Губарев Роман Владимирович — к.э.н., доцент, кафедра экономической теории
Москва
Moscow
Чередниченко Лариса Геннадиевна — д.э.н., профессор, кафедра экономической теории
Москва
Moscow
Бородин Александр Иванович — д.э.н., доцент, профессор кафедры финансов устойчивого развития
Москва
Moscow
Дзюба Евгений Иванович — лектор
Уфа
Ufa
Эффективная национальная система торговли квотами предполагает точный прогноз объема эмиссии парниковых газов в целом для экономики страны и в ее отраслевом разрезе. Основным источником выбросов углекислого газа в большинстве стран мира (включая Россию) является энергетика с традиционными видами топлива (уголь, газ и нефть). Отсюда цель данной научной статьи — построение прогноза энергетических выбросов углекислого газа в РФ путем применения адекватных методов экономико-математического моделирования. Для ее достижения последовательно выдвигаются и проверяются две гипотезы: о возможности построения среднесрочного прогноза показателя в результате проведения корреляционно-регрессионного анализа и на основе формирования байесовского ансамбля искусственных нейронных сетей. В ходе эмпирического исследования подтвердились обе гипотезы. При этом второй метод обеспечивает более высокую степень точности аппроксимации статистических данных. Поэтому в рамках статьи формирование среднесрочного прогноза энергетических выбросов углекислого газа в России производится с помощью нейросетевого моделирования. Высокоточное прогнозирование является научной базой для принятия эффективных управленческих решений руководством страны в сфере декарбонизации национальной экономики.
Effective national cap-and-trade system involves accurate projections of greenhouse gas emissions for the national economy as a whole and by industry. The main source of carbon dioxide emissions in most countries of the world (including Russia) is the energy sector with traditional fuels (coal, gas and oil). The objective of the paper is to forecast energy emissions of carbon dioxide in the Russian Federation by applying adequate economic and mathematical modelling methods. To achieve it, two hypotheses are consistently put forward and tested: the possibility of building a medium-term forecast of the indicator as a result of correlation and regression analysis and the one based on the formation of a Bayesian ensemble of artificial neural networks. Both hypotheses are confirmed in the empirical study. However, the second method provides a higher degree of accuracy in approximating statistical data. Therefore, within the framework of this article, the formation of medium-term forecasts of energy carbon dioxide emissions in Russia is made with the help of neural network modeling. Highly accurate forecasting provides a scientific basis for effective policymakers’ decisions in decarbonisation of the national economy.
The authors declare that there are no conflicts of interest present.