CC BY
2
ПРОБЛЕМИ СТРАТЕГИ РОЗВИТКУ ТА Ф1НАНСОВО-ЕКОНОМ1ЧНОГО РЕГУЛЮВАННЯ ПРОМИСЛОВОСТ1
УДК 330.44:303.09:336:004.896 DOI: http://doi.org/10.15407/econindustry2023.02.024
Свгглана Сергй'вна Турлакова,
д-р екон. наук, доцент
1нститут еконо]шки промисловосп НАН Украши вул. Mapii' Капшст, 2, м. Кшв, 03057, Украна E-mail: [email protected] https://orcid.org/0000-0002-3954-8503; Яна МиколаУвна Шум1ло, канд. екон. наук
1нститут економiки промисловостi НАН Украши вул. Mapii' Капшст, 2, м. Кшв, 03057, Украна E-mail: [email protected] https://orcid.org/0000-0001-7726-4037;
Богдан 1горович Логвшенко,
PhD
1нститут еконо]шки пpомиcловоcтi НАН Украши вул. Mapii Kaпнicт, 2, м. Кшв, 03057, Украна E-mail: [email protected] https://orcid.org/0000-0002-7956-2916
ОСОБЛИВОСТ1 МОДЕЛЮВАННЯ СКЛАДОВИХ СИСТЕМИ
Ф1НАНСОВО-ЕКОНОМ1ЧНОГО СТИМУЛЮВАННЯ ВПРОВАДЖЕННЯ ПЕРЕДОВИХ ТЕХНОЛОГ1Й СМАРТ-ПРОМИСЛОВОГО РОЗВИТКУ
Упровадження передових технологш р1вня Industry 4.0 на в1тчизняних тдприемствах перебувае на початкових стад1ях i потребуе економiчноi пщтримки з боку держави. Система фшансово-економ1чного стимулювання впровадження передових технологш смарт-промис-лового розвитку мае поеднувати заходи монетарного (грошово-кредитного) i фюкального (податково-бюджетного) стимулювання. Для забезпечення обгрунтованост й оптимальной вибору перелжу таких заход1в актуальною е побудова сценарй'в розвитку нaцiонaльноi промисловост 1з застосуванням шструментарш економжо-математичного моделювання, що дозволяе ощнити вплив визначених стимул1в на загальш показники економ1чного зрос-тання.
Виконано анал1з моделей за напрямами стимулювання, яю нацшеш на дослщження впливу стимул1в на економ1чн1 показники ефективност функцюнування тдприемств, галуз1 чи економжи загалом. Визначено переваги та недолши моделей DCF, VAR i GARCH, яю одночасно з методами ощнювання ефективност окремих стимул1в CBA, ROI, NPV тощо мо-жуть потребувати модифжаци, введення додаткових чинниюв i нагромадження змшних для оцшювання загального впливу на економiку. У зв'язку з цим вони е трудомшткими для ви-piшення окреслених завдань, але можуть використовуватися для пpомiжних pозpaхункiв щодо певних нaпpямiв стимулювання. Для моделювання складових системи фшансово-еко-номiчного стимулювання на нaцiонaльному piвнi нaйбiльш прийнятними е загальноекономь чш моделi (Кобба-Дугласа, Солоу, AD-AS, Самуельсона-Хжса та iн.). Mодифiковaнa модель Кобба-Дугласа з урахуванням фактора цифpовiзaцii вщображае зaлежнiсть обсягу виробни-цтва вщ упровадження передових смapт-технологiй, мае переваги перед шшими моделями
© Видавець ВД «Академперюдика» НАН Украши, 2023
та е техшчно зручною для довгострокових розрахунюв, яких потребують сценари розвитку нащонально! промисловостi для оцiнювання впливу впровадження фiнансово-економiчних стимyлiв промислового розвитку. Окреслено перспективш напрями дослiдження.
Ключовi слова: Industry 4.0, смарт-промисловкть, фiнансово-економiчне стимулю-вання, економiко-математичне моделювання, передовi технологи, промисловий розвиток.
JEL: O31, O33, O38, G31, G32, C51
Промисловшть е провiдною ланкою економши, драйвером eK0H0Mi4H0r0 зрос-тання й одним i3 ключових елеменив нащо-нального виробництва. Розвиток технологш Четверто! промислово! революци форму-ють нову технiко-технологiчну i сощально-економiчну реальнiсть та змушують втиз-няш промисловi виробництва докорiнно змiнювати способи виробництва й упрова-джувати передовi смарт-технологи, серед яких 1нтернет речей (IoT), штучний ште-лект (AI), ан^з великих даних (Big Data), хмарш технологи та iн. (Вишневський та iн. 2019; Вишневський та ш., 2018).
Так, за даними дослщження PwC «Industrie 4.0 in Ukraine» у 2019 р. лише 7% пщприемств в Укра!ш перебували на фша-льному етапi впровадження смарт-техноло-гiй (PwC «Industrie 4.0 in Ukraine», 2023). Проте 42% пщприемств уже мали певний досвщ упровадження окремих смарт-техно-логiй, таких як автоматизащя виробничих процесiв, використання великих даних у процес прийняття рiшень, 1нтернет речей тощо. У 2020 р. за даними дослщжень ТОВ «Ернст енд Яш» (Зв^ ТОВ «Ернст енд Яш», 2020) лише близько 20% виробництв в Укра!ш використовували смарт-техноло-ri!. За даними дослщження «Digital Transformation Index Ukraine 2020» 49% пщприемств в Укра!ш вже використовують хмарш технологи для збер^ання даних, 38% використовують анал^ику даних для пщви-щення ефективностi бiзнесу, 32% використовують машинне навчання та штучний ш-телект (Oneshko, Kustovska etc., 2022).
Отже, передовi технологи Четверто! промислово! революци в Укра'ш перебува-ють на початкових етапах свого життевого циклу. Тому через пщвищеш витрати та
ризики цих етапiв питання фшансово-еко-номiчного стимулювання розвитку смарт-промисловостi та державно! пщтримки вщ-повiдних процесiв набувають особливого значення.
За даними Мiнiстерства економжи Укра!ни, загальний рiвень iнвестицiй у сферу шновацш в Укра!нi залишаеться ни-зьким - у 2020 р. вш склав 0,25% вщ ВВП, що набагато менше, шж у кра!нах Свропей-ського Союзу (Мшфш, 2020). На тлi воен-них дiй в Укра!нi ситуащя ускладнилася: значна частина пiдприемств руйнуеться ча-стково (або знищуеться повшстю) та актуа-льним стае повоенне вщновлення всiх без винятку галузей вiтчизняно! промисловостi й одночасно пошук дiевих механiзмiв пщт-римки впровадження передових технологiй смарт-промислового розвитку, заснованих на використаннi методiв економжо-матема-тичного моделювання для обгрунтування вибору найбiльш ефективних важелiв вщ-повiдного стимулювання таких процесiв.
Впливовi свiтовi органiзацi!, зокрема International Monetary Fund (International Monetary Fund, 2022а; International Monetary Fund, 2022b), OECD (Appelt, Galindo-Rueda, Cabral, 2019; OECD, 2020), WEF (WEF, 2012; McKinsey Global Institute, 2017), Ernest&Young (EYGlobal, 2021), Deloitte (Deloitte, 2015) та iн., активно займаються пошуками методiв пiдтримки промислово-стi та регулярно публ^ють !х результати. Багато з таких методiв заснованi на довго-строковому прогнозyваннi розвитку еконо-мши в цiломy, якi базуються на рiзних сце-нарiях використання факторiв виробництва: працi (часто з урахуванням !! якостi), каш-талу (результату швестицш, джерелом яких виступають заощадження) i технологiй (на-
уково-техшчного прогресу). Широке розпо-всюдження в таких дослщженнях набула модель Кобба-Дугласа та ïï модифiкацiï (Solow, 1956; Douglas, 1976 Амоша, Харазь швЫ, Ляшенко, 2018; Харазiшвiлi, 2019; Харазшвш, Ляшенко, 2021). Так, у робой (Вишневський, Дасiв, Охтень, Турлакова, 2022) розроблено комплекс моделей для стратепчного форсайтингу, тобто побудови i дослщження рiзних сценарiïв розвитку промисловостi в розрiзi трьох базових галу-зей (переробноï та добувноï промисловостi, а також у взаемозв'язку з розвитком сшьсь-кого господарства), що мае на мет пере-осмислення можливостей i ризиюв майбут-нього. В основу комплексу моделей покла-дено модель Кобба-Дугласа, де факторами виробництва виступають класичнi (праця i капiтал), а також новий специфiчний фактор, що вщображае вплив Четверто1' проми-слово1' революци, - цифровiзацiя, охарактеризована через вартють комп'ютерного про-грамного забезпечення i баз даних, задiяних у виробництвi.
Питанням економжо-математичного моделювання окремих складових системи фiнансово-економiчного стимулювання розвитку нащонально!' смарт-промисловостi також присвячено роботи науковщв 1нсти-туту економiки та прогнозування НАН Ук-раши, Нацiонального шституту стратепч-них дослiджень, Науково-дослiдного центру iндустрiальних проблем розвитку НАН Украши та iн. Серед втизняних дослщни-кiв слiд вiдзначити В. Гейця (Геець, 2022), М. Кизима, Ю. 1ванова, В. Хаустову, О. Полякова, О. 1ванова, М. Доронша (Кизим, 1ва-нов, Хаустова, 2020) та ш
Методи та моделi фшансово-еконо-мiчного стимулювання розвитку смарт-про-мисловостi дослiджують такi зарубiжнi фа-хiвцi, як D. Rodrik (Rodrik, 2014; Rodrik, 2018), K. Schwab (Schwab, 2016), Justin Yifu Lin (Lin, 2013), J. Stiglitz, J. Lin, E. Patel (Stiglitz, Lin, Patel ed., 2013) та ш
Проте вибiр моделi для побудови сце-нарних розрахункiв щодо впровадження
тих чи iнших фiнансово-економiчних сти-мулiв у процесi розвитку нащонально!' смарт-промисловостi е вкрай складним за-вданням, яке потребуе виявлення та дослi-дження особливостей моделювання складо-вих системи фiнансово-економiчного стимулювання впровадження передових техно-логiй.
Метою статтi е дослщження складо-вих системи фiнансово-економiчного сти-мулювання смарт-промислового розвитку та вщповщних економiко-математичних моделей для виявлення особливостей моде-лювання складових системи фшансово-еко-номiчного стимулювання впровадження передових технологш.
Загалом стимулювання смарт-проми-словостi передбачае впровадження набору заходiв, спрямованих на пiдтримку розвитку шновацшних технологiй та процеав у промисловостi з метою пщвищення продук-тивностi, конкурентоспроможностi та ство-рення бiльш безпечного й ефективного ви-робничого середовища (Вишневський та ш., 2018). Цей процес може включати впровадження автоматизаци виробничих процесiв, використання «розумних» сенсорiв та IoT-технологiй для збору даних та аналiзу виро-бничо1' дiяльностi, використання штучного iнтелекту для автоматизаци процесiв прий-няття рiшень i багато шшого (Вишневський та ш, 2019).
