Исследование посвящено моделированию вероятности дефолта российских банков на данных за период 2015-2020 гг. Исследований дефолтов российских банков после 2015 г. сравнительно немного. Наша работа призвана восполнить этот пробел. Цель исследования состоит в выявлении переменных, статистически значимо влияющих на риск дефолта российских банков в условиях относительно стабильного развития российской экономики (2015-2020 гг.) без таких внешних шоков, как COVID-19 или международные санкции. В работе используется комплексный подход к моделированию риска дефолтов банков. Модельный аппарат представлен логит-, пробит-моделями, а также регрессией Кокса. В качестве объясняющих переменных использовались индикаторы, характеризующие различные аспекты функционирования кредитных организаций (в соответствии с методологией CAMELS), а также макроэкономические переменные. Наиболее значимыми предикторами дефолта оказались норматив достаточности капитала Н1, чистые активы банка, отношение кредитного портфеля к активам, обеспеченность кредитного портфеля имуществом, отношение выданного количества межбанковских кредитов к активам, а также инфляция (INF) и цена закрытия индекса Московской биржи (MOEXIN). В целом полученные результаты согласуются с системой показателей устойчивости коммерческих банков CAMELS, при этом влияние общих макроэкономических показателей оказывается незначимым. Результаты исследования представляют интерес для регулятора в целях текущего надзора и предупреждения риска дефолта, самих кредитных организаций с целью построения внутренних систем мониторинга финансовой устойчивости и участников финансового рынка для выбора наиболее устойчивых компаний с точки зрения инвестирования и размещения средств. Дальнейшие направления исследования связаны с включением в анализ кризисного периода и сравнением значимых предикторов в кризис и в стабильный период развития экономики, а также с использованием альтернативных методов, в частности, алгоритмов машинного обучения.
Идентификаторы и классификаторы
В российской экономике кредитные организации играют определяющую роль, поскольку на них приходится наибольшая доля в активах всех институтов финансовой системы. В этой связи кредитные организации являются объектами пруденциального регулирования и надзора. В частности, банкам необходимо соответствовать жестким требованиям для получения лицензии, а в дальнейшем – неукоснительно соблюдать регуляторные нормативы для ведения операционной деятельности.
Список литературы
1. Андреасян Г. (2000). Дистанционный анализ финансово-экономического состояния российских банков: Эконометрический подход: дис.... канд. экон. наук: 08.00.13 М.: ЦЭМИ РАН. 140 с. URL: https://rsl.ru.
2. Биджоян Д., Богданова Т. (2017). Концепция моделирования и прогнозирования вероятности отзыва лицензий российских банков // Экономическая наука современной России. № 4 (79). С. 88-103. EDN: SAOUPC
3. Бывшев В., Прокопчина С., Мищенко С. (2021). Исследование дискриминационной способности финансовых коэффициентов ROA и ROE выявлять проблемные банки (российский опыт) // Мягкие измерения и вычисления. № 38 (1). С. 60-65.
4. Давыденко И., Козаченко Е. (2021). Возможности и границы использования модели бинарной логистической регрессии для оценки финансовой устойчивости и риска дефолта банка // Экономика устойчивого развития. № 1 (45). С. 141-145.
5. Зубарев А., Бекирова О. (2020). Анализ факторов банковских дефолтов 2013-2019 гг. // Экономическая политика. Т. 15. № 3. С. 106-133. EDN: VUVRKG
6. Зубарев А., Шилов К. (2022). Дифференциация факторов банковских дефолтов по причинам отзыва лицензий // Экономический журнал ВШЭ. № 26 (1). С. 69-103.
7. Карминский А. М., Пересецкий А. А., Петров А. Е. (2005). Рейтинги в экономике: методология и практика. М: Финансы и статистика. 470 c. EDN: QQILJT
8. Карминский А. М., Костров А. В. (2013). Моделирование вероятности дефолта российских банков: расширенные возможности // Журнал Новой экономической ассоциации. № 1 (17). С. 64-70. EDN: PZEQIB
9. Класс Я., Класс Т. (2018). Идентификация факторов риска банкротства кредитных организаций и их моделирование // Финансы и кредит. № 24(1). С. 19-32.
10. Пересецкий А. А. (2013). Модели причин отзыва лицензий российских банков. Влияние неучтенных факторов // Прикладная эконометрика. № 30 (2). С. 49-64. EDN: RYGOSP
11. Радионова М., Приступина Ю. (2017). Моделирование вероятности дефолта российских банков // Финансовая аналитика: теория и практика. № 10 (2). С. 226-240.
