Финансовое прогнозирование в Российской Федерации: современные вызовы, инновационные решения и стратегические перспективы

В условиях, когда мировая экономика напоминает бурное море, а национальные финансовые системы постоянно подвергаются испытаниям, роль финансового прогнозирования становится не просто важной, а критически значимой. Российская Федерация, сталкиваясь с беспрецедентным уровнем геополитической неопределенности и структурной перестройки, остро нуждается в инструментах, способных предвидеть будущие экономические ландшафты. Прогнозная деятельность превращается из рутинной процедуры в стратегический компас, указывающий путь к финансовой стабильности и устойчивому развитию. От точности прогнозов зависят не только бюджетные решения государства, но и инвестиционные стратегии корпораций, а также благосостояние граждан.

Настоящий реферат посвящен глубокому анализу современного состояния, ключевых проблем, инновационных решений и стратегических перспектив финансового прогнозирования в Российской Федерации. Мы исследуем теоретические основы и методологии, с которыми работают как государственные органы, так и частный сектор, погрузимся в спектр проблем, от макроэкономических дисбалансов до системных недостатков в бюджетном планировании. Особое внимание будет уделено влиянию внешних и внутренних факторов, таких как санкции, волатильность цен на энергоресурсы, инфляция и ключевая ставка Центрального банка, а также их влиянию на точность прогнозов. Кроме того, мы рассмотрим, как инновационные подходы, включая искусственный интеллект, машинное обучение и большие данные, преобразуют прогнозную практику, и какую роль в этом процессе играет государственная политика. В заключение будут сформулированы конкретные рекомендации, направленные на совершенствование финансового прогнозирования в России, способствующие ее адаптации к новым реалиям и реализации долгосрочного потенциала.

Теоретические основы и современные методологии финансового прогнозирования

Понимание сущности финансового прогнозирования и арсенала доступных методов является краеугольным камнем для любого, кто стремится ориентироваться в сложном мире финансовых потоков. Без глубокого погружения в эти основы невозможно оценить текущие вызовы и определить пути их преодоления, что, в свою очередь, ограничивает возможности для принятия обоснованных управленческих решений.

Понятие и значение финансового прогнозирования

Финансовое прогнозирование – это не просто попытка заглянуть в будущее; это, прежде всего, научно обоснованное предположение о возможных объемах и направлениях движения финансовых ресурсов, как на уровне государства, так и для отдельных хозяйствующих субъектов. По своей сути, это процесс предсказания финансовых результатов, опирающийся на анализ прошлых показателей и текущих тенденций, с целью формирования представлений о будущих перспективах и потенциальных рисках.

Основная цель финансового прогнозирования многогранна и охватывает несколько ключевых аспектов:

• Оценка предполагаемого объема финансовых ресурсов: Каждое решение – от государственного бюджета до инвестиционного проекта компании – начинается с понимания, какими средствами можно будет располагать.
• Определение предпочтительных вариантов финансового обеспечения деятельности: Прогноз позволяет выбрать наиболее эффективные пути привлечения и распределения средств для достижения поставленных целей.
• Научное обоснование финансовых планов и бюджетов: Прогноз служит фундаментом, на котором строится вся система финансового планирования, будь то сводный бюджет страны или финансовый план отдельного предприятия. Без качественного прогноза план остается лишь набором желаний, а не реалистичным руководством к действию.
• Выявление ожидаемой картины состояния финансовых ресурсов и потребности в них: Прогнозирование позволяет заранее увидеть потенциальные дефициты или излишки, а также спрогнозировать наиболее вероятные сценарии финансовой деятельности.

Финансовое прогнозирование осуществляется на различных уровнях:

• На государственном уровне оно лежит в основе формирования бюджетной политики, оценки макроэкономических показателей (ВВП, инфляция, ключевая ставка, курс рубля), управления государственным долгом.
• На территориальном уровне оно помогает регионам и муниципалитетам формировать свои бюджеты, оценивать инвестиционный потенциал и планировать социально-экономическое развитие.
• На уровне хозяйствующих субъектов (компаний, банков) прогнозирование является критически важным для разработки бизнес-планов, оценки инвестиционных проектов, управления ликвидностью и прибылью.

Ключевые показатели, которые подлежат прогнозированию, включают выручку от продаж, прибыль (валовую, операционную, чистую), денежные потоки (операционные, инвестиционные, финансовые), структуру капитала и ликвидность. Сводный финансовый план на определённый период, как известно, называется бюджетом. Таким образом, финансовое прогнозирование – это не только предсказание, но и инструмент управления, который позволяет субъектам экономики не просто реагировать на изменения, но и активно формировать свое будущее.

Классификация и характеристика методов финансового прогнозирования

В арсенале современного финансиста и экономиста существует широкий спектр методов прогнозирования, каждый из которых имеет свои особенности, преимущества и ограничения. Выбор метода зависит от доступности данных, горизонта прогнозирования, уровня неопределенности и специфики поставленной задачи.

1. Метод экспертных оценок. Этот метод незаменим в условиях, когда сложность проекта слишком высока или когда отсутствует достаточная историческая статистика для применения количественных методов. Он основан на систематизации и анализе мнений высококвалифицированных специалистов. К распространённым техникам экспертных оценок относятся:
   • Метод Дельфи: Позволяет получить консолидированное мнение группы экспертов путём многократных опросов с анонимным обменом мнениями и обратной связью, минимизируя влияние личного авторитета.
   • Метод мозгового штурма: Направлен на генерацию максимально большого количества идей в ходе коллективного обсуждения, с последующей их оценкой.
   • Метод «шести шляп мышления» (Эдварда де Боно): Структурирует мышление, заставляя экспертов последовательно рассматривать проблему с разных точек зрения (факты, эмоции, критика, преимущества, творчество, управление).
   • Метод дерева решений: Графический способ представления последовательности решений и их возможных последствий, позволяющий оценить вероятности различных исходов. Эти методы позволяют получить качественные прогнозы, особенно когда отсутствуют достаточные исторические данные или когда необходимо учесть неформализуемые факторы.
2. Метод экстраполяции. Этот метод исходит из предположения, что закономерности, наблюдавшиеся в прошлом, сохранятся и в будущем. Он основан на изучении динамики данных за прошлые периоды и прогнозировании их продолжения. Типичные техники экстраполяции включают:
   • Скользящие средние: Усреднение данных за определённый период, что помогает сгладить случайные колебания и выявить тренд.
   • Экспоненциальное сглаживание: Модификация метода скользящих средних, которая придает больший вес более свежим данным.
   • Методы регрессионного анализа: Установление математической зависимости между прогнозируемым показателем и одной или несколькими объясняющими переменными. Однако применение метода экстраполяции ограничено стабильностью экономических условий, так как резкие изменения внешней среды или появление структурных сдвигов могут привести к неточным прогнозам.
3. Экономико-математическое моделирование. Это один из наиболее сложных и мощных подходов, позволяющий создавать многоуровневые модели бизнес-процессов и макроэкономических систем. Он опирается на глубокую экономическую теорию, аналитические данные и мощные математические инструменты. Примеры экономико-математических моделей включают:
   • Регрессионные модели: Используются для прогнозирования значения одной переменной на основе значений других.
   • Модели временных рядов (например, ARIMA — Autoregressive Integrated Moving Average, GARCH — Generalized Autoregressive Conditional Heteroskedasticity): Применяются для анализа и прогнозирования динамики показателей, учитывая их прошлые значения и случайные шоки.
   • Системы одновременных уравнений: Используются для моделирования взаимосвязанных экономических процессов, когда несколько переменных определяют друг друга. Для реализации таких моделей часто используются специализированные программные продукты, такие как EViews, Stata, Gretl, позволяющие обрабатывать большие объемы данных и проводить сложные расчеты.
4. Индексный метод. Прогноз составляется на основе индексов, характеризующих изменение цен, уровня жизни или других статистических показателей. Этот метод позволяет учитывать инфляционные изменения и динамику макроэкономических показателей. Например, при прогнозировании объемов продаж может использоваться индекс потребительских цен (ИПЦ) или индекс промышленного производства. Формула для прогнозирования с использованием индексного метода может выглядеть так:
   Pt = Pt-1 × I
   где Pt — прогнозируемый показатель в периоде t, Pt-1 — показатель в базовом периоде t-1, I — соответствующий индекс.
5. Сценарный анализ. В отличие от других методов, которые часто стремятся дать один «наиболее вероятный» прогноз, сценарный анализ фокусируется на моделировании нескольких логически возможных вариантов развития событий. Он включает разработку оптимистичного, пессимистичного и наиболее вероятного сценариев, что позволяет оценить диапазон потенциальных исходов и разработать стратегии для каждого из них. Этот метод особенно ценен в условиях высокой неопределенности.
6. Балансовый метод. Основывается на построении прогнозного баланса с учётом имеющихся фондов и предполагаемых расходов. Он часто используется для распределения прибыли, планирования поступлений и расходования средств, обеспечивая сбалансированность финансовых потоков.
7. Нормативный метод. Характеризуется расчётом потребности в финансах на основе установленных норм и технико-экономических нормативов. Это могут быть налоговые ставки, нормы амортизации, нормы потребности в запасах, нормативы оборачиваемости капитала и т.д.
8. Расчётно-аналитический метод. Предполагает использование определённого показателя, достигнутого компанией в базовом периоде, и учёт известных или прогнозируемых изменений. Этот метод часто применяется при отсутствии достаточной информации для построения сложных моделей и предполагает корректировку базовых показателей на основе выявленных факторов, например, изменения объемов производства или цен. Например, прогнозируемые доходы могут быть рассчитаны как:
   Dпрог = Dбаз × (1 + %изм_объема) × (1 + %изм_цен)
   где Dпрог — прогнозируемые доходы, Dбаз — базовые доходы, %изм_объема — процент изменения объема, %изм_цен — процент изменения цен.
9. Метод дисконтирования денежных потоков (DCF). Применяется преимущественно при оценке эффективности инвестиционных проектов. Он позволяет привести будущие денежные потоки к настоящему времени с учетом временной стоимости денег и рисков.