Стимулювання смарт-промисловостi може здшснюватися за допомогою рiзних програм й шщатив, таких як державнi до-таци для пiдприемств, якi впроваджують iнновацiï у виробництво, партнерства мiж унiверситетами та промисловими пщприем-ствами, фшансування стартапiв та iнших шщатив, спрямованих на розвиток нових технологш у промисловостг
Фiнансово-економiчне стимулювання передбачае застосування фшансових й еко-номiчних iнструментiв для пiдвищення тем-тв розвитку економiки та пiдтримки пев-них секторiв iндустрiï (Вишневський, Даав,
- Економжа npoMucnoeocmi Economy of Industry
Охтень, Турлакова, 2022). Основними ш-струментами макроекономiчноl пол^ики, що застосовуються для регулювання таких економiчних процесiв, е монетарне i фiс-кальне стимулювання.
Монетарне стимулювання полягае у впливi на грошову масу та рiвень процент-них ставок, що в свою чергу може стимулю-вати пщприемства до швестування та роз-витку нових технологiй. Дослiдження свщ-чать, що монетарш заходи можуть бути ефективними в пошуку фiнансування для розробки нових технологш та пiдтримки д> ючих смарт-iндустрiй, а фiскальне стимулювання, з шшого боку, забезпечуе держа-вну фiнансову пiдтримку за рахунок подат-кових пiльг та дотацш, що сприяе розвитку та збшьшенню обсягiв виробництва та ринку смарт-технологш (Вишневський, Кв> лшсю, 2019). Фiскальнi заходи можуть бути корисними для стимулювання розвитку смарт-промисловоси, зокрема шляхом зме-ншення податкового тягаря для смарт-пщп-риемств та сприяння залученню iнвестицiй для смарт-промислового розвитку (Шум-ська, 2015).
Отже, використання монетарних та фюкальних iнструментiв е доцiльним i може бути ефективним при стимулюванш розвитку смарт-промисловостi, що пщтверджено науковими дослiдженнями та практичним досвщом кра1'н iз розвинутою смармндуст-рiею.
На рисунку узагальнено наведенi на-прями фiнансово-економiчного стимулювання розвитку смарт-промисловоси, тобто способи фшансово! пщтримки галузей про-мисловостi й окремих тдприемств для зао-хочення впровадження передових техноло-гiй смарт-промислового розвитку.
Монетарна пол^ика розробляеться та реалiзуеться центральним нацiональним банком держави, який зазвичай надшений по-вноваженнями проведення незалежно! вiд уряду пол^ики. В Укра1ш таким органом е Нащональний банк Укра1'ни (НБУ), i йому,
як органу, здатному дiяти оперативно (незалежно вiд уряду та пол^ичних узгоджень), доручають регулювати макроекономiчнi державнi процеси. Нацiональний банк Ук-ра1'ни виступае регулятором монетарное' по-лiтики держави.
Одним iз головних iнструментiв монетарного стимулювання е ключова ставка -мшмальний вiдсоток, пiд який держава кредитуе комерцiйнi банки. 1! зростання спричиняе подорожчання позик для бiзнесу та населення. I навпаки - зниження облжо-во1' ставки веде до зниження вартост позик, а отже, до привабливост кредитiв, зокрема для впровадження передових технологш на в^чизняних промислових пщприемст-вах.
Аналогiчно працюе такий шструмент монетарного стимулювання, як регулю-вання офiцiйних резервних вимог. Загалом резервнi вимоги - метод контролю за дотри-манням комерцшними банками сво1'х зобо-в'язань. Нащональний банк визначае мшь мальний розмiр активiв, який банки мають направити у резерв. Чим нижче норма резе-рвування, тим бшьше в банкiв можливос-тей для кредитування населення та бiзнесу. Отже, чим нижче норма резервування, тим бшьше можливостей у банкiв видавати кре-дити i тим бiльше можливостей у тдприемств упроваджувати передовi технологи у промисловостi за рахунок кредитних кош-ив.
До операци держави на вiдкритому ринку вщносять купiвлю та продаж цiнних паперiв. Викуп Нацiональним банком щн-них паперiв збiльшуе обсяг грошово! маси в обшу, а продаж - скорочуе. У межах цього шструменту як один iз сучасних методiв монетарного стимулювання можна розглянути введення в обiг центральним нащональним банком цифрових грошей. Криптовалюта, що емiтуеться та забезпечена Нащональним банком Украши, зможе дозволити здшсню-вати цифровi платежi, розширити та спрос-тити доступ до фшансових послуг у межах
переход до смарт-промисловост та цифро-вiзaцiï вiдповiдних процесiв на тдприемст-
вах, а також спростити мехашзми шших ви-дiв грошово-кредитного та податково-бю-джетного стимyлювaння.
Фiнанcoвo-екoнoмiчне cmимулювання розвитку cмарт-прoмиcлoвocтi
Монетарне cтимулювання
(гpoшoвo-кpeдumнe)
Ключова eidcomKoea cmaern
Регулювання офщшнихрезервних вимог
Операцп держави на вiдкриmихринках
1нетрументи прямого регулювання
J
D D 3
Рeгулювaння вiдcomкiв за кpeдumaмu та дenoзumaмu
Обмeжeння oбcягу кpeдumiв,
щo надают^я банкам
Кpeдumувaння npiopumemнux галузвй за нuжчuмu вiдcomкoвuмu cmaвкaмu
Надання тльг oкpeмuм бaнкiвcькuм уcmaнoвaм
«Вузью» зaxoдu щoдo oкpeмux ceкmopiв, ceгмeнmiв, mepumopM, вupoбнuчux кoмnлeкciв moщo ocoблuвoгo знaчeння
1^трументи непрямого регулювання
1ноземш твеетици
) 3
Фккальне стимулювання
(noдamкoвo-бюджemнe)
Податкове cmимулювaння
J
Функцioнaльнi тльгы вnpoвaджeння та функцioнувaння iннoвaцiй у npoмucлoвocmi
Гaлузeвi noдamкoвi тльгы
Тepumopiaльнi noдamкoвi тльт
ч
Бюджетне (державне) cmимулювання
M г
у ^
Дepжaвнi зaкуniвлi
Дepжaвнe зaмoвлeння
Гaлузeвe cубcuдувaння
Тepumopiaльнe cmuмулювaння
Пiльгu для poзвumку «зeлeнoï» eкoнoмiкu
) )
3
Mumнi пшЬШ
Д
J
Дepжaвнa niдmpuмкa possum^ НТП
Рисунок - Напрями фшансово-економпчного cтимулювaння poзвитку смарт-промисло-вocтi
Крiм того, НБУ може створити спещ- якi користуються цифровими грошима, зок-aльнi умови для споживaчiв i тдприемств, рема знизити комiсiйнi вщсотки за операци,
- Екoнoмiкa npoмucлoвocmi Economy of Industry
що стосуються платежiв та продуктiв смарт-промисловоси, що також буде пев-ним стимулом до впровадження передових технологш у межах смарт-промислового розвитку.
Серед шших iнструментiв прямого монетарного регулювання можна виокре-мити такi заходи адмшстративного контролю за дiяльнiстю банкiв, що мають форму шструкцш та розпоряджень, якi видаються нащональним банком вiд iменi держави:
регулювання вщсотюв за кредитами та депозитами;
обмеження обсягу кредитiв, якi нада-ються банкам;
кредитування прiоритетних галузей за нижчими вщсотковими ставками;
надання пiльг окремим банювським установам;
валютнi обмеження; «вузью» заходи щодо окремих секто-рiв, сегменив, територiй, виробничих ком-плексiв тощо особливого значення.
Слiд зазначити, що перелiченi методи монетарного стимулювання активно засто-совуються кра!нами, яю розвиваються. Також використання шструменив прямого монетарного регулювання характерне для планово! адмiнiстративно-командно! еконо-мши. Однак попри те, що прийнято вва-жати, що розвинутi держави вдаються до використання таких шструменив лише в крайшх випадках, слщ зазначити, що з початком ново! промислово! революци, коли ринки «провалюються», прямi методи вико-ристовують багато держав iз рiзним рiвнем розвитку. Це свiдчить про ефектившсть на-ведених iнструментiв прямого монетарного регулювання для стимулювання впрова-дження передових технологiй смарт-проми-словостi. 1з застосуванням прямих заходiв можна досягти швидкого та вiдчутного результату, але за рахунок грубого втручання в ринковi процеси та придушення природ-но! конкуренци. Крiм того, жорсткий контроль сприяе вщпливу коштiв на неконтро-льованi («арЬ>) ринки або за межi кра!ни,
що е недолiком таких методiв монетарного стимулювання.
Через iнструменти непрямого монетарного регулювання (ринков^ держава впли-вае на фiнансовий сектор не безпосередньо, а за допомогою доступних ринкових шстру-ментiв, зокрема:
кушвля-продаж валюти для стабшза-цп курсу нацюнально! валюти;
запровадження обмежень щодо опе-рацiй кредитних органiзацiй;
випуск облiгацiй центрального банку держави (НБУ в Укра!нi);
встановлення фiнансових iндикаторiв та вiдстеження !х динамiки;
рефшансування кредитних оргашза-
цiй.
При впровадженш iнструментiв непрямого монетарного регулювання кожна кредитна установа здшснюе власну незале-жну фiнансову полiтику. Беззаперечною перевагою використання таких шструменив е бшьш м'який та делжатний вплив на ринок. Окрiм того, методи непрямого монетарного регулювання можна коригувати в процес !х упровадження, щоб досягти кращих еконо-мiчних показникiв, зокрема смарт-промис-лового розвитку.
Ще одним дiевим iнструментом монетарного стимулювання впровадження пере-дових технологш смарт-промислового розвитку е шоземш iнвестицi!. Слiд зазначити, що сьогодш для Укра!ни вiдкритi можливо-ст залучення до розвитку смарт-промисло-вост iноземних капiталiв зарубiжних парт-нерiв, серед яких окремо можна вщзначити пiдтримку Свропейського Союзу, США та ш. у виглядi спецiальних фондiв розвитку, повоенного вiдновлення тощо. Залучення шоземних iнвестицiй може забезпечити не-обхiднi фiнансовi ресурси, технологи та знання для розвитку шновацш. З метою залучення шоземних швестицш необхщно створювати сприятливi умови для шоземних iнвесторiв, такi як стабшьний законода-вчий фреймворк, надшна система захисту
прав власноси, а також ефективш мехаш-зми державного регулювання вiдповiдних процеав. До iнших важливих заходiв щодо залучення iноземних iнвестицiй можна вщ-нести створення спецiальних iнвестицiйних фондiв та iнфраструктури для пiдтримки шоземних iнвесторiв, а також пiдтримку шщатив iноземних компанiй для виходу на нащональний ринок.
Таким чином, монетарне регулювання переважно мае широкий загальносистемний характер i стосуеться не лише смарт-проми-словостi. Однак для розвитку смарт-проми-словостi полiтика довгих дешевих грошей може мати бiльше значення, нiж для iнших секторiв економжи, оскiльки смарт-проми-словiсть перебувае на початковому етапi розвитку вщповщно до концепци життевого циклу технологш (Вишневський та iн., 2019). Але також можуть бути спецiальнi «вузью» прямi заходи щодо стимулювання окремих частин економжи (галузей, секто-рiв, сегментiв, територiй, виробничих ком-плекав та iн.), що мають особливе зна-чення, вживаються регулятором (зокрема, нащональним банком держави) та реалiзу-ються банкiвсько-кредитною системою. На-приклад, спецiалiзованi банки розвитку - це банки, що фшансують проекти, яю мають значний соцiально-економiчний вплив на кра!ну. Банки розвитку, зазвичай, створю-ються урядами, мiжнародними оргашзащ-ями чи благодiйними установами та викори-стовуються для фiнансування швестицш-них проектiв у вiдносно молодих промис-лово розвинутих галузях, таких як смарт-промисловiсть (Berg, Karam, Laxton, 2006).
