Спосіб та програмне забезпечення для прогнозування індексу споживчих цін з урахуванням впливу факторів нестабільності в економіці

Скорочена інформація про документ
dc.contributor.advisorЛюшенко, Леся Анатоліївна
dc.contributor.authorКлапатюк, Олександр Петрович
dc.date.accessioned2024-01-31T13:19:41Z
dc.date.available2024-01-31T13:19:41Z
dc.date.issued2024
dc.description.abstractУ сучасних умовах важливо розробляти ефективні методи прогнозування ключових економічних індикаторів, зокрема Індексу споживчих цін (ІСЦ). Цей індикатор відображає загальні тенденції змін рівня цін та впливає на фінансове становище споживачів. У дисертації розглядаються методи та алгоритми для прогнозування ІСЦ з використанням статистичних моделей й техніки машинного навчання. В умовах економічної нестабільності прогнозування ІСЦ набуває особливої актуальності. Запропонований у дисертації підхід, що комбінує моделі ARIMAX/SARIMAX з алгоритмом Gradient Boosting, дозволяє підвищити точність прогнозів ІСЦ, зменшивши середню абсолютну похибку до 60%. відносно класичного методу. Перевагою цього підходу є можливість враховувати як лінійні, так і нелінійні залежності та аномалії в даних. Дослідження пропонує інноваційний спосіб та програмне забезпечення для прогнозування ІСЦ, поєднуючи статистичні методи з машинним навчанням. Застосування цього підходу забезпечує краще розуміння динаміки ринку для прийняття ефективних економічних рішень.uk
dc.description.abstractotherIn today's environment, it is important to develop effective methods for forecasting key economic indicators, including the Consumer Price Index (CPI). This indicator reflects general trends in price levels and affects the financial situation of consumers. This thesis discusses methods and algorithms for forecasting the CPI using statistical models and machine learning techniques. In the context of economic instability, CPI forecasting is of particular relevance. The approach proposed in this dissertation, which combines the ARIMAX/SARIMAX models with the Gradient Boosting algorithm, allows to improve the accuracy of CPI forecasts, reducing the average absolute error to 60% relative to the classical method. The advantage of this approach is the ability to take into account both linear and nonlinear dependencies and anomalies in the data. The dissertation offers an innovative method and software for forecasting the CPI by combining statistical methods with machine learning. The application of this approach provides a better understanding of market dynamics for making effective economic decisions.uk
dc.format.extent160 с.uk
dc.identifier.citationКлапатюк, О. П. Спосіб та програмне забезпечення для прогнозування індексу споживчих цін з урахуванням впливу факторів нестабільності в економіці : магістерська дис. : 121 Інженерія програмного забезпечення / Клапатюк Олександр Петрович. — Київ, 2024. — 160 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64148
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectпрогнозування індексу споживчих цінuk
dc.subjectстатистичні моделіuk
dc.subjectтехніка машинного навчанняuk
dc.subjectconsumer price index forecastinguk
dc.subjectstatistical modelsuk
dc.subjectmachine learning techniquesuk
dc.subject.udc681.3.01uk
dc.titleСпосіб та програмне забезпечення для прогнозування індексу споживчих цін з урахуванням впливу факторів нестабільності в економіціuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Diploma-Klapatyuk-Kp-21mp.pdf
Розмір:
3.42 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи