Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

IMPLEMENTATION OF MULTI-AGENT MODEL «START-UP – CORPORATION – INVESTOR AND STATE»

Titov V.A. 1 Veynberg R.R. 1 Savinova V.M. 1
1 Plekhanov Russian University of Economics
The article developed a model of a multi-agent system with formalization of agent classes, parameters and algorithms of individual behavior ofspecific type agents: «startup», «venture investor», «corporation» and description of their relationships. The model allows formalizing investment mutual relations of subjects of the innovative entrepreneurshipmarket. Unlike other models, this model includes a space-time component that simulates spread of innovations in space and time due to the random migration of agents. The practical significance of the study is to develop a set of recommendations during the simulation, which can be used to study the behavior of the innovation ecosystem by state authorities when creating concept of innovative development for long-term period. The article will be interesting to university teachers, postgraduate students and all interested in modeling of dynamic economic systems.
multi-agent model
model «Predator – Pray»
investor
state
corporation
agents
simulation

Одной из задач экономического развития региона является увеличение доли малого инновационного предпринимательства. Однако, независимо от того, насколько инновационные идеи или технологии выводятся на рынок, выживаемость стартапов в настоящее время невысока. Одними из ключевых проблем являются отсутствие необходимого объема капитала и отсутствие практического опыта ведения бизнеса.

Для успешного ведения бизнеса в современной экономике предприятиям необходимо наращивать конкурентные преимущества на рынке. Для достижения данной цели существует необходимость использования новых технологий и инновационных решений. Однако процесс вывода на рынок инновационной идеи или технологии сопровождается рядом негативных факторов, которые могут привести к снижению темпов, а затем и к остановке ее развития.

В связи с этим возникла идея создания имитационной модели «стартап – инвестор – корпорация». В рамках представленной модели были выделены основные показатели, которые являются регуляторами исследуемой среды. Они воздействуют на ее поведение в зависимости от изменения этих параметров. Были изучены различные методы максимизации и минимизации целевых функций, каждый из которых обладает рядом различных преимуществ. Из приведенных методов для каждого региона может быть выбран наиболее эффективный с учетом сложившихся условий на рынке, в том числе, с учетом объема необходимых ресурсов.

В настоящее время разработан программный продукт, который реализует описанную выше имитационную модель «стартап – инвестор – корпорация» [1]. Данное программное обеспечение позволяет задавать критерии для каждого типа агента, а также глобальные параметры самой модели (рис. 1).

tit1.tifРис. 1. Задание значений параметров разработанной модели

В результате работы представленной программной среды существует возможность рассмотрения взаимодействия всех категорий агентов: их случайное перемещение в «поле жизни», «поле зрения» инвесторов, процесс инвестирования, поглощения одной компании другой, процесс первичного размещения акций компаний на фондовой бирже [2]. Корпорации обозначены на диаграмме имитационной модели в виде квадратов розового цвета, бизнес-ангелы – синего, «стартапы» – круги зеленого цвета (на этапе семени), круги синего цвета (получившие «посевные» инвестиции или инвестиции 2-го раунда от «ангелов» и венчурных фондов) и красные круги (получившие инвестиции 3-го раунда от «корпораций») [3]. В случае первичного размещения акций на фондовой бирже агенты «стартапы» переходят в класс «корпорация» и принимают вид розового квадрата, а в случае поглощения – переходят в состав корпорации, сами при этом уничтожаясь [4]. Взаимодействие данных агентов представлено в виде анимации (рис. 2).

Основные показатели модели наглядно представлены в виде графиков, что позволяет проводить многогранный анализ результатов моделирования (рис. 3): популяции агентов, совокупный капитал каждого вида агента, сумма налоговых сборов с «корпораций» и «стартапов» в каждом периоде, количество инвестиций ангелов, корпораций, поглощений и первичных размещений акций за каждый период, а также количество умерших «стартапов» за период, обладавших положительным инновационным потенциалом, но не получивших инвестиции.

Были подобраны параметры, которые могут регулироваться в реальной экономике с позиции государства. Это позволит найти наиболее эффективный характер поведения представленной стохастической модели (таблица).

Настраиваемые показатели модели

Показатель

Переменная в модели

Налоговая ставка для «стартапов»

TS

Налоговая ставка для корпораций

TC

Интенсивность прироста «стартапов»

Θ

Дотационная ставка

Dn

Поле видения инвесторов

R

 

tit2.tif

Рис. 2. Демонстрация анимации имитационной модели

tit3.tif

Рис. 3. Графический вывод результатов взаимодействия агентов

Также были приведены показатели, которые представляли собой целевую функцю:

1) накопленные налоги за все периоды моделирования (максимизировать) – Taxsum;

2) средний объем совокупного капитала корпораций и «стартапов» за каждый период (максимизировать) – CapSmean и CapСmean;

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

На основе данной модели был проведен ряд экспериментов, в каждом из которых были заданы различные параметры, при этом количество периодов составляло 120, где длительность каждого периода составляла 1 месяц. В рамках компьютерного эксперимента было проведено по 5 репликаций с одинаковыми значениями параметров для каждого режима, чтобы учесть наличие в модели большого числа случайных вероятностных событий.