Фюкальне стимулювання передбачае регулювання доходiв i витрат держави, що визначаються певною метою. Держава регу-люе сукупний попит i реальний нащональ-ний дохiд за допомогою спрямованих на до-сягнення визначено! мети державних витрат, податюв, трансфертних виплат тощо. Результатом таких заходiв може бути збшь-шення споживання, iнвестицiй, кiлькостi
робочих мюць i загальний обсяг виробниц-тва.
Що стосуеться фокального стимулювання, то фюкальна полiтика розробляеться та реалiзуеться урядом держави, зазвичай мшстерством фiнансiв через полiтичний бюджетний процес. У межах фюкально! по-л^ики уряд може регулювати фшансово-економiчнi процеси через закони про бюджет та iншi нормативнi акти, яю визна-чають доходи (податковi та ш.) i витрати (зокрема субсидн, субвенцн, пiльги тощо). Таким чином, фiскальне стимулювання передбачае впровадження полiтики уряду щодо оподаткування та державних витрат, яка також впливае на сукупний попит i про-позицiю, поведiнку економiчних суб'ектiв тощо. Тож фюкальне стимулювання передбачае державну фiнансову пiдтримку через податковi пiльги, дотаци та iншi заходи, яю допомагають, зокрема, зменшити фшансо-вий тиск на пiдприемства промисловоси, що впроваджують шновацн. Отже, якщо мати на метi прискорення впровадження пе-редових технологiй смарт-промислового розвитку, то складовi системи фшансово-економiчного стимулювання можуть вклю-чати заходи, наведет на рисунку.
Першими щодо податкового стимулювання вщповщних процеЫв слiд виокре-мити функцюнальт тльги впровадження та функцюнування шновацт у промислово-ст1. Функцюнальт тльги - це пiльговi умови для пщприемств та оргашзацш, яю працюють у певнш галузi або виконують певну функцiю. Цей фiскальний iнструмент передбачае зниження податкового наванта-ження, допомогу у фiнансуваннi та iншi пiльги для сприяння розвитку дано! галузi або функци (Рева, 2015). Держава може на-давати шновацшним пiдприемствам пiльги щодо сплати рiзних податкiв, зокрема:
податку на прибуток - зменшення по-даткових ставок або надання податкових пiльг на певний перюд;
- Економжа npoMucnoeocmi Economy of Industry
nogaTKy Ha gogaHy BapTicTb - 3MeH-meHHa CTaBOK n^R Ha ToBapu Ta nocnyru, ^o BHnycKaroTbca TaKHMH nignpueMcTBaMu;
nogaTKy Ha MaHHo - 3MeHmeHHa CTaBOK a6o 3BinbHeHHa Big ^oro nogaTKy Ha neBHHH nepiog.
TaKo® nignpueMcTBa, aKi TinbKH Bnpo-Bag®yroTb iHHoBauji", Mo®yTb oTpuMyBaTH ne-BHi nogaTKoBi ninbru. HanpuKnag, y 6araTbox Kpai'Hax icHyroTb nogaTKoBi KpegHTH, aKi kom-neHcyroTb nacTHHy BHTpaT Ha npoBegeHHa go-cnig®eHb Ta po3po6oK, a TaKo® nporpaMH nig-tphmkh, aKi go3BonaroTb 3MeHmuTH nogaTKo-bhh Tarap Ha nignpueMcTBa, aKi Bupo6naroTb HoBi npogyKTH a6o BHKopucTOByroTb HoBi Te-xHonorii (KoHgpamoB, 2002). TaKe cTHMynro-BaHHa nogaTKoBHMH ninbraMH Mo®e CTaTH Ba-®hhbhm $aKTopoM gna nignpueMcTB npoMuc-noBocTi, aKi BnpoBag®yroTb nepegoBi TexHo-norii cMapT-npoMucnoBoro po3BHTKy. Rohh Mo®yTb gonoMorTH 3MeHmHTH BHTpaTH Ha go-cnig®eHHa Ta po3po6KH, nocunuTH iHBecTH-^hhhh noTeH^an KoMnamfi, nigBH^HTH koh-KypeHTocnpoMo®HicTb i 3a6e3nenuTH 6inbm CTinKHH po3bhtok CMapT-BHpo6HH^rea.
rany3eBi nogaTKoBi ninbru nepeg6ana-MTb 3anpoBag®eHHa cne^anbHHx ninbr oKpe-mhm rany3aM npoMHcnoBocTi, aKi BnpoBag®y-MTb nepegoBi TexHonorii cMapT-npoMucno-Boro po3BHTKy. HanpuKnag, gna nigTpHMKH po3BHTKy BHpo6HH^Ba eneKTpoMo6iniB mo-®yTb 6yTH BCTaHoBneHi nogaTKoBi ninbru Ha eneKipoeHepriro, ^o BHKopHCToByeTbca b npoцeci внpo6ннцтвa, o6nagHaHHa Ta MaTepi-anu, 3acTocoByBaHi npH внpo6ннцтвi eneKT-poMo6iniB to^o. OgHHM i3 mo®hhbhx BapiaH-TiB nogaTKoBHx ninbr e CTBopeHHa cne^anb-hhx eKoHoMinHHx 3oh Bunepeg®anbHoro po3-BHTKy (CE3) - ogHH i3 cnoco6iB 3anyneHHa iH-BecTH^fi i po3BHTKy neBHHx rany3eH eKoHo-MiKH. CE3 - цe TepHTopii 3 oco6nHBHM CTaTy-com, ge giroTb cne^anbHi yMoBH ^ogo nogaT-KoBoro, MHTHoro Ta perynaTopHoro pe®HMiB 3 MeToro 3anyneHHa iHBecTH^fi, po3BHTKy bh-po6HH^Ba Ta eKcnopTy. 3oKpeMa, gna npuc-KopeHHa po3BHTKy CMapT-npoMucnoBocTi mo-®yTb 6yTH CTBopeHi CE3, cne^ani3oBam Ha
po3po6neHHi Ta внpo6ннцтвi iHHoBa^HHHx npogyKTiB, TexHonoriH Ta nocnyr, noB'a3aHHx i3 CMapT-npoMucnoBicTro. y TaKux 3oHax mo-®yTb giaTH ninbroBi nogaTKoBi Ta mhth pe-®hmh, ^o 3a6e3nenaTb nigTpuMKy gianbHocTi nignpueMCTB y ^h c^epi, 3oKpeMa, 3MeH-meHHa nogaTKoBHx HaBaHTa®eHb, 3HH®eHHa mhthhx nnaTe®iB, cnpo^eHHa npoцegyp MHTHoro o^opMneHHa to^o. npu цboмy ninbroBi MHTHi pe®HMH Hane®aTb go Teprnopianb-Horo nogaTKoBoro cTHMynroBaHHa Ta Mo®yTb BKnronaTH ninbru gna BBe3eHHa i BHBe3eHHa iHHoBa^HHHx npogyKTiB, TexHonoriH, Tex-HiKH to^o (KpaHHHK, 2020). OKpiM Toro, TepuTopianbHe nogaTKoBe cTHMynroBaHHa Mo®e 6yTH cnpaMoBaHe Ha nigTpuMKy BiTHH3-HaHHx Bupo6HHKiB i BKnronaTH ninbru Ha BBe-3eHHa, HanpuKnag, chpobhhh Ta MaTepianiB, 3agiaHHx y cмapт-внpo6ннцтвax, Ta ninbru Ha eKcnopT roTOBoi npogyKuji cMapT-Bupo6-ннцтв. Цe gonoMarae nigTpuMyBaTH BiTHH3-HaHHx Bupo6HHKiB i 3a6e3nenHTH ix KoHKy-peHTocnpoMo®HicTb Ha Mi®HapogHoMy pH-HKy. OKpiM Toro, TepuTopianbHi ninbru mo-®yTb 6yTH cnpaMoBaHi Ha 3a6e3neneHHa bh-KopucTaHHa BiTHH3HaHHx TexHonoriH Ta o6na-gHaHHa b po3BHTKy cMapT-npoMHcnoBocTi h 3a6e3nenyBaTuca 3a paxyHoK ninbr nignpueM-
cTBaM, aKi BHKopucToByroTb BiTHH3HaHe iH-
нoвaцiннe o6nagHaHHa i TexHonorii b cboih gianbHocTi.
^pyrufi 6noK 3axogiB ^icKanbHoro cth-MynroBaHHa nepeg6anae cnpaMyBaHHa gep®a-bhhx 6rog®eTHHx KomTiB Ha neBHi 3axogu ^ogo BnpoBag®eHHa nepegoBHx TexHonoriH cMapT-npoMucnoBoro po3BHTKy Ta nigTpuMKy 3a paxyHoK 6rog®eTHHx KomTiB nignpueMcTBa rany3i. TaK, HanpuKnag, gep®aBa Mo®e Ha-npaBHTH 6rog®eTHi KomTH Ha 3aKyniBnro npo-gyкцil npoMucnoBHx nignpueMcTB, ^o Bnpo-Bag®yroTb nepegoBi cMapT-TexHonorii, gna cTBopeHHa goBrocTpoKoBoro nonHTy Ha Big-noBigHy npogyкцiro Ta 3anyneHHa iHBecTH-^h gna po3mupeHHa npoMucnoBoro bhpo6hh-^rea Ha ocHoBi iннoвaцiн (Gali, Monacelli, 2005).
Ще одним шструментом фiскально! полiтики е держзамовлення. Держава мае можливiсть регулювати економiчнi процеси розвитку промисловостi щодо впровад-ження смарт-технологiй шляхом форму-вання на контрактнiй (договiрнiй) основi складу й обсягiв товарiв, роб^ i послуг, не-обхiдних для забезпечення прюритетних державних потреб, розмщення вiдповiдних державних контрактiв на поставку (закутв-лю) серед пiдприемств, оргашзацш та ш-ших суб'ектiв господарсько1 дiяльностi Ук-ра1ни всiх форм власност (Верховна Рада, 2005). Для цього необхщне визначення розвитку смарт-промисловост прiоритетною державною потребою. У такому випадку потребами в товарах, роботах i послугах, необхiдними для створення вiдповiдних умов розвитку i пiдтримання на надежному рiвнi державних матерiальних резервiв про-мисловостi, можуть бути як складовi мате-рiально-технiчноl бази щодо впровадження передових смарт-технологш на вiтчизняних пiдприемствах галузi, так i складовi, що вь дповщають за розвиток iнтелектуального капiталу держави (осв^а, наука тощо).
Також дiевим фiскальним стимулом е галузеве субсидування, яке передбачае сти-мулювання окремих галузей промисловостi за рахунок видшення з бюджету цшеспря-мованих субсидш пiдприемствам, що впро-ваджують передовi смарт-технологп. При цьому промисловiсть визначаеться перспективною галуззю з точки зору вiддачi швес-тицiй вщ упровадження передових техноло-гiй промислового розвитку.