12. Синельникова-Мурылева Е., Горшкова Т., Макеева Н. (2018). Прогнозирование дефолтов в российском банковском секторе // Экономическая политика. Т. 13. № 2. С. 8-27. EDN: XQOCKD
13. Тотьмянина К. М. (2011). Обзор моделей вероятности дефолта // Управление финансовыми рисками. № 1. С. 12-24. EDN: NUMLVH
14. Хасянова С., Цыганова В. (2018). Качество риск-менеджмента в банке: предпосылки возникновения финансовых проблем // Российский журнал менеджмента. № 16 (2). С. 187-204. EDN: UTYSWQ
15. Широбокова М. А. (2018). Модель оценки риска дефолта на всем протяжении жизни кредита // Вестник Удмуртского университета. Серия “Экономика и право”. № 28(2). С. 228-233.
16. Яшина Н., Макарова С., Макаров И. и др. (2017). Прогнозирование дефолта коммерческих банков на основе вероятностной модели // Экономический анализ: теория и практика. № 16 (12 (471)). С. 2376-2391. EDN: ZXQUSH
17. Albulescu C. (2022). Bank Financial Stability and International Oil Prices: Evidence from Listed Russian Public Banks. Eastern European Economics, vol. 60(3), pp. 217-246. EDN: BXYUTM
18. Altman E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, no. 23(4), pp. 589-609.
19. Altman E. I., Marco G., Varetto F. (1994). Corporate distress diagnosis: comparisons using linear discriminant analysis and neural networks (the Italian experience). Journal of Banking and Finance, no. 18 (3), pp. 505-529.
20. Avery R. B., Hanweck G. A. (1984). A dynamic analysis of bank failures. Board of Governors of the Federal Reserve System, no. 74.
21. Barajas A., Krakovich V., Lopez-Iturriaga F. (2023). Survival of Russian Banks: How Efficient are the Control Measures? European Journal of Management and Business Economics, vol. 32, no. 3, pp. 320-341. EDN: LFBUIC
22. Bigus J. P. (1996). Data mining With Neural Networks: Solving Business Problems from Application Development to Decision Support. Hightstown: McGraw-Hill, Inc.
23. Bondarenko M., Semenova M. (2018). Do High Deposit Interest Rates Signal Bank Default? Evidence from the Russian Retail Deposit Market. National Research University “Higher School of Economics”. HSE Working Paper, no. BRP 65/FE/2018.
24. Bräuning M., Malikkidou D., Scalone S., et al. (2019). A New Approach to Early Warning Systems for Small European Banks. ECB Working Paper, no. 2348.
25. Carree M. (2003). A Hazard Rate Analysis of Russian Commercial Banks in the Period 1994-1997. Economic Systems, no. 27(3), pp. 255-269.
26. Chan-Lau J.A. (2006). Fundamentals-based estimation of default probabilities: a survey. IMF Working Paper, no. 149.
27. Chernykh L., Kotomin V. (2022). Risk-based Deposit Insurance, Deposit Rates and Bank Failures: Evidence from Russia. Journal of Banking and Finance, vol. 138, article 106438.
28. Chernykh L., Mityakov S. (2022). Behaviour of Corporate Depositors during a Bank Panic. Management Science, vol. 68 (12), pp. 9129-9159. EDN: EXSVBW
29. Erdogan B. (2013). Prediction of Bankruptcy Using Support Vector Machines: An Application to Bank Bankruptcy. Journal of Statistical Computation and Simulation, vol. 83 (8), pp. 1543-1555.
30. Fungáčová Z., Solanko L. (2009). Risk-Taking by Russian Banks: Do Location, Ownership and Size Matter? Bank of Finland. Institute for Economies in Transition. BOFIT Discussion Papers 21.
31. Fungáčová Z., Turk R., Weill L. (2021). High Liquidity Creation and Bank Failures. Journal of Financial Stability, vol. 57, 100937.
32. Fungáčová Z., Weill L. (2013). Does Competition Influence Bank Failures? Evidence from Russia. Economics of Transition and Institutional Change, vol. 21, no. 2, pp. 301-322. EDN: RIREOJ
33. Jing Z., Fang Y. (2018). Predicting US Bank Failures: A Comparison of Logit and Data Mining Models. Journal of Forecasting, vol. 37 (2), pp. 235-256.
