vestreaВестник Российского экономического университета имени Г. В. ПлехановаVestnik of the Plekhanov Russian University of Economics2413-28292587-9251Plekhanov Russian University of Economics10.21686/2413-2829-2025-4-77-86vestrea-2404Research ArticleУПРАВЛЕНИЕ ИННОВАЦИЯМИINNOVATION MANAGEMENTПрименение нейросетей в прогнозировании экономических процессов в условиях неопределенностиUsing Neuronets to Forecast Economic Processes in Conditions of UncertaintyБариноваН. В.BarinovaN. V.

Наталья Владимировна Баринова - кандидат экономических наук, ведущий специалист Центра развития электронного обучения РЭУ им. Г. В. Плеханова.

109992, Москва, Стремянный пер., д. 36

Natalya V. Barinova - PhD, Leading Specialist E-Learning Development Center of the PRUE.

36 Stremyanny Lane, Moscow, 109992

barinova23@mail.ruБариновВ. Р.BarinovV. R.

Владимир Романович Баринов - аспирант кафедры инфокогнитивных технологий Московского Политеха.

105094, Москва, Большая Семеновская ул., д. 38

Vladimir R. Barinov - Post-Graduate Student of the Department for Infocognitive Technologies of the Moscow Poly.

38 B. Semenovskaya Str., Moscow, 105094

inarael@yandex.ruРоссийский экономический университет имени Г.В. ПлехановаРоссияPlekhanov Russian University of EconomicsRussian FederationМосковский политехнический университетРоссияMoscow Polytechnic UniversityRussian Federation202520072025047786Copyright © Баринова Н.В., Баринов В.Р., 20252025Баринова Н.В., Баринов В.Р.Barinova N.V., Barinov V.R.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vest.rea.ru/jour/article/view/2404

В последние годы прослеживается тенденция активного развития нейросетевых технологий. Нейросети являются предметом исследования различных наук: экономических, математических, информационных, статистических и т. д. Преимуществами использования нейросетей в различных видах деятельности являются их адаптивность, возможность обработки большого количества переменных, высокая степень достоверности, а также возможность перенастройки созданной модели при изменении параметров. Модели нейросетевого прогнозирования особенно широко применяются в финансово-экономической сфере, так как в ней наиболее часто используются аналитические показатели. В статье продемонстрированы преимущества нейросетевых моделей в сравнении с традиционными способами обработки информации при прогнозировании экономических показателей. Нейросети позволяют проследить динамику различных экономических показателей – прогнозов инфляции, потребительских цен, человеческого капитала и т. д. Кроме того, нейросети можно комбинировать с другими способами обработки информации (в частности, с эконометрическими), что открывает дополнительные возможности их использования. Авторами приводятся перспективы развития нейросетей в аналитических системах.

Lately we can observe the trend of fast development of neuronet technologies. Neuronets are researched by different sciences: economic, mathematic, informational, statistic, etc. Advantages of using neuronets in various types of activities are as follows: adaptability, possibility to process big amounts of variables, high degree of reliability and opportunity to retune the model when parameters are changed. Models of neuronet forecasting are widely used in finance and economic field, as it often uses analytical indicators. The article shows benefits of neuronet models in comparison with traditional ways of processing information to forecast economic figures. Neuronets give an opportunity to trace dynamics of various economic indicators: inflation rate, consumer prices, human capital, etc. Apart from that neuronets can be combined with other ways of information processing, for example, economic ones, which can provide extra opportunities of their use. The authors show prospects of neuronet development in analytical systems.