О^м того, в межах фюкально1 поль тики можуть бути використаш iнструменти територiального стимулювання, деяю з яких розглянуто вище. Подiбнi принципи спрямування бюджетних коштiв на розвиток смарт-промисловост зберiгаються щодо бюджетного державного територiаль-ного стимулювання впровадження передо-вих технологш смарт-промислового розвитку. Вони стосуються в першу чергу стиму-
лювання такого розвитку в конкретних реп-онах (на певних територiях держави) i мiс-тять заходи, наприклад, щодо державних дотацiй для стимулювання розвитку «зелено!» економши, дотаци на ввезення / виве-зення певних iнновацiйних продуктiв, дота-цшна пiдтримка промислових пiдприемств, якi е мютоутворюючими, державнi дотаци на розвиток спещальних економiчних зон, промислових парюв тощо.
Державна пiдтримка розвитку НТП передбачае державш витрати на розвиток:
нормативно-правово! бази - встанов-лення спецiальних норм та правил, що регу-люють дiяльнiсть суб'ектiв господарювання в галузi смарт-промисловостi. Такi норми стосуються безпеки, якост та шших пара-метрiв, якi впливають на розвиток галузi (Kose, Nagle, Ohnsorge, Sugawara, 2019);
людських ресурсiв - розвиток смарт-промисловостi потребуе висококвалiфiко-вано! робочо! сили, яка здатна забезпечу-вати високу якiсть виробництва та впровадження шновацшних технологiй. Для забезпечення цього необхщно розвивати систему пщвищення квалiфiкацi! та навчання пращ-вникiв професiй, що вщповщають упрова-дженню технологiй смарт-промислового розвитку;
шфраструктури, яка мае велике зна-чення для розвитку смарт-промисловостi, -будiвництво нових i полiпшення юнуючих дорiг, мереж зв'язку, електромереж, водо-постачання, водовiдведення, аеропортiв, портiв та шших об'екпв, що забезпечу-ють ефективш комушкацп та транспорт. Для досягнення максимально! корист вiд розвитку шфраструктури держава повинна планувати та реалiзовувати проекти з урахуванням потреб iндустрi!' та рин-юв збуту продукцп. Державнi програми фшансування мають сприяти створенню необхiдно! шфраструктури, зокрема вщ-повiдних науково-дослiдних та осв^шх iнститутiв, що забезпечать можливють залучати висококвалiфiкованих фахiв-цiв;
- Економжа npoMucnoeocmi Economy of Industry
ринкових дослщжень та iнновацiй -фшансування дослiджень та розробок но-вих технологш у промисловiй сферi вщкри-вае шлях до створення нових продуктiв та послуг, якi тдвищать конкурентоспромож-нiсть кра!ни. Окрiм того, держава може сприяти спiвпрацi мiж науковими устано-вами, унiверситетами та приватним сектором, що дозволить ре^зувати практичш результати дослiджень i забезпечити пере-несення технологiй iз лабораторiй на виро-бництво.
Слщ зазначити, що заходи пiдтримки розвитку НТП можуть перетинатися з держ-замовленням (розглянуто вище).
Отже, система фiнансово-економiч-ного стимулювання розвитку смарт-проми-словостi мае поеднувати розглянутi заходи монетарного (грошово-кредитного) та фш-кального (податково-бюджетного) стиму-лювання впровадження передових техноло-гш смарт-промислового розвитку. Упрова-дження на державному рiвнi дiевих мехаш-змiв такого фiнансово-економiчного стиму-лювання може забезпечити ефективну тдт-римку шновацшних технологiй, що дозволить створювати та розвивати конкуренто-спроможну смарт-промисловють в Укра!нi (Вишневський, Гаркушенко, Князев, Лип-ницький, Чекiна, 2020).
Вкрай важливим е обгрунтований ви-бiр перелiку таких заходiв стимулювання. Тому для забезпечення оптимальностi ви-бору напрямiв i видiв такого стимулювання впровадження передових технологiй смарт-промислового розвитку актуальним стае по-будова вщповщних сценарив розвитку нащ-онально! промисловостi iз застосуванням iнструментарiю економжо-математичного моделювання.
Економiко-математичне моделю-вання складових системи фшансово-еконо-мiчного стимулювання розвитку смарт-про-мисловостi полягае в математичному опис й аналiзi факторiв, що впливають на фшан-сово-економiчну систему пщприемства, га-лузi чи нацiонально! економжи в цiлому.
Таю моделi базуються на рiзних пiдходах i методах, яю включають статистичну обро-бку даних, теорш iмовiрностей, оптимiзa-щйш методи, iмiтaцiйне моделювання, сис-темний aнaлiз тощо.
Розглянемо нaйпоширенiшi еконо-мiко-мaтемaтичнi моделi, якi використову-ються дослiдникaми для моделювання складових системи фiнaнсово-економiчного стимулювання розвитку нащонально! смaрт-промисловостi.
Серед нaйбiльш використовуваних для моделювання як окремих складових фь нaнсово-економiчного стимулювання розвитку промисловост за вузькими напря-мами, так i загального впливу розвитку нау-ково-техшчного прогресу (якщо розглядати вплив упровадження передових технологiй промислового розвитку на економжу держав) е модель Кобба-Дугласа (Вишневський, ДаЫв, Охтень, Турлакова, 2022). Вона використовуеться для aнaлiзу динамши об-сягу виробництва залежно вiд двох i бшьше вхiдних ресурсiв, нaйчaстiше фiзичного ка-пiтaлу, трудових ресурсiв та пaрaметрiв на-уково-технiчного прогресу (Cheng, Han, 2014). Ця модель набула поширення серед фaхiвцiв для прогнозування зростання еко-номiк кра!н свiту у рiзних модифiкaцiях. З точки зору прийняття ршень при стратепч-ному плануванш на рiзних рiвнях управ-лiння вибiр моделi Кобба-Дугласа як мате-матичного iнструменту передбачення осно-вних тенденцiй економiчного розвитку iз за-пропонованими рiзними авторами удоско-наленням (Амоша, Хaрaзiшвiлi, Ляшенко, 2018; Харазшвш, 2017, 2018, 2019; Харазь швiлi, Ляшенко, 2021; Вишневський, Даав, Охтень, Турлакова, 2022) е лопчним й об-грунтованим. Той факт, що модель дозволяе використовувати розрахунки для вибору ва-желiв впливу на динамжу виробництва е дуже зручним для застосування li для побу-дови сценарив економiчного розвитку з ура-хуванням розглянутих рiзних фшансово-економiчних стимулiв, якi можуть вводи-тись у модель у виглядi вaжелiв впливу на
вщповщш фактори. Бшьше того, ця функщя неодноразово пiдтвердила свою надiйнiсть при довгостроковому прогнозуванш зрос-тання економж кра!н свiту та окремих галу-зей залежно вiд рiзних сценарйв викорис-тання працi, iнвестицiй, технологш та рiзно-манiтних iнших факторiв, якi часто дода-ються у процес И модифжаци. За умови до-давання фактора цифровiзащi вона може бути використана для моделювання складо-вих системи фiнансово-економiчного сти-мулювання розвитку смарт-промисловостi, вiдображаючи залежшсть обсягу виробниц-тва вiд упровадження передових смарт-тех-нологiй (Вишневський, Даав, Охтень, Тур-лакова, 2022). Крiм того, модель Кобба-Ду-гласа е технiчно зручною для довгостроко-вих розрахунюв, яких потребують сценарп розвитку нащонально! промисловостi за не-обхщност оцiнювання впливу впрова-дження тих чи шших фiнансово-економiч-них стимулiв щодо впровадження передових технологш. При цьому недолiком мо-делi може бути недостатня точнiсть розрахунюв через необхщшсть введення та вра-хування iнших факторiв економiчного впливу на виробництво.
Модель Солоу (Solow Model) також передбачае використання виробничо! функ-цп та розгляд економiчноl залежностi мiж виробництвом, капiталом, працею i техно-логiчним прогресом (Durlauf, Kourtellos, Minkin, 2001). Виробнича функцiя базу-еться на неокласичних передумовах, згiдно з якими технолопчний прогрес збiльшуе продуктившсть працi (Solow, 1956). Основною перевагою моделi е здатнiсть вщобра-зити вплив науково-технiчного прогресу на економ^. Тому теоретично модель Солоу може бути використана для визначення впливу впровадження передових техноло-гш на розвиток смарт-промисловостi. Недолгом моделi можна назвати завдання пара-метрiв норми заощаджень i темпiв науково-технiчного прогресу екзогенно, що суттево обмежуе ii практичне застосування для ощ-нювання впливу розглянутих фшансово-
економiчних стимулiв щодо впровадження передових технологш на результуючий по-казник. KpiM того, процес нагромадження капiталу, який прийнято вважати сильною стороною модел^ по сут е «чорною скринь-кою», мехашзм впливу на який з боку еко-номiчних агентiв у моделi не розкрито (Вишневський, Даciв, Охтень, Турлакова, 2022). Однак модель Солоу заклала необ-хщну математичну базу для аналiзy темпiв змiни катталу та економiчного ефекту прогресу, з використанням яко! доcлiдники створили безлiч бiльш складних модифша-цш
Модель сукупного попиту та пропози-цп (Aggregate Demand and Supply Model, AD-AS Model) використовуеться для ана-лiзy взаемодп макроекономiчних факторiв, таких як рiвень цiн, зайнятють, iнфляцiя, об-сяг виробництва та для аналiзy впливу фю-кально! полiтики на загальний попит i рь вень цiн (Dutt, 2006). Ця балансова модель вiдображае наслщок взаемоди функци сукупного попиту (AD) та функцп сукупно! про-позицп (AS). Фyнкцiя сукупного попиту (AD) залежить вiд рiвня споживчих витрат, iнвеcтицiй, державних iнвеcтицiй та чистого експорту. Фyнкцiя сукупно! пропозици (AS) залежить вiд рiвня капiталy, працi, те-хнологiчного розвитку та ресурЫв. Змiни в будь-якому з компонентiв AD або AS мо-жуть викликати змiни в загальному рiвнi цiн або виробництва. Перевагами використання моделi AD-AS для економжо-математич-ного моделювання складових системи ф> нанcово-економiчного стимулювання розвитку смарт-промисловост е можливicть оцiнювати вплив макроекономiчних факто-рiв на економ^. Вона дозволяе вщобра-зити збшьшення державних витрат на пере-довi технологи. Недолiками моделi е базу-вання на припущеннях про поведшку попиту та пропозици, що може призвести до суттево! похибки у сценарному прогнозуванш та як наслщок - у плануванш. Ще одним недолшом е вщсутшсть можливоcтi врахувати вплив зовшшньо! економiчно!
- Економжа npoMucnoeocmi Economy of Industry
ситуацп на внутршню економiку держави, що може призвести до неточностей у побу-довi вiдповiдних сценарпв розвитку з вико-ристанням моделi, що обмежуе можливост !! застосування для економшо-математич-ного моделювання складових системи ф> нансово-економiчного стимулювання розвитку смарт-промисловостi.
