Архів

Ліцензія Creative Commons
Цей твір ліцензовано за ліцензією Creative Commons Із зазначенням

Новини МЕНЕДЖМЕНТ Posokhov I. M., Horenko N. А., Chelak V. V. Methodological approach to predicting producer prices for petroleum products

Posokhov I. M., Horenko N. А., Chelak V. V. Methodological approach to predicting producer prices for petroleum products

Оцініть матеріал!
(0 голосів)

DOI: 10.25140/2410-9576-2018-2-2(14)-147-153

UDC 338.2

I. M. Posokhov, Doctor of Economics, Professor,
N. А. Horenko, Master Student,
V. V. Chelak, Master Student

METHODOLOGICAL APPROACH TO PREDICTING PRODUCER PRICES FOR PETROLEUM PRODUCTS

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.

Keywords: forecasting; sample; neural networks; GMDH; error.

 

УДК 338.2

И. М. Посохов, д. э. н., профессор,
Н. А. Горенко, магистр,
В. В. Челак, магистр

МЕТОДОЛОГИЧЕСКИЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ ОПТОВЫХ ЦЕН НА НЕФТЕПРОДУКТЫ

Актуальность темы исследования. Ежедневно общество сталкивается с проблемами экономики. Чтобы определить какие из действий приведут к желаемому результату с наименьшими потерями и рисками, необходимо прогнозировать дальнейшее развитие событий.
Постановка проблемы. Возникает проблема выбора правильной методологии и методов прогнозирования, которые позволят обеспечить необходимое качество прогноза.
Анализ последних исследований и публикаций. Исследования Хайкина С. и Каллана Р. являются наиболее известными среди исследований зарубежных авторов. Яхьяева Г. Э. исследовала теорию нейронных сетей. Матвийчук А. В. предложил методический подход к прогнозированию финансовых временных рядов с применением нейронных сетей.
Выделение неисследованных частей общей проблемы. В данный момент используется около 200 методов прогнозирования, но на практике широко применяется значительно меньшее их количество.
Постановка задачи. Исследование каждого критерия прогнозирования занимает большое количество времени, в связи с подготовкой данных для проведения исследования и тщательной проверкой исходных данных. Для этого необходимо выбрать правильную методологию и методы прогнозирования.
Изложение основного материала. В статье рассмотрены этапы исследования и прогнозирования оптовых цен на нефтепродукты, предложен методологический подход к оценке точности прогнозирования с использованием нейронных сетей, на основе алгоритма с линейными частными описаниями метода группового учѐта аргументов.
Выводы. Предложенный методологический подход к оценке точности прогнозирования с использованием нейронных сетей показывает, что нейронные сети позволяют получать достоверные прогнозы. Однако данные, на которых происходило обучение, имели высокую степень схожести между собой, поэтому предложенный методологический подход с одной стороны не претендует на роль «универсального» в прогнозировании для разных отраслей экономики Украины, так как различные отрасти промышленности, имеют свои особенности. С другой стороны он может стать универсальным и позволит получать достоверные прогнозы при учете современных особенностей развития экономики Украины.

Ключевые слова: прогнозирование; риск; оптовая цена; нейронные сети; МГУА; погрешность.

References

1. Samuelson, P. (1995). Ekonomika [Economics]. Sevastopol: Akhtiar [in Russian].
2. 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].
3. Yakhiaeva, G. E. (2012). Nechetkie mnozhestva i neyronnye seti [Fuzzy sets and neural networks]. Moscow: Internet-Universitet Informatsionnykh tekhnologiy; BINOM, Laboratoriya znaniy [in Russian].
4. Matviichuk, A. V. (2015). Analiz i upravlinnja ekonomichnym ryzykom [Analysis and management of economic risks]. Kyiv: Center for Educational Literature [in Ukrainian].
5. Larichev, O. I. (2002). Teoriya i metody prinyatiya resheniy [Theory and methods of decision-making]. Moscow: Logos [in Russian].
6. Nikolenko, S., Kadurin, A. & Arkhangelskaya, E. (2018). Glubokoe obuchenie [Deep training]. Saint Petersburg: Piter [in Russian].
7. Khaykin, S. (2006). Neironnie seti [Neural networks]. Moscow: OOO «I. D. Viliams» [in Russian].
8. Kallan, R. (2008). Osnovnie kontseptsii neyronnykh setey [Basic concepts of neural networks]. Moscow: Izdatelskiy dom "Viliams" [in Russian].
9. 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].
10. Kokhonen, T. (2017). Samoorganizuyushchiesya karty [Self-organizing maps]. Moscow: BINOM, Lboratoriya znaniy [in Russian].

Литература

1. Самуэльсон, П. Экономика / П. Самуэльсон. – Севастополь : Ахтиар, 1995. – 384 с.
2. Буриченко, М. Ю. Использование программного пакета Matlab для построения искусственных нейронных сетей / М. Ю. Буриченко, О. Б. Иванцев, О. В. Букреева // Електронiка та системи управлiння. – 2011. – № 3 (29).– С. 120-123.
3. Яхьяева, Г. Э. Нечеткие множества и нейронные сети / Г. Э. Яхьяева. – М. : Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2012. – C. 162-249.
4. Матвійчук, А. В. Аналіз і управління економічним ризиком. Навч. Посібник. – К. : Центр навчальної літератури, 2005. – C. 140-175.
5. Ларичев, О. И. Теория и методы принятия решений. – М. : Логос, 2002. – 392 с.
6. Николенко, С. Глубокое обучение / С. Николенко, А. Кадурин, Е. Архангельская. – СПб. : Питер, 2018. – 480 с.
7. Хайкин, С. Нейронные сети / С. Хайкин. – М. : ООО «И. Д. Вильямс», 2006. – 1104 с.
8. Каллан, Р. Основные концепции нейронных сетей / Р. Каллан. – М. : Издательский дом "Вильямc", 2001. – 287 с.
9. Афанасьева, М. А. Создание и обучение нейронных сетей в системе Matlab / М. А. Афанасьева // Молодой ученый. – 2014. – № 4. – С. 85-88.
10. Кохонен, Т. Самоорганизующиеся карты / Т. Кохонен. – М. : БИНОМ. Лборатория знаний, 2017. – 655 с.

Читати 1444 разів Останнє редагування Понеділок, 13 травня 2019 12:51
 

Зараз on-line

На даний момент 213 гостей на сайті

Статистика

mod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_countermod_vvisit_counter
mod_vvisit_counterСьогодні6267
mod_vvisit_counterВчора6886
mod_vvisit_counterНа цьому тиждні6267
mod_vvisit_counterНа прошлому тиждні37577
mod_vvisit_counterВ цьому місяці110760
mod_vvisit_counterВ прошлому місяці156084
mod_vvisit_counterРазом4347866