Методология экономико-математического прогнозирования инвестиционной активности на региональном уровне Российской Федерации: эконометрический инструментарий и актуальные вызовы

метки: Инвестиционный, Инвестиция, Прогнозирование, Регион, Проект, Потенциал, Применение, Россия

Ключевой целью национального проекта «Эффективная и конкурентная экономика» является увеличение к 2030 году объема инвестиций в основной капитал не менее чем на 60% по сравнению с уровнем 2020 года.

Этот стратегический ориентир, закрепленный на уровне национального проекта, формирует жесткий императив для всех субъектов Российской Федерации: региональное развитие невозможно без опережающего роста инвестиционной активности. Однако достижение столь амбициозной цели требует не просто привлечения средств, а использования точных, научно обоснованных методов прогнозирования, способных учесть специфику мезоуровня, циклы макроэкономической нестабильности и структурные сдвиги в экономике.

Настоящее исследование представляет собой комплексную методологию экономико-математического прогнозирования инвестиционной активности на региональном уровне. В его основе лежит интеграция классического эконометрического аппарата (модели ARIMA, МНК) с современными концепциями оценки рисков (метод достоверных эквивалентов) и анализом практических инструментов региональной политики. Работа структурирована таким образом, чтобы обеспечить глубокое академическое понимание теоретических основ, специфики применения математических моделей и оценки эффективности инвестиционных проектов в контексте актуальных российских реалий.

Теоретико-методологические основы формирования и оценки инвестиционного климата региона

В основе прогнозирования инвестиционной активности лежит четкое понимание структуры и динамики инвестиционного климата региона. Методологическая база должна быть основана на актуальных научных положениях, которые рассматривают инвестиционный климат не как статический набор условий, а как динамическую систему, подверженную влиянию как внутренних, так и внешних факторов, поскольку только системный анализ позволяет увидеть полный спектр рисков и возможностей.

Структура инвестиционного климата: потенциал vs. риск

Инвестиционный климат региона традиционно рассматривается как двуединая категория, включающая инвестиционный потенциал и инвестиционный риск.

Кредит как фундаментальная категория рыночной экономики и перспективы ...

... раскрывает эти аспекты, предлагая комплексное исследование как теоретических основ, так и практической оценки текущего состояния и будущего кредитной системы России. Теоретические основы кредита в современной ...

Инвестиционный потенциал — это совокупность количественных характеристик, определяющих фактические объемы и возможности инвестирования в субъекте Российской Федерации. Он описывает наличие ресурсов, необходимых для реализации проектов.

Инвестиционный риск — это вероятность возникновения финансовых и нефинансовых потерь (инвестиционных потерь) капитала в процессе осуществления инвестиционной деятельности.

Ключевые факторы, формирующие эту двуединую структуру на мезоуровне, можно классифицировать следующим образом:

Категория фактора	Примеры составляющих	Роль в инвестиционном климате
Институциональная среда	Качество регионального законодательства, эффективность работы госорганов, уровень коррупции, степень защиты прав собственности.	Определяет предсказуемость, прозрачность и стабильность правил игры.
Инфраструктурное обеспечение	«Жесткая»: Транспортная доступность, энергетические мощности, связь. «Мягкая»: Социальная инфраструктура, финансовые услуги.	Снижает операционные издержки и повышает логистическую эффективность.
Кадровый потенциал	Численность трудоспособного населения, уровень квалификации и образования, производительность труда.	Определяет возможность реализации технологически сложных проектов и потенциал для инноваций.
Финансовый фактор	Бюджетная обеспеченность региона, объем кредитования, налоговые преференции.	Обеспечивает наличие внутренних источников финансирования и стимулирующих механизмов.

Прогнозирование инвестиционной активности, таким образом, является функцией прогнозирования динамики этих ключевых факторов. Чем точнее мы предскажем динамику факторов, тем надежнее будет итоговый прогноз инвестиций.

Особенности оценки инвестиционной привлекательности в современных российских регионах

Оценка инвестиционной привлекательности не может быть сведена к анализу одного или двух показателей. Методологически корректный подход, используемый авторитетными рейтинговыми агентствами и научными центрами (например, МГУ), предполагает использование комплексного набора индикаторов.

