Preview

Экономическая наука современной России

Расширенный поиск

Краткосрочное экономическое прогнозирование комплекснозначными авторегрессиями

https://doi.org/10.33293/1609-1442-2021-4(95)-35-48

Полный текст:

Аннотация

Одним из направлений, которое способно расширить инструментальную базу моделирования экономики, является комплекснозначная экономика – ​раздел экономико-математического моделирования, посвященный использованию моделей и методов теории функции комплексного переменного в экономике. В статье рассматривается возможность краткосрочного экономического прогнозирования с помощью моделей авторегрессий комплексных переменных. Приводится классификация возможных модификаций комплекснозначных авторегрессионных моделей. Показываются основные свойства каждого из классов этих моделей. Одна из разновидностей этих комплексно­значных моделей использует текущую и прошлые ошибки аппроксимации, а это значит, что она может быть сравнима с широко распространенной на практике моделью авторегрессии действительных переменных ARIMA(p, d, q). В статье осуществляется такое сравнение как на теоретическом уровне, так и на практическом примере.

Об авторе

Сергей Геннадьевич Светуньков
https://sergey.svetunkov.ru/
Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург
Россия

доктор экономических наук, профессор, профессор Высшей школы бизнес-инжиниринга



Список литературы

1. Светуньков И. С. (2011). Краткосрочное прогнозирование социально-экономических процессов с использованием модели с коррекцией // БІЗНЕС-ІНФОРМ. № 5 (4). С. 109–112.

2. Светуньков С. Г., Светуньков И. С. (2019). Производственные функции комплексных переменных: экономико-математическое моделирование производственной динамики. 2-е изд., доп. М.: Ленанд. 170 с.

3. Светуньков С. Г. (2020а). Прогнозирование экономической динамики с помощью комплекснозначной авторегрессии с временной составляющей (CTAR) // Современная экономика: проблемы и решения. № 9. С. 21–30. ]

4. Светуньков С. Г. (2020б). Комплекснозначная авторегрессия в экономическом прогнозировании одномерных рядов // Экономическая наука современной России. № 4 (91). С. 51–62. DOI: 10.33293/1609-1442-2020-4(91)-51-62

5. Baryev D., Konovalov I., Voinov N. (2019). New approach to feature generation by complex-valued econometrics and sentiment analysis for stock-market prediction. In: Arseniev D., Overmeyer L., Kälviäinen H., Katalinić B. (eds). Cyber-Physical Systems and Control. CPS&C Lecture Notes in Networks and Systems, 2019, vol. 95, pp. 573–582.

6. Box G. E.P., Jenkins G. M. (1976). Time series analysis, forecasting and control. Holden-day, Inc.

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

8. Kennedy P. (2008). A Guide to Econometrics. John Wiley & Sons. 598 p.

9. Peña D, Tiao G. C., Tsay R. S. (2011). A Course in Time Series Analysis. London: John Wiley & Sons. 496 p.

10. Racine J. S. (2019). Reproducible Econometrics Using R. Oxford: Oxford University Press. 320 p.

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

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

13. Tsay R. S. (2014). Multivariate time series analysis: With R and financial applications. Hoboken: John Wiley & Sons Inc. 492 p.


Рецензия

Для цитирования:


Светуньков С.Г. Краткосрочное экономическое прогнозирование комплекснозначными авторегрессиями. Экономическая наука современной России. 2021;(4):35-48. https://doi.org/10.33293/1609-1442-2021-4(95)-35-48

For citation:


Svetunkov S.G. Short-Term Economic Forecasting by Complex-Valued Autoregressions. Economics of Contemporary Russia. 2021;(4):35-48. (In Russ.) https://doi.org/10.33293/1609-1442-2021-4(95)-35-48

Просмотров: 51


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


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