Оценка рисков проектов государственно-частного партнерства с использованием алгоритмов искусственного интеллекта

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.

1. Вдовина И.В., Аввакумов А.А. Государственно-частное партнерство как инструмент устойчивого развития территорий // Экономика: вчера, сегодня, завтра. 2020. Т. 10. № 5-1. С. 202–219. EDN: https://elibrary.ru/rgsmdy. https://doi.org/10.34670/AR.2020.70.18.02

2. Шубина В.И. Классификация рисков оппортунизма при реализации проектов государственно-частного партнерства // Фундаментальные исследования. 2021. № 2. С. 84–90. EDN: https://elibrary.ru/tjxczx. https://doi.org/10.17513/fr.42970

3. Ялмаев Р.А. Специфические риски проектов ГЧП в сфере ИТ // Вестник научной мысли. 2021. № 6. С. 289–292. EDN: https://elibrary.ru/aswczz. https://doi.org/10.34983/DTIPB.2022.27.35.001

4. Юрьева Т.В. Инфраструктурные проекты и цели инклюзивного устойчивого развития территорий // Russian Economic Bulletin. 2022. Т. 5. № 4. С. 259–266. EDN: https://elibrary.ru/iamepa

5. Макеева В.Г., Минченкова О.Ю., Федорова Н.В. Управление рисками в проектах государственно-частного партнерства как инструмент обеспечения устойчивости социально-экономических систем // Новая экономика России в Индустрии 4.0. Всероссийская (национальная) научно-практическая конференция. Москва: Московский университет им. С.Ю. Витте, 2022. С. 307–313. EDN: https://elibrary.ru/muiyzy

6. Мингазов Р.И. Выявление рисков и способы их минимизации при реализации инвестиционных проектов ГЧП // Экономические науки. 2023. № 218. С. 261–265. EDN: https://elibrary.ru/vxtsjd. https://doi.org/10.14451/1.218.546

7. Мингазов Р.И. Риски частного партнера при реализации проекта государственно-частного партнерства // Modern Economy Success. 2022. № 4. С. 89–92. EDN: https://elibrary.ru/voaouy

8. Кашин А.В. Специфика рисков реализации инновационно ориентированных проектов государственночастного партнерства // Креативная экономика. 2021. Т. 15. № 12. С. 4735–4746. EDN: https://elibrary.ru/uuuwvs. https://doi.org/10.18334/ce.15.12.113845

9. Трунова Л.Г., Ван С. Риски реализации проектов государственно-частного партнерства в области электроэнергетики // Экономика инфраструктурных преобразований: проблемы и перспективы развития. X Всероссийская научно-практическая конференция. Иркутск: Иркутский национальный исследовательский технический университет, 2024. С. 162–167. EDN: https://elibrary.ru/bracni

10. Кириенко О.Э. Управление рисками инфраструктурных проектов на основе использования моделей государственно-частного партнерства в условиях нестабильности // Сборник научных работ серии «Государственное управление». 2023. № 32. С. 87–97. EDN: https://elibrary.ru/livaiw. https://doi.org/10.5281/zenodo.10599737

11. Тесля П.Н. Контрактные риски ГЧП // ЭКО. 2022. № 2(572). С. 68–92. EDN: https://elibrary.ru/xhvdrc. https://doi.org/10.30680/ECO0131-7652-2022-2-68-92

12. Агамагомедова Е.В. Оценка рисков проектов государственно-частного партнерства на основе использования концепции SMART-финансирования // Экономика и управление. 2020. Т. 26. № 8(178). С. 901–911. EDN: https://elibrary.ru/sxzigt. https://doi.org/10.35854/1998-1627-2020-8-901-911

13. Дадеркина Е.А., Усик М.Ю. Риски государства и бизнеса при реализации проектов государственночастного партнерства (ГЧП) // Экономика и управление (Минск). 2012. № 4(32). С. 3–9. EDN: https://elibrary.ru/yznvhv

14. Гайнутдинов Т.Р. Риски социальных ГЧП проектов на инвестиционной стадии // Экономика и предпринимательство. 2019. № 5(106). С. 620–622. EDN: https://elibrary.ru/lciign

15. Зайдуллина Э.Р. Управление рисками при реализации проектов ГЧП // Colloquium-Journal. 2019. № 13-10(37). С. 96–99. EDN: https://elibrary.ru/lwohut

