915

Рисунок 8. Динамика показателей террористический и экстремистской активности за 2009-2018 гг. Использованы данные судебной статистики [82] и Портала правовой статистики [72]

Рисунок 9. Количество осуждённых за организацию экстремистских сообществ или участие в экстремистских сообществах за 2009-2018 гг. Использованы данные судебной статистики [82] и Портала правовой статистики [72]

Собранных для исследования ретроспективных статистических данных за 10 лет (2009-2018 гг.) недостаточно для выполнения корреляционно-регрессионного анализа 23 объ-

121

ясняющих и 6 объясняемых показателей. Поэтому автором в качестве математического метода поиска взвешенных коэффициентов и обоснования интервалов пороговых значений выбран метод системно-когнитивного анализа [37], в основе которого лежат математические модели и алгоритмы, основанные на теории информации.

С помощью системно-когнитивного анализа возможно определение и уточнение пороговых значений социальноэкономических факторов. Это возможно благодаря тому, что диапазоны значений объясняющих и объясняемых переменных разбиваются на определенные интервалы (есть возможность построения одинаковых интервалов с различным числом наблюдений или различных интервалов с одинаковым числом наблюдений), и далее диапазоны значений объясняющих переменных служат признаками для распознавания того или иного состояния системы.

Таким образом, с помощью системно-когнитивного анализа удастся определить наиболее характерные интервалы значений социально-экономических показателей для интересующего уровня террористической опасности.

В данном исследовании наибольшей достоверностью

где Iij – оценка информационной важности признака i для класса j;

Nij – количество раз встреченных признаков i у класса j в обучающей выборке;

Ni – количество раз встреченных признаков i в обучающей выборке;

Nj – количество раз встреченный класс j в обучающей выборке;

N – объем обучающей выборки.

122

В данном исследовании под классом будем понимать определенный уровень террористической опасности, которые будем делить на три уровня, аналогично [8].

В качестве обучающей выборки служили статистические данные объясняющих и объясняемых переменных за 2009-2015 гг., а данные за 2016-2018 гг. в качестве подтверждающей выборки (приложение 4). Вычисленные значения оценок Iij приведены в приложении 6.

где Li – переменная, описывающая наличие (Li=1) или отсутствие (Li=0) признака i.

Применительно к задаче это означает, что по значениям социально-экономических показателей, лежащих в определенных диапазонах, то есть соответствующих определенным признакам, можно определить схожесть с тем или иным диапазоном значений экстремистской и/или террористической опасности (таблица 14).

Если Bj больше нуля, то распознаваемому объекту характерен класс j (j-й уровень опасности), в противном случае нет (таблица 15). Не исключается, что одному и тому же состоянию характерны несколько уровней опасности. В этом случае следует руководствоваться большим значением показателя Bj. Так, например, показатель y2 – «Количество преступлений экстремистской направленности» в 2012 году оценивался не

только как низкий уровень опасности (Bнизкий = 5,57, таблица 16), но и средний (Bсредний = 1,29, таблица 15).

Сравнивая значения этих оценок, следовало бы считать уровень опасности низким, что подтверждается фактическими данными. Однако в 2013 году оценка низкого уровня

опасности становится уже меньше нуля (Bнизкий = – 8,86, таблица 15), а оценка среднего уровня становится единственной

положительной оценкой в этой группе (Bсредний = 3,57, таблица 15), что говорит о возможности модели к прогнозированию

перехода из одного состояния в другое.

123

Из таблицы 16 видно, что полученные с помощью си- стемно-когнитивного анализа показатели Bj удалось определить диапазоны объясняемых показателей, которые совпали с фактическими данными в 89% случаев. Исключением стало лишь два прогноза: число террактов в 2016 году и число лиц, осуждённых за организацию или участие в экстремистских сообществах в 2018, что действительно выглядит весьма анномальным – всего за один год, снизивщись почти в 6 раз с 604 до 113 (рисунок 9). В тех же случаях, когда прогноз был двойственным (например, низкий и средний уровни опасности) и факт по естественным причинам совпадал только с одним из прогнозных значений, это свидетельствовало о возможном (прогнозом) переходе системы в иное состояние (на иной уровень опасности).

При этом прогнозировалось не только ухудшение, но и улучшение ситуации, что можно было наблюдать с показателем y4 «Количество совершенных террористических актов» в 2011, 2012 и 2015 годах (рисунок 8), а модель идентифицировала в 2011 году высокий (совпало) и средний уровни опасности, в 2012 году по факту был уже средний уровень опасности. Список примеров можно продолжить.

Стоит отметить, что точность оценки уровня террористической опасности зависит от точности исходных данных. Поскольку в качестве исходных данных (таблица 15) для идентификации параметров искомой модели преимущественно использовались данные государственных органов и ведомственных учреждений, которые целесообразно считать достоверными, а также, данные социологических опросов, погрешность которых лежит в допустимых значениях (Данные социологических опросов, выполненных ВЦИОМ, основаны на всероссийских опросах «Экспресс». В каждом опросе принимали участие 1600 человек в 130 населённых пунктах в

127

46 областях, краях и республиках России. Статистическая погрешность не превышает 3,5%), то точность данной модели можно считать приемлемой для прогноза.

Схожесть результатов прогнозирования и фактических данных (таблица 17) подтверждают достоверность решения, полученного с помощью системно-когнитивного анализа. Существенным недостатком данного решения является число переменных в уравнениях – 2 070 слагаемых Iij (приложение 6). Количество переменных Iij обусловлено тем, что объясняющих переменных 23, каждая из которых делилась на 5 интервалов варьирования, т.е. i=[1,115], а каждая объясняемая переменная из 6 была разбита на 3 интервала (низкий, средний и высокий уровни), т.е. j=[1,18]. Таким образом

||Iij||=18·115= 2 070.

Поэтому, несмотря на высокую точность расчетов полученной модели и возможность прогнозировать террористическую опасность, все же целесообразен поиск формулы в виде

(7). Для этого значения информационной важности признаков с максимальными значениями, соответствующими высокому уровню террористической опасности, усреднены с целью получения укрупненных показателей важности признаков.

Выбор высокого уровня террористической опасности вызван тем, что необходимо создать систему, способную идентифицировать высокий уровень риска проявления террористической агрессии. Полученные показатели были нормированы с целью выполнения требования равенства суммы взвешенных коэффициентов (1).

Диапазоны значений социально-экономических факторов, являющиеся признаками с максимальными значениями информационной важности для отнесения к высокому уровню опасности, были признаны пороговыми значениями (таблица 17).

128

Таблица 17

Пороговые значения социально-экономических факторов, определяющих террористическую опасность

129

Продолжение таблицы 17

Необходимо отметить, что для ряда социальноэкономических показателей найденные пороговые значения совпали с их минимальными значениями за наблюдаемый период, что привело к тому, что часть показателей приняты равными единице. К таким показателям отнесены:

-коэффициент фондов;

-уровень безработицы;

-число безработных, совершивших преступления;

-уровень преступности;

-количество возбужденных дел об административных правонарушениях в части законодательства о ПОД/ФТ в отношении кредитных организаций;

-количество преступлений, связанных с незаконным оборотом оружия;

-количество изъятых наркотиков;

-количество филиалов международных организаций и иностранных НКО.

Врезультате выполненного исследования искомая формула получена в следующем виде:

130