РЯБЦЕВ К.И.

Научная статья
https://doi.org/10.24412/2220-2404-2026-5-17
УДК 339.9     

АДАПТИВНАЯ ЭКОНОМИКО-МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ФОРМИРОВАНИЯ ОПТИМАЛЬНОГО ПОРТФЕЛЯ СКВОЗНЫХ ТЕХНОЛОГИЙ В УСЛОВИЯХ МЕЖДУНАРОДНОГО НАУЧНО-ТЕХНИЧЕСКОГО СОТРУДНИЧЕСТВА
Рябцев К.И.
Всероссийская академия внешней торговли Министерства экономического развития Российской Федерации

Аннотация: В статье предложена адаптивная экономико-математическая модель формирования оптимального портфеля сквозных технологий в сфере международной торговли технологиями и научно-технического сотрудничества, учитывающая специфические параметры знаний и геополитической среды. Теоретической основой служат концепция спилловеров знаний, подходы портфельной оптимизации и современные представления о геополитической фрагментации мировой экономики. В модель интегрированы три специализированных параметра: интеллектуальные потери как интегральная характеристика неявного трансфера знаний в международных консорциумах, технологическая синергия как матричная оценка взаимодополняемости сквозных технологий, и геополитическая уязвимость как агрегированная мера риска потери доступа к отдельным технологическим активам в результате санкций, экспортных ограничений и технологических войн. Формализованные показатели позволяют переопределить целевую функцию портфеля сквозных технологий за пределами классической парадигмы «доходность–риск», включив в нее внешние эффекты знаний, системную комплементарность технологий и дискретные геополитические шоки.
Ключевые слова: международная торговля технологиями, сквозные технологии, международное научно-техническое сотрудничество, портфель технологий, спилловеры знаний, интеллектуальные потери, технологическая синергия.

Финансирование: инициативная работа.

Original article

ADAPTIVE ECONOMIC AND MATHEMATICAL MODEL FOR THE FORMATION OF AN OPTIMAL PORTFOLIO OF CROSS-CUTTING TECHNOLOGIES IN THE CONTEXT OF INTERNATIONAL SCIENTIFIC AND TECHNICAL COOPERATION
Konstantin I. Ryabtsev
All-Russian Academy of Foreign Trade

Abstract. The article proposes an adaptive economic-mathematical model for forming an optimal portfolio of cross-cutting technologies in the sphere of international technology trade and scientific and technological cooperation, which takes into account specific parameters of knowledge and the geopolitical environment. The theoretical framework is based on the concept of knowledge spillovers, portfolio optimization approaches, and modern views on the geopolitical fragmentation of the world economy. The model integrates three specialized parameters: intellectual losses as an integral characteristic of tacit knowledge transfer in international consortia, technological synergy as a matrix-based assessment of the complementarity of cross-cutting technologies, and geopolitical vulnerability as an aggregated measure of the risk of losing access to individual technological assets as a result of sanctions, export controls, and technology wars. The formalized indicators make it possible to redefine the objective function of a cross-cutting technology portfolio beyond the classical “return–risk” paradigm by incorporating knowledge externalities, the systemic complementarity of technologies, and discrete geopolitical shocks.
Keywords: international technology trade, cross-cutting technologies, international scientific and technological cooperation, technology portfolio, knowledge spillovers, intellectual losses, technological synergy.
Funding: Independent work.