Для оценки инвестиционной привлекательности 85 регионов России, согласно актуальным данным, используется набор из 55 показателей. Эти показатели делятся на три основные группы, что позволяет получить многомерную картину:

1. Статистические показатели: Абсолютные и относительные данные, полученные из официальных источников (Росстат, ФНС), например, объем ВРП на душу населения, объем инвестиций в основной капитал, уровень безработицы.
2. Расчетные индикаторы (Нормализованные): Соотношение значений региона с лучшими, худшими или средними показателями по стране. Эти индикаторы позволяют оценить относительное положение региона в общероссийском контексте.
3. Экспертные оценки: Применяются для оценки тех параметров, которые трудно измерить статистически, в первую очередь, качества институциональной среды, уровня административных барьеров и социально-политической стабильности.

Специфика смещения инвестиционной активности:

Анализ показывает, что в последние годы наблюдается значительное смещение инвестиционной активности в сторону регионов со «средней» инвестиционной привлекательностью. В 2022 году, хотя на долю регионов с «высокой» привлекательностью приходилось 66,5% общероссийского объема инвестиций в основной капитал, регионы со «средней» привлекательностью заняли значительную долю — 29,3%.

Этот сдвиг объясняется несколькими факторами, включая наличие в этой «средней» группе субъектов с развитым оборонно-промышленным комплексом (ОПК). Инвестиционная активность в ОПК, как правило, слабо привязана к общему, рыночно-ориентированному инвестиционному климату региона, поскольку она определяется государственным оборонным заказом и федеральным финансированием. Таким образом, при прогнозировании необходимо вводить корректирующие коэффициенты или использовать дихотомические переменные, чтобы учесть влияние федеральных целевых программ и государственного заказа на инвестиционную динамику. Игнорирование этого нюанса неизбежно приведет к систематической ошибке в прогнозе, завышая влияние рыночных факторов.

Эконометрический инструментарий прогнозирования региональных инвестиций

Для построения надежного прогноза инвестиционной активности необходимо применение математических моделей, способных выявить причинно-следственные связи, учесть динамику временных рядов и пространственную специфику.

Классические и адаптивные модели прогнозирования

Основным инструментом для количественной оценки влияния факторов на инвестиционную активность является метод наименьших квадратов (МНК), который используется при построении многофакторных регрессионных моделей.

В общем виде, регрессионная модель прогнозирования инвестиций ($I_{\text{reg}}$) может быть представлена как:

Ireg,t = α0 + Σi=1k αi Xi,t + εt

где $X_{i,t}$ — это $i$-й фактор (например, ВРП, индекс промышленного производства, доля инновационной продукции) в период $t$, а $\epsilon_{t}$ — случайная ошибка.

Однако для долгосрочного прогнозирования временных рядов, которые часто бывают нестационарными (то есть их среднее значение или дисперсия меняются со временем), классические регрессионные модели могут давать неточные результаты. Здесь на помощь приходят адаптивные модели, в частности, ARIMA (Autoregressive Integrated Moving Average).

Модель ARIMA — это мощный инструмент, который позволяет прогнозировать временные ряды, включая компоненты авторегрессии (AR), скользящего среднего (MA) и интегрирования (I).

Логика ARIMA базируется на требовании стационарности. Временной ряд инвестиций часто содержит тренд, обусловленный фундаментальными макроэкономическими факторами (например, ростом ВВП страны).

Модель ARIMA устраняет эту нестационарность через разностные преобразования (компонент «I» — интегрирование).

Математическое представление ARIMA(p, d, q):

Φ(B) (1 - B)d Yt = Θ(B) εt

Где:

• $Y_t$ — прогнозируемый ряд инвестиций.
• $(1 — B)^d$ — оператор разностного преобразования, где $d$ — порядок интегрирования (количество разностных преобразований, необходимых для достижения стационарности).
• $\Phi(B)$ — полином авторегрессии (AR) порядка $p$.
• $\Theta(B)$ — полином скользящего среднего (MA) порядка $q$.

Применение ARIMA позволяет выделить и спрогнозировать компоненты, связанные с прошлыми значениями ряда (AR) и прошлыми ошибками прогнозирования (MA), обеспечивая высокую точность для рядов, обладающих внутренней корреляцией. Как можно гарантировать, что выбранная модель ARIMA корректно отражает все структурные сдвиги в экономике?

Моделирование потоков инвестиций с учетом пространственной специфики

Прогнозирование прямых иностранных инвестиций (ПИИ) и межрегиональных инвестиционных потоков требует учета не только внутренних факторов региона, но и его географического и экономического положения относительно других субъектов.

