и алгоритмов поведения на различных этапах развития и ситуациях.

Глобальные параметры и переменные модели

Моделируемое информационное поле с шириной и высотой равными 1000 единиц модельного пространства;

t — период моделирования, S(t) - кол-во стартапов, C(t) - кол-во корпораций, V(t) - кол-во венчурных инвесторов, Ts - налоговая ставка

г I 1 и I | I «_»

для стартапов, 1с - налоговая ставка для корпораций, 1 - совокупный накопленный налог, © - коэффициент прироста стартапов в каждый период, As - пороговое кол-во стартапов, Лс - пороговое кол-во корпораций.

Функция прироста стартапов в каждый период моделирования выражена формулой:

Класс «стартап»:

ids - уникальный идентификационный номер стартапа,

As - капитал стартапа, задается случайно при создании каждого агента через функцию равномерного случайного распределения uniform (min; max);

В - количество сотрудников стартапа, задается случайно при создании каждого агента через функцию равномерного случайного распределения uniform (min; max);

;. - привлекательность идеи стартапа, коэффициент известен для других агентов, задается случайно при создании каждого агента через функцию равномерного случайного распределения uniform (-0,1; 0,1);

С - потенциал, инновационность идеи, коэффициент не известен для других агентов, задается случайно при создании каждого агента через функцию равномерного случайного распределения uniform (-0,1; 0,1);

Ms - среднее распределения нормы прибыли стартапа, которое находится следующим способом:

¿i?) - {¿Rate (?)) - вероятностное распределение

прибыли вымерших стартапов в обратном нормальном распределении, где dRate(t) - доля вымерших стартапов в период t (рис. 2);

Накопленное матожидание средней прибыли с учетом начальной прибыли выражена следующей формулой:

где Л0 - начальный капитал, r(t) - накопленное значение среднеквадратического отклонения, вычисляемое по формуле:

Средне-квадратическое отклонение прибыли в период t, где v -коэффициент прироста дисперсии вычисляется по формуле:

tr(t) = tr(t - 1) ■ v. (4)

Средняя прибыль стартапа в период t находится через следующую формулу:

t) - коэффициент прироста капитала в период t, принадлежит нормальному распределению с fj(t) и матожиданием Ms(t), каждый период ff обновляется.

Функции стартапа

Сначала вычисляется прибыль стартапа Ps за период t по формуле, на которую влияют привлекательность идеи у,

г. Л5

инновационныи потенциал о и конкуренция среди «стартапов» ^77, где

Л: - пороговое кол-во «стартапов», которых может вместить информационное пространство (рынок), S (О - кол-во «стартапов» в период t:

Затем происходит выплата налогов с прибыли P3(tJ: где - налоговая ставка для стартапов.

Капитал стартапа А3 увеличивается на текущую прибыль Р3(1) за вычетом налога на прибыль:

В каждый период (^ моделирования происходит уменьшение инновационности стартапа на 5%:

Стадии:

В каждый период моделирования проверяется капитал стартапа. Если А5<5000, то происходит его ликвидация.

1) «Идея и поиск ангела»: все первоначальные параметры и статус поиска ангела для привлечения капитала для развития (рис. 4).

Да| ▼

Увеличение ср. знач. коэф. прироста капитала

Рисунок 4. Алгоритм поиска «посевных инвестиций» для класса «стартап»

2) «Поиск венчурного капитала»: ангел уже инвестировал деньги и есть возможность для входа на рынок (рис. 5).

Рисунок 5. Алгоритм поиска дальнейших инвестиций для класса «стартап»

Далее осуществляется поиск корпорации с целью привлечения дополнительных инвестиций или вхождения в состав корпорации в результате поглощения (рис. 5).

В случае инвестиции корпорацией или поглощения выплачивается доля владения капиталом стартапа венчурным инвестором ([Shareинвестировавшим на предыдущем этапе:

Av = Av + As ■ Share, (10) где Ay - капитал венчурного инвестора, А^ - капитал стартапа.

3) Если на предыдущем этапе корпорация не поглотила стартап, то при As > 50 000000 происходит переход класса «стартап» в класс «корпорация» (выход на IPO) (рис. 6).

Рисунок 6. Алгоритм «устойчивое развитие» для класса «стартап»

В случае IPO корпорации и венчурному инвестору, владевшим долями в капитале стартапа, выплачиваются их доли с учетом прироста капитала л3:

где Ас - капитал корпорации.

