Стерник Сергей Геннадьевич, доктор экономических наук, профессор; ведущий научной сотрудник Института народно-хозяйственного прогнозирования Российской Академии наук; профессор Кафедры корпоративных финансов и корпоративного управления Факультета экономики и бизнеса; профессор Московского государственного строительного университета
Scopus ID: 6507292791
Москва
Sergey G. Sternik, Doctor of Economics, Professor; Leading Researcher, Institute of Economic Forecasting, Russian Academy of Sciences; Professor, Department of Corporate Finance and Corporate Governance, Faculty of Economics and Business; Professor, Moscow State Construction University
Scopus ID: 6507292791
Moscow
Тютюкина Елена Борисовна, доктор экономических наук, профессор; профессор Кафедры корпоративных финансов и корпоративного управления Факультета экономики и бизнеса Финансового университета при Правительстве Российской Федерации
Москва
Elena B. Tyutyukina, Doctor of Economics, Professor; Professor, Department of Corporate Finance and Corporate Governance, Faculty of Economics and Business
Moscow
Помулев Александр Александрович, кандидат экономических наук, доцент; ведущий научной сотрудник Института финансово-промышленной политики Факультета экономики и бизнеса; доцент кафедры корпоративных финансов и корпоративного управления Факультета экономики и бизнеса
Scopus ID: 57218557581
Москва
Alexander А. Pomulev, Ph.D in Economics, Associate Professor; Leading Researcher, Institute of Financial and Industrial Policy, Faculty of Economics and Business; Associate Professor, Department of Corporate Finance and Corporate Governance, Faculty of Economics and Business
Scopus ID: 57218557581
Moscow
Цель: разработка инновационного подхода к управлению рисками в проектах государственно-частного партнерства (ГЧП) с применением передовых технологий искусственного интеллекта, которые позволяют создать модель оценки рисков, учитывающую нелинейные взаимосвязи между различными риск-факторами.
Методы. Помимо традиционных методов научного познания, в работе использовались междисциплинарные подходы риск-менеджмента и сложившейся практики машинного обучения. Методическую основу исследования составили работы по оценке рисков и применению алгоритмов ИИ в данной области. Эмпирическую базу исследования составили данные официального портала РОСИНФРА о проектах государственно-частного партнерства.
Результаты работы. Изучена практика применения алгоритмов искусственного интеллекта к задаче оценки рисков ГЧП-проектов в России и за рубежом. Установлено, что наиболее эффективный результат показывают модели случайного леса. Однако представленные решения не учитывают российские экономические реалии. Авторами структурирована база реализованных ГЧП-проектов, пригодная для моделирования рисков. Разработана модель оценки риска недостижения целей российских ГЧП-проектов, выполнена оценка ее качества. Предложены рекомендации по внедрению модели в операционный контур процессов реализации проектов ГЧП.
Выводы. Разработанная модель позволяет по общим параметрам ГЧП-проекта (регион, орган власти, срок соглашения, отрасль и сфера реализации и проч.) с точностью 93% (по метрике ROC\AUC) оценить риск того, что проект завершится некорректно (по причине несостоявшегося конкурса, отказа от запуска, расторжения по решению суда, отмены/аннулирования конкурса). С помощью модели органы исполнительной власти РФ могут выстраивать риск-менеджмент по управлению ГЧП-проектами в регионах и, тем самым, способствовать повышению их финансовой эффективности. Также статья может стать полезной практикующим специалистам по управлению проектами и оценщикам.
Purpose: is to develop an innovative approach to risk management in public-private partnership (PPP) projects using advanced artificial intelligence technologies that allow creating the risk assessment model that takes into account non-linear relationships between various risk factors.
Methods: in addition to traditional methods of scientific knowledge, interdisciplinary approaches of risk management and established practice of machine learning were used in the work. The methodological basis of the study was formed by works on the risk assessment and the application of AI algorithms in this area. The empirical basis of the study was the data of the official portal of ROSINFRA on public-private partnership projects.
Results: the practice of applying AI algorithms to the task of assessing the risks of PPP-projects in Russia and abroad was studied. It is established that the most effective result is shown by the models based on Random-Forest-Classifier. However, the presented solutions do not take into account Russian economic realities. The authors have structured a database of implemented PPP-projects suitable for risk modeling. The model for assessing the risk of failure to achieve the objectives of Russian PPP-projects has been developed and its quality has been assessed. Recommendations on implementation of the model in the operational loop of PPP projects realization processes are offered.
Conclusions and Relevance: the developed model allows, according to the general parameters of PPP project (region, authority, term of agreement, industry and scope of implementation, etc.) with the accuracy of 93% (according to the ROC\AUC metric), to assess the risk that the project will end incorrectly (due to a failed tender, refusal to launch, termination by court decision, cancellation/annulment of the tender). With the help of the model the executive authorities of the Russian Federation can build risk management for PPP projects management in the regions and thus contribute to their efficiency improvement. The article may also become useful for project management practitioners and appraisers.
The authors declare that there are no conflicts of interest present.