Везде
Conservatism, mobility, isolation: Approach to the study of agents’ behavior in the public procurement market
Table of contents
Annotation Estimate Publication content
References Comments
Share
QR
Metrics
Conservatism, mobility, isolation: Approach to the study of agents’ behavior in the public procurement market
Annotation
PII
S042473880026993-1-1
DOI
10.31857/S042473880026993-1
Publication type
Article
Status
Published
Authors
Igor Lychkov 
Affiliation: Federal State Budgetary Educational Institution of Higher Education
Address: Russian Federation,
Dzhamiliya Sozaeva
ORCID: 0000-0003-3955-891X
Affiliation: Federal State Budgetary Educational Institution of Higher Education "State University of Management"
Address: Russia
Konstantin Gonchar
Affiliation: Federal State Budgetary Educational Institution of Higher Education "State University of Management"
Address: Russia
Edition
Volume 59 no. 4
Pages
45-57
Abstract

The purpose of the article is to substantiate the application of the authors’ approach and methodology based on a combination of machine learning technologies and the construction of directed graphs with their subsequent clustering for a systematic study of the quantitative and qualitative characteristics of the public procurement market and the behavior of agents in this market. As a result of the study, regional and sectoral factors influencing the relationship between agents of the public procurement market were identified. Such factors were not previously identified, and were determined only thanks to the combination of machine learning technologies and the theory of networks and graphs proposed by the authors. Another result of the study-the models of relationships in public procurement market are systematized in the authors’ interpretation, integrating the macroeconomic situation in the market and the marketing strategies of market players. Such stable patterns of behavior of agents of the public procurement market as "isolation", "conservatism" and "mobility" were identified, and it was substantiated that the isolated or conservative behavior of market players increases the likelihood of corrupt conspiracies. All of the above was not systematically studied before. So, it has scientific novelty and high practical significance. The research contributed to the increment of scientific knowledge in application of the theory of networks and graphs, in problems of state regulation of the economy, counteraction to the monopolization of markets and encouraging competition. The practical results of the work are related to the generation of recommendations to the Russian authorities, regulators of the public procurement market and bidders on the choice of effective market behavior strategies.

 

