ISSN 2413-2322 (Online)

ISSN 2221-1055 (Print)

УДК: 519.86:330.4
Проблеми економічної теорії

Прогноз динаміки внутрішнього валового продукту України за допомогою нейронних мереж / Пугачов М.І., Грибинюк О.М., Мельник А.О. // Економіка АПК. - 2015. - № 4 - С. 82

Зроблена спроба прогнозу ВВП і росту ВВП України в складних умовах невизначеності та асиметрії інформації шляхом застосування гнучкіших нейронних моделей, які здатні встановлювати різного роду взаємозв’язки між індикаторами економічного росту. Прогноз був розрахований за індикаторами розподіленими на дві групи: внутрішніми, якими описують стан економіки України, та зовнішніми, які визначають світові тенденції економічного розвитку. За допомогою економетричного апарату визначені ключові фактори впливу (зміни економічних показників) на динаміку ВВП та його темпів зростання, а саме: приріст внутрішнього кредитування банківської системи України, приріст балансу рахунку поточних операцій платіжного балансу, валового нагромадження основного капіталу, зростання грошової маси, індекс споживчих цін, частка експорту у ВВП, частка державних витрат у ВВП. Саме їх зміни повинні бути враховані при проведені антициклічного регулювання економічного розвитку. Зроблений висновок, що зміни показників внутрішньої групи є більш визначальними для прогнозу ВВП та росту ВВП, ніж зовнішні показники. Табл.: 1. Рис.: 6. Бібліогр.: 19.
Ключові слова: ВВП, ріст ВВП, прогноз макропоказників, асиметричність інформації, нейронні мережі

Список використаних джерел

  1. Дорф Р. Современные системы управления / Дорф Р., Бишоп К. / пер. с англ. Б. И. Копылова. – М.: Лаборатория базовых знаний, 2002. – 832 с.
  2. Галушкин А. И. Применение нейрокомпьютеров в финансовой деятельности [Текст] / А. И. Галушкин. – Новосибирск: Наука, 2002. – 215 с.
  3. Горбань И.И. Теория гиперслучайных явлений: физические и математические основы / Горбань И. И. / НАН Украины, Ин-т проблем математических машин и систем. – К. : Наук. думка, 2011. – 317 с.
  4. Ивахненко А. Г. Самоорганизация прогнозирующих моделей [Текст] / А. Г. Ивахненко, Й.А. Мюллер. – К. : Техника, 1985. – 225 с.
  5. Кохонен Т. Ассоциативная память / Т. Кохонен ; пер. с англ. – М.: Мир, 1980. – 238 с.
  6. Круглов В. В. Гибридные нейронные сети / В. В. Круглов, В. В. Борисов. – М., 2005. – 224 с.
  7. Лук'яненко І. Г. Моделювання впливу зміни монетарних режимів на фінансово-економічний розвиток країн з перехідною економікою / І. Лук'яненко, В. Жук // Економіка і прогнозування. – 2011. – №2. – С. 130-151.
  8. Матвійчук А. В. Штучний інтелект в економіці: нейронні мережі, нечітка логіка: моног. /. А. В Матвійчук. – К.: КНЕУ, 2011. – 439 с.
  9. Модели оценки и анализа сложных социально-экономических систем: моногр. / под ред. В. С. Пономаренко, Т. С. Клебанова, Н. А. Кизима. – X.: ИД «ИНЖЭК», 2013. – 664 с.
  10. Організаційно-методичні підходи до запровадження в НБУ системи оцінки стійкості фінансової системи: Інформаційно-аналітичні матеріали / під ред. В. І. Міщенко, О. І. Кірєєва, М. М. Шаповалової. – К.: Центр наукових досліджень НБУ, 2005. – 97 с.
  11. Реляторные, непрерывнологические и нейронные сети и модели [Текст] : труды междунар. конф. "Континуальные логико-алгебраические исчисления и нейроматематика в науке, технике и экономике"(2001, 15-17 мая; Ульяновск). Т. 2 / Ульяновский государственный технический университет ; под ред. Л.И. Волгина. – Ульяновск : УлГТУ, 2001. – 164 с
  12. Юденков А. В. Математическое программирование в экономике / А. В. Юденков, М. И. Дли, В. В. Круглов. – М. : Финансы и статистика, 2010. – 240 с.
  13. Chiang Н. Essays on monetary policy and international trade: Ph.D dissertation: Texas A&M University / Hui-Chu Chiang. – Texas 2008. – 100 c.
  14. Dijk D., Terasvirta T., Franses P. H. Smooth transition autoregressive models-A survey of recent developments/ D. Dijk, T. Terasvirta, P. H. Franses // Econometric Institute. Reseach Report. – 2000. – № EI2000-23/A. – C. 3-41.
  15. Dijk D, Franses P. H. Modelling Multiple Regimes in the Business Cycle/ D.Dijk, P.H.Franses // Macroeconomic Dynamics. – 1999. – № 3. – C. 311-340.
  16. Eitrheim 0., Terasvirta T. Testing the adequacy of smooth transition autoregressive models/0. Eitrheim, T. Terasvirta //Journal of Econometrics. – 1996. – T. 74. – № 1. – C. 59-75.
  17. Medeiros M.C., Terasvirta T., Rech G. Building neural network models for time series: A statistical approach/ M.C.Medeiros, T.Terasvirta, G.Rech // Journal of Forecasting. – 2006. – T. 25. – № 1.– C. 49-75.
  18. Medeiros M. C, Veiga A. A flexible coefficient smooth transition time series model./ M.C.Medeiros, A.A.Veiga // IEEE Transactions.on Neural Networks. – 2005. – T. 16. – № 1. – C. 97-113.
  19. Terasvirta T., Dijk D., Medeiros M. C. Linear models, smooth transition autoregressions, and neural networks for forecasting macroeconomic time series: A re-examination /T.Terasvirta, D.Dijk, M.C.Medeiros // International Journal of. Forecasting. – 2005. – T. 21. – №4. – C. 755-774.
Читати статтю: 15_04_82-88.pdf