34. Karminsky A., Kostrov A. (2016). The Back Side of Banking in Russia: Forecasting Bank Failures with Negative Capital. International Journal of Computational Economics and Econometrics, vol. 7, no. 1-2, pp. 170-209.
35. Kočenda E., Iwasaki I. (2022). Bank Survival around the World: A Meta-analytic Review. Journal of Economic Surveys, vol. 36 (1), pp. 108-156.
36. Lanine G., Vennet R. (2006). Failure Prediction in the Russian Bank Sector with Logit and Trait Recognition Models. Expert Systems with Applications, vol. 30 (3), pp. 463-478.
37. Makinen, M., Solanko L. (2018). Determinants of Bank Closures: Do Levels or Changes of CAMEL Variables Matter? Russian Journal of Money and Finance, vol. 77(2), pp. 3-21. EDN: HNMZVY
38. Martin D. (1977). Early Warning of Bank Failure: A Logit Regression Approach. Journal of Banking & Finance, vol. 1, pp. 249-276.
39. Orbe J., Núñez-Antón V. (2011) Analysis of the Determinants of Survival for the Russian Commercial Banking Industry: A New Approach. Applied Stochastic Models in Business and Industry, vol. 27 (3), pp. 301-314.
40. Peresetsky A. A., Karminsky A. M., Golovan S. V. (2011) Probability of Default Models of Russian Banks. Economic Change and Restructuring, vol. 44, no. 4. EDN: SSVIJF
41. Philippon, T., Wang O. (2023). Let the Worst One Fail: A Credible Solution to the Too-Big-To-Fail Conundrum. Quarterly Journal of Economics, vol. 138 (2), pp. 1233-1271. EDN: MUTCVN
42. Ploeg S. (2010). Bank Default Prediction Models: A Comparison and an Application to Credit Rating Transitions. Ernst & Young - Financial Services Risk Management. Rotterdam: Erasmus University.
43. Shibitov D., Mamedli M. (2019). The Finer Points of Model Comparison in Machine Learning: Forecasting Based on Russian Banks’ Data. Bank of Russia Working Paper, no. 43. August.
44. Tamari M. (1966). Financial ratios as a means of forecasting bankruptcy. Management International Review, no. 4, pp.15-21.
45. Tankoeva V., Bazzana F., Gabriele R. (2018). The Stability of the Financial System: An Analysis of Russian Bank Failures. In: Research Handbook of Investing in the Triple Bottom Line: Finance, Society and Environment. Ed. by S. Boubaker, D. Cumming, D. K. Nguyen. Cheltenham (UK), Northampton (USA): Edward Elgar. EDN: UAPQBK
46. Wilson T. (1997). Portfolio Credit Risk: Part I. Risk Magazine, September.
Выпуск
Другие статьи выпуска
В статье рассмотрены вопросы формирования и развития инновационных экосистем. В исследовании используются следующие общенаучные методы: системный, аналогий, исторический, сравнительного анализа, синтеза и др. Проведенное нами исследование опирается на следующие теории: систем, развития инновационных систем, региональных инновационных систем, концепцию открытых инноваций. Цель исследования заключается в определении теоретических оснований применения экосистемного подхода к развитию инновационных систем в регионах. В ходе исследования определены базовые предпосылки формирования инновационных экосистем в регионах (ускорение темпов инновационного развития; сложность инновационного процесса и междисциплинарный подход к получению инноваций; применение концепции открытых инноваций; ускорение выхода инноваций на рынок; возможность функциональной взаимодополняемости в ходе сотрудничества; возможность совместного и более эффективного использования ресурсов и инфраструктуры; дифференциация регионов; возможность разделения рисков, связанных с инновационной деятельностью). В работе выявлены подходы к содержанию понятия «инновационная экосистема», которые отражают многоаспектность инновационных экосистем. В статье уточнены свойства инновационных экосистем (сложность, открытость, взаимозависимость и взаимодополняемость элементов, нелинейность, динамичность) и принципы их функционирования (эмерджентность, синергизм, адаптируемость, саморазвитие, устойчивость, самоорганизация, коэволюция). В исследовании выделены механизмы взаимодействий субъектов (кооперация, сотрудничество, конкуренция, регулирование, координация, совместное управление), ведущие к получению синергетического эффекта акторами инновационной экосистемы. Полученные нами результаты систематизируют знания об инновационных экосистемах, формируют теоретическую основу об особенностях их создания и развития в отдельных регионах, что может найти практическое применение при определении инструментов региональной инновационной политики.