Выплата доли венчурного инвестора осуществляется по формуле (10).

Класс «венчурный инвестор. Параметры:

- собственный капитал венчурного инвестора, задается случайно при создании каждого агента через функцию случайного распределения uniform (min; max);

А--- - капитал венчурного инвестора за счет владения долями в капитале всех стартапов, в которые осуществлены инвестиции;

R - радиус, в пределах которого инвестор видит стартапы, перемещаясь по моделируемому полю, задается при инициации моделирования для каждого агента, случайное по равномерному распределению (min; max);

:■„■ - «прозорливость» инвестора, умение видеть потенциал, инновационность, случайное по равномерному распределению (min = 0,0; max = 1,0)

Функции:

Капитал в период t за счет владения долями в стартапах рассчитывается по формуле:

где n - число получивших инвестиции стартапов, t - период моделирования, j - стартап из совокупности инвестиционного портфеля инвестора (£) - капитал j-ro стартапа, Sharsj - доля владения

капиталом j-го стартапа.

Выбор «стартапа» и инвестирование (рис. 7)

1. Поиск всех стартапов в радиусе R;

2. Если yf > 0, то определение суммы инвестиции в стартап {I)—

случайная величина, принадлежащая равномерному распределению, зависимая от собственного капитала инвестора - Av:

3. Если прозорливость инвестора высокая - normal {a = 1; m = v.) > 0,5, то он может видеть потенциал стартапа:

a. Если у стартапа положительный потенциал развития (&>0), то отправка стартапу инвестиционного предложения;

b. Если стартап принимает предложение, то инвестирование суммы I:

А_- = А: - А (14)

Рисунок 7. Алгоритм инвестирования в стартап

Вычет инвестиционной суммы из собственного капитала: с. Иначе - отказ от инвестиции.

4. Если прозорливость инвестора низкая - normal (а = 1; m = --■) <= 0,5, то отправка инвестиционного предложения без проверки на потенциал стартапу и, в случае согласия стартапа, инвестирование в него суммы I по формулам (13) (14);

5. В случае совершения инвестиции:

a. прозорливость ангела возрастает на 5% (со — ш ■ 1,05),

b. данные об инвестиции записываются в базу данных sList, где доля владения стартапом рассчитывается по формуле (13):

CapShare max-min ^^ + ^^

где j - выбранный «стартап» для инвестиций из всей совокупности в радиусе R, min и max - пограничные значения инвестиционной суммы, определенной в формуле (12);

Если Ay^ft) + Ay < БООО, то данный экземпляр ангела ликвидируется.

Класс «корпорация»

Idc - уникальный идентификационный номер корпорации,

: - потенциал, инновационность идеи, коэффициент не известен для других агентов, задается случайно при создании каждого агента через функцию случайного распределения uniform (-0,1; 0,1);

Ms - среднее распределение нормы прибыли корпорации;

А- - собственный капитал корпорации, задается случайно при создании каждого агента через функцию случайного распределения uniform (min; max);

А,- - - капитал корпорации за счет владения долями в капитале всех стартапов, в которые осуществлены инвестиции;

R - радиус, в пределах которого корпорация видит стартапы, перемещаясь по моделируемому полю, задается при инициации моделирования для каждого агента, случайное по равномерному распределению (min; max);

- «прозорливость» корпорации, умение видеть потенциал, инновационность, случайное по равномерному распределению (min = 0,0; max = 1,0)

Е = 6 + a — «инновационный голод» корпорации (чем он меньше, тем больше «голод»);

Функции:

Сначала вычисляется прибыль корпорации Рс за период t по формуле, на которую влияют инновационный потенциал 6 и

А: *

конкуренция среди корпорации —, где лс - пороговое кол-во

с ([с}

корпораций, которых может вместить информационное пространство (рынок), С (С) - кол-во корпораций в период V.

Рс© (17)

Затем происходит выплата налогов с прибыли Рг (У):

Т(х) = РС(Х) ■ Тс, (18) где Т3 - налоговая ставка для стартапов.