Keywords
state and municipal procurement, behavior strategies of public procurement participants, fragmentation of the public procurement market, isolation, conservatism and mobility in the public procurement market, theory of networks, graphs for public procurement, machine learning.
Acknowledgment
The team of authors would like to thank the Bauman Moscow State Technical University, the State University of Management and JSC "Unified Electronic Trading Platform" for supporting the research activities of the employees. The study was supported by the Russian Science Foundation grant No. 23-28-01644.
Received
04.08.2023
Date of publication
28.12.2023
Number of purchasers
8
Views
166
Readers community rating
0.0 (0 votes)
Cite   Download pdf
1 Введение
2 Система государственных и муниципальных закупок играет значительную роль в функционировании экономик разных стран не только за счет существенного влияния на финансовые потоки в экономике (в России на государственные закупки приходится до 30% ВВП страны1), но и, по мнению авторов, по ряду других причин. Так, государственные закупки можно рассматривать и как механизм обеспечения экономической безопасности национальной экономики, и как механизм стимулирования ее экономического развития (Кейнс, 2013; Измалков, Сонин, 2017; Мясоедов, 2020).
1. «Замглавы Минфина РФ: баланс между интересами заказчиков и поставщиков в системе госзакупок найден» // Интерфакс (https://www.interfax.ru/interview/845063).
3 Сфера государственных закупок интересна для изучения не только как инструмент государственного регулирования экономики, но и как значимый субрынок в структуре национального рынка страны, который имеет ряд особенностей:
4
  • совокупность государственных заказчиков проводит единую политику, напоминает монополию (Folliot, Yukins, 2020; Шульдякова, 2011) и провоцирует риски неконкурентного поведения;
  • на рынке государственных закупок имеют место экономические отношения в парах «заказчик–поставщик» и «поставщик–поставщик», но крайне редко возникают отношения «заказчик–заказчик» (например, «школа–школа», «больница–больница»).
Также на рынке государственных закупок может возникать некоторая фрагментация, складываться экономические отношения, в которых проявляются следующие особенности:
  • присутствует изолированность отдельных игроков друг от друга (в данном случае — заказчиков);
  • поставщики стремятся образовывать устойчивые связи с конкретными заказчиками, опасаются выходить на другие рынки, выстраивают маркетинговую стратегию вокруг ограниченного количества отраслей и регионов.
5 В экономических исследованиях (Анчишкина, 2011) говорится, что такая фрагментация рынка государственных закупок представляет опасность для свободной конкуренции и создает условия для недобросовестных манипуляций. Это требует изучения не только формализуемых, но и неформализуемых аспектов экономических отношений субъектов рынка. В настоящее время можно выделить три ключевых типа инструментария для изучения закономерностей функционирования рынка государственных закупок:
6
  • простые экономические и статистические методы, которые, в основном, помогают рассчитать динамику показателей конкуренции, оценить вероятность незакрытия торгов;
  • правовые методы, направленные на текущий и последующий контроль работы закупочных служб, ориентированный на систему штрафов и наказаний за уже совершенные правонарушения;
  • методы, основанные на использовании технологий больших данных и машинного обучения по статистическим данным с рынка, с последующей визуализацией полученных результатов.
7 В мировой и российской практике органами власти и экспертными сообществами активно используются первые две группы методов, а третья находится в стадии развития/доработки. И если в мировой практике третья группа методов уже имеет некоторую апробацию, то в России данная методология находится на начальном этапе своего развития (Жемкова, 2020; Молчанова, Рей, Шагаров, 2020; Орехова, Заруцкая, Кислицын, 2021; Иванов и др., 2020).
8 Все вышеперечисленное делает задачу исследования экономических отношений на рынке государственных закупок с применением инновационного математического и статического аппарата, инструментальных средств высоко актуальной.
9 Целью исследования является обоснование применения подхода к исследованию российского рынка государственных закупок, основанного на сочетании технологий обработки больших данных и теории графов с последующей авторской интерпретацией устойчивых стратегий и шаблонов поведения агентов рынка.
10 Объектом исследования являются отношения макроэкономических агентов на российском рынке государственных закупок, а предметом исследования — закономерности отношений и характер поведения агентов рынка, потенциально несущий риски и скрытые угрозы для конкуренции и равноправного положения игроков.
11 Новизна исследования связана с применением сочетания экономико-математического и визуального инструментария с авторским подходом к систематизации стратегий поведения агентов рынка государственных закупок, что, в отличие от ранее разработанных решений (представлены в обзоре литературы ниже), позволяет усовершенствовать поиск и выявления аномалий на рынке, требующих регуляторного вмешательства государства.
12 Рассмотрим зарубежные и российские исследования по данной и смежной тематикам.
13 Как отмечалось ранее, двухэтапное применение технологий и методов машинного обучения и визуализации различными математическими методами позволяет получить информацию и о количественных, и о качественных характеристиках рынка государственных закупок.
14 Что касается методов первичной машинной обработки данных о рынке государственных закупок, то они широко представлены в мировой и российской литературе (Swords, 2019; Wang, Yu, 2011; Velasco et al., 2021; Gürpinar T., 2020). В российской литературе представлены и эмпирические исследования рынка государственных закупок (Яковлев, Демидова, Подколзина, 2015), и исследование его отдельных сегментов с применением предиктивных моделей (Агаларов, 2022; Филиппов, Андронова, Рей, 2022; Рей и др., 2020; Rodionova, 2020). Несмотря на рост интереса к изучению рынка государственных закупок с применением экономико-математических методов как в России (Алейникова, Голованов, 2022), так и за рубежом (Pamučar et al., 2022) для исследования устойчивых стратегий поведения его агентов, их положения на рынке, применение данных методов не стандартизировано.
15 Для визуализации и анализа фрагментации рынок государственных закупок возможно представить в виде двудольного графа из торговых процедур (лотов) и их участников и применить математические методы теории графов. Исследований, основанных на применении теории графов к анализу рынка государственных закупок (Lyra et al., 2021), достаточно много, и наиболее интересные из них можно рассмотреть подробнее.
16 Часть работ связана с оценкой поведения игроков рынка на межгосударственном уровне. Сюда можно отнести работы (Wachs, Fazekas, Kertész, 2021), где проведен анализ закупок на уровне всего Евросоюза (обработаны данные о 4 млн заключенных контрактах за 2008–2016 гг.), а также работы о закупках в Чехии и Венгрии (Wachs et al., 2019). Акцент исследований в перечисленных работах сделан на выявлении коррупции и сговоров, а в качестве математического инструментария использованы двудольные графы из заказчиков и победителей торгов по каждой отдельной стране и двудольные графы, вершинами которого являются люди, а ребрами являются взаимно подтвержденные отношения дружбы (родства) между людьми, что может провоцировать коррупционные схемы и договоренности. В выводах авторы выявляют следующие закономерности:
17
  • чем более централизована система закупок, тем больший коррупционный потенциал в ней заложен;
  • фрагментация и изоляция отдельных игроков рынка друг от друга повышает риск возникновения коррупции. То есть чем более устойчивые социальные связи в городе, тем ниже риск коррупции, и наоборот, чем больше изолированных групп/сообществ, тем риски выше.
18 Недостатками вышеперечисленных работ можно считать отсутствие исследований по отраслям или по регионам, а также упрощение: в некоторых случаях авторы не принимали в расчет заказчиков, заключивших менее пяти контрактов, и поставщиков, выигравших менее трех контрактов, как агентов, не влияющих на рынок.
19 Еще одна группа исследований связана с отраслями, в которых уровень коррупции практически во всех странах считается существенным, и в данном случае речь идет о сфере строительства.
20 В трех исследованиях, посвященных государственным закупкам в сфере строительства в Иране (Hosseini et al., 2020), в китайской провинции Шэньси за 2011–2018 гг. (Jiwei et al., 2020) и трех секторах строительства (освещение, мощение и канализация) в городе Лаваль во Франции (Reeves-Latour, Morselli, 2017) был использован взвешенный граф рисков коррупции, неориентированный взвешенный граф из фирм–участников торгов, а также двудольный граф из конкурсов и их участников. Наиболее интересные результаты исследования при помощи графов рынка ГЗ строительных работ связаны с:
21
  • выявлением ядер графов, состоящих из наиболее часто соревнующихся между собой поставщиков, и периферии графов, в которые входят остальные поставщики, соревнующиеся со всеми участниками графа более равномерно и случайно. Интересно, что при этом в ядре графа сосредоточены более коррупционные случаи закупок, а на периферии — более справедливые торги;
  • оценкой весов ребер графов: чем выше вес ребра, тем больше вероятность сговора, и наоборот.
22 К недостаткам данных исследований можно отнести привязку только к одной отрасли или к одной отрасли в рамках одного города, что делает аналитическую выборку очень ограниченной.
23 В российской литературе использование сетевых графов для анализа рынка государственных закупок с последующим выявлением устойчивых шаблонов поведения игроков рынка исследуется не очень активно. Но есть некоторые работы, например (Молчанова, Рей, Шагаров, 2020), где данный подход применяется, но только к одному типу торгов — электронным аукционам, тогда как по российскому законодательству есть еще два типа конкурентных торгов: конкурсы и запросы котировок2.
2. Федеральный закон «О контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд» от 05.04.2013 № 44-ФЗ.
24 В итоге можно сделать следующие выводы из обзора литературы о применении методов теории графов для анализа государственных закупок:
25
  1. в исследованиях поддерживается гипотеза о негативном влиянии фрагментации рынка государственных закупок на условия здоровой конкуренции на рынке, в частности, фрагментация способствует и картельному сговору (Wachs, Fazekas, Kertész, 2021), и проявлениям коррупции (Wachs et al., 2019);
  2. авторы проводили разделение графа на компоненты связности, но далее применяли анализ элементов и связей в графе либо обобщенно ко всему графу целиком, либо только внутри одной связной компоненты графа. Целенаправленный и тщательный анализ всех связных компонент графа проводило крайне малое число авторов, а ведь они могут представлять интерес как наиболее фрагментированные участки рынка государственных закупок;
  3. во многих работах на этапе предварительной обработки данных производится отбрасывание участников с малой активностью на торгах. Таким образом, из рассмотрения исключается большое число фирм и тендеров, которые могут представлять интерес для анализа конкуренции;
  4. существует малое число работ, где проведено исследование рынка государственных закупок с детализацией и по регионам, и по отраслям экономики.
26 В этой связи в работе исследованы большие объемы данных с применением технологий машинного обучения. Будут также построены и проанализированы графы, состоящие, в отличие от вышеприведенных работ, и из участников закупок, и из заказчиков на предмет выявления и главных, и побочных компонент графа для изучения рынка государственных закупок как в отраслевом, так и в региональном планах.
27 Методы
28 Анализ результатов исследований, представленных в литературе, и эмпирические наблюдения за рынком государственных закупок (Созаева, Гончар, 2022) позволили авторам сформулировать две основные гипотезы.
29
  1. На рынке государственных закупок существуют зоны (в графах — побочные компоненты), где сформировались особые условия конкуренции и особая (часто со слабой конкуренцией) среда.
  2. Существуют отраслевые особенности и сферы, где сговоры случаются чаще, и которые провоцируют формирование побочных компонент графа (например, в сфере строительства они могут быть более обширными).
30 Для проверки гипотез и представления их результатов в работе авторами введены три понятия, которые либо ранее не использовались, либо не применялись к рынку государственных закупок.
31 Первое понятие – «изолированность» – редко рассматривается в макроэкономической литературе, например, упоминается у (Schlicht, 2021). Современные экономические отношения не предполагают изолированности, и в классической модели рынка все участники так или иначе взаимодействуют друг другом. В этой связи определим «изолированность» как ограниченность агентов рынка государственных закупок во взаимодействии с другими агентами, обусловленную нормативным регулированием рынка.
32 Для изучения вероятных моделей поведения поставщиков на рынке государственных закупок введем такое понятие, как «консерватизм» — модель поведения поставщиков на таком рынке, которая предполагает нацеленность участника на определенные типы закупок и заказчиков и нежелание участвовать в торгах других типов и заказчиков.
33 Противоположный консерватизму термин — «мобильность» — предполагает более гибкую модель поведения поставщиков на рынке государственных закупок, основанную на переключении поставщика с одного типа торгов на другой, смену экономической специализации и заказчиков на рынке торгов.
34 Методология исследования основана на последовательном применении машинных методов сбора (парсинга) данных из открытых источников о проведенных в России закупках и их результатах, статистической обработке этих данных (Кормен и др., 2019) с последующей визуализацией посредством построения сетевых графов и кластеризации этих графов (Гмурман, 2020).
35 Информационная база исследования охватывает период с начала 2019 г. до середины 2021 г. Было проанализировано 600 390 извещений и соответствующих им протоколов по государственным закупкам, проведенным в РФ, точность данных эквивалентна коммерческим сервисам аналитики; данные актуальны на 29.10.2021. В расчетах были использованы данные за период с начала 2019 до середины 2021 г., консолидированные из открытого FTP-сервера «Единой информационной системы в сфере закупок», формат хранения данных — XML. Проанализированы данные по всем XML-файлам извещений и протоколов в рамках 44-ФЗ, автоматический забор данных осуществлен с помощью системы, разработанной на языке Python. Данные агрегированы в реляционную базу данных PostgreSQL 12.
36 Статистические данные были обработаны с использованием программного обеспечения NetworkX для Python (Ghorbani, Brooks, Klauda, 2021), SWI Prolog (Grubenmann, Lehmann, 2021) и визуализированы с использованием инструментария Jupyter Notebook и Cytoscape.
37 Для описания выводов и гипотез использованы методы ретроспективного анализа, синтеза, сравнительного анализа, элементы социально-экономического прогнозирования.
38 Результаты и обсуждение
39 Для исследования были отобраны данные по закупкам товаров, работ и услуг из 15 наиболее востребованных категорий товаров, работ и услуг по справочнику ОКПД 23 (10.5, 19.2, 20.5, 21.2, 22.2, 26.2, 28.2, 32.5, 33.1, 35.3, 42.1, 43.2, 62.0, 68.1, 71.1) в десяти ключевых регионах (77 — в Москве, 50 — в Московской области, 23 — в Краснодарском крае, 24 — в Красноярском крае, 54 — в Новосибирской области, 74 — в Челябинской области, 66 — в Свердловской области, 78 — в Санкт-Петербурге, 61 — в Ростовской области, 2 — в Республике Башкортостан) за период с начала 2019 до середины 2021 г.
3. «Общероссийский классификатор продукции по видам экономической деятельности (ОКПД 2)» (утв. Приказом Росстандарта от 31.01.2014 № 14-ст) (ред. от 04.02.2022).
40 Исследование консерватизма поставщиков проводилось с использованием таких параметров рынка государственных закупок, как число закупочных лотов, число поставщиков, а мобильность игроков рынка оценивалась через статистику участия каждого поставщика в конкретных лотах.
41 Был построен двудольный граф, вершинами которого были поставщики и лоты, а ребрами графа — связи между вершинами типа «поставщик–лот», которые соответствовали участию данного поставщика в борьбе за данный лот. Были выделены замкнутые компоненты графа. Два лота включались в одну замкнутую компоненту, если между ними отыскивался путь по ребрам графа без учета их направления. В частности, если в двух лотах A и B был общий участник X, то эти лоты и все их участники (например, поставщики X, Y, Z) включались в одну замкнутую компоненту (рис. 1). Также в эту компоненту включались все другие лоты, в которых участвовали поставщики X, Y, Z, затем все участники этих и других лотов и так далее.
42 Граф включает всего 696 547 вершин (из них 600 390 лотов и 96 157 поставщиков) и 1 538 004 ребра (участий поставщиков в лотах). В результате обработки всего графа была обнаружена 1 большая (главная) компонента и 11 222 маленьких (побочных) компонент. Результаты выделения замкнутых компонент в графе из поставщиков и лотов (рис. 2). В итоге на главную компоненту приходится 92,4% всех лотов и 87,8% стоимости лотов, а на все побочные компоненты приходятся остальные 7,6% всех лотов и 12,2% стоимости лотов.
43

