Short-Term Forecasting of Macroeconomic Processes with Regression and Probabilistic Models

Скорочена інформація про документ
dc.contributor.authorBidyuk, P. I.en
dc.contributor.authorTrofymchuk, O. M.en
dc.contributor.authorKarayuz, I. V.en
dc.contributor.authorБідюк, Петро Івановичuk
dc.contributor.authorТрофимчук, Олександр Миколайовичuk
dc.contributor.authorКараюз, Ірина Валентинівнаuk
dc.contributor.authorБидюк, Петр Ивановичru
dc.contributor.authorТрофимчук, Александр Николаевичru
dc.contributor.authorКараюз, Ирина Валентиновнаru
dc.date.accessioned2016-10-31T11:15:10Z
dc.date.available2016-10-31T11:15:10Z
dc.date.issued2015
dc.description.abstractenBackground. Today there is a problem of constructing high quality mathematical models for short-term forecasting of macroeconomic processes. The most often approach used for solving the problem is based on regression models though there are also developed competitive probabilistic models that exhibit high forecasting quality in conditions of uncertainties of various kind and nature. Objective. To perform analysis of current economic situation in Ukraine using statistical data; to construct regression models suitable for short-term forecasting of macroeconomic processes selected; to provide a generalized methodology for constructing probabilistic models in the form of Bayesian networks and to construct appropriate network models for macroeconomic processes; to perform necessary computational experiments aiming to model parameter estimation and compare quality of generated forecasts. Methods. To solve the problems stated two basic approaches to construct mathematical models are hired: regression analysis and Bayesian networks constructing using statistical data and expert estimates. A generalized multistep methodology is developed for Bayesian belief networks constructing that uses statistical data and other possible prior information. Results. The models resulted from regression analysis of actual data provide a possibility for generating short-term forecasts of GDP though not always of high quality. Another model was constructed in the form of a Bayesian network. The model turned out to be better than the multiple regression, it provides quite good estimates for probabilities of GDP growth direction. Conclusions. It was shown that application of regression models for describing macroeconomic processes of economy in transition not always finalizes with positive results. This can be explained by numerous out-of-market events (factors) that influence development of the economy. The short-term forecasting results obtained in this case are not always of high quality though quite acceptable. On the other hand probabilistic models such as Bayesian networks provide a possibility for obtaining well substantiated probabilistic estimates for the direction of GDP growth in Ukraine. A substantial advantage of the simple heuristic method used for constructing BN is in its transparency and small number of computing operations.uk
dc.description.abstractruПроблематика. Сегодня существует проблема построения высококачественных математических моделей для краткосрочного прогнозирования макроэкономических процессов. Чаще всего для решения этой задачи используют регрессионные модели, но вместе с тем разрабатываются альтернативные вероятностные модели, которые демонстрируют высокое качество прогнозирования в условиях наличия неопределенностей различной природы и типов. Цель исследования. Выполнить анализ текущей экономической ситуации в Украине с использованием статистических данных; построить регрессионные модели для краткосрочного прогнозирования макроэкономических процессов; представить обобщенную методику построения вероятностных моделей в форме байесовских сетей и построить сетевые модели для прогнозирования макроэкономических процессов; выполнить вычислительные эксперименты с целью оценивания структуры и параметров моделей и сравнить полученные результаты прогнозирования. Методика реализации. Для решения поставленных задач применены регрессионный анализ и методика построения моделей в форме байесовских сетей с использованием статистических данных и экспертных оценок. Предложена обобщенная многошаговая методика построения байесовских сетей на основе статистических данных и априорной информации. Результаты исследования. Построенные регрессионные модели для индекса потребительских цен и валового внутреннего продукта на