Для этой цели используется гравитационный подход к моделированию ПИИ. Эта модель основана на аналогии с законом всемирного тяготения:

Сила инвестиционного притяжения между двумя регионами (или странами) прямо пропорциональна их «экономической массе» и обратно пропорциональна «расстоянию» между ними.

Экономическая масса в данном контексте обычно измеряется через ВРП, численность населения, или общую емкость рынка региона. Чем выше «масса» региона-реципиента, тем сильнее его притяжение для инвестиций.

«Расстояние» в гравитационных моделях ПИИ является многомерным понятием. Оно включает:

1. Географическую удаленность: Транспортные и логистические издержки.
2. Институциональные барьеры: Различия в правовых системах, уровень бюрократии, качество институтов.
3. Культурные и информационные барьеры: Отсутствие деловых связей, языковые или культурные различия.

Эконометрическая модель, основанная на гравитационном подходе, принимает вид:

ln(Iij) = β0 + β1 ln(Yi) + β2 ln(Yj) + β3 ln(Dij) + Σk γk Zij,k + εij

Где $I_{ij}$ — инвестиционный поток от региона $i$ к региону $j$, $Y_i$ и $Y_j$ — их экономические массы (ВРП), $D_{ij}$ — расстояние, а $Z_{ij,k}$ — вектор негеографических барьеров (институциональные различия).

Такой подход позволяет не просто предсказать общий объем ПИИ, но и определить наиболее перспективных доноров и реципиентов, а также оценить эффект от снижения институциональных барьеров (уменьшение «расстояния»).

Специфика прогнозирования различных типов инвестиций на мезоуровне

Инвестиционная активность в регионе гетерогенна. Методология прогнозирования должна учитывать, что подходы к моделированию реальных, интеллектуальных и финансовых инвестиций существенно различаются.

Прогнозирование интеллектуальных инвестиций и структурная перестройка

Интеллектуальные инвестиции (инвестиции в объекты интеллектуальной собственности, НИОКР, программное обеспечение) являются критически важным индикатором структурной перестройки экономики региона.

Согласно статистике, доля инвестиций в объекты интеллектуальной собственности в структуре инвестиций в основной капитал в 2023 году выросла до 1,4% (с 1,1% в 2022 г.).

Это свидетельствует о тенденции к росту нематериальных активов и смещению фокуса в сторону инновационного развития.

Прогнозирование этого типа инвестиций тесно связано с:

1. Кадровым потенциалом: Прогноз роста числа специалистов с высшим образованием в области НИОКР.
2. Государственным стимулированием: Прогноз объемов региональных и федеральных программ поддержки инноваций (гранты, субсидии).
3. Отраслевой структурой: Регионы с высокой долей высокотехнологичного производства (машиностроение, IT, фармацевтика) демонстрируют большую чувствительность к росту интеллектуальных инвестиций.

Методы прогнозирования интеллектуальных инвестиций часто включают использование систем одновременных уравнений, где интеллектуальные инвестиции являются функцией от ожидаемой производительности труда, а производительность труда, в свою очередь, является функцией от накопленных интеллектуальных инвестиций. Это позволяет учесть не только прямое, но и обратное влияние, которое оказывают инвестиции в НИОКР на долгосрочную конкурентоспособность региона.

Альтернативные источники финансирования и финансовые инвестиции

В 2023 году в структуре источников финансирования инвестиций в основной капитал (без МСП) доля привлеченных средств выросла до 43,1% (с 36,0% в 2022 г.).

Этот рост указывает на повышение зависимости региональных инвесторов от внешнего финансирования, что делает прогнозирование финансовых потоков крайне актуальным.

Особое внимание следует уделить альтернативным формам финансирования, которые активно развиваются на российском рынке, например, краудлендингу. Объем рынка краудлендинга в России продемонстрировал впечатляющий рост, увеличившись с 24,1 млрд рублей в 2023 году до 47,4 млрд рублей по итогам 2024 года (почти двукратный рост).