Модель мультиплжатора-акселерато-ра, або модель Самуельсона-Хжса вщоб-ражае залежнiсть економiчних ци^в iз вза-емодiею мультиплiкатора швестицш i акселератора. Формула моделi мультиплша-тора-акселератора вiдображае залежнiсть рiвня виробництва вiд iнвестицiйного по-питу та рiвня споживання (Westerhoff, 2006). При цьому швестицшний попит зале-жить вiд: коефiцiента мультиплiкатора, який вщображае, наскiльки змiна швести-цшного попиту впливае на загальний рiвень виробництва; потенцiйного рiвня виробництва, що вщображае рiвень, який може бути досягнутий без виникнення шфляцп; коеф> цiента акселерацп, який вщображае швид-кiсть змiни iнвестицiйного попиту при змш рiвня виробництва. Перевага моделi Самуе-льсона-Хiкса полягае в тому, що вона е до-сить простою та легкою для розумшня. Це дозволяе застосовувати !! для широкого кола дослщжень у галузi економiки та фь нанав, зокрема в межах стимулювання впровадження передових технологiй смарт-промислового розвитку. Крiм того, модель мультиплiкатора уможливлюе вивчення ефекту масштабу, що важливо для визна-чення ефективностi стимулюючих заходiв у промисловостi (наприклад, збiльшення ш-вестицiй для впровадження передових технологи). Однак модель Самуельсона-Хiкса мае сво! недолiки. Перш за все, вона перед-бачае статичну природу економжи, тобто не враховуе змш у часi та можливих ефекив залежностi вiд контексту. Крiм того, не враховуе можливих ефекив змш у галузях еко-номши, що не пов'язанi з промисловютю, таких як транспорт, сiльське господарство, осв^а тощо. Отже, модель мультиплшатора
може бути корисною для загального аналiзу статичного ефекту фiнансово-економiчного стимулювання розвитку смарт-промислово-CTi, але И використання для побудови дов-гих сценарпв економiчного розвитку сут-тево ускладнене !! особливостями.
У межах моделювання складових системи фiнансово-економiчного стимулювання впровадження передових технологш смарт-промислового розвитку можна вико-ристовувати моделi оцiнки iнвестицiйного потенщалу окремих проектiв та пщпри-емств, що може бути доцшьним для певних сценарних розрахункiв вiдповiдно до впровадження окремих монетарних чи фшкаль-них стимулiв.
Так, наприклад, одна з основних моделей ощнки швестицшного потенцiалу проектiв i компанш - DCF (Discounted Cash Flow Model) вщображае залежшсть оцiнки вартост компанп вiд суми прибуткових по-токiв, здiйснених компанiею в майбут-ньому, та дисконтно! ризиковано! ставки повернення, що вiдображае можливiсть втрати кошив iнвестором у майбутньому, залежно вiд ризику та часу швестування (Yao, Chen, Lin, 2005). Перевагою моделi DCF е можливiсть прогнозування вартост промислово! компанп на основi поточних та майбутнiх грошових потоюв. Вона доз-воляе враховувати ризики, пов'язаш з ш-вестицiями, та виконувати сценарний ана-лiз, визначати кращий варiант розвитку проекту або компанп. Це може бути ко-рисним для оцiнювання iнвестицiй з метою впровадження передових технологш на конкретному промисловому пщприемствг Недолiками моделi DCF е необхiднiсть точного визначення дисконтовано! ставки, а також урахування лише грошових по-токiв i неврахування негрошових аспек-тiв (таких як, наприклад, репутащя компанп та брендова вартiсть). Також застосування моделi потребуе точно! шформацп про грошовi потоки в майбутньому, що може бути складно визначити, особливо для нових проекпв або компанш.
Отже, модель DCF е достатньо складною для прогнозування ощнки вартост компа-ни, не вiдображае динамiкy змш yнаcлiдок впливу монетарних чи фюкальних cтимyлiв на майбyтнi грошовi потоки та не враховуе зростання ощнки вартост компани внасль док упровадження передових технологш у виробництво, що може ускладнювати !! практичне використання.
Статистична модель VAR (Value-at-Risk Model) використовуеться у фшансовш аналiтицi для вимiрювання ризику швести-цiйного портфеля та його змш. Формула мо-делi VAR виражае максимальну можливу втрату, яка може виникнути в заданий про-мiжок часу при заданому рiвнi довiри. За-звичай, VAR визначаеться для конкретного iнвеcтицiйного портфеля з використанням юторичних даних. Ця модель може бути ко-рисною для оцiнювання ризикiв i визна-чення ефективно! стратеги yправлiння ри-зиками при iнвеcтyваннi в смарт-промисло-вicть (Giordano, Momigliano, Neri, Perotti, 2007). Перевагою використання моделi VAR е можливють урахувати рiзноманiтнi юторичш данi для визначення максимально можливих втрат в iнвеcтицiйномy портфелi, що дозволяе зменшити вплив негативних факторiв на весь портфель iнвеcтицiй та ри-зики прийняття неправильного швестицш-ного рiшення. Недолiки використання мо-делi VAR полягають у тому, що вона не до-зволяе передбачати довгоcтроковi наcлiдки впливу факторiв на iнвеcтицiйний портфель. Крiм того, для точноcтi прогнозу ри-зикiв вхiднi данi мають бути максимально точними i повними. Отже, модель VAR е ко-рисною для прогнозування ризиюв швесту-вання у передовi технологи в конкретнш промиcловiй компани з урахуванням рiзно-манiтних факторiв, серед яких фюкальш та монетарнi стимули, але вона не вщображае зростання економiчних показниюв, таких як обсяг виробництва чи хоча б прибуток ком-пани, що суттево обмежуе можливоcтi !! використання для ощнювання впливу на зага-льнi економiчнi показники резyльтатiв
упровадження шновацш у виробничi про-цеси.
Також для дослщження впливу впро-ваджуваних фiнансово-економiчних стиму-лiв може бути використана статистична модель GARCH (Generalized Autoregressive Conditional Heteroscedasticity Model), яка дозволяе прогнозувати ситуаци на фшансо-вих ринках в умовах нестабшьност (вола-тильностi). Математично вона вщображае мiнливiсть дисперси вiд попередшх змiн по-казникiв i попередшх ощнок дисперси. Модель GARCH широко використовуеться ш-весторами, трейдерами та анал^иками фiнансових ринкiв (Laurent, Rombouts, Violante, 2012). Il перевагою е можливкть прогнозувати ризики на фшансових ринках i планувати стратеги швестування з урахуванням мiнливоl в часi волатильностi цiн на акци. Недолiк моделi полягае в тому, що вона мютить велику кшьюсть параметрiв, якi можуть ускладнити ll застосування та ш-терпретащю; потребуе велико1 кiлькостi даних для точно! ощнки параметрiв; не зав-жди може точно ощнити ризик, оскiльки не враховуе несподiваних подiй, таких як ф> нансовi кризи, полiтичнi конфлiкти тощо. Через те, що точшсть прогнозу моделi GARCH залежить вiд якостi та репрезентативной вхiдних даних, неможливють ура-хування всiх факторiв зменшуе точнiсть можливих одержаних сценарних розрахунюв. Отже, модель GARCH може бути корисною для планування стратегi! швестування в пе-редовi технологi! у промисловостс, проте вона не вщображае динамжу змiн унаслiдок впливу монетарних чи фюкальних стиму-лiв, оскшьки не враховуе такi параметри в розрахунках.
Для ощнювання ефективност окре-мих фiнансово-економiчних стимулiв щодо впровадження передових технологш можуть бути корисними таю економжо-мате-матичш методи:
Cost-Benefit Analysis (CBA) - метод ощнювання економiчноl ефективност проекту, дi! або програми, де порiвнюються
- Економжа npoMucnoeocmi Economy of Industry
lx витрати та користь вщ реашзацл. Вш в> дображае, у скiльки pa3iB сума користi пере-важае над сумою витрат. Якщо результат CBA бшьше 1, то це означае, що проект ма-тиме користь, бшьшу, нiж його вартють, а якщо менше 1, то проект не буде рентабель-ним. Основною перевагою CBA е те, що вш дозволяе оцшити ефектившсть рiзниx альтернатив, порiвняти ix мiж собою i визна-чити найкращий вaрiaнт, а також розгля-нути як економiчнi, так i неекономiчнi впливи проекту, тaкi як сощальш або еколо-гiчнi аспекти;
Return on Investment (ROI) Analysis -метод оцшювання ефективност швестицш. Формула ROI визначаеться як вщношення чистого прибутку (або валового прибутку за вiднiмaнням витрат) до вкладених коштiв, виражених у вiдсоткax або десятковим дро-бом. Додатне значення ROI означае, що проект був прибутковим, а вщ'емне - збит-ковим. Biдповiдно, чим вище значення ROI, тим бшьш ефективним е проект або швести-цл. Перевага використання методу ROI по-лягае в тому, що вш може допомогти визна-чити, чи е швестицп рентабельними;
Net Present Value (NPV) - чистий дис-контований доxiд, який визначаеться як сума дисконтованих значень потоку плате-жiв, приведених до сьогодшшнього дня. Показник NPV е рiзницею мiж усiмa грошо-вими припливами та вiдпливaми, приведе-ними до поточного моменту часу (моменту оцшки iнвестицiйного проекту). Biн пока-зуе суму коштсв, яку iнвестор оч^е отри-мати вiд проекту шсля того, як грошовi при-пливи окуплять його почaтковi iнвестицiйнi витрати та перюдичш вiдпливи, пов'язaнi з реaлiзaцiею проекту. Оскiльки грошовi пла-тежi оцiнюються з урахуванням 1хньо1 тим-часово1' вaртостi та ризиюв, NPV можна ш-терпретувати як вартють, що додаеться проектом, а також як загальний прибуток iнвесторa. Слщ зазначити, що NPV урахо-вуе результати вщ експлуатацп шновацш-но1' продукцп, единочaснi та поточнi ви-
трати, пов'язаш iз створенням та реaлiзa-цiею вщповщно! продукцл за весь ii житте-вий цикл, показуе зростання кaпiтaлу пщп-риемства. Чим бшьше цей приршт, тим вище конкурентш можливостi продукцл, тим ii виробництво е бiльш економiчно ви-гiдним.
Висновки. Для розвитку смарт-проми-словостi в Укра1ш необхщним е впровад-ження передових технологш, серед яких 1н-тернет речей (IoT), штучний iнтелект (AI), aнaлiз великих даних (Big Data), хмарш технологи та iн., як прискорюють процеси виробництва, пiдвищуючи продуктившсть, якiсть, ефективнiсть i конкурентоспромож-шсть виробництва. Однак упровадження передових технологш на в^чизняних пщп-риемствах, що вщповщають рiвню Четвер-то1' промислово! революцл в Укра1ш, пере-бувае на початкових стaдiяx та потребуе економiчноl пiдтримки з боку держави. Тому система фiнaнсово-економiчного сти-мулювання розвитку смaрт-промисловостi мае поеднувати заходи монетарного (гро-шово-кредитного) та фюкального (подат-ково-бюджетного) стимулювання впрова-дження передових теxнологiй.
При цьому вкрай важливим е обгрун-тований вибiр перелiку вiдповiдниx зaxодiв стимулювання. Для забезпечення оптималь-ностi вибору нaпрямiв та видiв такого сти-мулювання впровадження передових технологш смарт-промислового розвитку актуальною стае побудова вщповщних сценарпв розвитку нащонально! промисловостi iз за-стосуванням iнструментaрiю економiко-мa-тематичного моделювання, який дозволяе оцiнити вплив визначених грошово-кредит-них i податково-бюджетних стимулiв на ро-звиток смарт-промисловост та, як нaслiдок, на загальш показники економiчного зрос-тання.
Як свщчить aнaлiз, iснують моделi за напрямами стимулювання, що вузько нащ-леш на дослiдження впливу стимулiв на
eK0H0Mi4Hi показники ефективност функщ-онування пщприемств, галузi чи загально-нацiональноï економши держави.
Так, наприклад, модель DCF дозволяе розрахувати оцiнку вартостi компанн на ос-новi очiкуваноï суми прибуткових потоюв. Ця модель могла б показати динам^ зрос-тання вартостi компанiï залежно вiд впливу монетарних стимулiв, але вона не дае змоги ощнити, яким чином швестици в конкретнi передовi технологи смарт-промислового розвитку вливають на зростання вартост компанiï чи загальних економiчних показ-никiв розвитку промисловостi на державному рiвнi, тому потребуе модифшаци для подальшого використання в моделюванш системи фiнансово-економiчного стимулю-вання розвитку нацiональноï смарт-промис-ловостi. Статистичш моделi VAR та GARCH використовуються для розрахунку ризикiв iнвестування в конкретш проекти, наприклад монетарне стимулювання впро-вадження передових технологiй смарт-промислового розвитку. Вони можуть бути ко-рисними для побудови стратегш швесту-вання, проте не враховують, як саме рiвень технологiчного розвитку впливае на швес-тицiйний портфель i не вiдображають його залежност вiд iнших економiчних показни-юв компанiï. Окрiм того, в межах цих моделей ускладненим е визначення впливу таких окремих iнвестицiйних проекпв розвитку передових технологiй на галузевi чи загаль-нонацiональнi економiчнi показники, що перешкоджае 1'х застосуванню в процес мо-делювання складових системи фшансово-економiчного стимулювання впровадження передових технологш смарт-промислового розвитку. Отже, даш моделi (як i методи ощнювання ефективностi окремих фшан-сово-економiчних стимулiв щодо впровадження передових технологш CBA, ROI, NPV тощо) можливо використовувати лише частково при розробленш швестицшних стратегiй, наприклад, окремих промислових пiдприемств щодо впровадження тих чи ш-ших передових технологiй.
Для моделювання складових системи фiнансово-економiчного стимулювання впровадження передових технологiй смарт-промислового розвитку на нацюнальному рiвнi найбiльш прийнятними до використання е загальноекономiчнi моделi: Кобба-Дугласа, Солоу, AD-AS, Самуельсона-Хiкса та ш Так, у моделi AD-AS рiвень техноло-гiчного розвитку впливае на рiвень сукупно1 пропозици, а фюкальш стимули врахову-ються в рiвнi сукупного попиту. Призна-чення ще1 моделi - знайти точку балансу мiж попитом i пропозицiею на ринку, тому вона може використовуватися для ощнювання залежност впливу фюкальних стиму-лiв i пщвищення рiвня передових техноло-гiй у смарт-виробнищта. Модель Самуель-сона-Хiкса вщображае залежнiсть рiвня ви-робництва вщ iнвестицiйного попиту та р> вня споживання i часто використовуеться для ощнювання впливу монетарних стиму-лiв, але не враховуе в розрахунках вплив рiвня технологiчного прогресу на обсяг ви-робництва. Тому для моделювання систе-ми фiнансово-економiчного стимулювання впровадження передових технологш смарт-промислового розвитку вона потребуе сут-тево1 модифжацн. Модель Солоу мае певш обмеження щодо використання в межах мо-делювання системи фiнансово-економiч-ного стимулювання впровадження передо-вих технологш смарт-промислового розвитку, пов'язаш iз завданням параметрiв но-рми заощаджень i темпiв науково-технiч-ного прогресу екзогенно, що суттево обме-жуе И практичне застосування для ощнювання впливу розглянутих фшансово-еко-номiчних стимулiв (фiскальних i монетарних). Модель Кобба-Дугласа е однiею з ос-новних економiко-математичних моделей, якi використовуються для аналiзу залежно-стi мiж виробництвом i введенням нових технологш на нацюнальному рiвнi. У деяких дослщженнях висунуто гiпотезу про ефек-тивнiсть використання моделi Кобба-Дугласа для модифжаци та введення фактора
- Економжа npoMucnoeocmi Economy of Industry
цифровiзацi!, що було б ефективним для мо-делювання системи фiнансово-економiч-ного стимулювання впровадження передо-вих технологш смарт-промислового розви-тку. Той факт, що модель дозволяе викори-стовувати розрахунки для вибору важелiв впливу на динам^ виробництва, е дуже зручним для !! застосування у процес побу-дови сценарпв економiчного розвитку з ура-хуванням розглянутих фiнансово-економiч-них стимулiв, якi можуть вводитись у модель у виглядi важелiв впливу на вщповщш фактори. Бiльше того, ця функщя неодноразово пiдтвердила свою надшшсть при дов-гостроковому прогнозуваннi зростання еко-номiк кра!н свiту й окремих галузей зале-жно вщ рiзних сценарпв використання працi, швестицш, технологiй та рiзноманiт-них шших факторiв, якi часто додаються у процес !! модифiкацiй.
Таким чином, використання моделей, що оцшюють вплив упровадження окремих фiнансово-економiчних стимулiв на розви-ток пiдприемств чи галузей, е дуже трудомь стким для визначення загального впливу на економ^. Такi моделi можуть потребувати значно! модифiкацi! для розгляду окремих стимулiв, введення додаткових факторiв, а також значного нагромадження змiнних при зведенш результатiв розрахункiв для оцiнювання загального впливу на еконо-мiку. Проте вони можуть використовува-тись як допомiжнi моделi для промiжних розрахунюв щодо певних напрямiв стиму-лювання впровадження передових техноло-гш смарт-промислового розвитку.
Модифiкована модель Кобба-Дугласа з урахуванням фактора цифровiзацi! може бути використана для моделювання складо-вих системи фiнансово-економiчного стимулювання розвитку смарт-промисловоси, вiдображаючи залежнiсть обсягу виробництва вщ упровадження передових смарт-тех-нологiй. Вона е техшчно зручною для дов-гострокових розрахунюв, яких потребують сценари розвитку нащонально! промисло-востi в разi необхщност оцiнювання впливу
впровадження тих чи шших фшансово-еко-номiчних стимулiв смарт-промислового розвитку.
Перспективним напрямом дослщжень е оцiнювання впливу розглянутих фшан-сово-економiчних стимулiв щодо впровадження передових технологш на розвиток нащонально! промисловост з використан-ням модифшовано! моделi Кобба-Дугласа.
Л1тература
Амоша О.1., Харазiшвiлi Ю.М., Ляшенко В.1. (2018). Модершзащя економiки промис-лових репошв Укра!ни в умовах децент-ралiзацi! управлiння: монографiя. Ки!в: НАН Укра!ни, 1нститут економiки про-мисловостi. 300 с. URL: https://iie.org. ua/ wp-content/uploads/2019/08/mono_2018_ amosha_kharazishvili_liashenko_compres sed.pdf (дата звернення: 11.04.2023). Верховна Рада Укра!ни (2005). Про держав-не замовлення для задоволення прюрите-тних державних потреб: Закон Укра!ни вiд 15.12.2005 р. № 3205-IV. URL: URL: https://ips.ligazakon.net/document/view/t0 53205?ed=2005_12_15&an=405 (дата звернення: 17.04.2023). Вишневський В.П., Квшнсю А. (2019). Мо-нетарнi механiзми стимулювання еко-номжи в розвинених кра!нах: анал^ич-ний огляд. Економта промисловост1. № 1 (85). C. 30-50. DOI: http://doi.org/10. 15407/econindustry2019.01.030 Вишневський В.П., Bie^ra О.В., Bie^-кий О.А., Воргач О.А., Гаркушенко О.М., Дасiв А.Ф., Зашздра М.Ю., Збаразсь-ка Л.О., Князев С.1., Кравченко С.1., Лип-ницький Д.В., Мадих А.А., Мазур Ю.О., Июфорова В.А., Охтень О.О., Соколов-ська О.В., Турлакова С.С., Чекша В.Д., Шевцова Г.З., Щетiлова Т.В. (2019). Смарт-промисловшть: напрями станов-лення, проблеми i рiшення: монографiя / за ред. В.П. Вишневського; НАН Укра-!ни, 1н-т економiки пром-стг Ки!в. 464 с. Вишневський В.П., Bie^ra О.В., Гаркушенко О.М., Князев С.1., Лях О.В., Чекша В.Д.,
Череватський Д.Ю. (2018). Смарт-про-миcловicть в епоху цифрово! економiки: перспективи, напрями i механiзми розви-тку: монографiя / за ред. В.П. Вишневсь-кого; Ки!в: НАН Укра!ни, 1н-т економiки пром-cтi, 192 с.
Вишневський В.П., Гаркушенко О.М., Князев С.1., Липницький Д.В., Чекiна В.Д. (2020). Цифровiзацiя економiки Укра!ни: трансформацшний потенцiал: моногра-фiя / за ред. В.П. Вишневського, С.1. Князева; НАН Укра!ни, 1н-т економши пром-cтi. Ки!в: Академперiодика. 188 с.
Вишневський В.П., Даав А.Ф., Охтень О.О., Турлакова С.С. (2022). 1ндус^альне май-бутне Укра!ни: передбачення методами математичного моделювання / пщ ред. В.П. Вишневського. Ки!в: НАН Укра!ни, 1н-т економiки пром-cri. 120 с. URL: https://iie.org.ua/wp-content/uploads/appli cation/pdf/mono_2022-1_compressed.pdf (дата звернення: 11.04.2023).
Геець В.М. (2022). Сощальна реальнicть у цифровому простора Економжа Украгни. № 1. С. 03-28. DOI: 10.15407/economy ukr.2022.01.003
Зв^ незалежного аудитора й фшансова зв> тнicть ТОВ «Ернст енд Янг» за 2020 рiк. Ernst & Young Global Limited. URL: https://assets.ey.com/content/dam/ey-sites/ ey-com/en_ua/generic/fs-and-year-end-reports/fc-audit-report-ey-llc-2020.pdf (дата звернення: 20.03.2023).
Кизим М.О., 1ванов Ю.Б., Хаустова В.£. та ш. (2020). Мехатзм державног тдтрим-ки реконструкцп промисловост1 Украг-ни / за ред. М.О. Кизима; Харюв: ФОП Л.М. Лiбyркiна. 360 с.
Кондрашов О. (2002). Основш напрями та прiоритети шновацшно! дiяльноcтi в промиcловоcтi Укра!ни. Ки!в: Науковий cвiт. 29 с.
