Прогнозирование экономических показателей с помощью прикладных технологий обработки данных

В современных условиях экономические прогнозы необходимы для определения возможных целей развития бизнеса и общества в целом. Имеющиеся модели информационных процессов функционирования экономических систем весьма разнятся по методам использования математического аппарата. Степень сложности используемых алгоритмов с учетом преимуществ и недостатков не всегда дает возможность остановиться на каком-либо методе без определенных изменений. Так, при построении линии тренда традиционно используют всего один экономический показатель, однако, как показывает практика, при прогнозировании необходимо учитывать несколько взаимовлияющих факторов. Стандартные прикладные программные продукты достаточно дороги и для решения поставленных задач требуют дополнительных инструментальных средств, настроек и обучения пользователей. В статье предлагается метод построения линии тренда сразу для нескольких экономических показателей с использованием инструментов широко распространенного программного обеспечения. Приведены результаты применения метода для нахождения общей линии тренда для курса евро по отношению к российскому рублю и стоимости барреля нефти (3D). Изложен математический аппарат для n-мерного случая, что в дальнейшем позволит оперативно оценивать возможности изменения сразу нескольких экономических показателей и анализировать в перспективе их взаимное влияние.

линия тренда, экономическое прогнозирование, экономико-математические модели

1. Борисов Р. С., Ефименко А. А. Оптимизация размеров блоков элементарных заданий в задачах планирования параллельных вычислений // Прикладная информатика. 2018. – Т. 13. – № 3 (75). – С. 77–82.

2. Иваницкий В. П., Татьянников В. А. Информационная асимметрия на финансовых рынках: вызовы и угрозы // Экономика региона. – 2018. – № 14 (4). – C. 1156–1167.

3. Куклина О. К., Михайлова Е. А., Яхина А. С. Программно-математическое обеспечение прогнозирования локальных показателей // Вестник Забайкальского государственного университета. – 2015. – № 11 (126). – С. 97–104.

4. Литвишко О. В., Голикова О. М. Эффективная бизнес-модель как основа прироста инвестиционной стоимости профессионального спортивного клуба // Вестник университета. – 2019. – № 5. – С. 159–166.

5. Литвишко О. В., Кещян В. Г. Финансово-правовые основы управления инвестиционными рисками профессионального спорта // Вестник Российского экономического университета имени Г. В. Плеханова. – 2019. – № 1 (103). – С. 179–186.

6. Хубулава Н. М., Скотченко А. С. Интегрированная модель стратегического роста применительно к российским условиям (версия 1) // Вестник Университета Российской академии образования. – 2015. – № 4 (77). – С. 218–226.

7. Das S. R., Ostrov D. N., Radhakrishnan A., Srivastav D. A New Approach to Goals-Based Wealth Management // SSRN Electronic Journal. – 2018. – DOI: 10.2139/ssrn.3117765

8. De Giorgi E. G. Loss Aversion with Multiple Investment Goals // Mathematics and Financial Economics. – 2011. – N 5 (3). – P. 203–227. – DOI: 10.1007/s11579–011–0057-y

9. De Giorgi E. G., Hens T. Prospect Theory and Mean-Variance Analysis: Does it Make a Difference in Wealth Management? // Investment Management and Financial Innovations. 2009. – N 6 (1). – P. 122–129. – DOI: 10.5167/uzh-50736

10. De Giorgi E. G., Mahmoud O. Naive Diversification Preferences and their Representation // SSRN Electronic Journal. – 2016. – DOI: 10.2139/ssrn.2864231