Preview

Экономическая наука современной России

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Комплекснозначная авторегрессия в экономическом прогнозировании одномерных рядов

https://doi.org/10.33293/1609-1442-2020-4(91)-51-62

Полный текст:

Аннотация

При краткосрочном прогнозировании экономических процессов активно используют модели авторегрессии AR(p) и их многочисленные модификации. При этом не всегда удается добиться необходимой точности прогноза, поэтому ученые, занимающиеся экономическим прогнозированием, продолжают разрабатывать новые методы и подходы для того, чтобы с их помощью повысить точность своих прогнозов. Один из перспективных подходов в этом направлении связан с использованием элементов теории функций комплексной переменной в моделировании экономики (комплекснозначная экономика). В статье показано, как, используя комплексно­значные авторегрессионные модели, повысить точность краткосрочного экономического прогнозирования. Рассматриваются свойства и возможность практического применения в краткосрочном экономическом прогнозировании двух моделей: модели комплекснозначной авторегрессии, к действительной части которой относится прогнозируемый показатель, а к мнимой – время, в которое этот показатель наблюдался (модель CTAR(p)), и модели, к действительной части которой относится прогнозируемый показатель, а к мнимой части – текущая ошибка прогноза CARE(p). Показывается, что классическая модель авторегрессии действительных переменных AR(p) является частным случаем каждой из этих двух моделей. Основной акцент в статье делается на изучении свойств модели ReCARE(p). Теоретически обосновывается, что эта модель точнее прогнозирует краткосрочную экономическую динамику, чем модель AR(p). Это показывается на практических примерах. Поэтому рекомендуется в тех случаях, в которых уместны модели авторегрессии, использовать новую модель ReCARE(p) как более точную. Показывается, что на основе этой базовой модели можно разработать новые модели краткосрочного прогнозирования, аналогичные моделям ARMA(p, q) и ARIMA(p, d, q), от которых следует ожидать повышенной точности краткосрочных экономических моделей.

Об авторе

Сергей Геннадьевич Светуньков
https://sergey.svetunkov.ru/
Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург
Россия
д.э.н., профессор, профессор Высшей школы управления и бизнеса


Список литературы

1. Лукашин Ю. П. (2017). Прогнозирование социально-экономических процессов: учебное пособие. Москва-Берлин: Директ-Медиа, 88 с.

2. Светуньков С. Г. (2019). Основы эконометрики комплексных переменных. СПб.: Медиапапир, 106 с.

3. Светуньков С. Г. (2020). Прогнозирование экономической динамики с помощью комплекснозначной авторегрессии с временной составляющей (CTAR) // Современная экономика: проблемы и решения. № 9. С. 21–31.

4. Box G. E.P., Jenkins G. M. (2015). Time series analysis, forecasting and control. Hoboken: John Wiley & Sons, 712 p.

5. Corba B.S., Egrioglu E., Dalar A.Z. (2020). AR–ARCH type artificial neural network for forecasting. Neural Processing Letters, no. 51, pp. 819–836.

6. Gully T. (2019). Non-Profit-Maximizing behavior in supply chain management. Springer, 171 p.

7. Fildes R. (2020). Learning from forecasting competitions. International Journal of Forecasting, no. 36, pp. 3–18.

8. Ord K., Fildes R., Kourentzes N. (2017). Principles of business forecasting. Wessex, Incorporated, 588 p.

9. Svetunkov I., Kourentzes N. (2015). Complex exponential smoothing. Working Paper of Department of Management Science. Lancaster University, 31 p.

10. Svetunkov Sergey (2012). Complex-valued modeling in economics and finance. New York: Springer Science+Business Media, 318 p.

11. Vu Ky M. (2007). The ARIMA and VARIMA time series: Their modellings, analyses and applications. Ottawa: AuLac Technologies Inc., 488 p.

12. Zhang Yi-xin, Sun Wen-sheng (2018). Agricultural product price forecast based on short-term time series analysis techniques. Current Trends in Computer Science and Mechanical Automation, vol. 1: Selected Papers from CSMA2016. Berlin: Walter de Gruyter GmbH & Co KG, pр. 317–328.


Для цитирования:


Светуньков С.Г. Комплекснозначная авторегрессия в экономическом прогнозировании одномерных рядов. Экономическая наука современной России. 2020;(4):51-62. https://doi.org/10.33293/1609-1442-2020-4(91)-51-62

For citation:


Svetunkov S.G. Complex-Valued Autoregression in Economic Forecasting of One-Dimensional Series. Economics of Contemporary Russia. 2020;(4):51-62. (In Russ.) https://doi.org/10.33293/1609-1442-2020-4(91)-51-62

Просмотров: 32


ISSN 1609-1442 (Print)
ISSN 2618-8996 (Online)