Прогнозирование финансовых инвестиций должно включать:

1. Моделирование спроса на заемный капитал: Использование макроэкономических переменных (ключевая ставка ЦБ, инфляция, динамика ВРП) для прогнозирования кредитной активности.
2. Прогнозирование альтернативных источников: Моделирование роста рынка краудлендинга и краудфандинга, исходя из роста числа субъектов МСП и эффективности регулирования (ФЗ № 259).
3. Применение Data Fusion и ИИ: Использование концепции Data Fusion (объединение разнородных данных — финансовых отчетов, новостного фона, транзакционных данных) и методов машинного обучения (нейронные сети) для построения точных поведенческих и прогнозных моделей, которые предсказывают решения инвесторов и риски невозврата средств.

Методология оценки эффективности, рисков и инвестиционных потерь

Качественное прогнозирование невозможно без эффективного механизма оценки и отбора проектов. На региональном уровне методология оценки эффективности должна быть комплексной и включать обязательный учет рисков, который трансформирует потенциальные потери в количественно измеримые величины.

Критерии принятия решений об инвестициях

Для принятия решения о целесообразности реализации проекта на региональном уровне обязательным является совместное применение динамических методов оценки. Эти методы учитывают временную стоимость денег, дисконтируя будущие денежные потоки к моменту принятия решения.

Ключевые критерии:

1. Чистая приведенная стоимость (NPV — Net Present Value): Проект принимается, если NPV > 0.
2. Внутренняя норма доходности (IRR — Internal Rate of Return): Проект принимается, если IRR превышает стоимость капитала или требуемую норму доходности.
3. Индекс прибыльности (PI — Profitability Index): Является относительным показателем эффективности, показывающим, сколько прибыли на каждый рубль инвестиций генерирует проект.

Формула расчета индекса прибыльности (PI):

PI = (Σt=1T CFt / (1 + i)t) / I0

Где:

• $CF_t$ — Денежный поток в период $t$.
• $i$ — Ставка дисконтирования.
• $I_0$ — Первоначальные инвестиции.
• $T$ — Горизонт планирования.

Критерий принятия проекта, основанный на PI:

• Принять проект, если PI > 1 (Проект создает стоимость, приведенная стоимость будущих доходов превышает инвестиционные затраты).
• Отвергнуть проект, если PI < 1 (Проект уничтожает стоимость).

Количественные методы оценки рисков и минимизация потерь

Оценка инвестиционных рисков критична для расчета «инвестиционных потерь» субъекта Российской Федерации. Инвестиционная потеря — это недополученная выгода или фактический убыток, вызванный реализацией неблагоприятного сценария.

К наиболее распространенным количественным методам относятся:

1. Метод корректировки нормы дисконта: Включение премии за риск ($R$) в ставку дисконтирования ($i$): iскоррект. = iбезриск. + R. Поэтапная методика сочетает качественную оценку риска (например, по матрице) с количественным расчетом надбавки.
2. Анализ чувствительности и стресс-тестирование: Оценка изменения NPV или IRR при изменении одного ключевого фактора (например, цены на сырье или объема продаж).
3. Метод достоверных эквивалентов (Коэффициентов достоверности): Этот метод корректирует ожидаемые денежные потоки проекта с учетом вероятности их получения.

Математическое ожидание денежных потоков (E(r)):

E(r) = Σi=1n ri pi

Где:

• $r_i$ — Оценка доходности $i$-го результата (сценария).
• $p_i$ — Вероятность получения $i$-го результата (сценария).
• $n$ — Общее количество сценариев.

Применение этого метода позволяет перевести ожидаемые денежные потоки в «достоверные эквиваленты» — гарантированные доходы, которые инвестор готов получить в условиях определенного риска. Это позволяет более реалистично оценить NPV и, следовательно, предотвратить принятие излишне рискованных проектов, тем самым минимизируя потенциальные инвестиционные потери региона. В конечном счете, не является ли минимизация потерь более важной задачей для региональной власти, чем максимизация номинальной доходности?

Актуальные направления совершенствования инвестиционной политики и практические кейсы

Эффективное прогнозирование должно быть интегрировано в постоянно меняющуюся законодательную и практическую среду. Анализ актуальных изменений позволяет понять, какие именно параметры региональной политики будут влиять на инвестиционную активность в ближайшей перспективе.

Законодательные и регуляторные изменения (2023–2024 гг.)

Изменения в законодательной базе Российской Федерации направлены на повышение прозрачности, унификацию процедур и усиление контроля в стратегически важных областях.

1. Ужесточение контроля за иностранными инвестициями:

Ключевым изменением стало принятие поправок в ФЗ № 57 («О порядке осуществления иностранных инвестиций в хозяйственные общества, имеющие стратегическое значение для обеспечения обороны страны и безопасности государства»).