Принятие решений при резких изменениях внешней среды предприятия может происходить в ситуации ограничений временных интервалов. При недостатке времени на такие решения могут повлиять когнитивные искажения, свойственные руководителю. Цель настоящей работы - уточнить влияние когнитивных искажений на субъективное восприятие вероятности наступления тех или иных событий при принятии решений, на анализ и оценку рисков, потребительского поведения и т. п. для дальнейшей разработки и реализации антирисковых управленческих воздействий. Исследование опирается на методологический инструментарий операциональной теории управления уровнем риска, основы поведенческой экономики, разработанные в трудах Д. Канемана и А. Тверски, и так называемую теорию двух систем (Системы 1 и Системы 2). Рассмотрены примеры когнитивных искажений при принятии решений под воздействием Системы 1. Описаны результаты эксперимента, направленные на выявление количественных оценок восприятия вероятности наступления событий по визуальному ряду изображений, предъявленных испытуемым, с включенной Системой 1 и подавленной Системой 2. Дана оценка решениям прогностических задач. Подчеркнуто, что представляется разумным принять во внимание все проблемы, выявленные в ходе эксперимента, и провести новую серию экспериментов с уточненными условиями. Расширение и уточнение научного понимания субъективного восприятия вероятности экономическими агентами может помочь пересмотру многих теорий в области подготовки принятия управленческих решений и потребительского поведения. Предложены рекомендации для внедрения антирисковых управленческих воздействий с включением Системы 2 для минимизации влияния когнитивных искажений на принимаемые решения.
В статье анализируется влияние потребления энергии на ВВП в различных регионах и странах мира (Америка, Европа, постсоветское пространство, Ближний Восток, Африка, Азиатско-Тихоокеанский регион). Показано, что: 1) между ростом потребления энергии и экономическим развитием при отсутствии внешних эффектов в области энергоэффективности существует прямая линейная причинно-следственная связь; 2) внешние факторы, способствующие повышению эффективности потребления энергии: институциональная среда и научно-технические достижения в области энергоэффективности; изменение структуры экономики в пользу менее энергоемких отраслей. Для описания взаимосвязи между потреблением энергии и экономическим ростом можно использовать модели, основанные на линейной алгебре, например модель Леонтьева. Потребление энергии в различных секторах экономики может иметь как положительную, так и отрицательную взаимосвязь с экономическим ростом. Сокращение доли промышленности и сельского хозяйства не гарантирует одновременного сокращения потребления энергоресурсов в секторе услуг. Между потреблением энергии в секторе услуг, а также в секторе транспорта и экономическим развитием в различных странах мира существует прямая линейная взаимосвязь. Рост потребления энергии в транспортном секторе, сопровождающий экономическое развитие, в ряде стран связан с ростом благополучия населения. Обратная связь, которую демонстрировали некоторые результаты исследования, свидетельствует не о том, что все исследованные страны более энергоэффективны, а лишь о наличии внешних воздействий, способствующих повышению эффективности потребления энергии. Энергосбережение не является ограничивающим фактором для экономического роста, но оно не возникает в экономической системе без комплекса внешних стимулов в разных секторах экономики.
В статье рассматриваются вопросы качественного экономического роста и развития, создающие основы устойчивости и стабильности в экономике. Представлен анализ факторов, влияющиих на изменение макроэкономической ситуации за 2015-2022/2023 годы. Рассмотрено сложившееся положение в странах бывшего СССР. Выявлены основные причины, ограничивающие экономический рост и развитие, раскрыты механизмы их преодоления. Обоснована необходимость большего внимания качественным показателям экономического роста и развития, создающим основы устойчивости. В текущих условиях качественная составляющая экономического роста и развития приобретает все большую значимость вследствие усиления влияния глобальных проблем, рисков, неопределенности, санкций, локальных войн. Негативное влияние на экономический рост страны оказала пандемия, что выявило потребность в устойчивом финансировании государственных инвестиций для экономического роста и развития, гарантий налоговых поступлений. Пандемия способствовала повышению значимости инновационных проектов. Принятые программы, концепции и дорожные карты способствуют формированию конкурентоспособного инновационного промышленного комплекса. Все это, в свою очередь, будет создавать основы качественного улучшения имеющегося производственного потенциала страны, способствовать переходу к преимущественно инновационному типу развития. Целесообразно реально отражать сложившееся положение, не закрывать глаза на происходящие реальные положительные изменения в стране, способствующие укреплению не только экономического, но и политического положения в мире. Суть планирования в экономике не в том, чтобы предложить проект, а в том, чтобы определить направление, которое можно было бы без ущерба корректировать в зависимости от ситуации. Экономическая наука должна обосновывать экономическую деятельность. Схематично можно выстроить такую цепочку: идея - экономическое обоснование - реализация.