Крайник О.П. (2020). Фшансове стимулю-вання розвитку територiально! громади. Ефективтсть державного управлтня. № 62. DOI: https://doi.org/10.33990/2070-4011.62.2020.205832
Маслш В В., Березька К.М. (2017). B^ip та оцiнка ARIMA-моделi для прогнозуван-ня обсягiв прямих iноземних iнвестицiй. Науковий в1сник Мгжнародного гумат-тарного утверситету. Сер1я: Економжа i менеджмент. Вип. 24(2). С. 115-119. URL: http://vestnik-econom.mgu.od.ua/ journal/2017/24-2-2017/26.pdf Мшфш (2020). Валовий внутpiшнiй продукт. URL: https://index.minfin.com.ua/ ua/economy/gdp/2020/ (дата звернення: 20.03.2023). Онешко С., Кустовська О., Яциювський Б., Пащук Л., Булькот О., Чинчик А. (2022). Цифрова тpансфоpмацiя державного уп-pавлiння pегiональною економiкою Ук-ра'ни в умовах пандемп COVID-19: зару-бiжний досвiд, укpаiнськi реалп. Фшан-сово-кредитна дiяльнiсть: проблеми те-орп та практики. Т. 3 (44). С. 298-307. DOI: https://doi.org/10.55643/fcaptp. 3.44.2022.3781 Рева Д. (2015). Актуальш питання податко-вого стимулювання. Право та iнновацií. № 3 (11). URL: http://ndipzir.org.ua/wp-content/uploads/2015/09/Reva11.pdf (дата звернення: 20.03.2023). Хаpазiшвiлi Ю.М. (2018). Оцiнка внеску на-уково-технолопчного прогресу в еконо-мiчне зростання промислових pегiонiв Укpаiни. Економжа промисловостi. № 3 (83). С. 5-20. DOI: http://doi.org/10. 15407/econindustry2018.03.005 Харазшвш Ю.М., Ляшенко В.1. (2021). Урахування iнновацiйних фактоpiв еко-номiчного зростання у виробничш функ-цп Кобба-Дугласа (на пpикладi старо-промислових репошв Укра'ни). Економжа промисловостi. № 1 (93). С. 5-19. DOI: http://doi.org/10.15407/econindustry 2021.01.005 Шумська С. (2015). Монетарна пол^ика та вщновлення економiчного зростання в Укра'ш. Економжа та прогнозування. № 3. C. 21-41. DOI: 10.15407/eip2015.03. 021
- Економжа промисловостi Economy of Industry
Appelt S., Galindo-Rueda F., Cabral A.G. (2019). Measuring R&D tax support: Findings from the new OECD R&D Tax Incentives Database. OECD Science, Technology and Industry Working Papers. No. 06. Paris: OECD Publishing. 69 p. DOI: https://doi.org/10. 1787/d16e6072-en Berg A., Karam P., Laxton D. (2006). Practical Model-Based Monetary Policy Analysis - A How-To Guide. IMF Working Paper, 06/81. URL: https://www.imf.org/external/pubs/ ft/wp/2006/wp0681.pdf (дата звернення: 20.03.2023). Deloitte (2015). The future of manufacturing: Making things in a changing world. Deloitte University Press. 49 p. Douglas P. (1976) The Cobb-Douglas Production Function Once Again: Its History, Its Testing, and Some New Empirical Values. The Journal of Political Economy. Vol. 5 (84). P. 903-916. DOI: http://dx.doi. org/10.1086/260489 Durlauf S.N., Kourtellos A., Minkin A. (2001). The local Solow growth model. European Economic Review. Vol. 45(4-6). P. 928-940. DOI: https://doi.org/10.1016/S0014-
2921(01)00110-8 Dutt A. K. (2006). Aggregate demand, aggregate supply and economic growth. International Review of Applied Economics. Vol. 20(3). P. 319-336. DOI: https://doi.org/ 10.1080/02692170600731338 EYGlobal (2021). Worldwide R&D Incentives Reference Guide. Tax and Law Guides Series. 496 p.
Gali J., Monacelli T. (2005). Monetary Policy and Exchange Rate Volatility in a Small Open Economy. URL: http://www.crei.cat/ wp-content/uploads/users/pages/roes8739. pdf (дата звернення 20.03.2023). Giordano R., Momigliano S., Neri S., Perotti R. (2007). The effects of fiscal policy in Italy: Evidence from a VAR model. European Journal of Political Economy. Vol. 23(3). P. 707-733. Hutschenreiter G., Weber J., Rammer C. (2019). Innovation support in the enterprise sector:
Industry and SMEs. OECD Science, Technology and Industry Policy Papers. No. 82. Paris: OECD Publishing. DOI: 10.1787/ 4ffb2cbc-en
International Monetary Fund (2022). Global Financial Stability Report - Navigating the High-Inflation Environment. Global Financial Stability Report No. 002. Washington, DC, October. 111 p. URL: https://www.imf. org/en/Publications/GFSR/Issues/2022/10/ 11/global-financial-stability-report-octo-ber-2022 (дата звернення: 20.03.2023).
International Monetary Fund (2022). Fiscal Monitor: Helping People Bounce Back. Washington, DC: IMF, October. 100 p. URL: https://www.imf.org/-/media/Files/ Publications/fiscal-monitor/2022/October/ English/text.ashx (дата звернення: 20.03. 2023).
Kose M., Nagle P., Ohnsorge, F., Sugawara, N. (2019). Global Waves of Debt: Causes and Consequences. World Bank Group. URL: http://pubdocs.worldbank.org/en/2790315 77823091771/Global-Waves-of-Debt-full-report.pdf (дата звернення: 20.03.2023).
Laurent S., Rombouts J. V., Violante F. (2012). On the forecasting accuracy of multivariate GARCH models. Journal of Applied Econometrics. Vol. 27(6). P. 934-955.
Lin J.Y. (2013). From flying geese to leading dragons: New opportunities and strategies for structural transformation in developing countries. The Industrial Policy Revolution II. London: Palgrave Macmill. Р. 50-70.
Mao L.C., Han Y. (2014). A modified Cobb-Douglas production function model and its application. IMA Journal of Management Mathematics. Vol. 25(3). P. 353-365. DOI: https://doi.org/10.1093/imaman/dpt012
McKinsey Global Institute (2017). A future that works: automation, employment, and productivity. McKinsey & Company, December. 135 p.
OECD (2020). The effects of R&D tax incentives and their role in the innovation policy mix: Findings from the OECD microBeRD
project, 2016-19. OECD Science, Technology and Industry Policy Papers. No. 92. Paris: OECD Publishing. DOI: 10.1787/ 65234003-en
Results of the 1st year of National strategy «Industry 4.0 in Ukraine». The APPAU Executive management. URL: https://indust ry4-0-ukraine.com.ua/results-1st-year-eng/ (дата звернення: 20.03.2023).
Rodrik D. (2014). Green industrial policy. Oxford Review of Economic Policy. Vol. 30 (3). Р. 469-491. DOI: https://doi.org/10.1093/ oxrep/gru025
Rodrik D. (2018). New Technologies, Global Value Chains, and the Developing Economies. Pathways for Prosperity Commission Background Paper Series. No. 1. Oxford. United Kingdom. 27 p.
Schwab К. (2016). The Fourth Industrial Revolution: what it means, how to respond. URL: https://www.weforum.org/agenda/ 2016/01/the-fourth-industrial-revolution-what-it-means-and-how-to-respond/ (дата звернення: 15.03.2023).
Solow R. (1956). A Contribution to the Theory of Economic Growth. The Quarterly Journal of Economics. Vol. 70 (1). P. 65-94.
Stiglitz J. E., Lin J. Y., Patel E. (Ed.) (2013). The industrial policy revolution I: The role of government beyond ideology. New York: Palgrave Macmillan. P. 1-15.
WEF (2012). The Future of Manufacturing. Opportunities to drive economic growth. A World Economic Forum Report in collaboration with Deloitte Touche Tohmatsu Limited. Cologny/Geneva Switzerland. 83 p.
Westerhoff, F.H. (2006). Samuelson's multiplier-accelerator model revisited. Applied Economics Letters. Vol. 13(2). P. 89-92. DOI: https://doi.org/10.1080/13504850500 425685
Yao J. S., Chen M. S., Lin H. W. (2005). Valuation by using a fuzzy discounted cash flow model. Expert Systems with Applications. Vol. 28(2). P. 209-222. DOI: https://doi.org/10.1016/j.eswa.2004.08.014
Reference
Amosha, O., Kharazishvili, Yu., & Lyashen-ko, V. (2018). Modernisation of the economy of industrial regions of Ukraine in the conditions of decentralisation of management: a monograph. Kyiv: NAS of Ukraine, Institute of Industrial Economics. Retrieved from https://iie.org.ua/wp-content/uploads/ 2019/08/mono2018_amosha_kharazish-vili_liashenko_compressed.pdf [in Ukrainian].
Verkhovna Rada of Ukraine (2005). Law of Ukraine: On State Order to Meet Priority State Needs of December 15, № 3205-IV). Retrieved from https://ips.ligazakon.net/ document/view/t053205?ed=2005_12_15& an=405 [in Ukrainian].
Vishnevsky, V.P., & Kwilinski, A. (2019). Monetary mechanisms of an economy stimulation in developed countries: an analytical review. Econ. promisl., 1 (85), pp. 30-50. DOI: http://doi.org/10.15407/econindustry 2019.01.030 [in Ukrainian].
Vyshnevsky, V.P., Viyetska, O.V., Viyetskyi, O.A., Vorgach, O.A., Garkushenko, O.M., Da-siv, A.F., Zanizdra, M.Yu., Zbarazska, L.O., Kniazev, S.I., Kravchenko, S.I., Lipnyts-kyi, D.V., Madykh, A.A., Mazur, Yu.O., Nikiforova, V.A., Okhten, O.O., So-kolovska, O.V., Turlakova, S.S., Cheki-na, V.D., Shevtsova, G.Z., & Shchetilo-va, T.V. (2019). Smart industry: directions of formation, problems and solutions: monograph. In V.P. Vyshnevsky (Ed.). Kyiv: NAS of Ukraine, Institute of Industrial Economics [in Ukrainian].
Vyshnevsky, V.P., Viyetska, O.V., Garkushenko, O.M., Knyazev, S.I., Lyakh, O.V., Chekina, V.D., & Cherevatskyi, D.Yu. (2018). Smart industry in the era of digital economy: prospects, directions and mechanisms of development: monograph. In V.P. Vyshnevsky (Ed.). Kyiv: NAS of Ukraine, Institute of Industrial Economics [in Ukrainian].
- Екoнoмiкa npoмucлoвocmi ^^ Economy of Industry
Vishnevsky, V.P., Garkushenko, O.M., Knya-zev, S.I., Lypnytskyi, D.V., & Chekina, V.D. (2020). Digitalization of the Ukrainian economy: Transformational potential. In V.P. Vishnevsky, S.I. Knyazev (Eds.). National Academy of Sciences of Ukraine, Institute for Industrial Economics. Kyiv: Academperiodika. DOI: https://doi.org/10. 15407/akademperiodyka.398.188 [in Ukrainian].
Vyshnevsky, V.P., Dasiv, A.F., Okhten, O.O., & Turlakova, S.S. (2022). Industrial Future of Ukraine: Prediction by Mathematical Modelling. In V.P. Vyshnevsky (Ed.). Kyiv: NAS of Ukraine, Institute of Industrial Economics. Retrieved from https://iie.org.ua/ wp-content/uploads/application/pdf/mono_ 2022-1_compressed.pdf [in Ukrainian].
Heets, V.M. (2022). Social reality in the digital space. Economika Ukrainy, 1, pp. 03-28. DOI: 10.15407/economyukr.2022.01.003
Independent auditor's report and financial statements of Ernst & Young LLC for 2020. Ernst & Young Global Limited. Retrieved from https://assets.ey.com/content/dam/ey-sites/ey-com/en_ua/generic/fs-and-year-end-reports/fc-audit-report-ey-llc-2020.pdf [in Ukrainian].
Kyzym, M.O., Ivanov, Yu.B., Haustova, V.E. etc. (2020). Mechanism of state support for the reconstruction of Ukrainian industry. In M.O. Kyzym (Ed ). Kharkiv: FOP L.M. Li-burkina
Kondrashov, O. (2002). The main directions and priorities of innovation activity in the industry of Ukraine. Kyiv: Naukovyi svit [in Ukrainian].
Kraynik, O.P. (2020). Financial incentives for the development of the territorial community. Efektyvnist derzhavnoho upravlinnia, (62). DOI: https://doi.org/10.33990/2070-4011.62.2020.205832 [in Ukrainian].