В 2023–2024 годах был расширен перечень оснований для контроля и само понятие «иностранный инвестор» (включая граждан РФ, имеющих иное гражданство).

Это усиливает роль Правительственной комиссии по контролю за осуществлением иностранных инвестиций.

Аналитический вывод для прогнозирования: Ужесточение контроля повышает транзакционные издержки и сроки согласования для зарубежных инвесторов, что должно быть учтено в гравитационных моделях как увеличение «институционального расстояния».

2. Унификация понятий и повышение публичности обязательств:

Планируются поправки в федеральный закон «Об инвестиционной деятельности», предусматривающие два важных нововведения:

• Закрепление статуса Инвестиционной декларации: Это публичное обязательство главы региона, которое гарантирует инвестору неизменность условий реализации проекта. Это снижает политические риски и повышает институциональный потенциал региона.
• Унификация определений: Четкое закрепление понятий «инвестиционный проект» и «капиталовложения» в федеральном законодательстве устранит правовые коллизии и повысит качество статистического учета и, как следствие, точность прогнозирования.

Практический кейс высокой прогностической точности

Наиболее наглядным примером успешной интеграции прогнозирования и инвестиционной политики является опыт Ленинградской области по внедрению системы «Зеленый коридор для инвестора».

Кейс Ленинградской области: «Зеленый коридор»

1. Цель: Максимальное сокращение административных барьеров и сроков сопровождения проектов.
2. Реализация: Внедрение системы «Зеленый коридор» с интеграцией информационных систем Роскадастра (2023) и УФНС (2024).

   Интеграция данных позволила создать единое информационное пространство для инвестора.

3. Результаты и прогностическая точность:
   • Срок ответа на запросы инвесторов сокращен с 30 до 5 дней.
   • Инвестиционный портфель Агентства экономического развития региона увеличился с 3,3 до 6,6 трлн рублей за несколько лет.

Этот кейс демонстрирует, что повышение качества институциональной среды (снижение бюрократических барьеров, повышение скорости принятия решений) приводит к измеримому и значительному росту инвестиций. В эконометрических моделях это может быть отражено как резкое улучшение коэффициента, отражающего институциональный фактор, что повышает прогностическую точность.

Заключение и выводы

Представленная методология экономико-математического прогнозирования инвестиционной активности на региональном уровне основана на трех ключевых принципах: многофакторности, эконометрической строгости и актуальной адаптации к российской специфике. Именно эти принципы позволяют регионам не просто реагировать на изменения, но и формировать их.

Резюме методологии прогнозирования:

1. Фундаментальная основа: Прогнозирование должно базироваться на двуединой оценке инвестиционного климата (потенциал + риск), используя комплекс из 55 показателей.
2. Долгосрочная динамика: Для моделирования долгосрочных трендов и обеспечения стационарности временных рядов необходимо применение модели ARIMA, что позволяет выделить фундаментальные факторы.
3. Пространственная специфичность: При прогнозировании ПИИ и межрегиональных потоков необходимо использовать гравитационный подход, который учитывает не только экономическую массу, но и институциональные барьеры («расстояние»).
4. Учет рисков и эффективности: Оценка инвестиционных проектов должна обязательно включать расчет индекса прибыльности (PI) и применение количественных методов оценки рисков, в частности, метода достоверных эквивалентов (E(r) = Σi=1n ri pi) для минимизации инвестиционных потерь.
5. Включение новых форм: Включение в прогноз моделей роста альтернативных финансовых инвестиций, таких как краудлендинг (показавший двукратный рост в 2023–2024 гг.).

Направления совершенствования региональной инвестиционной политики:

Для достижения национальной стратегической цели — увеличения объема инвестиций в основной капитал не менее чем на 60% к 2030 году — региональная политика должна быть усовершенствована по следующим направлениям:

1. Институциональная унификация: Скорейшее закрепление статуса Инвестиционной декларации на федеральном уровне и унификация понятий для повышения предсказуемости среды.
2. Цифровизация процессов: Масштабирование успешных практик, таких как «Зеленый коридор» Ленинградской области, для сокращения административных сроков до 5 дней, что является прямым фактором снижения инвестиционных рисков.
3. Стимулирование интеллектуальных инвестиций: Разработка программ, направленных на дальнейший рост доли инвестиций в объекты интеллектуальной собственности (превышение уровня 1,4% 2023 года), что обеспечит структурную перестройку экономики.