Капитал корпорации Ас увеличивается на текущую прибыль Рс (1) за вычетом налога на прибыль:

В каждый период моделирования происходит уменьшение инновационности корпорации на 5%:

Капитал в период t за счет владения долями в стартапах рассчитывается по формуле:

где п - число получивших инвестиции стартапов, t - период моделирования, ] - стартап из совокупности инвестиционного портфеля корпорации - капитал ]-го стартапа, £каге^ - доля владения

капиталом ]-го стартапа.

Выбор стартапа и инвестирование или поглощение (рис. 8)

1. Проверка на инновационный голод: если е<0,1, то

2. Поиск всех стартапов в радиусе R;

3. Если прибыль стартапа в пределах 500000 > а(£) > 1500000 и кол-во сотрудников > 10, то определение суммы инвестиции в стартап

(I) - случайная величина, принадлежащая равномерному распределению, зависимая от собственного капитала корпорации - Ас:

/ = (тт ~ 10%

Ас; теп:

= 35 ■ Ас:. (22)

Рисунок 8. Выбор объектов для инвестирования для корпорации

Если корпорация достаточно прозорлива в инвестировании (случайное по нормальному распределению ( =1; среднее = со) > 0,5), то она может видеть потенциал стартапа:

а. Если у стартапа есть потенциал развития (¡5> 0), то отправка стартапу инвестиционного предложения;

b. Если стартап принимает предложение, инвестирование суммы по формулам (22) и (23):

А5 = А3 + I. (23)

Вычет инвестиционной суммы из собственного капитала:

c. Иначе - отказ от инвестиции.

Доля владения стартапом рассчитывается по формуле (21).

4. Если прозорливость малая (случайное по нормальному распределению (и = 1; среднее = со) <= 0,5), то отправка инвестиционного предложения без проверки на потенциал стартапу и, в случае согласия стартапа, инвестирование в него суммы I по формулам (22) (23).

5. Если прибыль стартапа очень высокая а^ > 1500000 и достаточное кол-во сотрудников $ > 10, то поглощение данного стартапа с проверкой на потенциал в зависимости от прозорливости корпорации (аналогично п.4).

6. Далее идет возврат инвестиций стартапа собственникам, венчурным инвесторам и корпорациям:

где - капитал инвестировавшего ранее венчурного инвестора, - капитал «стартапа», Екате.у — доля владения капиталом «стартапа» для данного инвестора.

где АС| - капитал инвестировавшей ранее корпорации ], А^ -капитал стартапа, БЬ&те^- ~ доля владения капиталом стартапа для данной корпорации ].

Далее поглощающая корпорация выплачивает данные затраты из собственного капитала:

Инновационность стартапа переходит к корпорации с некоторой потерей (в 5 раз);

где - инновационность корпорации, - инновационность стартапа.

Далее происходит ликвидация поглощаемого стартапа.

Если Ас <= 5000, то данный экземпляр корпорации ликвидируется.

Разработка программной среды для реализации модели «стартап -инвестор - корпорация»

На основе алгоритма разработанной многоагентной модели «стартап- бизнес-ангел- корпорация» был разработан программный продукт для ее реализации.

Программная среда позволяет отображать взаимодействие агентов в режиме реального времени: случайное перемещение агентов в «поле жизни» агентов, «поле зрения» инвесторов, процесс инвестирования, поглощения одной компании другой, процесс первичного размещения акций компаний на фондовой бирже. Агенты корпорации представлены пиктограммами в виде розового квадрата, бизнес-ангелы - в виде синего квадрата, стартапы - в виде кружков зеленого цвета (на этапе семени), синего цвета (получившие «посевные» инвестиции или инвестиции 2-го раунда от ангелов и венчурных фондов) и красного цвета (получившие инвестиции 3-го раунда от корпораций). 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. Анимация данного взаимодействия представлена на рисунке 9.

Анализ результатов моделирования в программе показывает, благодаря функции отображения основных показателей в виде графиков (рис. 10): популяции агентов, совокупный капитал каждого типа агента, сумма собранных с корпораций и стартапов налогов за каждый период, 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.

Рисунок 9. Анимация имитационной модели

Капитал старта пса

Количества компаний в период

и ¿и

1 — гтлрт.иш -г"- 1

— р п г. --л 11.1. ■ -¿орпсрацин су.:£.0

£ 25 | ап \ -

10 А -

-•.лльну Капитал

102211У- из.