Практика Банка России. Для краткосрочного прогнозирования Банк России использует комбинацию эконометрических моделей, экспертных суждений, а также комплекс дополнительных («сателлитных») моделей. Это позволяет учитывать как формализованные зависимости, так и неформализуемые факторы, которые могут влиять на экономическую динамику. Прогнозы социально-экономического развития РФ разрабатываются исходя из комплексного анализа демографической ситуации, научно-технического потенциала, национального богатства, социальной структуры, внешнего положения и состояния природных ресурсов, что подчеркивает многофакторность и междисциплинарность процесса.

В итоге, выбор и комбинация этих методов позволяют формировать комплексные и достаточно точные финансовые прогнозы, хотя каждый из них имеет свои ограничения, особенно в условиях высокой экономической турбулентности.

Проблемы и вызовы финансового прогнозирования в условиях российской экономики

Финансовое прогнозирование в Российской Федерации сегодня – это не академическая задача в идеальных лабораторных условиях, а сложный процесс, протекающий в условиях постоянных вызовов и неопределённости. Понимание этих препятствий является первым шагом к разработке эффективных стратегий их преодоления.

Высокая неопределенность и нестабильность макроэкономической среды

Российская экономика на протяжении последних лет демонстрирует высокую степень волатильности, что делает задачу финансового прогнозирования крайне сложной. В 2024-2025 годах эта неопределенность только усилилась. Продолжающееся геополитическое давление, структурная перестройка экономики, вызванная переориентацией торговых потоков и поиском новых партнеров, создают динамичную и труднопредсказуемую среду.

Представьте себе штурмана, который пытается проложить курс в постоянно меняющемся тумане, где карты устаревают быстрее, чем их успевают нарисовать. Именно так можно описать работу финансовых аналитиков в России. Сложности с построением долгосрочных прогнозов приводят к тому, что даже авторитетные экспертные оценки могут быстро терять актуальность, а ошибки в расчетах становятся более вероятными. Компании и государственные структуры вынуждены постоянно пересматривать свои планы, что требует значительных ресурсов и снижает эффективность стратегического управления. Инвестиционные решения принимаются в условиях повышенных рисков, а горизонт планирования зачастую сокращается до краткосрочного и среднесрочного. Этот фон неопределенности является, пожалуй, наиболее фундаментальным вызовом для всех субъектов, занимающихся финансовым прогнозированием в России.

Системные проблемы бюджетного планирования и статистического учета

Помимо внешней нестабильности, российская система финансового прогнозирования сталкивается с внутренними, системными проблемами, которые подрывают её эффективность на фундаментальном уровне.

Одной из наиболее острых проблем является отсутствие единой методики планирования и прогнозирования бюджетных показателей на всех уровнях бюджетной системы России. Это означает, что федеральный центр, регионы и муниципалитеты могут использовать различные подходы к формированию своих финансовых планов, что затрудняет консолидацию, контроль и общую координацию. Результатом становится фрагментация бюджетного процесса, когда показатели не всегда увязаны друг с другом, и общая картина становится менее прозрачной.

Далее, показатели социально-экономического развития, заложенные в основу бюджетирования, не всегда методологически обоснованы и не увязаны с фактическими данными. Это критически важный аспект. Если базовый прогноз, на котором строятся бюджеты, изначально содержит отклонения от реальной макроэкономической ситуации, то вся последующая система планирования неизбежно будет давать сбои. Это приводит к постоянной необходимости корректировки бюджетных проектировок, что снижает их достоверность и усложняет управление. Например, если прогноз темпов роста ВВП или инфляции был завышен или занижен, то доходы и расходы бюджета будут планироваться неадекватно, что потребует экстренных мер по их пересмотру в течение финансового года.

И, наконец, изменение порядка подсчета статистических индикаторов государственными службами статистики приводит к неточностям при прогнозировании их значений. Представьте, что вы строите модель погоды, но метеорологи постоянно меняют способы измерения температуры или давления. Результат? Ваша модель будет давать сбои. Точно так же, если меняется методология расчета ВВП, показателей инфляции, промышленного производства или других ключевых индикаторов, то старые прогнозные модели могут стать неэффективными. Это требует от аналитиков постоянной адаптации, переобучения моделей и пересмотра исторических рядов данных, что является трудоемким процессом и может вносить дополнительные искажения в прогнозы.

Эти системные проблемы бюджетного планирования и статистического учета создают своеобразный «внутренний шум», который накладывается на внешнюю неопределенность, делая задачу точного финансового прогнозирования в России особенно сложной и требующей комплексного подхода к реформированию.

Макроэкономические дисбалансы и риски

Российская экономика, помимо структурных и методологических вызовов, сталкивается с рядом существенных макроэкономических дисбалансов, которые оказывают прямое влияние на качество финансового прогнозирования.

Одним из наиболее тревожных сигналов является «перегрев» экономики. В первом п��лугодии 2024 года темпы роста выпуска, ориентированного на внутренний спрос, превысили темпы расширения производственных возможностей экономики. Это классический признак «перегрева», который создает условия для ускорения инфляции. Повышенный спрос при ограниченном предложении ведет к росту цен, что, в свою очередь, заставляет Центральный банк принимать жесткие меры.

Высокая инфляция — это еще один серьезный вызов. Она вынуждает Центральный банк повышать ключевую ставку и удерживать ее двузначной длительное время, как мы видим в текущих условиях. С одной стороны, это необходимо для сдерживания цен, но с другой – высокие ставки делают кредиты дороже, что негативно сказывается на инвестиционной активности и замедляет экономический рост.

Риски торможения роста промышленности, особенно обрабатывающих отраслей, в среднесрочном периоде также значительны. В частности, возможное сокращение оборонзаказа, который в последние годы являлся одним из драйверов роста для ряда секторов, может привести к замедлению производства и потребовать структурной перестройки этих отраслей. Прогнозирование объемов промышленного производства в таких условиях становится крайне сложным.

Ограниченность финансовых вложений, в частности в основной капитал, является хронической проблемой. По оценкам, в 2024 году объем инвестиций в основной капитал в России составит около 20-21% ВВП. Это ниже показателей, необходимых для устойчивого опережающего роста экономики. Недостаток инвестиций означает ограничение модернизации, развития новых производств и, как следствие, замедление темпов роста производительности труда и экономического потенциала в целом. Прогнозирование инвестиционной активности в условиях ограниченных ресурсов и высоких ставок становится задачей с множеством неизвестных.

Наконец, на рынке труда наблюдается острый дефицит кадров. По данным на середину 2024 года, дефицит оценивается в 4,3% от общего числа занятых. Наиболее острый дефицит наблюдается в обрабатывающей промышленности, строительстве, транспорте и логистике. Этот фактор ограничивает возможности для наращивания выпуска в экономике и усиливает инфляцию, поскольку компании вынуждены повышать заработные платы для привлечения и удержания сотрудников. Прогнозирование инфляции и динамики ВВП без учета этого структурного дефицита будет неполным.

Все эти макроэкономические дисбалансы и риски создают сложный фон для финансового прогнозирования, требуя от аналитиков не только использования сложных моделей, но и глубокого понимания специфики российской экономики, её структурных проблем и поведенческих реакций различных субъектов. Отставание в использовании института планирования в таких условиях может привести к общему отставанию в развитии экономики, поскольку традиционные экономико-математические модели демонстрируют низкую эффективность в прогнозировании кризисных явлений.

Влияние ключевых внешних и внутренних факторов на точность финансового прогнозирования

Финансовое прогнозирование в России – это непрерывный процесс адаптации к меняющимся реалиям, где внешние потрясения и внутренние экономические механизмы переплетаются, создавая уникальный и сложный ландшафт. Разберем, как эти факторы формируют прогнозную среду.

Воздействие антироссийских санкций и адаптация экономики

Введение западными странами беспрецедентных санкций с 2022 года стало одним из наиболее значимых внешних шоков для российской экономики. Первоначальный удар был существенным: ВВП страны снизился на 2,1% в 2022 году. Однако реакция экономики оказалась более устойчивой, чем прогнозировали многие эксперты.

