Assessment of the significance of threats to economic security for leading domestic ferrous metallurgy enterprises
the reported study was funded by RFBR according to the research project № 19-310- 90004.
DOI:
https://doi.org/10.18413/2687-0932-2020-43-3-522-532Keywords:
economic security, ferrous metallurgy, threats, modeling, estimation, mathematical statisticsAbstract
The article presents a theoretical and practical justification of the system approach for assessing the significance of threats to economic security that are characteristic of ferrous metallurgy enterprises. The necessity of constant monitoring of external and internal factors affecting this assessment is justified. To build an adequate system of threshold values for economic security indicators, we used a set of mathematical and expert methods that allow us to divide the state classes even taking into account the volatility of the indicators accepted for consideration.As a result of modeling the significance of various groups of threats to economic security, we came to the conclusion that the most important endogenous threats for metallurgical enterprises are financial, economic, technical, technological and marketing, among exogenous-internal and external market threats. Knowledge of the range of main threats and the degree of their impact on ferrous metallurgy enterprises will help to create a comprehensive fuzzy-logical model for assessing economic security and will allow you to make forecast scenario plans for business development, knowing approximate trends.
Downloads
References
Виссарионов А.Б., Гумеров Р.Р. 2017. Об использовании предельных (пороговых) значений индикаторов экономической безопасности Российской Федерации. Управленческие науки, 3: 12–20.
Глазьев С.Ю. 1997. Основа обеспечения экономической безопасности страны – альтернативный реформационный курс. Российский экономический журнал, 1–2: 3
Калина А.В., Савельева И.П. 2014. Формирование пороговых значений индикативных показателей экономической безопасности России и ее регионов. Вестник Южно-уральского государственного университета. Серия: Экономика и менеджмент, 4: 15–24.
Краковский Ю.М., Лузгин А.Н. 2017. Исследование современных методов построения прогнозирующих ансамблей применительно к задаче интервального прогнозирования. Современные технологии. Системный анализ. Моделирование, 3 (55): 94–101.
Куклин А.А., Мызин А.Л., Пыхов П.А., Потанин М.М. 2013. Диагностика и механизмы повышения энергетической безопасности России. Вестник Забайкальского государственного университета, 10 (101): 134–149.
Магомедов О.А. 2008. Методологические принципы оценки состояния экономической безопасности региона. Проблемы экономики и юридической практики, 3: 246–248.
Материалы Федеральной службы государственной статистики. Показатели для оценки состояния экономической безопасности России. URL: https://www.gks.ru/econSafety (дата обращения 25.05.2020).
Сенчагов В.К., Иванов Е.А. 2015. Структура механизма современного мониторинга экономической безопасности России. М.: Институт экономики РАН, 46 с.
Сенчагов В.К., Максимов Ю.М., Митяков С.Н., Митякова О.И. 2011. Инновационные преобразования как императив экономической безопасности региона: система индикаторов. Инновации, 5: 56–61.
Симонов С.Г., Ямова О.В. 2018. Критерии и показатели оценки уровня экономической безопасности крупных компаний нефтегазового профиля. Вестник Омского университета. Серия «Экономика», 4 (64): 57–67.
Указ Президента РФ от 13.05.2017 г. № 208 «О Стратегии экономической безопасности Российской Федерации на период до 2030 года». URL: https://www.garant.ru/products/ipo/prime/doc/71572608/ (дата обращения 25.05.2020).
Чернышова Г.Ю., Самаркина Е.А. 2019. Методы интеллектуального анализа данных для прогнозирования финансовых временных рядов. Известия Саратовского университета. Новая серия. Серия Экономика. Управление. Право, 2: 181–188.
Breiman L. 1994. Bagging Predictors. Technical Report, 421. URL: https://www.stat.berkeley.edu/~breiman/bagging.pdf (дата обращения 25.05.2020)
Elliott G., Granger C., Timmermann A. 2013.Handbook of Economic Forecasting, 2: 1324.
Polikar R. 2006. Ensemble based systems in decision making. IEEE Circuits and Systems Magazine, 6 (3): 21–45.
Abstract views: 813
Share
Published
How to Cite
Issue
Section
Copyright (c) 2020 ECONOMICS. INFORMATION TECHNOLOGIES

This work is licensed under a Creative Commons Attribution 4.0 International License.