К'лпи ИЙГТРП 11 Г| РрЛ III.' и

]РО:С Погощенил: 1 Штасстнцин рса: ¿г ■Льзссмим кэрюзпи>*й

и.

■У. л1' ..4 1. .УЛ. !. .'.г..У. .

Вымерло псрспектиэмых стартапов

Рисунок 10. Графический вывод результатов взаимодействия агентов

С целью поиска наиболее эффективного режима поведения данной стохастической системы, были выделены параметры, которые практически могут поддаваться изменению в реальной экономике с позиции государственного регулятора (табл. 1).

Таблица 1

Изменяемые параметры системы

Параметр Переменная в модели

Налоговая ставка для стартапов TaxrateS

Налоговая ставка для корпораций TaxrateC

Интенсивность прироста стартапов sBirthRate

Дотационная ставка DonRate

Поле видения инвесторов R

В качестве целевой функции были заданы следующие показатели:

1) накопленные налоги за все периоды моделирования (максимизировать) - Tax sum,

2) средний объем совокупного капитала корпораций и стартапов за каждый период (максимизировать) - CapSmean и CapCmean;

3) показатель количества вымерших перспективных стартапов» (минимизировать) - dRatep;

На основе задания данных параметров были проведены запуски модели при различных параметрах, при этом длительность моделирования в каждом случае составляла 120 периодов, где каждый период равнялся 1 месяцу. Учитывая большое количество случайных вероятностных событий в модели, было проведено по 5 репликаций с одними и теми же параметрами для каждого режима. Значения данных параметров, а также целевых функций показаны в табл. 2-6.

Таблица 2

Реальные значения изменяемых показателей в г. Москва (2014 г.)

Репликация TaxrateS 0 et 1 Ta sBirthRate DonRate R (случ. в % от ширины поля) Taxsum CapSmean CapCmean s £ сс ■8

1 15% 20% 6% 0,7% 0,5%-7% 1984 тыс. 566727 1506277 тыс. 128

2 15% 20% 6% 0,7% 0,5%-7% 2387 тыс. 682027 144108 тыс. 122

3 15% 20% 6% 0,7% 0,5%-7% 2297 тыс. 619039 1845190 тыс. 133

4 15% 20% 6% 0,7% 0,5%-7% 2193 тыс. 580636 1983972 тыс. 122

5 15% 20% 6% 0,7% 0,5%-7% 2197 тыс. 674004 1310207 тыс. 137

Среднее: 2211 тыс. 624486 1357950 тыс. 128

Таблица 3

Реальные значения изменяемых показателей в г. Москва (2014 г.) с увеличенным коэффициентом прироста стартапов в 3 раза

Репликация Taxrates о § £ sBirthRate DonRate R (случ. в % от ширины поля) TaXsum CapSmean CapCmean со £ сс ■8

1 15% 20% 18% 0,7% 0,5%-7% 4887 тыс. 1576345 1067842 тыс. 390

2 15% 20% 18% 0,7% 0,5%-7% 4388 тыс. 1760646 1568228 тыс. 355

3 15% 20% 18% 0,7% 0,5%-7% 4580 тыс. 2060823 1517132 тыс. 364

4 15% 20% 18% 0,7% 0,5%-7% 4108 тыс. 1530313 2364935 тыс. 277

5 15% 20% 18% 0,7% 0,5%-7% 4662 тыс. 2230833 839104 тыс. 399

Среднее: 4525 тыс. 1831792 1465448 тыс. 357

Таблица 4

Реальные значения изменяемых показателей в г. Москва (2014 г.) с уменьшенной налоговой ставкой для стартапов и увеличенной -

для корпораций

Репликация Taxrates Taxratec sBirthRate DonRate R (случ. в % от ширины поля) TaXsum с СО ф со & о с со Ф ое & о со е сс ■8

1 10% 25% 6% 0,7% 0,5%-7% 2086 тыс. 673025 1703158 тыс. 145

2 10% 25% 6% 0,7% 0,5%-7% 1966 тыс. 698954 1745054 тыс. 133

3 10% 25% 6% 0,7% 0,5%-7% 1780 тыс. 569953 1473101 тыс. 129

4 10% 25% 6% 0,7% 0,5%-7% 1883 тыс. 616753 1923129 тыс. 127

5 10% 25% 6% 0,7% 0,5%-7% 1801 тыс. 508193 1459331 тыс. 147

Среднее: 1903 тыс. 613375 1660754 тыс. 136

Таблица 5

Реальные значения изменяемых показателей в г. Москва (2014 г.) с увеличенной дотационной ставкой для стартапов