• Перекраивание внешней торговли: Санкции вызвали тектонические сдвиги в географии торговых потоков. Доля европейских стран в товарообороте РФ значительно сократилась, а объем экспорта в долларовом выражении упал почти на 70% по данным за январь-октябрь 2023 года. В ответ Россия активно переориентировала свои торговые маршруты и нашла новых ключевых партнеров, таких как Китай, Индия и страны ЕАЭС. Произошло активное развитие транспортных коридоров, например, «Север-Юг». Это потребовало не только логистической перестройки, но и пересмотра всей системы прогнозирования внешнеторговых операций, учитывая новые риски и возможности.
• Обособление финансового рынка: Процесс обособления российского финансового рынка от международного почти завершен. По мнению аналитиков АКРА, это долгосрочный тренд, и прогноз восстановления международных связей выглядит нереалистичным в ближайшие годы. Это означает, что российские компании и банки вынуждены искать внутренние источники финансирования, а международные потоки капитала, которые ранее были важным фактором для прогнозирования, теперь играют минимальную роль.
• Ограничения на экспорт ТЭК: Санкции, включая потолок цен и запреты на импорт российских энергоресурсов, ограничивают возможности для активного наращивания экспорта продукции топливно-энергетического комплекса. Это привело к тому, что Россия вынуждена продавать нефть Urals со значительным дисконтом к Brent, который в 2023 году достигал до 25-30 долларов США за баррель, а также сокращать экспорт газа в Европу. Прогнозирование доходов бюджета и валютных поступлений теперь напрямую зависит от этого дисконта и способности России находить новые рынки сбыта.
• Высокая устойчивость и адаптивность: Несмотря на все вызовы, национальная экономика РФ показала высокую устойчивость и быструю адаптивность к негативным последствиям санкций. Это было обеспечено за счет нескольких факторов: значительных валютных резервов, которые были накоплены до 2022 года; активной фискальной политики, направленной на поддержку ключевых секторов; поддержания стабильности банковского сектора; и, как уже упоминалось, успешной переориентации торговых потоков. Эти меры позволили избежать глубокой рецессии, которую прогнозировали многие международные эксперты, но при этом радикально изменили структуру экономики и подходы к ее прогнозированию.

Волатильность цен на энергоресурсы

Россия, как крупный экспортер энергоресурсов, исторически сильно зависит от мировых цен на нефть и газ. Эта зависимость делает экономику уязвимой к внешним колебаниям, что оказывает более сильное и непосредственное влияние на макроэкономические показатели, чем прямой эффект от санкций. Нефтегазовые поступления традиционно составляют не менее одной пятой всех доходов федерального бюджета, что делает их ключевым источником пополнения казны.

• Влияние на бюджет: Высокая стоимость сырья увеличивает эти поступления, однако любая нестабильность на мировых рынках мгновенно отражается на бюджетных показателях. Например, неблагоприятная конъюнктура на мировых сырьевых рынках, в частности, снижение цен на нефть из-за протекционистских мер США в апреле 2025 года, привела к значительному снижению нефтегазовых доходов бюджета РФ в 2025 году на 24% по сравнению с первоначальным прогнозом. Это яркий пример того, как быстро внешние факторы могут дестабилизировать бюджетное планирование.
• Прогнозы цен на Urals: Министерство финансов РФ и Банк России регулярно корректируют свои прогнозы по цене на нефть марки Urals, которая является основным экспортным сортом для России. Минфин РФ снизил прогноз средней стоимости барреля нефти Urals для бюджета 2026 года до 59 долларов США, по сравнению с 66 долларами США ранее. В то же время, Банк России повысил прогноз цены Urals на 2025 год до 58 долларов США за баррель. Эти постоянные корректировки подчеркивают высокую степень неопределенности на сырьевых рынках и необходимость для финансовых прогнозистов оперативно адаптироваться к изменяющимся ожиданиям.

Влияние цен на энергоресурсы пронизывает всю экономику, затрагивая валютный курс рубля, уровень инфляции, инвестиционную активность и потребительский спрос. Следовательно, точность прогнозирования этих цен является критически важной для достоверности любого финансового прогноза в России.

Инфляционное давление и денежно-кредитная политика

Инфляция — один из главных врагов стабильности, подтачивающий покупательную способность и искажающий все экономические расчеты. В российской экономике инфляционное давление является постоянным вызовом, требующим решительных действий от Центрального банка.

• Динамика инфляции: 2022 год был отмечен ростом инфляции и снижением курса рубля, что стало серьезным экономическим испытанием. К концу декабря 2023 года инфляция приблизилась к верхней границе прогноза ЦБ (7,5%) и по итогам года могла ее превысить. Инфляционные ожидания граждан на год вперед также остаются высокими. Согласно опросам Банка России, в октябре 2025 года медианные инфляционные ожидания населения на год вперед составляли 11,8%, что значительно превышает целевой уровень инфляции ЦБ. Такие ожидания сами по себе могут подстегивать рост цен, создавая порочный круг.
• Реакция Центрального банка: Задача обуздать рост цен вынуждает ЦБ повышать ключевую ставку и удерживать ее двузначной длительное время. Ключевая ставка — это минимальный процент, под который коммерческие банки могут получить кредит от Центробанка, и она напрямую влияет на процентные ставки по кредитам и вкладам для клиентов. В октябре 2025 года ЦБ снизил ключевую ставку с 17% до 16,5% годовых, но этот уровень по-прежнему остается высоким.
• Влияние ключевой ставки:
  • На инвестиции и рост компаний: Высокие ставки увеличивают стоимость заемных средств, что может привести к сокращению инвестиций и замедлению роста компаний. Бизнес сталкивается с удорожанием кредитов, что делает реализацию новых проектов менее привлекательной.
  • На финансовую стабильность: Резкое снижение ключевой ставки, по словам председателя Банка России Эльвиры Набиуллиной, может привести к гиперинфляции и финансовому кризису. Это подчеркивает тонкую грань, по которой приходится балансировать регулятору, стремясь одновременно стабилизировать цены и не задушить экономический рост.
• Прогнозы ЦБ по инфляции и ставке: Банк России регулярно корректирует свои прогнозы, отражая изменяющуюся экономическую ситуацию. ЦБ повысил прогноз по инфляции на 2025 год до 6,5-7% (с 6-7% в июле), а на 2026 год — до 4-5% (с 4%), сместив достижение таргета в 4% на 2027 год. Что касается ключевой ставки, Центробанк ожидает, что в 2026 году средняя ключевая ставка составит 13-15%, а на 2027 и 2028 годы останется на уровне 7,5-8,5%. Эти прогнозы демонстрируют ожидание длительного периода относительно высоких ставок, что является важным вводным для долгосрочного финансового планирования.

Таким образом, инфляционное давление и жесткая денежно-кредитная политика ЦБ являются мощными внутренними факторами, которые определяют условия финансового прогнозирования, требуя от всех экономических агентов внимательного учета этих динамичных показателей.

Геополитическая ситуация как источник неопределенности

Геополитика давно перестала быть уделом только политологов, прочно войдя в сферу экономических и финансовых прогнозов. В современном мире она остается мощнейшим источником риска и неопределенности, который перекраивает глобальные экономические связи и задает тон национальным стратегиям.

• Влияние на глобальный ВВП: Геополитические факторы, такие как конфликты, торговые войны и фрагментация мировой экономики, уже оказали значительное влияние на замедление роста глобального ВВП. По оценкам Международного валютного фонда (МВФ), геополитические конфликты и фрагментация мировой экономики могут привести к снижению глобального ВВП на 0,7% к 2030 году по сравнению со сценарием без этих факторов. Для открытой экономики, такой как российская, это означает замедление внешнего спроса, нарушение устоявшихся цепочек поставок и повышение стоимости импорта.
• Стратегический ответ России: Возникшие вызовы Правительство РФ активно использует как основание для перехода к новому этапу экономической мобилизации и формирования устойчивой внутренней производственной базы. Это означает пересмотр приоритетов, усиление инвестиций в импортозамещение, развитие собственных технологий и создание «независимых» экономических контуров. В такой ситуации финансовое прогнозирование становится инструментом не только предсказания, но и активного формирования будущего, направленного на укрепление экономического суверенитета.
• Значение сценарного анализа: В условиях доминирования геополитических рисков, традиционные методы прогнозирования часто оказываются неэффективными. Здесь на первый план выходит сценарный анализ. Систематический анализ различных сценариев развития геополитической ситуации позволяет компаниям и государственным органам лучше понять потенциальное влияние внутренних и внешних факторов на их деятельность. Это не только повышает устойчивость стратегического планирования, но и дает возможность разработать «планы Б» для различных неблагоприятных исходов, минимизируя потенциальный ущерб и позволяя оперативно реагировать на изменения. Например, компания может разработать сценарии, предусматривающие усиление или ослабление санкций, изменения в торговых отношениях с ключевыми партнерами или новые логистические ограничения, и подготовить соответствующие финансовые стратегии для каждого из них.

Таким образом, геополитическая ситуация не просто вносит коррективы в финансовые прогнозы, а требует принципиально нового подхода к их формированию, с акцентом на гибкость, устойчивость и стратегическое планирование в условиях постоянной турбулентности.

Инновационные подходы и цифровизация как драйверы финансового прогнозирования

В эпоху стремительных технологических изменений финансовое прогнозирование не может оставаться в стороне от прогресса. Искусственный интеллект, большие данные и сценарное планирование – это не просто модные термины, а мощные инструменты, способные кардинально изменить качество и эффективность прогнозной деятельности в России.

Искусственный интеллект и машинное обучение

Внедрение искусственного интеллекта (ИИ) и машинного обучения (МО) в отрасли российской экономики открывает колоссальный потенциал для увеличения добавленной стоимости и повышения точности прогнозов.