Развитие искусственного интеллекта (ИИ) требует теоретического осмысления с точки зрения стратегических изменений в содержании и формах образования: с одной стороны, использование ИИ в образовании открывает новые возможности для повышения качества образования, с другой стороны, ИИ заменит многие виды деятельности человека в его профессиональной карьере и личной жизни. В связи с этим возникают следующие вопросы: какие способности человека являются специфически человеческими и не могут быть заменены возможностями ИИ? Каковы стратегические последствия внедрения ИИ в нашу жизнь для сферы университетского образования или других уровней и форм образования, в том числе в зависимости от специфики отдельных дисциплин? Наша цель - обобщить и представить выводы, сделанные на основе исследования различий между ИИ современного типа и человеческим интеллектом, с акцентом на выявление специфики человеческого интеллекта и поддержку его развития в системе образования. Мы рассматриваем возможность создания такого типа ИИ, который способен заменить даже те человеческие способности, которые не может заменить нынешний тип ИИ.
Актуальность исследования обусловлена тем, что климатическая повестка начинает оказывать значительное влияние на экономическую политику разных стран. В статье определено, что сложившееся глобальное климатическое регулирование можно рассматривать не только как согласованный проект формирования новых институтов, но и как конкуренцию отдельных проектов, один из которых занимает место глобального. Целью данной работы является характеристика институционального проекта климатического регулирования как результата коллективного выбора принятия и реализации мер интернализации глобальных внешних эффектов изменения климата. Проведен институциональный анализ выбора основных направлений и инструментов климатического регулирования, выделены критерии этого отбора. Показано, что в процессе согласования интересов выбор определяется соотношением политико-экономических позиций групп интересов различных игроков (международных организаций, отдельных стран, корпораций и банков, их ассоциаций), а на первый план выходят интересы повышения конкурентоспособности и укрепления контроля и власти в современной экономике. В результате место глобального проекта климатического регулирования занимает проект низкоуглеродной экономики, ядром которого является энергопереход, предполагающий замену ископаемого топлива возобновляемыми источниками энергии. Он поддерживается нарративами приближающейся катастрофы, «чистого нуля» (net-zero) и «гонки за нулем» (race to zero campaign). Основными его бенефициарами являются развитые страны как разработчики и поставщики соответствующих технологических и управленческих решений. Свою долю выгод получает финансовый сектор. Находит воплощение формула М. Олсона «эксплуатации большинства меньшинством». Показано, что «распределительные коалиции», получая дополнительные ресурсы, готовы и дальше инвестировать их в коллективные действия для продвижения низкоуглеродной экономики. Сделан вывод о том, что выход глобального климатического регулирования из ловушки «гонки за нулем» предполагает разработку разными странами и группами стран суверенных климатических политик, ориентированных не на следование конкретным рекомендациям низкоуглеродного развития, а на собственное социально-экономическое развитие с учетом сокращения влияния на климатическую систему.
В статье обосновывается тезис о том, что управление поведением людей - это управление поведением каждого человека. В свою очередь, поведение каждого человека зависит от сформированной в его сознании индивидуальной ментальной модели. Показано, что существование общественных институтов как правил поведения и принуждение их исполнять - системная необходимость, они устанавливаются на основе ценностей и целей у тех людей, которые их устанавливает. В статье предлагается иерархия атрибутов поведения в индивидуальной ментальной модели, которая определяет поведение человека. Показано, что стиль поведения каждого человека является результатом постоянного сравнения правил с целями развития общества и индивидуальными целями. Человек как система стремится к устойчивости и самосохранению. Совокупность ценностей, сформированная в индивидуальной ментальной модели, определяет параметры устойчивости и самосохранения в виде совокупности потребностей, номенклатуры благ и способов их получения. Успешное развитие системы возможно лишь при совместном направленном развитии каждого элемента системы. Показано, что системной целью социально-экономических отношений является рост благосостояния каждого человека - создателя благ и его домашнего хозяйства, а также всестороннее развитие каждого человека как члена общества. Системная необходимость управления состоит в том, чтобы исходя из этих целей, сформировать совокупность ценностей, а значит - и совокупность потребностей, и изменить правила создания, распределения и обмена благ, соответствующих этим целям. Показано, что только в этом случае общие цели, положенные в основу формирования индивидуальной ментальной модели, будут совпадать с целями развития человека как системы и обеспечат гармоничное поведение людей. В противном случае люди используют публичный конформизм для самосохранения и устойчивости либо нонконформизм как стиль поведения, направленный на реализацию ценностей в индивидуальной ментальной модели.