Maslii, V.V., Berezka, K M. (2017). Selection and assessment of the ARIMA model for forecasting the volume of foreign direct investments. Naukovyi visnykMizhnarodnoho humanitarnoho universytetu. Seriya:
Ekonomika i menedzhment, 24(2), pp. 115119. Retrieved from http://vestnik-econom. mgu.od.ua/journal/2017/24-2-2017/26.pdf [in Ukrainian].
Ministry of Finance (2020). Gross domestic product. Retrieved from https://index.min-fin.com.ua/ua/economy/gdp/2020/ [in Ukrainian].
Oneshko, S., Kustovska, O., Yatsykivskyi, B., Pashchuk, L., Bulkot, O., & Chynchyk, A. (2022). Digital transformation of public administration of the regional economy of Ukraine in the context of the COVID-19 pandemic: foreign experience, Ukrainian realities. Finansovo-kredytna diialnist: prob-lemy teorii tapraktyky., 3 (44), pp. 298-307. DOI: https://doi.org/10.55643/fcaptp3.44. 2022.3781 [in Ukrainian].
Reva, D. (2015). Topical issues of tax incentives. Law and Innovation, 3 (11). Retrieved from http://ndipzir.org.ua/wp-content/ up-loads/2015/09/Reva11.pdf [in Ukrainian].
Kharazishvili, Yu.M. (2018). Evaluation of the contribution of scientific and technological progress in the economic growth of industrial regions of Ukraine. Econ. promisl., 3 (83), pp. 5-20. DOI: http://doi.org/10. 15407/econindustry2018.03.005 [in Ukrainian].
Kharazishvili, Yu.M., & Lyashenko, V. I. (2021). Accounting for innovative factors of economic growth in the production function of Cobb-Douglas (on the example of old industrial regions of Ukraine). Econ. promisl., 1 (93), pp. 5-19. DOI: http://doi.org/10. 15407/econindustry2021.01.005 [in Ukrainian].
Shumska, S. (2015). Monetary policy and the resumption of economic growth in Ukraine. Ekonomika ta prohnozuvannya, 3, pp. 2141. DOI: 10.15407/eip2015.03.021 [in Ukrainian].
Appelt, S., Galindo-Rueda, F., & Cabral, A.G. (2019). Measuring R&D tax support: Findings from the new OECD R&D Tax Incentives Database. OECD Science, Technology and Industry Working Papers,
No. 2019/06. Paris: OECD Publishing. DOI: https://doi.org/10.1787/d16e6072-en Berg, A., Karam, P., & Laxton, D. (2006). Practical Model-Based Monetary Policy Analysis - A How-To Guide. IMF Working Paper, 06/81. Retrieved from https://www.imf.org/external/pubs/ft/wp/ 2006/wp0681.pdf Deloitte (2015). The future of manufacturing: Making things in a changing world. Deloitte University Press. Douglas P. (1976). The Cobb-Douglas Production Function Once Again: Its History, Its Testing, and Some New Empirical Values. The Journal of Political Economy, 5 (84), pp. 903-916. DOI: http://dx.doi.org/10. 1086/260489 Durlauf, S. N., Kourtellos, A., & Minkin, A. (2001). The local Solow growth model. European Economic Review, 45(4-6), pp. 928-940. DOI: https://doi.org/10.1016/ S0014-2921(01) 00110-8 Dutt, A.K. (2006). Aggregate demand, aggregate supply and economic growth. International Review of Applied Economics, 20(3), pp. 319-336. DOI: https://doi.org/10.1080/ 02692170600731338 EYGlobal (2021). Worldwide R&D Incentives Reference Guide. Tax and Law Guides Series.
Gali, J., & Monacelli, T. (2005). Monetary Policy and Exchange Rate Volatility in a Small Open Economy. Retrieved from http://www.crei.cat/wp-content/uploads/us-ers/pages/roes8739.pdf Giordano, R., Momigliano, S., Neri, S., & Perotti, R. (2007). The effects of fiscal policy in Italy: Evidence from a VAR model. European Journal of Political Economy, 23(3), pp.707-733. Hutschenreiter, G., Weber, J., & Rammer, C. (2019). Innovation support in the enterprise sector: Industry and SMEs. OECD Science. Technology and Industry Policy Papers, No. 82. Paris: OECD Publishing. DOI: 10.1787/4ffb2cbc-en.
International Monetary Fund (2022). Fiscal monitoring: helping people recover. Washington, DC: IMF, October. Retrieved from https://www.imf.org/-/media/Files/Publicati ons/fiscal-monitor/2022/October/English/ text.ashx
International Monetary Fund (2022). Global Financial Stability Report - Navigating the High-Inflation Environment. Global Financial Stability Report No 2022/002. Washington, DC, October. Retrieved from https://www.imf.org/en/Publications/GFSR/ Issues/2022/10/11/global-financial-stabil-ity-report-october-2022 Kose, M., Nagle, P., Ohnsorge, F., & Sugawa-ra, N. (2019). Global Waves of Debt: Causes and Consequences. World Bank Group. Retrieved from http://pubdocs.worldbank. org/en/279031577823091771/Global-Waves-of-Debt-full-report.pdf Laurent, S., Rombouts, J.V., & Violante, F. (2012). On the forecasting accuracy of multivariate GARCH models. Journal of Applied Econometrics, 27(6), pp. 934-955. Lin, J.Y. (2013). From flying geese to leading dragons: New opportunities and strategies for structural transformation in developing countries. The Industrial Policy Revolution II (pp. 50-70.). London: Palgrave Macmill. Mao, L. C., & Han, Y. (2014). A modified Cobb-Douglas production function model and its application. IMA Journal of Management Mathematics, 25(3), pp. 353-365. DOI: https://doi.org/10.1093/imaman/dpt012 McKinsey Global Institute (2017). A future that works: automation, employment, and productivity. McKinsey & Company, December.
OECD (2020). The effects of R&D tax incentives and their role in the innovation policy mix: Findings from the OECD microBeRD project, 2016-19. OECD Science, Technology and Industry Policy Papers, No. 92. Paris: OECD Publishing. DOI: 10.1787/ 65234003-en
- EKOHOMiKa npoMucnoeocmi ^^ Economy of Industry
Results of the 1st year of National strategy «Industry 4.0 in Ukraine». The APPAU Executive management. Retrieved from https://industry4-0-ukraine.com.ua/results-1st-year-eng/ Rodrik, D. (2014). Green industrial policy. Oxford Review of Economic Policy, 30 (3), pp. 469-491. DOI: https://doi.org/10.1093/ oxrep/gru025 Rodrik, D. (2018). New Technologies, Global Value Chains, and the Developing Economies. Pathways for Prosperity Commission Background Paper Series, 1. Oxford. United Kingdom. Schwab, K. (2016). The Fourth Industrial Revolution: what it means, how to respond. Retrieved from https://www.weforum. org/ agenda/2016/01/the-fourth-industri al-revolution-what-it-means-and-how-to-re-spond/
Solow R. (1956). A Contribution to the Theory of Economic Growth. The Quarterly Journal of Economics, 70 (1), pp. 65-94. Stiglitz, JE., Lin, J.Y., & Patel, E. (eds.) (2013). The industrial policy revolution I: The role of government beyond ideology. pp. 1-15. New York: Palgrave Macmillan. WEF (2012). The Future of Manufacturing. Opportunities to drive economic growth. A World Economic Forum Report in collaboration with Deloitte Touche Tohmatsu Limited. Cologny/Geneva Switzerland. Westerhoff, F.H. (2006). Samuelson's multiplier-accelerator model revisited. Applied Economics Letters, 13(2), pp. 89-92. DOI: https://doi.org/10.1080/13504850500425685 Yao, J. S., Chen, M. S., & Lin, H. W. (2005). Valuation by using a fuzzy discounted cash flow model. Expert Systems with Applications, 28(2), pp. 209-222. DOI: https://doi.org/10.1016/j.eswa.2004.08.014
Svitlana S. Turlakova,
Doctor of Economics, Docent
Institute of Industrial Economics of NAS of Ukraine, 2 Maria Kapnist Street, Kyiv, 03057, Ukraine E-mail: [email protected] https://orcid.org/0000-0002-3954-8503;
Yana M. Shumilo, PhD of Economy
Institute of Industrial Economics of NAS of Ukraine, 2 Maria Kapnist Street, Kyiv, 03057, Ukraine E-mail: [email protected] https://orcid.org/0000-0001-7726-4037;
Bohdan I. Logvinenko, PhD
Institute of Industrial Economics of NAS of Ukraine, 2 Maria Kapnist Street, Kyiv, 03057, Ukraine E-mail: [email protected] https://orcid.org/0000-0002-7956-2916
FEATURES OF MODELLING THE COMPONENTS OF THE FINANCIAL AND ECONOMIC STIMULATION SYSTEM OF THE ADVANCED TECHNOLOGIES' INTRODUCTION OF SMART INDUSTRIAL DEVELOPMENT
The introduction of advanced technologies by the Industry 4.0 phase at national enterprises is in the initial stages and requires economic support from the state. The system of financial and economic stimulation for the introduction of advanced technologies for smart-industrial development should combine monetary (monetary and credit) and fiscal (tax and budget) incentives. To
ensure the validity and optimality of the choice of the list of such measures, it is relevant to build scenarios for the development of national industry using economic and mathematical modelling tools that allow assessing the impact of the identified incentives on the overall economic growth indicators.
An analysis of the models by areas of incentives aimed at studying the impact of incentives on the economic performance of enterprises, industry or the overall economy of the States is carried out. The advantages and disadvantages of the DCF, VAR and GARCH models are outlined, which, along with the methods for assessing the effectiveness of individual incentives CBA, ROI, NPV, etc., may require modification to consider individual incentives, the introduction of additional factors and the accumulation of variables to assess the overall impact on the economy. Therefore, they are labour-intensive for solving the outlined problems, but can be used for intermediate calculations for certain incentive areas. For modelling the components of the financial and economic stimulation system at the national level, the most appropriate models are general economic models (Cobb-Douglas model, Solow model, AD-AS model, Samuelson-Hicks model, etc.). The modified Cobb-Douglas model, taking into account the digitalisation factor, reflects the dependence of production on the introduction of advanced smart technologies, has a number of advantages over other models and is technically convenient for long-term calculations, which is required for national industry development scenarios to assess the impact of the introduction of financial and economic stimulation for industrial development. Promising areas of research are outlined.
Keywords: Industry 4.0, smart-industry, financial and economic stimulation, economic and mathematical modelling, advanced technologies, industrial development.
JEL: O31, O33, O38, G31, G32, C51
OopMam циmуeaннн:
TypnaKOBa C. C., fflyMi.no .H. M., .orBiHeHKO E. I. (2023). Oco6nHBOcri MogenroBaHHa
CKnagoBHx CHCTeMH ^rnaHCOBO-eKOHOMinHoro CTHMynroBaHHa BnpoBag^eHHa nepegoBHx TexHO-norm CMapT-npoMHonoBoro po3BHTKy. EKOHOMiKa npoMUcnoeocmi. № 2 (102). C. 24-46. DOI: http://doi.org/10.15407/econindustry2023.02.024
Turlakova, S. S., Shumilo, Ya. M., & Logvinenko, B. I. (2023). Features of modelling the components of the financial and economic stimulation system of the advanced technologies' introduction of smart industrial development. Econ. promisl., 2 (102), pp. 24-46. DOI: http://doi.org/10.15407/econindustry2023.02.024
Hadiumna do pedaKy,ii 02.05.2023 p.
- EKonoMiKa npoMUcnoeocmi ^^ Economy of Industry