• Экономический эффект и сферы применения: Институт статистических исследований и экономики знаний НИУ ВШЭ оценил, что совокупный вклад от использования технологий ИИ в ВВП России составит 11,6 трлн руб. в 2030 году и достигнет 46,5 трлн руб. в 2035 году. Это свидетельствует о масштабном влиянии, которое ИИ окажет на экономику страны.

Основной вклад ИИ в экономический эффект к 2035 году ожидается от:

• Обрабатывающей промышленности
• Строительства
• Профессиональной, научной и технической деятельности
• Транспортировки и хранения
• Финансов и страхования
• Здравоохранения и социальных услуг

Финансы и страхование, а также профессиональная, научная и техническая деятельность будут одними из основных секторов занятости ИИ-специалистов, что указывает на высокую потребность в таких кадрах и углубление интеграции ИИ в эти сферы.

• Применение в финансах: ИИ оказывает серьезное влияние на финансовую и банковскую отрасль, где он используется для:
  • Анализа финансовых данных: Быстрое и эффективное выявление скрытых закономерностей в огромных массивах данных.
  • Прогнозирования рыночных тенденций: Предсказание движения цен активов, курсов валют, процентных ставок с большей точностью, чем традиционные методы.
  • Совершенствования инвестиционных решений: Оптимизация портфелей, автоматизация торговли, выявление перспективных объектов для вложений.
  • Снижения рисков: Идентификация кредитных рисков, рисков мошенничества, операционных рисков.
• Конкретные примеры применения МО:
  • Методы машинного обучения, такие как регуляризация и ансамблевые методы (бустинг, случайный лес), показывают высокое качество прогнозирования темпов роста квартального валового накопления основного капитала в России.
  • Нейронные сети демонстрируют высокую вероятность корректного предсказания трендов стоимости акций на Московской фондовой бирже.
  • МО активно используется для прогнозирования финансовых кризисов и оценки системных рисков в финансовых системах, применяя методы классификации и анализа временных рядов.
• Недостатки и «черный ящик»: Несмотря на очевидные преимущества, применение ИИ в прогнозировании имеет свои недостатки. Основным из них является сложность интерпретации некоторых алгоритмов ИИ, особенно глубоких нейронных сетей. Это так называемая проблема «черного ящика», когда модель может давать точные прогнозы, но логика, по которой она пришла к этим выводам, остается непрозрачной. В критически важных финансовых решениях, требующих объяснимости результатов и понимания причинно-следственных связей, это может снижать доверие к прогнозам и создавать регуляторные сложности. Кроме того, внедрение ИИ требует значительных вычислительных мощностей и высококвалифицированных специалистов.

Большие данные (Big Data)

Технологии Big Data стали незаменимым инструментом для трансформации многих отраслей, и финансовый сектор не исключение. Они позволяют собирать, обрабатывать и анализировать огромные объемы разнородных данных, открывая новые горизонты для прогнозирования и принятия решений.

• Ключевые преимущества:
  • Повышение качества услуг и снижение издержек: Внедрение Big Data в финансовом секторе позволяет банкам снижать операционные издержки до 15-20% за счет автоматизации процессов, оптимизации клиентского обслуживания и более точного управления ресурсами.
  • Повышение производительности и эффективности: Анализ больших данных улучшает эффективность обнаружения мошенничества на 30-40% и повышает точность прогнозирования рисков, что напрямую влияет на финансовую стабильность организаций.
  • Улучшение процесса принятия решений: Благодаря глубокому анализу тенденций производительности, предпочтений клиентов и рыночных сигналов, компании могут принимать более обоснованные стратегические и оперативные решения.
  • Более точное прогнозирование финансовых показателей: Анализ исторических и текущих данных позволяет выявлять скрытые корреляции и закономерности, что приводит к значительному повышению точности прогнозов по доходам, расходам, денежным потокам и рыночной конъюнктуре.
• Применение в России: Ключевыми потребителями технологий Big Data в России являются банки, телеком-операторы и крупные ритейлеры. Это связано с их доступом к обширным массивам клиентских данных и высокой конкуренцией, которая стимулирует поиск инновационных решений. В 2021 году 25,8% российских организаций применяли технологии сбора, обработки и анализа больших данных, что указывает на растущую, но еще не повсеместную интеграцию этих технологий.
• Источники данных: Наиболее популярные источники данных для анализа включают:
  • Веб-сайты компаний (поведенческие данные пользователей)
  • Учетные системы (ERP, CRM – транзакционные данные, история взаимодействий)
  • Социальные сети (мнения, настроения, тренды, неструктурированные данные)
• Связь с машинным обучением: Технологии МО, особенно нейросетевые подходы, позволяют получить наиболее полный и быстрый результат обработки больших данных. Они способны выявлять сложные нелинейные зависимости, которые невозможно обнаружить традиционными статистическими методами. Однако, как и в случае с ИИ, здесь также присутствуют риски, связанные с прозрачностью моделей (проблема «черного ящика»). В контексте Big Data и МО, это означает, что при использовании сложных алгоритмов трудно отследить, какие именно данные и логические связи привели к конкретному прогнозу или решению, что может быть критично в регулируемых финансовых отраслях, требующих объяснимости результатов, например, при обосновании скоринговых моделей или решений о выдаче кредитов.

Сценарное планирование

В условиях, когда будущее становится все более непредсказуемым, сценарное планирование приобретает особую ценность, превращаясь из дополнительного инструмента в фундаментальный элемент стратегического управления и финансового прогнозирования.

• Сущность и ценность: Сценарное прогнозирование и анализ — это инструмент стратегического планирования, который позволяет компаниям и государственным органам не предсказывать одно конкретное будущее, а предвидеть и подготовиться к различным возможным будущим событиям. Оно основано на моделировании нескольких логически согласованных, но качественно отличающихся вариантов развития внешней и внутренней среды.

Главное преимущество сценарного планирования заключается в его способности повышать устойчивость организаций к рыночным шокам. Вместо того чтобы строить все планы на одном, зачастую оптимистичном, прогнозе, компании, активно использующие сценарное планирование, демонстрируют на 25% более высокую устойчивость к рыночным шокам. Это позволяет им быть лучше подготовленными к любому развитию событий, оценивать различные сценарии (оптимистичный, пессимистичный, базовый) и принимать более обоснованные решения, минимизируя риски и максимизируя возможности.

• Актуальность в турбулентные периоды: Этот метод приобретает особую ценность именно в периоды высокой турбулентности рынков, когда традиционные методы прогнозирования, основанные на экстраполяции прошлых тенденций, становятся малоэффективными. В условиях геополитических потрясений, технологических сдвигов и быстрой смены макроэкономических условий, сценарное планирование позволяет не просто адаптироваться, но и проактивно формировать стратегии, учитывая широкий спектр потенциальных вызовов и возможностей. Например, компания может разработать сценарии, связанные с дальнейшим ужесточением санкций, изменением цен на сырье, появлением новых конкурентов или прорывных технологий, и для каждого из них подготовить свой финансовый прогноз и план действий.

Таким образом, инновационные подходы, такие как ИИ, Big Data и сценарное планирование, не только улучшают техническую сторону финансового прогнозирования, но и трансформируют саму философию управления, делая ее более гибкой, адаптивной и устойчивой к вызовам современного мира.

Роль государственной политики и регулирования в развитии финансового прогнозирования РФ

Государственная политика и регулирование играют ключевую роль в формировании среды, в которой осуществляется финансовое прогнозирование. В Российской Федерации это проявляется как в законодательных основах бюджетного планирования, так и в активной деятельности Центрального банка и стратегических инициативах Правительства.

Законодательные основы и бюджетное прогнозирование

Фундаментом для всего процесса финансового прогнозирования в России служит законодательная база. Конституция РФ и Бюджетный кодекс РФ (БК РФ) определяют основные принципы и рамки бюджетного планирования, обеспечивая правовую основу для всех финансовых операций государства.

Бюджетный прогноз РФ на долгосрочный период является одним из ключевых документов в этой системе. Он содержит:

• Прогноз основных характеристик бюджетов различных уровней (федеральный, региональные, местные).
• Показатели финансового обеспечения национальных проектов и государственных программ.
• Подходы к формированию бюджетной политики на длительный срок.

Согласно статье 170.1 БК РФ, бюджетный прогноз может разрабатываться на период до 2036 года, что свидетельствует о стремлении государства к долгосрочному стратегическому планированию.
Прогнозирование доходов бюджета осуществляется на основе двух ключевых элементов:

1. Прогноза социально-экономического развития территории: это включает такие показатели, как ВВП, инфляция, ключевая ставка, уровень безработицы, динамика инвестиций и т.д.
2. Действующего законодательства о налогах и сборах: это обеспечивает предсказуемость налоговой нагрузки и, соответственно, поступлений в бюджет.

Эти законодательные и нормативные акты создают структурированную основу, которая, несмотря на существующие проблемы, является отправной точкой для всех субъектов, занимающихся финансовым прогнозированием на государственном уровне.

Инициативы Банка России и программы цифровизации

Центральный банк Российской Федерации (Банк России) является ключевым регулятором, активно формирующим условия для развития финансового рынка и, как следствие, для повышения качества финансового прогнозирования.