Репликация Taxrates о § £ sBirthRate DonRate R (случ. в % от ширины поля) е £ £ CapSmean CapCmean со £ сс ■8

1 15% 20% 6% 5% 0,5%-7% 2247 тыс. 953150 1628824 тыс. 127

2 15% 20% 6% 5% 0,5%-7% 2601 тыс. 1063912 1953251 тыс. 140

3 15% 20% 6% 5% 0,5%-7% 2327 тыс. 945497 2071220 тыс. 129

4 15% 20% 6% 5% 0,5%-7% 2733 тыс. 1218323 1386803 тыс. 117

5 15% 20% 6% 5% 0,5%-7% 2046 тыс. 731092 1624013 тыс. 128

Среднее: 2390 тыс. 982394 1732822 тыс. 128

Таблица 6

Реальные значения изменяемых показателей с увеличенным радиусом поля зрения инвесторов и корпораций в г. Москва (2014 г.)

Репликация Taxrates Taxratec sBirthRate DonRate R (случ. в % от ширины поля) Е £ £ с СО ф со & о с со Ф ое & о со £ сс -8

1 15% 20% 6% 0,7% 40-60% 1828 тыс. 502179 1280191 тыс. 103

2 15% 20% 6% 0,7% 40-60% 2294 тыс. 682439 1465406 тыс. 100

3 15% 20% 6% 0,7% 40-60% 2209 тыс. 680757 1301137 тыс. 89

4 15% 20% 6% 0,7% 40-60% 2055 тыс. 538525 2326815 тыс. 95

5 15% 20% 6% 0,7% 40-60% 2219 тыс. 606240 2073544 тыс. 98

Среднее: 2121 тыс. 602228 1689418 тыс. 97

Заклю чение

Разработанная автором многоагентная модель системы «стартап -бизнес-ангел - корпорация» и ее реализация в авторской программной среде позволили проанализировать различные типы поведения данной системы во времени.

Во-первых, было продемонстрировано поведение системы в рамках апробации коэффициентов модели, полученных в ходе анализа статистических данных по предметной области. Результаты показали, что, применяя различные вариации вмешательства в систему через изменение параметров-регуляторов, приведенных в табл. 3, модель данной экономической системы в каждом случае выдавала лучшие результаты в отличие от первоначально заданных параметров.

Во-вторых, стоит отметить, что для максимизации или минимизации каждой из целевых функций системы подходят различные методы, например:

а) для максимизации накопленных налогов за все периоды лучше всего подходит метод увеличения прироста «стартапов» в каждый период. При увеличении прироста в 3 раза до 18% прирост накопленных налогов составил 111% за 120 периодов моделирования;

б) наименее эффективным оказался режим системы с изменением налоговой базы для стартапов - уменьшен с 15 до 10% и для корпораций - увеличен с 20 до 25%. При этом уровень накопленных налогов оказался ниже, чем в первоначально заданном режиме системы, но достигнуто незначительное увеличение совокупного капитала корпораций - прирост составил 13%;

в) достаточно эффективным оказался режим поведения с увеличенной дотационной ставкой для стартапов: несмотря на увеличение бюджетных ассигнований для стартапов в 7 раз, накопленный уровень налога превысил изначальную сумму на 8%, совокупный капитал корпораций - на 28%, совокупный капитал стартапов - на 57% при одинаковом количестве смертей.

г) пятый режим работы системы при всех изначальных параметрах, за исключением увеличенного поля зрения инвесторов и корпораций до 40-60% дал увеличение совокупного капитала корпораций на 24%, количество смертей стартапов с высоким потенциалом сократилось на 32%.

Таким образом, каждый из 4 рассмотренных режимов обладает своими преимуществами в зависимости от того, какие методы государственный регулятор выберет в силу их применимости в каждом конкретном регионе, обладания необходимыми административными, финансовыми и кадровыми ресурсами.

ИСТОЧНИКИ:

Безрукова, Т.Л., Степанова, Ю.Н., Шанин, И.И., Чеснокова, А.В. (2015). Венчурное

финансирование стартапов. Успехи современного естествознания, 1-2, 254-256.