Экономическая деятельность человека и его мировоззрение тесно взаимосвязаны, и эта взаимосвязь привлекала внимание философов и ученых на протяжении столетий. Принимая хозяйственные решения, человек вступал в отношения кооперации, сотрудничества и/или конкуренции и даже войны. С древних времен война используется человеком как инструмент разрешения экономических конфликтов и достижения экономических интересов. Война эволюционирует вместе с развитием социально-экономических систем и мировоззрения самого человека. Экономическое мировоззрение и социально-экономические системы, в свою очередь, эволюционируют под влиянием развития хозяйственной деятельности, философского знания, науки и техники. В развитии человечества можно выделить эпохи господства определенной философской парадигмы (классицизм, модерн, постмодерн, метамодерн), определявшей мировоззрение людей, «дух времени», а также хозяйственную деятельность, выбор инструментов разрешения экономических конфликтов и достижения экономических интересов, в том числе характеристики и отличительные особенности войн. Поскольку в современном глобальном мире эпохи метамодерна военные конфликты существенно влияют на экономические решения экономических субъектов, стало актуальным выявление отличительных особенностей современных войн во взаимосвязи с философией метамодернизма. Целью исследования является выявление отличительных характеристик войны как экономического инструмента в каждую из вышеназванных эпох во взаимосвязи с доминирующей философской парадигмой и характеристиками социально-экономических систем, сторон военных конфликтов, а также обос-нование ключевых особенностей войны в современную эпоху метамодерна. Для достижения поставленной цели будут решены следующие задачи: проведен сравнительный историко-экономический анализ войн эпох классицизма, модерна, постмодерна, метамодерна, а также выявлены различия между ними по ряду критериев; показана найденная взаимосвязь особенностей войн с доминирующей философской парадигмой; определена роль войны в экономике метамодерна. Методология исследования основана на синтезе историко-экономической методологии, системного экономического подхода, сравнительного анализа, что определяет новизну результатов исследования: обоснованы взаимосвязи войны как инструмента решения экономических конфликтов и/или достижения экономических интересов с доминирующей философской парадигмой.
В статье изучаются взаимосвязи между этикой и экономикой в условиях функционирования актуальной системы важнейших социальных институтов. Цель исследования состоит в теоретическом анализе взаимосвязей между экономической и этической труктурами общества и разработке рекомендаций для практического применения результатов такого анализа в ходе формирования стратегии социально-экономического развития страны. Исследование базируется на принципах системного подхода, пространственно-временного анализа и методологии системной социально-экономической теории. Структура экономических парадигм сопоставляется со структурой этических парадигм, в результате чего делается вывод об их взаимной обусловленности и влиянии на тип общественного устройства. Обосновывается двойственный характер взаимоотношений экономики и этики. В системном плане эта двойственность проявляется в разделении предмета экономики и этики: если предметом экономики в конечном счете являются действия, направленные на овладение силами природы, а также факторы и результаты этих действий, то предметом этики - нравственная оценка этих действий и совершенствование на этой основе общественных отношений в целом. Экономика в обществе имеет всеобъемлющий характер, в то время как этика обладает свойством повсеместно проникать в сознание субъектов экономики. В совокупности экономическая и этическая сферы определяют структуру и функции социально-экономического пространства-времени. Укрепление института репутации способствует распространению и закреплению традиционных ценностей и повышению этического уровня общества. Указывается на необходимость отражения в стратегии социально-экономического развития страны наряду с целевыми ориентирами экономической динамики, также желательного состояния духовной сферы населения и общепризнанных принципов этического поведения. Исследуются возможности применения этических принципов при решении вопросов о размещении и развитии производительных сил в стране.
Издательство
- Издательство
- ЦЭМИ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 117418, Москва, Нахимовский пр, 47
- Юр. адрес
- 117418, Москва, Нахимовский пр, 47
- ФИО
- Альберт Рауфович БАХТИЗИН (Директор)
- E-mail адрес
- albert.bakhtizin@gmail.com
- Контактный телефон
- +7 (499) 1290822