44 Рис. 1. Пример связной компоненты в графе из поставщиков и лотов
45 Источник: составлено авторами.
46

47 Рис. 2. Результаты выделения замкнутых компонент в графе из поставщиков и лотов за период с 2019 г. до середины 2021 г.
48 Главная компонента включает торги с участием поставщиков с высокой мобильностью и охватывает более 80% всех торгов. К таким поставщикам отнесены игроки рынка, которые участвовали в различных торгах, где есть два и более участника, и регулярно переключаются от заказчика к заказчику, от региона к региону и от отрасли к отрасли (в рамках своих видов экономической деятельности). Для рынка государственных закупок главную компоненту — скопление таких активных поставщиков — можно считать зоной свободной конкуренции, а основную характеристику поставщика, который попал сюда, — «мобильностью». Участники переключаются с одного заказчика на другого. Зона высокой мобильности может расцениваться органами власти как зона высокой конкуренции и низкой картелизации, в которой риски сговоров — умеренные или низкие.
49 Наряду с главной были выделены и побочные компоненты — ограниченные замкнутые области небольшого размера, которые в сумме охватывают менее 20% всех торгов. Поставщики в рамках одной побочной компоненты — некоторое число участников закупок, которые не взаимодействуют друг с другом, но регулярно участвуют в ограниченном наборе закупочных процедур. Поэтому побочные компоненты можно считать зонами ограниченной конкуренции, «изоляции». Именно они и представляют интерес для изучения.
50 Как отмечалось ранее, было сформулировано две гипотезы.
51 Гипотеза 1. В зоне побочных компонент — особые условия конкуренции и особая конкурентная среда.
52 Проверка данной гипотезы показала, что в торгах, проходящих в зоне побочной компоненты, критически низкая конкуренция: так, 92,6% общего числа всех процедур сводятся к закупке у единственного поставщика (подрядчика, исполнителя). В денежном выражении на такие процедуры приходится 88,6% суммарной стоимости всех лотов, которые были расторгованы в контуре побочных компонент.
53 Более подробная статистика конкуренции на торгах в закупках, попавших в побочные компоненты графа, приведена в табл. 1.
54 Таблица 1. Число участников и победителей в лотах побочных компонент
55
Число участников лота Число победителей в лоте Число лотов
1 0 1900
1 1 40 274
N > 1 0 49
N > 1 1 2134
N > 1 2 1099
N > 2 3 69
N > 3 4 13
N > 4 N > 4 0
Всего лотов в побочных компонентах 45 538
56 Источник: составлено авторами.
57 Для детального анализа были рассмотрены побочные компоненты, содержащие более 20 элементов, из которых не менее двух являются поставщиками (т.е. минимум на одну процедуру приходится два участника, которые могут конкурировать друг с другом). Таких компонент отыскалось всего 84. Найденные компоненты были классифицированы по топологии их графов на шесть категорий.
58 Характерные примеры изображений графов для компонентов каждой категории приведены на рис. 3. Первые три категории характеризуются низкой степенью конкуренции, остальные три категории характеризуются средней или высокой степенью конкуренции. Распределение побочных компонентов по категориям, а также по кодам ОКПД2, регионам и годам закупок приведено в табл. 2.
59