Бирзолов, Д.В. (2012). Зарубежные государственные программы поддержки малого инновационного бизнеса. Вестник ИНЖЭКОНА. Серия: Экономика, 1, 312-314.

Бровякова, К.А. (2011). Венчурное инвестирование как опора для инновационных проектов. Альманах современной науки и образования, 3, 196-199.

Вишняков, А.А. (2006). Венчурное инвестирование инновационных проектов.

Корпоративное управление и инновационное развитие экономики Севера: Вестник научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета, 2, 82-106.

Дарелина, О.В. (2013). Венчурное инвестирование для финансового обеспечения инновационной деятельности. Научный вестник Волгоградского филиала РАНХИГС. Серия: Экономика, 2, 23-26.

Доронкина, О.П. (2014). Венчурное финансирование в России и за рубежом: история развития и современное состояние. Современные тенденции в экономике и управлении: новый взгляд, 24, 111-115.

Драпалюк, М.В., Морковина, С.С., Колесниченко, Е.А., Бусарина, Ю.В., Степанова, Ю.Н., Сухова, В.Е., Константинов, А.В., Иванова, А.В. (2014). Развитие инновационной деятельности в регионе: вектора взаимодействия инвесторов и стартапов. М.: КноРус.

Ерошкин, А.М. (2011). Формирование эффективных механизмов финансирования

инновационного роста российской экономики. Экономический анализ: теория и практика, 20, 12-28.

Жаворонков, П.В. (2011). Методологические Подходы к венчурному инвестированию. Экономика, предпринимательство и право, 1, 17-29.

Зиньков, Д.В., Горлатов, А.С. (2011). Венчурное финансирование инноваций: мировой опыт и российские реалии. Финансы и кредит, 4, 50-57.

Морковина, С.С., Степанова, Ю.Н., Сухова, В.Е. (2014). Инновационные механизмы

взаимодействия стартапов и инвесторов в интернет-пространстве. Социально-экономические явления и процессы, 9(12) , 168-173.

Кольцова, Н.В, Рыбаков, Л.Н. (2011). Венчурное финансирование малого инновационного предпринимательства в России и ее регионах: проблемы и тенденции развития. Управление экономическими системами: Электронный научный журнал, 35, 17.

Косов, M.Е., Сигарев, А.В. (2010). Роль государства в развитии венчурной индустрии. Финансы и кредит, 20, 41-45.

Кузнецова, Т.И. (2011). Венчурное финансирование инноваций: особенности и

перспективы. Вестник международного института экономики и права, 2, 45-49.

Пелевина, К. (2009). Венчурное инвестирование в России. Инновации и инвестиции, 1, 117-119.

Полещук, О.В. (2015). Венчурное финансирование инновационных проектов. Актуальные вопросы современной науки, 39, 209-218.

Потехин, И.П., Шишкина, А.В. (2014). Венчурное финансирование инновационной деятельности. Менеджмент: теория и практика, 1(2), 99-104.

Шишкин, Д.В. (2010). Организационный механизм взаимодействия венчурных инвесторов с инновационными предприятиями, имеющих привлечённый венчурный капитал на разных стадиях развития. Интеллект. Инновации. Инвестиции, 4, 38-42.

Geroski, P. (1990). Innovation, Technological Opportunities, and Market Structure. Oxford Economic Papers, 43(3), 586-602.

Howitt, P. (2004, Spring). Endogenous Growth, Productivity and Economic Policy: A Progress Report. International Productivity Monitor, 8, 3-15.

Bulat A. Akhmadeev, Postgraduate student of the Plekhanov Russian Academy of Economics, Moscow

Modelling of effective cooperation between startups, investors

and corporations

ABSTRACT:

The work studies the relationship between startups, venture investors and corporations that occur on the implementation stage of investments into innovative projects. It analyses merger and acquisition processes of companies. In modelling of relations between main innovative activity subjects, the multiagent approach was used as the most applicable one in cases of decentralized systems which specifically include the venture investment market and the merger and acquisition scene. While modeling possible solutions of the state regulator, the authors suggest several modes of the system's behavior for which the accumulated economic capital expansion takes place.

KEYWORDS: multiagent system modelling, decentralized systems, venture investments, mergers and acquisitions, innovative development