Содействие цифровизации финансового рынка: Банк России активно содействует цифровизации финансового рынка и экономики в целом, внедряя финансовые технологии для повышения доступности и качества финансовых услуг. Это стратегическое направление закреплено в программе «Основные направления развития финансового рынка Российской Федерации» на 2022-2024 годы. В рамках этой программы ЦБ активно развивает:

• Цифровой рубль: Создание новой формы национальной валюты, которая упростит платежи и расчеты, повысит их безопасность и прозрачность.
• Платформу открытых API (Application Programming Interface): Позволяет различным финансовым организациям и финтех-компаниям обмениваться данными и услугами, стимулируя инновации и конкуренцию.
• Инфраструктуру для цифровых финансовых активов (ЦФА): Создает правовые и технологические условия для выпуска и оборота токенизированных активов.

Эти инициативы не только модернизируют финансовую систему, но и предоставляют новые источники данных и инструменты для более точного и оперативного прогнозирования.

Меры по поддержанию финансовой стабильности: В условиях высокой неопределенности и внешних шоков Банк России предпринимает решительные меры для поддержания финансовой стабильности, стабилизации ситуации на финансовом рынке и обеспечения непрерывности операционной деятельности финансовых организаций. Среди таких мер были:

• Повышение ключевой ставки для сдерживания инфляции и стабилизации курса рубля.
• Введение временных ограничений на движение капитала.
• Предоставление ликвидности банкам для поддержания их устойчивости.
• Временное смягчение некоторых регуляторных требований, чтобы дать банкам возможность адаптироваться к изменяющимся условиям.

Эти действия ЦБ напрямую влияют на финансовые потоки, ликвидность, процентные ставки и, следовательно, на параметры, которые необходимо учитывать при финансовом прогнозировании.

Государственная инвестиционная политика и стратегические ориентиры

Под влиянием геополитических рисков государственная инвестиционная политика в России претерпевает существенные изменения, переформатируясь в сторону индустриализации и укрепления промышленной базы страны. Это стратегический сдвиг, направленный на достижение технологического суверенитета и снижение зависимости от внешних факторов.

Меры по стимулированию инвестиций: Правительство активно внедряет различные меры для стимулирования инвестиций в приоритетные отрасли. Примеры таких мер включают:

• Программы льготного кредитования: Предоставление кредитов промышленным предприятиям по сниженным ставкам для финансирования модернизации и расширения производства.
• Создание особых экономических зон (ОЭЗ): Зоны с особым налоговым и административным режимом для привлечения инвестиций в высокотехнологичные и импортозамещающие производства.
• Субсидии на НИОКР (научно-исследовательские и опытно-конструкторские работы): Государственная поддержка разработок в приоритетных отраслях для стимулирования инноваций и локализации производства.

Эти меры призваны не только обеспечить экономический рост, но и создать предсказуемые условия для долгосрочного инвестиционного планирования.

Корректировка прогнозов Минфина: В рамках этих процессов Министерство финансов РФ регулярно снижает прогноз цены на нефть для бюджета, основываясь на аналитических данных и ожидаемых дисконтах. Это является частью адаптации бюджетной политики к новым реалиям, где необходимо учитывать долгосрочные риски, связанные с сырьевой зависимостью.

Программа «Цифровая экономика Российской Федерации»: Принятая Правительством в 2017 году, эта программа предусматривает стимулирование развития цифровых технологий во всех сферах экономики, что имеет прямое отношение к повышению качества и эффективности финансового прогнозирования за счет внедрения новых инструментов и методов.

Таким образом, государственная политика и регулирование в России активно формируют среду для финансового прогнозирования, как через законодательную базу и деятельность ЦБ, так и через стратегические инвестиционные ориентиры, направленные на усиление устойчивости и суверенитета экономики.

Перспективы развития финансового прогнозирования и рекомендации по его совершенствованию в России

Будущее финансового прогнозирования в России связано с преодолением текущих вызовов и активным внедрением инноваций. Рассмотрение мировых трендов и национальных особенностей позволяет сформулировать ключевые направления развития и конкретные рекомендации.

Потенциал внедрения ИИ и цифровых технологий

Цифровизация и искусственный интеллект – это не просто будущие тренды, а уже формирующаяся реальность, которая кардинально изменит подходы к финансовому прогнозированию в России.

• Масштабный экономический эффект ИИ: Внедрение и использование технологий искусственного интеллекта в отраслях российской экономики имеет значительный потенциал для увеличения добавленной стоимости. По оценкам Института статистических исследований и экономики знаний НИУ ВШЭ, совокупный вклад от использования технологий ИИ в ВВП России составит 11,6 трлн руб. в 2030 году и достигнет 46,5 трлн руб. в 2035 году. Это свидетельствует о том, что массового внедрения ИИ-технологий в российской экономике следует ожидать на горизонте до 2035 года. Россия уже входит в число стран, принявших национальные стратегии развития искусственного интеллекта, и близка к мировому топ-10 по некоторым показателям, например, количеству публикаций по теме ИИ. Это создает благоприятную основу для дальнейшего развития и применения ИИ в финансовом секторе.
• Лидерство в цифровых финансовых услугах: Цифровизация финансовых услуг выступает одним из факторов инновационного развития экономики, а Россия является одним из мировых лидеров в этой области. По данным на 2024 год, уровень проникновения широкополосного доступа в интернет в России превысил 85% среди населения и 90% среди организаций, что создает благоприятную среду для дальнейшего развития цифровых финансовых сервисов. Это подтверждается высокими показателями использования цифровых каналов взаимодействия с банками, проникновением бесконтактных платежей и активным развитием Системы быстрых платежей (СБП). Прогнозы развития цифровых финансовых услуг можно делать в оптимистическом ключе благодаря этой положительной динамике доступности Интернета.
• Технологические возможности нового поколения позволяют реализовать пригодный инструментарий планирования для повышения эффективности экономики. В условиях быстро меняющейся среды это особенно важно для повышения эффективности управления организацией и обеспечения её финансовой безопасности.

Таким образом, активное использование ИИ, машинного обучения, Big Data и других цифровых инструментов станет ключевым фактором для перехода финансового прогнозирования в России на качественно новый уровень, обеспечивая большую точность, оперативность и глубину анализа.

Рекомендации для повышения точности и эффективности прогнозирования

Для того чтобы финансовое прогнозирование в России не просто соответствовало вызовам времени, но и стало проактивным инструментом развития, необходим комплексный набор мер, охватывающий как методологические, так и регуляторные аспекты.

1. Учёт поведенческой экономики: Для повышения точности прогнозов необходимо учитывать влияние эйфории и депрессии, воздействию которых подвергаются экономические агенты. Включение в прогнозные модели элементов поведенческой экономики, таких как индексы потребительского или делового настроения, а также использование методов машинного обучения, способных выявлять скрытые паттерны в настроениях участников рынка, может значительно повысить точность прогнозов. Например, в периоды «эйфории» инвестиционная активность может быть выше рациональных оценок, а в периоды «депрессии» — наоборот, занижена.
2. Стимулирование экономического роста: Важно сосредоточиться на создании условий для устойчивого экономического роста. Это включает обеспечение доступности ресурсов, в том числе кредитных, для бизнеса (через программы льготного кредитования и субсидирование процентных ставок). Также необходимо стимулировать платежеспособный спрос и критически учитывать технологическую зависимость российских отраслей, разрабатывая меры по ее снижению через государственную поддержку НИОКР и локализацию производства.
3. Единые межведомственные подходы: Требуется выработать единые межведомственные подходы к прогнозированию макроэкономических и бюджетных параметров для регионов. Это позволит субъектам РФ строить долгосрочные бюджетные прогнозы на перспективу не менее 30 лет, что обеспечит большую предсказуемость и устойчивость региональных финансов.
4. Стимулирование развития ключевых сегментов финансового рынка: Необходимо активное использование развернутого государственного инструментария для развития кредитного, акционерного капитала, долгового и страхового рынков. Это включает создание специализированных фондов для поддержки венчурных инвестиций, развитие механизмов проектного финансирования, внедрение страховых продуктов для покрытия рисков инновационных проектов, а также использование «регулятивных песочниц» для тестирования новых финансовых технологий.
5. Использование МО для прогнозирования инвестиций: Для повышения эффективности прогнозирования инвестиций в России рекомендуется активно использовать методы машинного обучения, такие как бустинг и случайный лес, которые показали высокую точность в сложных экономических условиях.
6. «Регулятивные площадки» для финтеха: Следует создавать специализированные «регулятивные площадки» (Sandbox) для рассмотрения инновационных финансовых технологий, проверки их эффектов, анализа рисков и формулирования предложений по совершенствованию нормативного регулирования. Это ускорит внедрение новых решений, минимизируя при этом риски для финансовой системы.
7. Внедрение ИИ в малом и среднем бизнесе: Внедрение искусственного интеллекта открывает значительные возможности, особенно для небольших компаний, где риски ниже, а потенциальная выгода существенна. Для малых компаний ИИ может привести к снижению операционных издержек до 10-15%, повышению эффективности маркетинговых кампаний и оптимизации управления запасами, обеспечивая значительную конкурентную выгоду при относительно низких первоначальных инвестициях. Государство может стимулировать этот процесс через образовательные программы и гранты.
8. Прозрачность и предсказуемость бюджетной системы: Обеспечение прозрачности и предсказуемости параметров бюджетной системы, макроэкономических и иных показателей является ключевым фактором для роста привлекательности отечественной экономики для потенциальных инвесторов. Четкие правила и открытая информация снижают риски и повышают доверие.
9. Автоматизация интегрированного планирования: Автоматизация интегрированного планирования является ключом к финансовой устойчивости и точности, позволяя синхронизировать различные виды прогнозов (операционные, финансовые, инвестиционные) и оперативно реагировать на отклонения.