Следует отметить, что подавляющее большинство крупных побочных компонент (76%) попадает в категории 1, 2, 3 с низкой степенью конкуренции.

60 Категория 1
61

 

 

Категория 2
62

 

Категория 3
63

 

Категория 4
64

 

Категория 5
65

 

Категория 6
66 Красные круги — Поставщики Синие круги с зеленой сердцевиной — Конкурентные лоты Синие круги с белой сердцевиной — Неконкурентные лоты
67 Рис. 3. Типовые примеры топологий связных компонент графа лотов и поставщиков
68 Источник: составлено авторами.
69 Таблица 2. Распределение крупнейших 84 побочных компонент графа лотов и поставщиков по категориям, кодам ОКПД2, регионам и годам закупок
70
Категория Число ОКПД2 Число Регион Число Год Число
1 32 35,3 28 77 19 2019 64
2 25 68,1 23 24 18 2020 19
3 7 33,1 8 50 10 2021 1
4 7 62,0 8 54 7 Всего 84
5 7 71,1 6 61 7
6 6 19,2 4 78 7
Всего 84 20,5 2 23 6
21,2 2 74 6
32,5 2 66 4
10,5 1 Всего 84
Всего 84
71 Источник: составлено авторами.
72 Так, самая крупная по числу лотов побочная компонента включает пять поставщиков и 1102 лота, из которых 87% лотов не являются конкурентными и 97% лотов относятся к ОПКД2 35.3 «Услуги по снабжению паром и кондиционированию воздуха». Данная побочная компонента по топологии относится к категории 3 — три активных поставщика, у каждого из которых множество неконкурентных лотов и небольшое число общих лотов (изображение ее графа приведено на рис. 4). По ОКПД2 35.3 чаще всего закупаются услуги теплоснабжения. Большое число неконкурентных лотов может быть обусловлено тем, что услуги теплоснабжения могут быть предоставлены предприятию только одной управляющей компанией (либо монополистом), которая официально обслуживает теплотрассы, подведенные к данному предприятию.
73

