METHODOLOGICAL APPROACH TO PREDICTING PRODUCER PRICES FOR PETROLEUM PRODUCTS
DOI:
https://doi.org/10.25140/2410-9576-2018-2-2(14)-147-153Ключові слова:
forecasting, sample, neural networks, GMDH, errorАнотація
Urgency of the research. Every day, scientists solve problems in economics. To find, which action leads to the expected result with the smallest losses and risks, it’s necessary to predict the further development of events. Target setting. The most widespread problem is the allocation of resources. To make proper calculations and right decisions of distribution, the science of economic theory exists. Actual scientific researches and issues analysis. The studies of Khaikin S. and Callan R. are the most famous among the studies of foreign authors. Yakhyaeva G. E. investigated the theory of neural networks. Matviychuk A. V. suggested a methodical approach to forecasting financial time series with the use of neural networks. Uninvestigated parts of general matters defining. At the moment about 200 methods of estimation are being used, but in practice only a few of them are used. The research objective. The study of each criterion takes a lot of time on preparation of data for the study and careful verification of the original data. For this, it is necessary to choose the correct methodology for developing a forecast to identify the problems to be solved. The statement of basic materials. In this article, the stages of research and prediction are considered of wholesale prices for petroleum products, a methodological approach is proposed in order to evaluate the accuracy of forecasting using neural networks, based on an algorithm with linear partial descriptions of the method of group accounting of the argument. Conclusions. The proposed methodological approach to estimating the accuracy of forecasting using neural networks shows that neural networks allow us to obtain reliable predictions. However, the data on which the training took place had a high degree of similarity among itself, therefore the proposed methodological approach on the one hand does not pretend to be "universal" in forecasting for different sectors of the Ukrainian economy, since different industries have their own characteristics. On the other hand, it can become universal and will allow us to obtain reliable forecasts when taking into account modern features of the development of the Ukrainian economy.Посилання
Samuelson, P. (1995). Ekonomika [Economics]. Sevastopol: Akhtiar [in Russian].
Burichenko, M. Yu., Ivantsev, O. B. & Bukreeva, O. V. (2011). Ispolzovanie programmnogo paketa Matlab dlya postroeniya iskusstvennykh neyronnykh setey [Use of Matlab software package for building artificial neural networks]. Elektronika ta systemy upravlinnia - Electronics and control systems, 3(29), 120-123 [in Russian].
Yakhiaeva, G. E. (2012). Nechetkie mnozhestva i neyronnye seti [Fuzzy sets and neural networks]. Moscow: Internet-Universitet Informatsionnykh tekhnologiy; BINOM, Laboratoriya znaniy [in Russian].
Matviichuk, A. V. (2015). Analiz i upravlinnja ekonomichnym ryzykom [Analysis and management of economic risks]. Kyiv: Center for Educational Literature [in Ukrainian].
Larichev, O. I. (2002). Teoriya i metody prinyatiya resheniy [Theory and methods of decision-making]. Moscow: Logos [in Russian].
Nikolenko, S., Kadurin, A. & Arkhangelskaya, E. (2018). Glubokoe obuchenie [Deep training]. Saint Petersburg: Piter [in Russian].
Khaykin, S. (2006). Neironnie seti [Neural networks]. Moscow: OOO «I. D. Viliams» [in Russian].
Kallan, R. (2008). Osnovnie kontseptsii neyronnykh setey [Basic concepts of neural networks]. Moscow: Izdatelskiy dom "Viliams" [in Russian].
Afanasieva, M. A. (2014). Sozdanie i obuchenie neyronnykh setey v sisteme Matlab [Creation and training of neural networks in the Matlab system]. Molodoy uchenyy - Young Scientist, 4, 85-88 [in Russian].
Kokhonen, T. (2017). Samoorganizuyushchiesya karty [Self-organizing maps]. Moscow: BINOM, Lboratoriya znaniy [in Russian].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Науковий вісник Полісся
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
1. Політика, яка рекомендується журналам, що пропонують відкритий доступ Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).