Адаптация к мировым трендам

Россия не существует в вакууме. Мировая экономика замедляется на фоне высокой инфляции и ужесточения денежно-кредитной политики, что делает внешние факторы относительно неблагоприятными в среднесрочном периоде. Протекционизм и замедление мировой торговли могут иметь «ужасающие последствия» вплоть до полной остановки мирового экономического роста, особенно для развивающихся стран.

На этом фоне переход к многополярной модели мировой экономики является современным трендом, требующим уточнения стратегических ориентиров для России. Это означает необходимость не только внутренней перестройки, но и активного участия в формировании новых международных экономических союзов и торговых маршрутов. Финансовое прогнозирование должно учитывать эти глобальные сдвиги, адаптируясь к новым реалиям и помогая стране выстраивать эффективные стратегии в условиях изменяющегося миропорядка.

Заключение

Финансовое прогнозирование в Российской Федерации сегодня — это не просто аналитический инструмент, а стратегический компас, указывающий путь в условиях беспрецедентной неопределенности и трансформации. Мы видим, что текущее состояние характеризуется глубокими вызовами: от высокой макроэкономической нестабильности и системных проблем бюджетного планирования до значительного влияния внешних факторов, таких как санкции и волатильность цен на энергоресурсы. Инфляционное давление и жесткая денежно-кредитная политика Центрального банка также формируют сложный фон, требующий постоянной адаптации и пересмотра прогнозных моделей.

Однако, наряду с проблемами, существуют и огромные перспективы. Внедрение инновационных технологий, таких как искусственный интеллект, машинное обучение и большие данные, способно кардинально изменить качество и эффективность прогнозирования, предлагая новые возможности для анализа и принятия решений. Потенциальный экономический эффект от ИИ в России оценивается в десятки триллионов рублей к 2035 году, а лидерство страны в развитии цифровых финансовых услуг создает благоприятную почву для дальнейшего роста.

Роль государственной политики и регулирования в этом процессе неоспорима. Законодательные основы, инициативы Банка России по цифровизации (цифровой рубль, открытые API) и переформатирование инвестиционной политики в сторону индустриализации формируют институциональный каркас для развития.

Для совершенствования практики финансового прогнозирования в РФ необходим комплексный подход: учет поведенческой экономики, стимулирование экономического роста через доступность ресурсов, выработка единых межведомственных подходов к долгосрочному планированию для регионов, развитие ключевых сегментов финансового рынка с использованием «регулятивных песочниц», активное внедрение МО и ИИ, а также обеспечение прозрачности бюджетной системы для инвесторов.

В конечном итоге, стратегическая важность точного финансового прогнозирования для устойчивого развития России в условиях глобальной трансформации не вызывает сомнений. Оно является ключом к эффективному распределению ресурсов, минимизации рисков и формированию проактивных стратегий, способных обеспечить экономический суверенитет и процветание страны в новой многополярной реальности.