74 Рис. 4. Граф самой крупной по числу лотов побочной компоненты Источник: составлено авторами.
75 Самая крупная по числу поставщиков побочная компонента включает 69 поставщиков и 205 лотов, из которых 44% лотов не являются конкурентными и 100% лотов относятся к ОКПД2 «71.1 — Услуги в области архитектуры, инженерно-технического проектирования и связанные технические консультативные услуги». Данная побочная компонента относится к категории 6 — число лотов и поставщиков сопоставимо, но нет выраженных центров, и многие лоты конкурентные. Для строительства масштабного технического объекта требуется проектирование множества инженерных систем, которыми могут заниматься разные подрядные организации, поэтому возникает множество взаимосвязанных лотов, за которые конкурируют различные поставщики.
76 Гипотеза 2. Есть отраслевые особенности, которые приводят к консерватизму участников торгов, а это, в свою очередь, приводит к попаданию их в зону побочных компонент графа (на периферию), а также в группу риска по части картельных сговоров.
77 В результате анализа отраслевых особенностей в разрезе ОКПД2 были получены следующие результаты. По числу расторгованных лотов (процедур) в побочных компонентах лидируют ОКПД2: «35.3 — Услуги по снабжению паром и кондиционированию воздуха (теплоснабжение)»; «68.1 — Услуги по покупке и продаже собственного недвижимого имущества». В стоимостном выражении в побочных компонентах лидируют «42.1 — Дороги автомобильные и железные; строительные работы по строительству автомобильных дорог и железных дорог (более 50%)»; «68.1 — Услуги по покупке и продаже собственного недвижимого имущества». Такие результаты можно связать с особенностями отраслевой структуры рынка. Объективно на рынке не так много компаний, которые генерируют пар и кондиционируют воздух, а в промышленных масштабах это могут быть даже субъекты естественных монополий. Наглядно это отражено и на рис. 4: все лоты скучены вокруг одного-двух поставщиков.
78 Что касается услуг по покупке и продаже собственного жилья, то чаще всего услуги по покупке недвижимого имущества связаны с операциями с приобретением служебного жилья, приобретением жилья для детей-сирот и других малоимущих категории населения, совершением сделок по приватизации имущества. В таких случаях, как правило, есть только 1–2 продавца или ограниченное число продавцов, которые имеют в собственности объекты, удовлетворяющие нуждам органов власти, и которые могут быть приобретены ими как служебное жилье, жилье по социальным программам и т.д.
79 Заключение
80 В настоящем исследовании было обосновано применение авторского подхода к исследованию состояния ключевых параметров российского рынка государственных закупок, основанного на сочетании методов обработки больших объемов данных в сочетании с теорией графов с их последующей группировкой и кластеризацией на примере российского рынка государственных закупок.
81 Результаты работы имеют научную новизну и практическую значимость.
82 Научная новизна данной работы, в отличие от ранее опубликованных зарубежных работ, состоит в системном анализе и отраслевых, и региональных, и ценовых параметров рынка государственных закупок, влияющих на выстраивание отношений меду агентами рынка, а также на формирование устойчивых шаблонов их поведения. В отличие от ранее опубликованных российских работ, например (Молчанова, Рей, Шагаров, 2020), мы исследуем подозрительные взаимосвязи и неконкурентное поведение игроков рынка не только на аукционах, но и на других типах конкурентных торгов: конкурсах, запросах котировок.
83 Приращение научного знания также связано с предложением для применения в сфере государственного регулирования рынков и контроля государственных закупок терминов «мобильность» — как характеристики желаемого поведения участника рынка закупок, а также и «консерватизм», «изолированность» — как нежелательного состояния агентов рынка, способствующих возникновению или усилению сговоров и антиконкурентных соглашений на рынке.
84 Обобщая результаты исследования, можно сделать следующие выводы.
85
  1. Насыщенность рынка государственных закупок участниками, их активность зависит не только от формальных параметров рынка (число заказчиков, поставщиков, число расторгованных лотов), но и от консерватизма, мобильности, изоляции, обусловленных наличием (или отсутствием) тесных социальных связей между агентами рынка и коммуникациями между ними.
  2. Учет таких формализуемых параметров российского рынка государственных закупок, как число и объем в денежном выражении проведенных торгов в региональном и отраслевом разрезах, показал, что в зависимости от региональной и отраслевой специфики формируются экономические контуры (субрынки рынка) с низкой мобильностью участников закупок. К таким сферам относятся снабжение теплом и паром, энергией, где априори сконцентрированы естественные монополии, а также сфера дорожного строительства — вероятно, в силу инфраструктурной значимости и дороговизны (от участников таких торгов требуется высокая инфраструктурная обеспеченность).
86 К ограничениям исследования стоит отнести привязку исследования к одной стране, в связи с чем перспективное развитие исследования поведения участников рынка государственных закупок с применением теории графов должно быть апробировано на примерах других стран.