Список источников:
1. Халяпин А.А., Тылик А.Е., Балоян С.С., Хастян А.М. Оптимизация инвестиционного портфеля с учётом риска и доходности на развивающихся рынках // Вестник Академии знаний. 2024. № 6 (65). URL: https://cyberleninka.ru/article/n/optimizatsiya-investitsionnogo-portfelya-s-uchetom-riska-i-dohodnosti-na-razvivayuschihsya-rynkah (дата обращения: 10.04.2026).
2. Федорова Е.А., Коркмазова Б.К., Муратов М.А. Спилловер-эффекты в российской экономике: региональная специфика // Экономика региона. 2016. № 1. URL: https://cyberleninka.ru/article/n/spillover-effekty-v-rossiyskoy-ekonomike-regionalnaya-spetsifika (дата обращения: 08.03.2026).  DOI: 10.17059/2016-1-10 EDN: VQGXSZ
3. Шкиотов С.В. Спилловер-эффекты интеграции: исследование канала межрегиональной торговли на пространстве ЕАЭС // Теоретическая экономика. 2023. № 9 (105). URL: https://cyberleninka.ru/article/n/spillover-effekty-integratsii-issledovanie-kanala-mezhregionalnoy-torgovli-na-prostranstve-eaes (дата обращения: 07.04.2026). EDN: REJJCC
4. Audretsch D., Belitski M. The knowledge spillover of innovation // Industrial and Corporate Change. 2022. Vol. 31. URL: https://www.researchgate.net/publication/362446404_The_knowledge_spillover_of_innovation (accessed: 05.04.2026).  DOI: 10.1093/icc/dtac035 EDN: QWZJGM
5. Попов В.В. Применение искусственного интеллекта и больших данных в практике российских организаций // Прикладная статистика и искусственный интеллект. 2024. № 4. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-i-bolshih-dannyh-v-praktike-rossiyskih-organizatsiy (дата обращения: 10.03.2026).  DOI: 10.62302/asai.2025.4.4.004 EDN: UNQJDW
6. Yandex.Cloud. Руководство по IoT. URL: https://yandex.cloud/ru/blog/posts/2025/04/iot-guide (дата обращения: 15.03.2026).
7. Российские физики запустили машинное обучение на квантовом компьютере // Физический институт имени П. Н. Лебедева РАН. URL: https://lebedev.ru/ru/main-news/news/5236 (дата обращения: 20.03.2026).
8. Гулямов С.С., Очилов А.О., Мухитдинова М.Х. Использование технологий искусственного интеллекта в статистическом анализе больших данных: международный опыт // В центре экономики. 2025. Т. 6, № 3. С. 28-34. URL: https://vcec.ru/index.php/vcec/article/view/134 (дата обращения: 25.03.2026).
9. Подиновский В.В. Многокритериальные задачи принятия решений: теория и методы анализа: учебник для вузов. Москва: Издательство Юрайт, 2025. 486 с. (Высшее образование). Текст: электронный // Образовательная платформа Юрайт. URL: https://urait.ru/bcode/568317 (дата обращения: 01.04.2026).  ISBN: 978-5-534-15673-7
10. Delprof. Изменения в экспорте и импорте РФ в 2025 году: влияние санкций на международную торговлю. URL: https://delprof.ru/press-center/open-analytics/izmeneniya-v-eksporte-i-importe-rf-v-2025-godu-vliyanie-sanktsiy-na-mezhdunarodnuyu-torgovlyu/ (дата обращения: 30.03.2026).
11. Mishra A. The role of Artificial Intelligence in Economic Forecasting and Policy Development // International Journal for Multidisciplinary Research. 2025. Vol. 7, iss. 1 (January-February). URL: https://www.ijfmr.com/research-paper.php?id=35112 (accessed: 15.04.2026).  DOI: 10.36948/ijfmr.2025.v07i01.35112 EDN: ASMUHO
12. Neural Networks and Deep Learning / Michael Nielsen. Электронная книга. URL: https://neuralnetworksanddeeplearning.com/ (дата обращения: 20.04.2026).
13. Россия и мир: 2025. Экономика и внешняя политика. Ежегодный прогноз / рук. проекта А.А. Дынкин, В.Г. Барановский; отв. ред. Г.И. Мачавариани, И.Я. Кобринская. Москва: ИМЭМО РАН, 2024. 213 с.  DOI: 10.20542/978-5-9535-0633-5  ISBN: 978-5-9535-0633-5