основе фактических данных в отдельных случаях не обеспечивают желаемое качество оценок прогнозов. Для прогнозирования направления развития ВВП также построены модели в форме байесовских сетей. Эти модели оказались лучшими, чем множественная регрессия, они обеспечивают приемлемые оценки вероятностей для определения направления развития ВВП. Выводы. Показано, что применение регрессионных моделей для описания макроэкономических процессов переходной экономики не всегда обеспечивает результаты прогнозирования приемлемого качества. Это можно объяснить многочисленными нерыночными факторами, которые влияют на развитие экономики. Созданные вероятностные модели в форме байесовских сетей дают возможность получить обоснованные высококачественные оценки прогнозов направления движения ВВП в Украине.uk
dc.description.abstractukПроблематика. На сьогодні існує проблема побудови високоякісних математичних моделей для короткострокового прогнозування макроекономічних процесів. Найчастіше для розв’язання цієї задачі застосовують регресійні моделі, але разом із тим створюються альтернативні ймовірнісні моделі, які демонструють високу якість прогнозування в умовах наявності невизначеностей різної природи і типів. Мета дослідження. Виконати аналіз поточної економічної ситуації в Україні з використанням статистичних даних; побудувати регресійні моделі для короткострокового прогнозування вибраних макроекономічних процесів; розробити узагальнену методику побудови ймовірнісних моделей у формі байєсівських мереж і побудувати мережеві моделі для прогнозування макроекономічних процесів; виконати обчислювальні експерименти з метою оцінювання структури і параметрів моделей та порівняти отримані результати прогнозування. Методика реалізації. Для розв’язання поставлених задач використано регресійний аналіз і методику побудови ймовірнісних моделей у формі байєсівських мереж із застосуванням статистичних даних і експертних оцінок. Запропоновано узагальнену багатокрокову методику побудови байєсівських мереж на основі статистичних даних і апріорної інформації. Результати дослідження. Побудовані регресійні моделі для індексу споживчих цін та валового внутрішнього продукту на основі фактичних даних в окремих випадках не забезпечують бажаної якості оцінок прогнозів. Для прогнозування напряму розвитку ВВП також побудовано моделі у формі байєсівських мереж. Такі моделі виявились кращими, ніж множинна регресія, вони забезпечують прийнятні оцінки ймовірностей для визначення напряму розвитку ВВП. Висновки. Показано, що застосування регресійних моделей для опису макроекономічних процесів перехідної економіки не завжди забезпечує результати прогнозування необхідної якості. Це можна пояснити численними неринковими факторами, які впливають на розвиток економіки. Створені ймовірнісні моделі у формі байєсівських мереж дають можливість обчислити обґрунтовані високоякісні оцінки прогнозів напряму руху ВВП в Україні.uk
dc.format.pagerangePp. 7-15uk
dc.identifier.citationBidyuk P. I. Short-Term Forecasting of Macroeconomic Processes with Regression and Probabilistic Models / P. I. Bidyuk, O. M. Trofymchuk, I. V. Karayuz // Наукові вісті НТУУ «КПІ» : науково-технічний журнал. – 2015. – № 6(104). – С. 7–15. – Бібліогр.: 10 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/17900
dc.language.isoenuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.source.nameНаукові вісті НТУУ «КПІ»: науково-технічний журналuk
dc.status.pubpublisheduk
dc.subjectmacroeconomic processesen
dc.subjectforecastingen
dc.subjectregression analysisen
dc.subjectBayesian networksen
dc.subjectмакроекономічні процесиuk
dc.subjectпрогнозуванняuk
dc.subjectрегресійний аналізuk
dc.subjectбайєсівські мережіuk
dc.subjectмакроэкономические процессыru
dc.subjectпрогнозированиеru
dc.subjectрегрессионный анализru
dc.subjectбайесовские сетиru
dc.subject.udc004.942uk
dc.titleShort-Term Forecasting of Macroeconomic Processes with Regression and Probabilistic Modelsen
dc.title.alternativeКороткострокове прогнозування макроекономічних процесів за допомогою регресійних і ймовірнісних моделейuk
dc.title.alternativeКраткосрочное прогнозирование макроэкономических процессов при помощи регрессионных и вероятностных моделейru
dc.typeArticleuk
thesis.degree.level-uk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NV2015_6_1Bidyuk.pdf
Розмір:
377.27 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті НТУУ «КПІ»: науково-технічний журнал, № 6(104)