Точное экономико-математическое прогнозирование, интегрированное с проактивной, институционально сильной региональной политикой, является необходимым условием для устойчивого и опережающего развития субъектов Российской Федерации в условиях современных макроэкономических вызовов.

Список использованной литературы

1. Бирман Г., Шмидт С. Экономический анализ инвестиционных проектов. М. : Банки и Биржи, 1997. 631 с.
2. Валинурова Л. С., Казакова О. Б. Управление инвестиционной деятельностью. М. : КНОРУС, 2005. 384 с.
3. Веретенникова О. Б., Рыбина Е. С. Сущность инвестиций и инвестиционной деятельности в экономической системе // Вестник ОмГУ. 2013. № 1. С. 120-125.
4. Корчагин Ю. А. Инвестиционная стратегия. Ростов н/Д : Феникс, 2006. 316 с.
5. Старик Д. Э. Как рассчитать эффективность инвестиций. М.: Финстатинформ-бюро, 2001. 131 с.
6. Шарп У. Инвестиции. М. : Инфра-М, 2010. 1028 с.
7. Инвестиционный климат регионов Российской Федерации, его основные показатели [Электронный ресурс] // Cyberleninka. URL: [URL отсутствует].
8. Факторы инвестиционного климата региона [Электронный ресурс] // Science-education.ru. URL: [URL отсутствует].
9. Инвестиционная привлекательность регионов России 2023 [Электронный ресурс] // msu.ru. Дата обращения: 07.10.2025.
10. Инвестиционный климат регионов России в современных условиях [Электронный ресурс] // Cyberleninka. URL: [URL отсутствует].
11. Инвестиционная привлекательность регионов: новые вызовы и возможности для инвесторов [Электронный ресурс] // Raexpert.ru. URL: [URL отсутствует].
12. Состояние развития теории анализа и оценка эффективности инвестиционных проектов в России и за рубежом [Электронный ресурс] // Cyberleninka. URL: [URL отсутствует].
13. Методика оценки эффективности инвестиционных проектов с учетом рисков [Электронный ресурс] // Sibadi.org. URL: [URL отсутствует].
14. Особенности современных методов оценки рисков инвестиционных проектов [Электронный ресурс] // Cyberleninka. URL: [URL отсутствует].
15. Методический подход к оценке эффективности инвестиционных проектов [Электронный ресурс] // Urfu.ru. URL: [URL отсутствует].
16. Эконометрические модели прогнозирования устойчивого развития экономических систем региона [Электронный ресурс] // Cyberleninka. URL: [URL отсутствует].
17. Эконометрическое моделирование потенциала региона по привлечению ПР [Электронный ресурс] // Economyofregion.com. URL: [URL отсутствует].
18. Comparative analysis of ARMA and ARIMA models for different forecasting horizons: choosing the optimal approach [Электронный ресурс] // Vaael.ru. URL: [URL отсутствует].
19. Новые изменения в части осуществления иностранных инвестиций в российские компании [Электронный ресурс] // B1.ru. URL: [URL отсутствует].
20. Власти изменят закон об инвестиционной деятельности [Электронный ресурс] // Pravo.ru. URL: [URL отсутствует].
21. Федеральный закон «О внесении изменений в статью 15 Федерального закона «О привлечении инвестиций с использованием инвестиционных платформ…» [Электронный ресурс] // Consultant.ru. URL: [URL отсутствует].
22. Ключевые изменения регулирования иностранных инвестиций в 2024 году [Электронный ресурс] // Ao-journal.ru. 2024. URL: [URL отсутствует].
23. Краткий обзор: госрегулирование иностранных инвестиций в России, 2024 г. [Электронный ресурс] // Russiancouncil.ru. 2024. URL: [URL отсутствует].
24. Инвестиции в основной капитал (Январь-декабрь 2023 г.) [Электронный ресурс] // Rosstat.gov.ru. 2023. URL: [URL отсутствует].
25. Прогнозирование и планирование инвестиций и инноваций [Электронный ресурс] // Belstu.by. URL: [URL отсутствует].
26. Использование методов машинного обучения для прогнозирования инвестиций в России [Электронный ресурс] // TSU.ru. URL: [URL отсутствует].