Scientific journal

Научное обозрение. Экономические науки

ISSN 2500-3410

ПИ №ФС77-57503

Объективная, достоверная и точная оценка инвестиционной привлекательности региона приобретает в современных условиях все большую значимость.

Во-первых, она служит ориентиром для инвесторов, помогая им принимать взвешенные и обоснованные решения. Зная показатели инвестиционной привлекательности региона, инвестор может оценить его сильные и слабые стороны, взвесить риски, связанные с реализацией инвестиционных проектов на его территории.

Во-вторых, оценку инвестиционной привлекательности региона можно считать одним из показателей эффективности деятельности органов исполнительной власти субъектов Российской Федерации. В качестве такого показателя она может быть интересна и рядовым жителям, и высшим должностным лицам региона. Первым – для принятия электоральных решений, вторым – для разработки и корректировки своей инвестиционной, промышленной, финансовой, социальной, институциональной политики.

На сегодняшний день в нашей стране на регулярной основе составляется несколько рейтингов инвестиционной привлекательности регионов. Так, Агентство стратегических инициатив ежегодно разрабатывает Национальный рейтинг состояния инвестиционного климата в субъектах РФ; Национальное рейтинговое агентство – Рейтинг инвестиционной привлекательности регионов России; рейтинговое агентство «РАЭКС-Аналитика» – обзор «Инвестиционная привлекательность регионов». Своего рода рейтингом инвестиционной привлекательности регионов можно считать и Рейтинг социально-экономического положения субъектов Российской Федерации, подготавливаемый рейтинговым агентством «РИА Рейтинг».

Несмотря на то что работа по ранжированию регионов в соответствии с их инвестиционной привлекательностью ведется в нашей стране достаточно давно, несмотря на то что в этой области накоплен достаточно большой опыт, отдельные аспекты методики составления региональных инвестиционных рейтингов нуждаются в совершенствовании.

Рассмотрим, к примеру, обзор рейтингового агентства «РАЭКС-Аналитика» за 2017 год. В этом обзоре Челябинская область отнесена к группе регионов, имеющих средний потенциал – умеренный риск (2B), тогда как Саратовская область отнесена к менее привлекательной с инвестиционной точки зрения группе регионов, имеющих пониженный потенциал – умеренный риск (3B1). Между тем доля инвестиций в основной капитал в ВРП Саратовской области (21,7 %) существенно превысила аналогичный показатель Челябинской области (14,8 %), то же самое можно сказать и об инвестициях в основной капитал на душу населения: в Саратовской области их величина составила 58 744 руб., а в Челябинской – 56 892 руб. Таким образом, регион с более низким рейтингом оказался более привлекательным для инвесторов, чем регион с более высоким рейтингом.

Аналогичный парадокс наблюдается и при сравнении Саратовской и Новгородской областей. Последняя отнесена к группе регионов с более низким, чем у Саратовской области рейтингом инвестиционной привлекательности, а именно, к группе регионов, имеющих незначительный потенциал – умеренный риск (3B2). Несмотря на это, доля инвестиций в основной капитал в ВРП Новгородской области (26,3 %) и величина инвестиций в основной капитал на душу населения (116 213 руб.) превысили аналогичные показатели Саратовской области.

Причина подобных парадоксов кроется в применяемой в настоящее время методике составления рейтингов инвестиционной привлекательности. Согласно этой методике позиция региона в рейтинге есть функция факторов инвестиционной деятельности, «каждый из которых может быть оценен с помощью подбора для него специального набора показателей» [1]. При этом вклад каждого из этих показателей в итоговый индикатор «оценивается на основе анкетирования представителей экспертного, инвестиционного и банковского сообществ» [2]. То есть позиция региона в рейтинге инвестиционной привлекательности определяется в конечном счете экспертами (представители инвестиционного сообщества тоже выступают в данном случае в качестве экспертов).

Цель исследования: разработка нового подхода к составлению рейтингов инвестиционной привлекательности регионов.

Материалы и методы исследования

Ранжирование регионов в рамках этого подхода предлагается осуществлять по величине уже состоявшихся инвестиций в основной капитал, что и отличает предлагаемый подход от общепринятой методики формирования инвестиционных региональных рейтингов, разрабатываемой в трудах А.А. Антилоговой [3], Ю.С. Емельянова и Ю.Ю. Леоновой [4], К.А. Озеровой и Н.С. Ивашиной [5], Р.С. Уталиевой и Э.М. Адиетовой [6], Д.С. Юва [7] и других авторов.

Преимущество предлагаемого подхода состоит в том, что сформированный на его основе рейтинг будет отражать мнение состоявшихся инвесторов, «проголосовавших» за тот или иной регион своими инвестиционными вложениями, своими деньгами, а не мнение экспертов, отвечающих за результаты своей работы в лучшем случае репутацией, а то и вовсе анонимных.

Результаты исследования и их обсуждение

В рамках апробации предлагаемого подхода нами был составлен рейтинг инвестиционной привлекательности регионов за 2017 год с применением кластерного анализа. Этот метод позволяет разделить совокупность каких-либо объектов (например, регионов) на кластеры (например, на кластеры высокой, средней и низкой инвестиционной привлекательности).

При этом кластеризируемые объекты представляются как точки в пространстве признаков. Задача кластерного анализа – выделить сгущения этих точек, разбить их совокупность на подмножества. При этом внутри каждого подмножества должны оказаться регионы, незначительно различающиеся между собой по признакам кластеризации, но существенно отличающиеся по этим признакам от регионов другого подмножества. Мерой сходства (различия) между регионами является геометрическое расстояние между точками, соответствующими величине выбранных признаков кластеризации.