Гистограмма, представленная на рис. 4, наглядно демонстрирует результаты эксперимента.

Из рис. 4 можно сделать вывод о том, что результаты расчетов целевых функций различны в зависимости от типа вмешательства в виртуальную экономическую систему.

Было получено, что результаты расчетов модели инновационной экосистемы с каждой новой итерацией улучшались в зависимости от изменений параметров-регуляторов, которые были представлены ранее в таблице. Из приведенных результатов можно сделать вывод о том, что различные методы позволяют получить более эффективные значения каждой целевой функции:

а) вследствие прироста стартапов в каждом периоде с 6 % до 18 % значение прироста накопленных налогов за 120 периодов моделирования;

б) дифференциация налоговой ставки: для стартапов снижена с 15 % до 10 % и для корпораций увеличена с 20 % до 25 %. Вдобавок прирост совокупного капитала корпораций составил 13 %, т.е. было достигнуто малозначительное увеличение данного показателя, однако при первоначальных настройках модели уровень накопленных налогов оказался выше;

в) при увеличении дотационной ставки для стартапов: несмотря на то, что бюджетные ассигнования для стартапов были увеличены в 7 раз, превышение накопленного уровня налога над изначальной суммой составило 8 %, совокупного капитала корпораций – 28 %, совокупного капитала стартапов – 57 % при одинаковом количестве смертей;

г) при введении центра координации стартапов и инвесторов (увеличении поля зрения инвесторов и корпораций до 40–60 %) увеличился совокупный капитал корпораций на 24 %, при этом показатель смертей инновационных проектов, обладающих высоким потенциалом, сократился на 32 %;

д) при увеличении инвестиционной прозорливости до уровня абсолютного видения достигнуто увеличение среднего совокупного капитала корпораций на 35 % при неизменности остальных показателей;

е) увеличение привлекательности идеи стартапов: прирост накопленных налогов – 61 %, прирост среднего совокупного капитала стартапов – 162 %, прирост среднего совокупного капитала корпораций – 7 %, количество смертей сократилось на 40 %.

Была разработана имитационная модель многоагентной системы «стартап – инвестор – корпорация» с описанием взаимоотношений фирм-агентов: стартапов, венчурных инвесторов и корпораций с детальным описанием их параметров, функций, состояний [5]. Модель позволила формализовать инвестиционные взаимоотношения субъектов рынка инновационного предпринимательства, куда также введена пространственно-временная компонента, выражающая вероятность встречи инвестора с объектом инвестирования в пространстве и времени, а также то, что эта вероятность может меняться в зависимости от информированности агентов об окружающем информационном пространстве [6].

Данная имитационная модель была реализована в качестве программного продукта, написанного на языке программирования Python. Данное программное обеспечение позволяет не только интуитивно задавать и изменять значения большинства глобальных параметров, но и параметров агентов, а также возможность визуализации взаимоотношений агентов в режиме реального времени с отображением их на информационной плоскости, передвижением в информационном пространстве, полем видения агентов, результатами инвестиций или поглощений, а также отображением статистической информации, собираемой по результатам взаимодействия этих агентов [7].

tit4.tif

Рис. 4. Результаты экспериментов

В данной работе были представлены результаты вычислительных экспериментов на базе разработанного программного обеспечения. Эксперименты показали, что в настоящий момент дотационная поддержка правительства г. Москвы недостаточно эффективна, увеличение доли дотаций из годового бюджета с 0,7 % до 5 % может дать не только более высокую выживаемость стартапов, но и дальнейшее увеличение поступлений в бюджет за счет роста экономики. Модельные эксперименты, давшие положительные результаты при увеличении поля зрения агентов в модельном информационном пространстве, показали необходимость создания электронных систем кооперации инвесторов, корпораций и стартапов [8, 9].

Таким образом, государство, по мнению авторов, должно занять роль тонкого регулятора процессов инновационного развития. С одной стороны, оно должно создавать площадки для взаимодействия стартапов, инвесторов и корпораций для того, чтобы позволить рынку самому развиваться и дать возможность силе спроса и предложения отрегулировать процессы инновационного развития, где основополагающими являются процессы венчурного инвестирования и сделки по слияниям и поглощениям. С другой стороны, государство является основным выгодоприобретателем роста экономики за счет инновационной составляющей, поэтому оно должно заботиться о создании благоприятной среды для развития стартапов, обеспечивая их дотационной поддержкой, бизнес-обучению новоиспеченных предпринимателей, таким образом обеспечивая поддержку стартапов на всех этапах их развития.

Статья подготовлена при поддержке внутреннего гранта ФГБОУ «РЭУ им. Г.В. Плеханова» по теме «Разработка моделей и информационно-аналитических технологий повышения эффективности государственного и корпоративного управления в условиях цифровой экономики» (2017).