нейросетьпрогнозированиеискусственный интеллектмоделированиеуправлениепринятие решенийneuronetforecastingartificial intellectmodelingmanagementdecision-makingReferencesАпатова Н. В., Попов В. Б. Прогнозирование банкротства предприятий с использованием искусственного интеллекта // Научный вестник: финансы, банки, инвестиции. – 2020. – № 2 (51). – С. 113–120.Apatova N. V., Popov V. B. Prognozirovanie bankrotstva predpriyatiy s ispolzovaniem iskusstvennogo intellekta [Forecasting Bankruptcy of Enterprises by Using AI]. Nauchniy vestnik: finansy, banki, investitsii [Academic Bulletin: Finance, Banks, Investment], 2020, No. 2 (51), pp. 113–120. (In Russ.).Балацкий Е. В., Екимова Н. А., Юревич М. А. Краткосрочное прогнозирование инфляции на основе маркерных моделей // Проблемы прогнозирования. – 2019. – № 5 (176). – С. 28–40.Balatskiy E. V., Ekimova N. A., Yurevich M. A. Kratkosrochnoe prognozirovanie inflyatsii na osnove markernykh modeley [Short-Term Forecasting of Inflation Rate Based on Marker Models]. Problemy prognozirovaniya [Forecast Problems], 2019, No. 5 (176), pp. 28–40. (In Russ.).Балацкий Е. В., Юревич М. А. Использование нейронных сетей для прогнозирования инфляции: новые возможности // Вестник УрФУ. Серия: Экономика и управление. – 2018. – Т. 17. – № 5. – С. 823–838.Balatskiy E. V., Yurevich M. A. Ispolzovanie neyronnykh setey dlya prognozirovaniya inflyatsii: novye vozmozhnosti [The Use of Neuronets to Forecast Inflation Rate: New Opportunities]. Vestnik UrFU. Seriya: Ekonomika i upravlenie [Bulletin of the Ural Federal University. Series: Economics and Management], 2018, Vol. 17, No. 5, pp. 823–838. (In Russ.).Балацкий Е. В., Юревич М. А. Прогнозирование инфляции: практика использования синтетических процедур // Мир новой экономики. – 2018. – Т. 12. – № 4. – С. 20–31.Balatskiy E. V., Yurevich M. A. Prognozirovanie inflyatsii: praktika ispolzovaniya sinteticheskikh protsedur [Inflation Rate Forecasting: Practice of Using Synthetic Procedures]. Mir novoy ekonomiki [The World of New Economics], 2018, Vol. 12, No. 4, pp. 20–31. (In Russ.).Баринова Н. В., Баринов В. Р. Применение систем искусственного интеллекта для достижения целей устойчивого развития // Вестник Российского экономического университета имени Г. В. Плеханова. – 2023. – Т. 20. – № 6 (132). – С. 26–36.Barinova N. V., Barinov V. R. Primenenie sistem iskusstvennogo intellekta dlya dostizheniya tseley ustoychivogo razvitiya [Using AI Systems to Reach Goals of Sustainable Development]. Vestnik Rossiyskogo ekonomicheskogo universiteta imeni G. V. Plekhanova [Vestnik of the Plekhanov Russian University of Economics], 2023, Vol. 20, No. 6 (132), pp. 26–36. (In Russ.).Баринова Н. В., Баринов В. Р. Цифровая экономика, искусственный интеллект, индустрия 5.0: вызовы современности // Вестник Российского экономического университета имени Г. В. Плеханова. – 2022. – Т. 19. – № 5 (125). – С. 23–34.Barinova N. V., Barinov V. R. Tsifrovaya ekonomika, iskusstvenniy intellekt, industriya 5.0: vyzovy sovremennosti [Digital Economy, AI, Industry 5.0: Current Challenges]. Vestnik Rossiyskogo ekonomicheskogo universiteta imeni G. V. Plekhanova [Vestnik of the Plekhanov Russian University of Economics], 2022, Vol. 19, No. 5 (125), pp. 23–34. (In Russ.).Вавилова Д. Д., Кетова К. В. Нейросетевая модель прогнозирования человеческого капитала // Интеллектуальные системы в производстве. – 2020. – Т. 18. – № 1. – С. 26–35.Vavilova D. D., Ketova K. V. Neyrosetevaya model prognozirovaniya chelovecheskogo kapitala [Neuronet Model of Forecasting Human Capital]. Intellektualnye sistemy v proizvodstve [Intellectual Systems in Production], 2020, Vol. 18, No. 1, pp. 26–35. (In Russ.).Ведяхин А. Сильный искусственный интеллект: на подступах к разуму // Искусственный интеллект: на подступах к сверхразуму. – М. : Интеллектуальная литература, 2021.Vedyakhin A. Silniy iskusstvenniy intellekt: na podstupakh k razumu [Strong AI: on the Way to Intellect]. Iskusstvenniy intellekt: na podstupakh k sverkhrazumu [AI: on the Way to SuperIntellect]. Moscow, Intellectual Literature, 2021. (In Russ.).