References

1. Agalarov Z.S. (2022). Conceptual approach to mathematical modeling of the results of production diversification as a direction of long-term strategic development. Microeconomics, 2, 49–57. DOI: 10.33917/mic-2.103.2022.49-57 (in Russian).

2. Aleinikova M.Yu., Golovanov D.A. (2022). Methods for improving the system of external control over the conclusion and execution of state contracts in the Russian Federation. Management Accounting, 6 (3), 658–666. Available at: https://elibrary.ru/htkzwp, https://uprav-uchet.ru/index.php/journal/article/view/2218/1567 (in Russian).

3. Anchishkina O.V. (2011). The scope of public procurement as an object of economic analysis. STAP: Economic theory, analysis, practice, 1, 73–86. Available at: https://elibrary.ru/nyezmv, https://cyberleninka.ru/article/n/sfera-gosudarstvennyh-zakupok-kak-obekt-ekonomicheskogo-analiza (in Russian).

4. Filippov D.V., Andronova E.S., Rey A.I. (2022). Influence of affiliation of public procurement counterparties on the risk of an FAS complaint. Russian Economic Bulletin, 5, 1, 230–238. Available at: https://elibrary.ru/rvgbpo (in Russian).

5. Folliot Lalliot L., Yukins C.R. (2020). COVID-19: Lessons learned in public procurement. Time for a New Normal, 3, 46–58. Available at: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3685860

6. Ghorbani M., Brooks B.R., Klauda J.B. (2021). Exploring dynamics and network analysis of spike glycoprotein of SARS-COV-2. Biophysical Journal, 120 (14), 2902–2913. DOI: 10.1016/j.bpj.2021.02.047

7. Gmurman V.E. (2020). Probability theory and mathematical statistics: A textbook for universi-ties. 12th ed. Moscow: Yurait. 479 с. ISBN: 978-5-534-00211-9. Available at: https://urait.ru/bcode/449646 (in Russian).

8. Grubenmann T., Lehmann J. (2021). Geolog: Scalable logic programming on spatial data. In: A. Formisano, Y.A. Liu et al. (eds.). Electronic proceedings in theoretical computer science. International conference on logic programming (technical communications), 345, 191–204. DOI: 10.4204/eptcs.345.34

9. Gürpinar T. (2020). Blockchain technology in procurement-a systematic literature mapping. Kon-ferenzband zum Scientific Track der Blockchain Autumn School 2020, 7–13. DOI: 10.48446/opus-11859

10. Hosseini M.R., Martek I., Banihashemi S. et al. (2020). Distinguishing characteristics of corrup-tion risks in Iranian construction projects: A weighted correlation network analysis. Sci. Eng. Ethics., 26, 205–231. DOI: 10.1007/s11948-019-00089-0

11. Ivanov A.E., Gilenko E.V., Golubeva A.A., Bezhenar O.N. (2020). Vertical and horizontal coor-dination in the public procurement system of the Russian Federation. Organizational and managerial mechanisms of anti-corruption activities: Russian and foreign experience, 102–107. Moscow: RuSCIence, Plekhanov Russian University of Economics. Available at: https://elibrary.ru/aneprc (in Russian).]

12. Izmalkov S.B., Sonin K.I. (2017). Fundamentals of contract theory (Nobel Prize in economics 2016 — Oliver Harty Bengt Holmström). Voprosy Ekonomiki, 1, 5–21. DOI: 10.32609/0042-8736-2017-1-5-21 (in Russian).

13. Jiwei Z., Bing W., Liang L., Jiangrui W. (2020). Bidder network community division and collu-sion suspicion analysis in Chinese construction project. Advances in Civil Engineering, ID 6612848, 14. DOI: 10.1155/2020/6612848

14. Keynes J. (2013). General theory of employment, interest and money. Series: General manager's library. Timeless classics. Vol. IV (LII)). Moscow: Businesscom. 408 p. ISBN: 978-5-91663-155-5 (in Russian).

15. Kormen T., Leizerson Ch., Rivest R., Shtain K. (2019). Introduction to algorithms. Textbook. Transl. from English. Moscow, Saint Petersburg: Dialektika. 1323 p. Available at: https://search.rsl.ru/ru/record/01009814867 (in Russian). Originally published in 2009 by The MIT Press.