Список использованной литературы

1. Бюджетный кодекс Российской Федерации: текст с изменениями и дополнениями на 2009 г. М.: Эксмо, 2017. 319 с. (Кодексы Российской Федерации).
2. Гражданский кодекс Российской Федерации. Части первая, вторая, третья и четвертая: текст с изменениями и дополнениями на 1 июня 2008 года: справочно-информационное издание. М.: Эксмо, 2017. 669 с.
3. Васильева, Л. С., Петровская М. В. Финансовый анализ: учебник для вузов. М.: КноРус, 2013. 544 с.
4. Вахрин, П. И., Нешитой А. С. Финансы: Учебник для вузов. 3-е изд., перераб. и доп. М.: Издательство-торговая корпорация «Дашков и К», 2014. 532 с.
5. Гаврилова, А. Н., Попов А. А. Финансы организаций (предприятий): учебник для Вузов. Изд. 3-е, перераб. и доп. М.: КноРус, 2015. 597 с.
6. Горбатина, Т. М. История финансово-банковской системы: сборник тестов для текущего контроля знаний студентов заочной формы обучения специальности 080105 «Финансы и кредит» / Рос. ун-т кооп., Чебоксар. кооп. ин-т; сост. Т. М. Горбатина; отв. ред. В. М. Старостин. Чебоксары: [б. и.], 2014. 15 с.
7. Гринкевич, Л. С. Государственные и муниципальные финансы России: учебное пособие для вузов. М.: КноРус, 2013. 551 с.
8. Грязнова, А. Г., Маркина Е. В. Финансы: учебник для вузов. М.: Финансы и статистика, 2014. 501 с.
9. Ермасова, Н. Б. Государственные и муниципальные финансы: теория и практика в России и в зарубежных странах: учебное пособие для вузов. 2-е изд., переработка и дополнение основной. М.: Высшее образование, 2015. 516 с. (Основы наук).
10. Зайков, В. П. Финансы: конспект лекций. Ростов н/Д: Феникс, 2016. 283 с.
11. Ковалева, А. М. Финансы: учебное пособие. Изд. 5-е, перераб. и доп. М.: Финансы и статистика, 2016. 415 с.
12. Лушин, С. И., Слепов В. А. Государственные и муниципальные финансы: учебник. М.: Экономист, 2015. 761 с.
13. Лихачева, О. Н., Щуров С. А. Долгосрочная и краткосрочная финансовая политика предприятия: учебное пособие. М.: Вузовский учебник, 2016. 287 с.
14. Литовченко, В. П. Финансы: учебник. Изд. 2-е, перераб. и испр. М.: Дашков и К’, 2014. 587 с.
15. Мысляева, И. Н. Государственные и муниципальные финансы: учебник. 2-е изд-е. М.: ИНФРА-М, 2015. 359 с.
16. Нешитой, А. С. Финансы: учебник для вузов по экономическим специальностям. Изд. 7-е, переработка и дополнение. М.: Дашков и К’, 2014. 510 с.
17. Поляк, Г. Б. Финансово-бюджетное планирование: учебник. М.: Вузовский учебник, 2014. 543 с.
18. Симунин, Е. Н. Планирование на предприятии: учебное пособие для вузов. 3-е изд., перераб. и доп. М.: КноРус, 2016. 336 с.
19. Финансовое прогнозирование: как и зачем бизнесу контролировать своё будущее. URL: https://moedelo.org/blog/finansovoe-prognozirovanie (дата обращения: 02.11.2025).
20. Бюджетное планирование. Генеральный Директор. URL: https://www.gd.ru/articles/10557-byudjetnoe-planirovanie (дата обращения: 02.11.2025).
21. Бюджетное планирование и исполнение бюджета. Work5. URL: https://work5.ru/spravochnik/tipy-budzhetnogo-planirovaniya (дата обращения: 02.11.2025).
22. Проблемы планирования и прогнозирования в условиях высокой неопределенности российской экономики. КиберЛенинка. URL: https://cyberleninka.ru/article/n/problemy-planirovaniya-i-prognozirovaniya-v-usloviyah-vysokoyneopredelennosti-rossiyskoy-ekonomiki (дата обращения: 02.11.2025).
23. Финансовые аналитики рассказали, как санкции повлияют на развитие России. Московская газета. URL: https://mskgazeta.ru/obshchestvo/finansovye-analitiki-rasskazali-kak-sankcii-povliyayut-na-razvitie-rossii-29375.html (дата обращения: 02.11.2025).
24. Ждать ли новый экономический кризис в России. Мнения экспертов и возможные сценарии. Банки.ру. URL: https://www.banki.ru/news/daytheme/?id=10988514 (дата обращения: 02.11.2025).
25. Россиян призвали быть готовыми к началу масштабного кризиса. PNZ.RU. URL: https://pnz.ru/news/58360 (дата обращения: 02.11.2025).
26. Ключевая ставка ЦБ: что это и как меняется в 2025 году. СберБизнес Live. URL: https://www.sberbank.ru/sberbusiness-live/baza-znaniy/klyuchevaya-stavka (дата обращения: 02.11.2025).
27. Мировая экономика и Россия: экономические последствия геополитических потрясений. URL: https://russiancouncil.ru/analytics-and-comments/analytics/mirovaya-ekonomika-i-rossiya-ekonomicheskie-posledstviya-geopoliticheskikh-potryaseniy/ (дата обращения: 02.11.2025).
28. Минфин РФ снизил прогноз цены на нефть для бюджета 2026 года. URL: https://angi.ru/news.shtml?oid=3093229 (дата обращения: 02.11.2025).
29. Социально-экономическое прогнозирование. URL: https://www.econ.msu.ru/departments/statistics/students/programm/113_prognozirovanie-soc-ekonomicheskogo-razvitiya/ (дата обращения: 02.11.2025).
30. Социально-экономическое прогнозирование: основные понятия, предмет, методы и типология прогнозов. URL: https://studfile.net/preview/1004169/page:8/ (дата обращения: 02.11.2025).
31. Финансовые прогнозы: виды, сферы применения, роль. Allbest.ru. URL: https://otherreferats.allbest.ru/finance/00021670_0.html (дата обращения: 02.11.2025).
32. Трудности прогнозирования инвестиционных проектов в условиях неопределенности российского рынка. EconPapers. URL: https://econpapers.repec.org/article/scnpromo/y_3a2006_3ai_3a2_3ap_3a119-136.htm (дата обращения: 02.11.2025).
33. Какие проблемы будут главными для российской экономики в 2024 году. Forbes.ru. URL: https://www.forbes.ru/finansy-i-investicii/503460-kakie-problemy-budut-glavnymi-dlya-rossijskoj-ekonomiki-v-2024-godu (дата обращения: 02.11.2025).
34. Что будет с ключевой ставкой в 2026 году. Альфа-Банк. URL: https://alfabank.ru/get-money/credits/articles/chto-budet-s-klyuchevoy-stavkoy-v-2026-godu/ (дата обращения: 02.11.2025).
35. Не упустить момент. Что будет со ставками по вкладам до конца 2025 года. Банки.ру. URL: https://www.banki.ru/news/daytheme/?id=10996841 (дата обращения: 02.11.2025).
36. Ключевая ставка ЦБ РФ: для чего нужна, почему меняется и на что влияет. URL: https://journal.tinkoff.ru/ask/key-rate/ (дата обращения: 02.11.2025).
37. «Проблемы прогнозирования» 2024 №1. ИНП РАН. URL: https://ecfor.ru/nauchnye-izdaniya/problemy-prognozirovaniya/2024-no1/ (дата обращения: 02.11.2025).
38. Использование машинного обучения для прогнозирования финансовых кризисов и оценки системных рисков. КиберЛенинка. URL: https://cyberleninka.ru/article/n/ispolzovanie-mashinnogo-obucheniya-dlya-prognozirovaniya-finansovyh-krizisov-i-otsenki-sistemnyh-riskov (дата обращения: 02.11.2025).
39. Прогнозирование макроэкономического развития России на основе экономико-статистических методов. КиберЛенинка. URL: https://cyberleninka.ru/article/n/prognozirovanie-makroekonomicheskogo-razvitiya-rossii-na-osnove-ekonomiko-statisticheskih-metodov (дата обращения: 02.11.2025).
40. Доходы бюджета РФ от нефтегаза в 2025 г. снижены на 24% по сравнению с первоначальным прогнозом. Интерфакс. URL: https://www.interfax.ru/business/900057 (дата обращения: 02.11.2025).
41. Набиуллина: резкое снижение ключевой ставки – путь в финансовый кризис. Ведомости. URL: https://www.vedomosti.ru/finance/articles/2025/10/29/1085021-nabiullina-rezkoe-snizhenie-klyuchevoi-stavki-put-v-finansovii-krizis (дата обращения: 02.11.2025).
42. Новости ЧГУ | Какие факторы оказывают ключевое влияние на экономику и как их могут учитывать в своей жизни рядовые потребители? Череповецкий Государственный Университет. URL: https://chsu.ru/news/kakie-faktory-okazyvayut-klyuchevoe-vliyanie-na-ekonomiku-i-kak-ih-mogut-uchityvat-v-svoey-zhizni-ryadovye-potrebiteli (дата обращения: 02.11.2025).
43. Какими будут ключевая ставка и инфляция в 2026-2028 годах: прогноз ЦБ ухудшился. URL: https://frankrg.com/97828 (дата обращения: 02.11.2025).
44. Проблемы бюджетного планирования и основные пути их решения. КиберЛенинка. URL: https://cyberleninka.ru/article/n/problemy-byudzhetnogo-planirovaniya-i-osnovnye-puti-ih-resheniya (дата обращения: 02.11.2025).
45. Прогнозирование влияния экономических санкций на экономическое развитие России. URL: https://economics.kubsu.ru/files/econ_tp_4_2024_40-52.pdf (дата обращения: 02.11.2025).
46. Макроэкономические эффекты влияния на Российскую экономику. Уральский федеральный университет. URL: https://cyberleninka.ru/article/n/makroekonomicheskie-effekty-vliyaniya-na-rossiyskuyu-ekonomiku (дата обращения: 02.11.2025).
47. Метод сценариев в финансах: стратегический компас для бизнеса. Skypro. URL: https://sky.pro/media/metod-scenarijev-v-finansah-strategicheskij-kompas-dlya-biznesa/ (дата обращения: 02.11.2025).
48. Влияние цен на нефть на экономику России. КиберЛенинка. URL: https://cyberleninka.ru/article/n/vliyanie-tsen-na-neft-na-ekonomiku-rossii (дата обращения: 02.11.2025).
49. Влияние санкций на функционирование финансового рынка РФ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/vliyanie-sanktsiy-na-funktsionirovanie-finansovogo-rynka-rf (дата обращения: 02.11.2025).
50. Специфика источников макроэкономических прогнозов по России. АКРА. URL: https://www.acra-ratings.ru/research/2608/ (дата обращения: 02.11.2025).
51. Влияние геополитических рисков на структуру и тенденции развития экономики России. КиберЛенинка. URL: https://cyberleninka.ru/article/n/vliyanie-geopoliticheskih-riskov-na-strukturu-i-tendentsii-razvitiya-ekonomiki-rossii (дата обращения: 02.11.2025).
52. Экономические прогнозы. Институт ВЭБ. URL: https://veb.ru/analytics/economics-forecasts/ (дата обращения: 02.11.2025).
53. Как новые санкции повлияют на курс рубля. Финам. URL: https://www.finam.ru/analysis/forecasts00661/kak-novye-sankcii-povliyayut-na-kurs-rublya-20251028-150244/ (дата обращения: 02.11.2025).
54. Фактчекинг: санкции наносят непоправимый ущерб российской экономике? URL: https://dzen.ru/a/Zl0k56F2bWp-1sN1 (дата обращения: 02.11.2025).
55. Прогноз основных макроэкономических показателей. КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_431940/2565158a43697924ef9e28f346b9dfa7f722a76f/ (дата обращения: 02.11.2025).
56. Проблемы макрофинансового планирования и анализа показателей бюджетной системы России. КиберЛенинка. URL: https://cyberleninka.ru/article/n/problemy-makrofinansovogo-planirovaniya-i-analiza-pokazateley-byudzhetnoy-sistemy-rossii (дата обращения: 02.11.2025).
57. Новый взгляд на проблемы экономического прогнозирования в условиях неопределенности. КиберЛенинка. URL: https://cyberleninka.ru/article/n/novyy-vzglyad-na-problemy-ekonomicheskogo-prognozirovaniya-v-usloviyah-neopredelennosti (дата обращения: 02.11.2025).
58. Влияние геополитики на экономическую безопасность России. Эдиторум. URL: https://editorum.ru/article/6835 (дата обращения: 02.11.2025).