Очевидно, что для цели настоящего исследования в качестве признака кластеризации необходимо подобрать показатель, характеризующий величину инвестиций в основной капитал, произведенных на территории региона, пригодный при этом для межрегиональных сравнений. В качестве такого показателя нами была взята величина инвестиций в основной капитал на душу населения, уменьшенная на величину бюджетных инвестиций. Последние были исключены из расчета потому, что их осуществление не является подтверждением инвестиционной привлекательности объекта вложений. В самом деле, государство редко производит инвестиции в высокопривлекательные проекты, напротив, оно финансирует не интересные частному бизнесу направления. Цель государства как инвестора не в том, чтобы получить доход от инвестиционных вложений, а в том, чтобы восполнить дефицит частных инвестиций в неприбыльные, но стратегически важные объекты, например в объекты транспортной, энергетической или социальной инфраструктуры. Именно поэтому в качестве исходных данных в работе были взяты инвестиционные вложения, произведенные из внебюджетных источников.

Обработка указанных данных осуществлялась в статистическом пакете SPSS Statistics в два этапа.

На первом этапе было определено оптимальное количество кластеров. Программа SPSS позволяет сделать это по двум критериям: либо по Байесовскому информационному критерию, либо по информационному критерию Акаике. Кроме того, для определения оптимального количества кластеров можно использовать две меры расстояния между объектами: Евклидову меру и меру Log-правдоподобия. Таким образом, путем комбинирования двух критериев кластеризации и двух мер расстояния можно получить четыре способа определения оптимального количества кластеров. Применение всех четырех способов дало одинаковый результат: оптимальное количество кластеров для разбиения исследуемой совокупности равно двум. При этом во всех четырех случаях качество разбиения было оценено как хорошее.

На втором этапе кластерного анализа было произведено непосредственное разбиение на 2 кластера 82 регионов Российской Федерации (Ненецкий автономный округ был учтен в составе Архангельской области, а Ханты-Мансийский и Ямало-Ненецкий автономные округа – в составе Тюменской области). В качестве метода разбиения был использован метод Варда.

В результате был выделен кластер с экстремально высокой инвестиционной привлекательностью, в который вошло 4 региона (Республика Саха (Якутия), Тюменская, Магаданская и Сахалинская области), и кластер, в который вошли остальные регионы.

Полученные кластеры существенно отличались друг от друга по показателю кластеризации. Так, среднее значение величины внебюджетных инвестиций в основной капитал на душу населения в первом кластере составило 411,9 тыс. руб., тогда как во втором – 48,6 тыс. руб. Однако мера сходства между регионами внутри кластеров оказалась низкой, так как ни один из полученных кластеров не был однородным (коэффициент вариации показателя кластеризации превышал 33 %). Поэтому процедуру кластеризации было решено повторить для каждого из двух выделенных кластеров. Новые кластеры, полученные в результате повторной кластеризации, проверялись на однородность и снова подвергались кластеризации в случае, если условие однородности не выполнялось (если коэффициент вариации внебюджетных инвестиций в основной капитал на душу населения превышал 33 %). В результате было получено 9 кластеров (таблица).

Как видим, полученный рейтинг позволяет определить номер позиции каждого конкретного региона относительно остальных регионов Российской Федерации, а также относительно регионов одного с ним кластера. Этим данный рейтинг выгодно отличается от упомянутых выше рейтингов, например, от Рейтинга инвестиционной привлекательности регионов Национального рейтингового агентства. Последний позволяет судить только о принадлежности региона к тому или иному кластеру, например к кластеру регионов с высоким, средним или умеренным уровнем инвестиционной привлекательности.

Потенциально предлагаемый рейтинг даст возможность отслеживать количественные изменения в инвестиционной привлекательности регионов с течением времени. То есть он позволит судить не только о направлении изменения инвестиционной привлекательности региона от года к году (ее повышении или снижении), что позволяют делать и другие составляемые в настоящее время рейтинги. В отличие от них предлагаемый рейтинг позволит судить еще и о том, насколько в количественном выражении изменилась инвестиционная привлекательность региона.

Кроме того, предлагаемый рейтинг дает возможность оценить степень дифференциации российских регионов по уровню их инвестиционной привлекательности, причем оценить ее количественно, например путем расчета показателей, аналогичных тем, что применяются для оценки степени дифференциации населения по уровню доходов, например аналогичных децильному и квинтильному коэффициентам.

Заключение

Итак, в ходе апробации предлагаемого в настоящей работе подхода к ранжированию регионов по их инвестиционной привлекательности был сформирован рейтинг, состоящий из девяти кластеров. Данный рейтинг был получен без процедуры экспертной оценки, что обуславливает его большую объективность по сравнению с рейтингами, полученными с применением традиционной методики ранжирования регионов по степени их инвестиционной привлекательности.

Предполагается, что сформированный в настоящей работе рейтинг будет полезен инвесторам, осуществляющим выбор региона для инвестиционных вложений. Кроме того, данный рейтинг можно использовать для оценки эффективности деятельности органов исполнительной власти субъектов Российской Федерации: чем выше рейтинговая позиция кластера, в которую вошел тот или иной регион, чем больше удалось привлечь в этот регион инвестиций, тем результативнее проводимая в этом регионе инвестиционная, промышленная, финансовая, социальная, институциональная политика.