16. Lyra M.S., Curado A., Damásio B. et al. (2021). Characterization of the firm-firm public pro-curement co-bidding network from the State of Ceará (Brazil) municipalities. Applied Net-work Science, 6, 77. DOI: 10.1007/s41109-021-00418-y

17. Molchanova G.O., Rei A.I., Shagarov D.Yu. (2020). Detection of signs of horizontal collusion in public procurement using machine learning methods. Economics of Contemporary Russia, 1 (88), 109–127. Available at: https://elibrary.ru/lfraes DOI: 10.33293/1609­1442­2020­1(88)­109­127 (in Russian).

18. Myasoedov A.I. (2020). Risks of growth of protectionism in the global economy. Research result. Business and Service Technologies, 2, 65–77. Available at: https://cyberleninka.ru/article/n/riski-rosta-protektsionizma-v-globalnoy-ekonomike (in Russian).

19. Orekhova S.V., Zarutskaya V.S., Kislitsyn E.V. (2021). An empirical study of network interac-tion in the market. The Manager, 12, 1, 32–46. DOI: 10.29141/2218­5003­2021­12­1­3 (in Russian).

20. Pamučar D., Bozanic D., Puška A., Marinković D. (2022). Application of neuro-fuzzy system for predicting the success of a company in public procurement. Decision Making: Applications in Management and Engineering, 5 (1), 135–153. DOI: 10.31181/dmame0304042022p

21. Reeves-Latour M., Morselli C. (2017). Bid-rigging networks and state-corporate crime in the construction industry. Social Networks, 51, 158-170. DOI: 10.1016/j.socnet.2016.10.003

22. Rei A.I., Andronova E.S., Shatilov A.A., Gordeev D.I., Shagarov D.Yu., Filippov D.V., Davletov A.A. (2020). Algorithms and methods for the risk management system in public procurement. Available at: https://ssrn.com/abstract=3792741 DOI: 10.2139/ssrn.3792741 (in Russian).

23. Rodionova Yu. (2020). Conflict resolution in Russian public procurement: Understanding supplier strategies in a state dominated system. Higher School of Economics Research Paper no. WP BRP 28/PSP/2020. DOI: 10.2139/ssrn.3661223

24. Schlicht E. (2012). Isolation and aggregation in economics. Springer Science & Business Media. Available at: https://epub.ub.uni-muenchen.de/3/1/schlicht_isolation.pdf

25. Shul'dyakova V.V. (2011). Neoclassical and institutional approaches to the essence of monopsony. Vestnik Saratov State Socio-Economic University, 1, 43–46. Available at: https://elibrary.ru/ohwnjj, https://cyberleninka.ru/article/n/neoklassicheskiy-i-institutsionalnyy-podhody-k-suschnosti-monopsonii (in Russian).

26. Sozaeva D.A., Gonchar K.V. (2022). Competitive strategies of public procurement bidders. Jour-nal of Modern Competition, 16, 3, 91–104. Available at: https://elibrary.ru/zhaphh DOI: 10.37791/2687-0649-2022-16-3-91-104 (in Russian).

27. Swords M. (2019). Finding patterns in procurements and tenders using a graph database. Availa-ble at: http://kth.diva-portal.org/smash/get/diva2:1415996/FULLTEXT01.pdf

28. Velasco R.B., Carpanese I., Interian R., Paulo Neto O.C.G., Ribeiro C.C. (2021). A decision support system for fraud detection in public procurement. International Transactions in Op-erational Research, 28, 27–47. DOI: 10.1111/itor.12811

29. Wachs J., Fazekas M., Kertész J. (2021). Corruption risk in contracting markets: A network science perspective. International Journal of Data Science and Analytics, 12, 45–60. DOI: 10.1007/s41060-019-00204-1

30. Wachs J., Kertész J. (2019). A network approach to cartel detection in public auction markets. Scientific Reports, 9, 10818. DOI: 10.1038/s41598-019-47198-1

31. Wachs J., Yasseri T., Lengyel B., Kertész J. (2019). Social capital predicts corruption risk in towns. Royal Society Open Science, 6182103182103. DOI: 10.1098/rsos.182103

32. Wang K.W., Yu W. (2011). Model for analysis of heterogeneity in product acquisition procure-ment. Journal of the Chinese Institute of Engineers, 34, 7, 877–887. DOI: 10.1080/02533839.2011.591917

33. Yakovlev A.A., Demidova O.A., Podkolzina E.A. (2015). An empirical analysis of the public procurement system in Russia. Moscow: Higher School of Economics. 357 p. Available at: https://elibrary.ru/uoyqcd (in Russian).

34. Zhemkova A.M. (2020). Analysis of the effectiveness of public procurement procedures based on game-theoretic models. Available at: https://ssrn.com/abstract=3710564 DOI: 10.2139/ssrn.3710564 (in Russian).

Comments

No posts found

Write a review
Translate