59. «Проблемы прогнозирования» — журнал. ИСТИНА – Интеллектуальная Система Тематического Исследования НАукометрических данных. URL: https://istina.msu.ru/journals/15509778/ (дата обращения: 02.11.2025).
60. Дефицит бюджета России в 2026 году может превысить 100 миллиардов. News IO. URL: https://news.io/ru/zelenskij-defitsit-byudzheta-rossii-v-2026-godu-mozhet-prevysit-100-milliardov (дата обращения: 02.11.2025).
61. Бюджетный прогноз Российской Федерации на период до 2036 года. Минфин России. URL: https://minfin.gov.ru/ru/document/?id_4=126848-byudzhetnyi_prognoz_rossiiskoi_federatsii_na_period_do_2036_goda (дата обращения: 02.11.2025).
62. Финансовое планирование и прогнозирование: основные понятия. URL: https://www.syl.ru/article/347470/finansovoe-planirovanie-i-prognozirovanie-osnovnyie-ponyatiya (дата обращения: 02.11.2025).
63. Финансовое прогнозирование. Как среднему и крупному бизнесу составить грамотный прогноз. Нескучные финансы. URL: https://noboring-finance.ru/blog/finansovoe-prognozirovanie-v-biznese/ (дата обращения: 02.11.2025).
64. Финансовое прогнозирование на предприятии: сущность и значение. КиберЛенинка. URL: https://cyberleninka.ru/article/n/finansovoe-prognozirovanie-na-predpriyatii-suschnost-i-znachenie (дата обращения: 02.11.2025).
65. Банки с потенциалом. «Сбер», ВТБ и другие. Финам. URL: https://www.finam.ru/analysis/investornews/banki-s-potencialom-sber-vtb-i-drugie-20251028-1700/ (дата обращения: 02.11.2025).
66. Подходы к построению и использованию модели долгосрочного бюджетного. URL: https://www.nifi.ru/images/FILES/Publication/Financial_Journal/2022/fj_2022_2_049-063.pdf (дата обращения: 02.11.2025).
67. Экономический эффект от внедрения технологий искусственного интеллекта в России. URL: https://issek.hse.ru/news/924716768.html (дата обращения: 02.11.2025).
68. Искусственный интеллект как драйвер развития отечественной экономики. URL: https://www.hse.ru/expert/news/921613524.html (дата обращения: 02.11.2025).
69. Статья 174.1. Прогнозирование доходов бюджета. Бюджетный кодекс Российской Федерации от 31.07.1998 N 145-ФЗ (БК РФ) (с изменениями и дополнениями). Документы системы ГАРАНТ. URL: https://base.garant.ru/10155164/e33d3c748c9085cd0e6cf938883d1c4b/ (дата обращения: 02.11.2025).
70. БК РФ, Статья 174.1. Прогнозирование доходов бюджета. КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_19797/1e938f3241b181467f5df314a4b8705e3f5ce624/ (дата обращения: 02.11.2025).
71. Искусственный интеллект для прогнозирования социально-экономических кризисов: создание «цифрового двойника» российской экономики. Научный лидер. URL: https://scientific-leader.ru/ru/article/view?id=438 (дата обращения: 02.11.2025).
72. Цифровизация в прогнозировании данных: вклад в устойчивое развитие. КиберЛенинка. URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-v-prognozirovanii-dannyh-vklad-v-ustoychivoe-razvitie (дата обращения: 02.11.2025).
73. Использование методов машинного обучения для прогнозирования инвестиций в России. ДЕНЬГИ И КРЕДИТ. URL: https://www.cbr.ru/Content/Document/File/110594/rjmf_2020-01-03.pdf (дата обращения: 02.11.2025).
74. Проект Основных направлений цифровизации финансового рынка на период 2022 – 2024 годов. Банк России. URL: https://www.cbr.ru/Content/Document/File/128699/onrfr_2022-2024.pdf (дата обращения: 02.11.2025).
75. Сценарный анализ — методы и примеры прогнозирования. Первый БИТ. URL: https://www.1cbit.ru/blog/stsenarnyy-analiz-metody-i-primery-prognozirovaniya/ (дата обращения: 02.11.2025).
76. Направления использования машинного обучения в финансовой индустрии. Вестник Алтайской академии экономики и права. URL: https://vaael.ru/ru/article/view?id=3997 (дата обращения: 02.11.2025).
77. Сценарное моделирование и планирование в финансах. Планум. URL: https://planum.pro/blog/stsenarnoe-modelirovanie-i-planirovanie-v-finansah/ (дата обращения: 02.11.2025).
78. Цифровизация финансовых услуг как направление инновационного развития России. URL: https://creativeconomy.ru/lib/421424 (дата обращения: 02.11.2025).
79. Финансирование инновационной деятельности в России: современное состояние и перспективы. beneficium. URL: https://beneficium.su/articles/484 (дата обращения: 02.11.2025).
80. Как искусственный интеллект изменит экономику. БИТ. URL: https://www.bit.ru/about/news/kak-iskusstvennyy-intellekt-izmenit-ekonomiku/ (дата обращения: 02.11.2025).
81. Применение искусственного интеллекта в прогнозировании экономического роста. КиберЛенинка. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-v-prognozirovanii-ekonomicheskogo-rosta (дата обращения: 02.11.2025).
82. Применение больших данных для прогнозирования финансовых рынков. КиберЛенинка. URL: https://cyberleninka.ru/article/n/primenenie-bolshih-dannyh-dlya-prognozirovaniya-finansovyh-rynkov (дата обращения: 02.11.2025).
83. Технологии Big Data на финансовых рынках: практические аспекты. URL: https://creativeconomy.ru/lib/421896 (дата обращения: 02.11.2025).
84. Аналитические возможности машинного обучения в экономическом прогнозировании. URL: https://www.elibrary.ru/item.asp?id=65691060 (дата обращения: 02.11.2025).
85. Финансирование инновационной деятельности в России: современное состояние и перспективы. КиберЛенинка. URL: https://cyberleninka.ru/article/n/finansirovanie-innovatsionnoy-deyatelnosti-v-rossii-sovremennoe-sostoyanie-i-perspektivy (дата обращения: 02.11.2025).
86. Применение алгоритмов машинного обучения для прогнозирования финансового рынка. Высшая школа экономики. URL: https://www.hse.ru/edu/vkr/377771743 (дата обращения: 02.11.2025).
87. Большие данные (Big Data) в России. TAdviser. URL: https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5_(Big_Data)_%D0%B2_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B8 (дата обращения: 02.11.2025).
88. Как в России используют технологии Big Data? URL: https://issek.hse.ru/news/729587422.html (дата обращения: 02.11.2025).
89. Статья 170.1. Долгосрочное бюджетное планирование. Документы системы ГАРАНТ. URL: https://base.garant.ru/10155164/6b537c35e98544e3d062e2451c8a411e/ (дата обращения: 02.11.2025).
90. Какие тренды определят мировую экономику в 2025 году. Эксперт. URL: https://expert.ru/2024/12/25/kakie-trendy-opredelyat-mirovuyu-ekonomiku-v-2025-godu/ (дата обращения: 02.11.2025).
91. Финансовые инновации в России: перспективы и вызовы для бизнеса и населения. URL: https://kubcenter.ru/finansovye-innovacii-v-rossii-perspektivy-i-vyzovy-dlya-biznesa-i-naseleniya/ (дата обращения: 02.11.2025).
92. Использование больших данных в финансовом секторе и риски финансовой стабильности. Банк России. URL: https://www.cbr.ru/Content/Document/File/126932/analys_2021-12-14.pdf (дата обращения: 02.11.2025).
93. Цифровизация и устойчивое развитие: новые вехи в пространственном планировании территорий России. КиберЛенинка. URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-i-ustoychivoe-razvitie-novye-vehi-v-prostranstvennom-planirovanii-territoriy-rossii (дата обращения: 02.11.2025).
94. Перспективное регулирование государством финансового сектора (на примере экономики России). КиберЛенинка. URL: https://cyberleninka.ru/article/n/perspektivnoe-regulirovanie-gosudarstvom-finansovogo-sektora-na-primere-ekonomiki-rossii (дата обращения: 02.11.2025).
95. Сценарное планирование деятельности. Profiz.ru. URL: https://www.profiz.ru/se/5_2022/scenarnoe_planirovanie_deyatelnosti/ (дата обращения: 02.11.2025).
96. Смыслова, О. Ю., Макаров, И. Н. и др. Цифровизация и устойчивое развитие: новые вехи в пространственном планировании территорий России. Креативная экономика. № 7, 2024. URL: https://creativeconomy.ru/lib/423184 (дата обращения: 02.11.2025).
97. Сценарное планирование: понятие, концепция, принципы. Adeptik. URL: https://adeptik.ru/blog/stsenarnoe-planirovanie/ (дата обращения: 02.11.2025).
98. Применение теории вероятностей для прогнозирования финансового результата инновационной деятельности с учетом рисков проекта. Elibrary. URL: https://elibrary.ru/item.asp?id=47402633 (дата обращения: 02.11.2025).
99. Четвертая конференция «Цифровизация финансового рынка в России: тренды и перспективы развития». CFO Russia. URL: https://www.cfo-russia.ru/meropriyatiya/digital-finance-forum/ (дата обращения: 02.11.2025).
100. Финансовые инновации в банковской сфере Российской Федерации. Электронный научный архив УрФУ. URL: https://elar.urfu.ru/bitstream/10995/133544/1/m_e_2023_11.pdf (дата обращения: 02.11.2025).
101. Цифровизация как инструментарий устойчивого развития промышленных предприятий. Уральский федеральный университет. URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-kak-instrumentariy-ustoychivogo-razvitiya-promyshlennyh-p (дата обращения: 02.11.2025).
102. Программа «Цифровая экономика Российской Федерации. Правительство России. URL: http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdf (дата обращения: 02.11.2025).
103. Россия в этом году может похвалиться самой успешной валютой мира. URL: https://www.ng.ru/economics/2025-10-27/100_rubl271025.html (дата обращения: 02.11.2025).
104. Основные направления развития финансового рынка Российской Федерации. URL: https://www.cbr.ru/finmarket/ol/ (дата обращения: 02.11.2025).
105. Мировые тренды экономического развития: роль и место России. КиберЛенинка. URL: https://cyberleninka.ru/article/n/mirovye-trendy-ekonomicheskogo-razvitiya-rol-i-mesto-rossii (дата обращения: 02.11.2025).
106. Современные тренды в экономике России: переход к многополярной модели. КиберЛенинка. URL: https://cyberleninka.ru/article/n/sovremennye-trendy-v-ekonomike-rossii-perehod-k-mnogopolyarnoy-modeli (дата обращения: 02.11.2025).
107. Экономика данных и цифровая трансформация государства (национальный проект). TAdviser. URL: https://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0%B5%D0%BA%D1%82:%D0%AD%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B8%D0%BA%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B8_%D1%86%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D1%82%D1%80%D0%B0%D0%BD%D1%81%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D1%8F_%D0%B3%D0%BE%D1%81%D1%83%D0%B4%D0%B0%D1%80%D1%81%D1%82%D0%B2%D0%B0_(%D0%BD%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82) (дата обращения: 02.11.2025).
108. Банк России снизил ключевую ставку до 16,5%: как это повлияет на кредиты, ипотеку и недвижимость. Банки.ру. URL: https://www.banki.ru/news/daytheme/?id=10996841 (дата обращения: 02.11.2025).
109. Меры защиты финансового рынка. Банк России. URL: https://www.cbr.ru/measures/ (дата обращения: 02.11.2025).
110. «Об областном бюджете на 2026 год и на плановый период 2027 и 2028 годов». URL: https://www.donland.ru/activity/2733/ (дата обращения: 02.11.2025).