16. Rasheed N., Shahzad W., Khalfan M., Rotimi J. Risk identification, assessment, and allocation in PPP projects: A systematic review // Buildings. 2022. Vol. 12. Iss. 8. P. 1109. https://doi.org/10.3390/buildings12081109

17. Кумар А., Кумар А., Кумари С., Кумари С., Кумари Н., Бехура А.К. Искусственный интеллект: стратегия управления финансовыми рисками // Финансы: теория и практика. 2024. Т. 28. № 3. С. 174–182. EDN: https://elibrary.ru/wdkzvt. https://doi.org/10.26794/2587-5671-2024-28-3-174-182

18. Дождиков А.В. Определение инвестиционного успеха и его факторов для российского кино в прокате с помощью машинного обучения // Финансы: теория и практика. 2024. Т. 28. № 1. С. 188–203. EDN: https://elibrary.ru/psguet. https://doi.org/10.26794/25875671-2024-28-1-188-203

19. Jin X.-H., Zhang G. Modelling optimal risk allocation in PPP projects using artificial neural networks // International Journal of Project Management. 2011. Vol. 29. Iss. 5. P. 591–603. https://doi.org/10.1016/J.IJPROMAN.2010.07.011

20. Akomea-Frimpong I., Dzagli J., Eluerkeh K., Bonsu F., Opoku-Brafi S., Gyimah S., Asuming N., Atibila D., Kukah A. A systematic review of artificial intelligence in managing climate risks of PPP infrastructure projects // Engineering, Construction and Architectural Management. 2023. https://doi.org/10.1108/ecam-01-2023-0016

21. Kumar L., Jindal A., Velaga N.R. Financial risk assessment and modelling of PPP based Indian highway infrastructure projects // Transport Policy. 2017. Vol. 62. P. 2–11. https://doi.org/10.1016/J.TRANPOL.2017.03.010

22. Chen H., Zhang L., Wu X. Performance risk assessment in public-private partnership projects based on adaptive fuzzy cognitive map // Applied Soft Computing. 2020. Vol. 93. P. 106413. https://doi.org/10.1016/j.asoc.2020.106413

23. Xu Y., Lu Y., Chan A., Skibniewski M., Yeung J. A computerized risk evaluation model for public-private partnership (PPP) projects and its application // International Journal of Strategic Property Management. 2012. Vol. 16. Iss. 3. P. 277–297. https://doi.org/10.3846/1648715X.2012.686928

24. Yaseen Z.M., Ali Z.H., Salih S.Q., Al‐Ansari N. Prediction of risk delay in construction projects using a hybrid artificial intelligence model // Sustainability. 2020. Vol. 12. Iss. 4. P. 1514. https://doi.org/10.3390/su12041514

25. Jokar E., Aminnejad B., Lork A. Assessing and prioritizing risks in public-private partnership (PPP) projects using the integration of fuzzy multi-criteria decision-making methods // Operations Research Perspectives. 2021. Vol. 8. P. 100190. https://doi.org/10.1016/J.ORP.2021.100190

26. Owolabi H.A., Bilal M., Oyedele L.O., Alaka H.A., Ajayi S.O., Akinadé O.O. Predicting completion risk in PPP projects using big data analytics // IEEE Transactions on Engineering Management. 2020. Vol. 67. Iss. 2. P. 430–453. https://doi.org/10.1109/TEM.2018.2876321

27. Тычинкина М.А. Концессионные соглашения как вид государственно-частного партнерства в сфере здравоохранения Московской области // Роль местного самоуправления в развитии государства на современном этапе. Сборник статей по итогам V международной научно-практической конференции. Москва: Государственный университет управления, 2020. С. 414–416. EDN: https://elibrary.ru/xsrrap

28. Архипов В.А. Сравнительный анализ метрик качества для моделей бинарной классификации на примере кредитного скоринга // Вестник Алтайской академии экономики и права. 2019. № 9-2. С. 12–15. EDN: https://elibrary.ru/cfzqdc

29. Devlin J., Chang M., Lee K., Toutanova K. BERT: Pre-training of deep bidirectional transformers for language understanding computation and language // In: Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. 2019. Vol. 1. P. 4171–4186. https://doi.org/10.48550/arXiv.1810.04805

30. Хватков В.И. Современные технологии анализа тональности текста как инструментарий поведенческих финансов // Российский экономический интернет-журнал. 2024. № 2. EDN: https://elibrary.ru/nxrgdl