Кетова К. В., Вавилова Д. Д. Оценка тенденций изменения человеческого капитала социально-экономической системы на основе применения алгоритма нейросетевого прогнозирования // Экономические и социальные перемены: факты, тенденции, прогноз. – 2020. – Т. 13. – № 6. – С. 117–133.Ketova K. V., Vavilova D. D. Otsenka tendentsiy izmeneniya chelovecheskogo kapitala sotsialno-ekonomicheskoy sistemy na osnove primeneniya algoritma neyrosetevogo prognozirovaniya [Assessing Trends of Changing Human Capital of Social and Economic System on the Base of Using Algorithm of Neuronet Forecast]. Ekonomicheskie i sotsialnye peremeny: fakty, tendentsii, prognoz [Economic and Social Changes: Facts, Trends, Forecast], 2020, Vol. 13, No. 6, pp. 117–133. (In Russ.).Краюшкин М. Г. Совершенствование прогнозирования социально-экономического развития региона // Экономика и управление: проблемы, решения. – 2024. – Т. 2. – № 4 (145). – С. 124–132.Krayushkin M. G. Sovershenstvovanie prognozirovaniya sotsialno-ekonomicheskogo razvitiya regiona [Upgrading the Forecast of Social and Economic Development of Region]. Ekonomika i upravlenie: problemy, resheniya [Economics and Management: Challenges, Solutions], 2024, Vol. 2, No. 4 (145), pp. 124–132. (In Russ.).Селютин М. И. Построение имитационной модели прогнозирования неплатежеспособности предприятия с применением технологии нейронных сетей // Труды Дальневосточного политехнического института им. В. В. Куйбышева. – 2000. – № 127. – С. 132–138.Selyutin M. I. Postroenie imitatsionnoy modeli prognozirovaniya neplatezhesposobnosti predpriyatiya s primeneniem tekhnologii neyronnykh setey [Building Imitation Models of Forecasting Enterprise Insolvency by Using Technology of Neuronet Networks]. Trudy Dalnevostochnogo politekhnicheskogo instituta im. V. V. Kuybysheva [Works of the Far-East V. V. Kuibyshev Polytechnics], 2000, No. 127, pp. 132–138. (In Russ.).Aiken M. Using a Neural Network to Forecast Inflation // Industrial Management & Data Systems. – 1999. – Vol. 99. – Issue 7. – P. 296–301.Aiken M. Using a Neural Network to Forecast Inflation. Industrial Management & Data Systems, 1999, Vol. 99, Issue 7, pp. 296–301.Alon I., Qi M., Sadowski R. J. Forecasting Aggregate Retail Sales: a Comparison of Artificial Neural Net-Works and Traditional Methods // Journal of Retailing and Consumer Services. – 2001. – Vol. 8. – Issue 3. – P. 147–156.Alon I., Qi M., Sadowski R. J. Forecasting Aggregate Retail Sales: a Comparison of Artificial Neural Net-Works and Traditional Methods. Journal of Retailing and Consumer Services, 2001, Vol. 8, Issue 3, pp. 147–156.Altman E., Hotchkiss E. Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt. – 3rd edition. – John Wiley and Sons, Ltd., 2006.Altman E., Hotchkiss E. Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt. 3rd edition. John Wiley and Sons, Ltd., 2006.Aminian F., Suarez E. D., Aminian M., Walz D. T. Forecasting Economic Data with Neural Networks // Computational Economics. – 2006. – Vol. 28. – Issue 1. – P. 71–88.Aminian F., Suarez E. D., Aminian M., Walz D. T. Forecasting Economic Data with Neural Networks. Computational Economics, 2006, Vol. 28, Issue 1, pp. 71–88.Beaver W. H. Financial Ratios as Predictors of Failure, Empirical Research in Accounting Selected Studies // Supplement to Journal of Accounting Research. – 1966. – N 4. – P. 71–111.Beaver W. H. Financial Ratios as Predictors of Failure, Empirical Research in Accounting Selected Studies. Supplement to Journal of Accounting Research, 1966, No. 4, pp. 71–111.Faust J., Wright J. H. Comparing Greenbook and Reduced form Forecasts Using a Large Real-Time Dataset // Journal of Business & Economic Statistics. – 2009. – Vol. 27 (4). – P. 468–479.Faust J., Wright J. H. Comparing Greenbook and Reduced form Forecasts Using a Large Real-Time Dataset. Journal of Business & Economic Statistics, 2009, Vol. 27 (4), pp. 468–479.Lockard R. P., Zmazneva O. A., Volnov I. N. Artificial Intelligence: Are Humans Protected from the Systems they Created? // Вестник МГПУ. Серия «Философские науки». – 2021. – № 3 (39). – Р. 47–55.Lockard R. P., Zmazneva O. A., Volnov I. N. Artificial Intelligence: Are Humans Protected from the Systems they Created? Vestnik MGPU. Seriya «Filosofskie nauki», 2021, No. 3 (39), pp. 47–55.Swanson N. R., White H. A Model Selection Approach to Real-Time Macroeconomic Forecasting Using Linear Models and Artificial Neural Networks // Review of Economics and Statistics. – 1997. – Vol. 79. – Issue 4. – P. 540–550.Swanson N. R., White H. A Model Selection Approach to Real-Time Macroeconomic Forecasting Using Linear Models and Artificial Neural Networks. Review of Economics and Statistics, 1997, Vol. 79, Issue 4, pp. 540–550.

The authors declare that there are no conflicts of interest present.