Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Вохидов, Абдурашид Содикович
Место защиты Санкт-Петербург
Год 2003
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания"

На правах рукописи

ВОХИДОВ АБДУРАШИД СОДИКОВИЧ

АНАЛИЗ И ПРОГНОЗИРОВАНИЕ НЕСТАЦИОНАРНЫХ ПРОЦЕССОВ ЭКОНОМИКИ С ИСПОЛЬЗОВАНИЕМ МЕТОДА НЕЙ-РОСИСТЕМНОГО РАСПОЗНАВАНИЯ

Специальность 08.00.13. - Математические и инст-., рументальные методы экономики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Санкт-Петербург 2003

Работа выпонена в Санкт-Петербургском государственном университете экономики и финансов.

Научим и румшоди ic.ii>:

Официальные оннонсн-1ы:

Всдунцн организация

Доктор экономических наук, профессор Свстуньков Сергей Геннадьевич Доктор экономических наук. про<|)сссор Ватник Павел Абрамович Кандидат технических наук, доцент Левин Аркадий Исакович Санкт-Петербургский государственный технологический институт (Технический Университет)

Защита диссертации состоится л_ _2003 года

в_часов на заседании диссертационного совета Д212.237.03

в Санкт-Петербургском государственном университете экономики и финансов по адресу:

191023, Санкт-Петербург, ул. Садовая, д 21, ауд._

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного университета экономики и финансов.

Авторс(|юрат разослан "_"_2003 г.

Ученый секретарь

диссертационного совета Завгородняя А. В.

2.ооЗ-Д

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования определяется необходимостью изучения нестационарных процессов экономики и создания системного агоритма их анализа и прогнозирования в целях повышения эффективности аппарата прогнозирования. В современных реалиях для успешной конкурентоспособной деятельности на рынке и развития экономики страны в целом необходимо использовать новые принципы управления, адекватные уровню современной экономики. Прогнозирование как направление экономической науки, ориентированное на оптимизацию управления, в поной мере отвечает целям и задачам устойчивого функционирования экономических систем.

Теоретический и практический опьгг традиционных методов прогнозирования развивается на базе новейших информационных технологий математического и экономического моделирования. Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней и внутренней среде, и к каким последствиям для экономики это приведет. Прогнозирование повышает бдительность экономических агентов и, следовательно, их способность реагировать на возможные изменения в экономических системах.

Проблема прогнозирования экономических процессов, вследствие быстрых, порой плохо предсказуемых изменений внешней среды, в последние годы стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о сложности структурных характеристик систем экономики и тщетности прогнозирования нестационарных процессов.

Проблемам анализа и прогнозирования нестационарных процессов в экономической литературе уделено недостаточное внимание. Несколько публикаций посвящено общим теоретическим вопросам о роли этих инструментов. Ведутся дискуссии о преимуществах систематизации анализа и прогнозирования, но единого аппарата исследования нестационарно - эволюционных процессов пока не существует. Остается неосвещенным ряд актуальных вопросов, например, способы определения характеристик процесса, механизм изучения структуры объекта, анализа факторов, выбор методов прогнозирования, повышение эффективности прогнозов. Все вышесказанное определяет значимость диссертационного исследования.

Цели и задачи исследования: Основной целью данной работы является разработка метода и механизма, позволяющего осуществить иден-

тификацию типа и прогнозирование значений нестационарных процессов и характеристик их поведения с использованием нейросистем ною метода распознавания.

В соответствии с поставленной целью в работе исследованы и решены следующие задачи:

Х изучить методологические основы теории анализа и прогнозирования экономических процессов;

Х исследовать методы и принципы классификации экономических процессов;

Х формировать критерии классификации динамических процессов экономики;

Х систематизировать свойства нестационарных процессов, их структуру и основные закономерности развития;

Х разработать агоритм (механизм функционирования) нейросе-тевого анализа и прогнозирования процессов;

Х построить нейросетевую модель идентификации и прогнозирования;

Х рассмотреть возможность применения экспертного метода распознавания типа экономических процессов;

Х определить направления эффективного применения агоритма нейросистем ного анализа и прогнозирования нестационарных процессов;

Х обосновать практическое применение агоритма нейросистем-ного анализа и прогнозирования предприятиями.

Теоретической и методологической базой исследования послужили работы отечественных и зарубежных ученых: Анищенко B.C., Ахромее-вой Т.С., Беленького В.З., Блинова O.E., Вадивасовой Т.Е., Веденова A.A., Доугерти К., Дунина-Барковского В.Л., Елисеевой И.И., Капицы С.П., Кондратьева Н.Д., Кошечкина С.А., Курдюмова С.П., Левшина Ф.М., Маевского В.И., Малинецкого Г.Г., Пригожина И., Рерихи Е. и Н., Светунькова С.Г., Скотт Д.Г., Скурихина А.М., Стенгерса И., Тойн-би А.Дж., Трисеева Ю.П., Энтова P.M., Cagan P., Dayan А. и других.

Несмотря на значительное количество серьезных научных исследований, теоретических работ и многочисленных публикаций, проблема анализа и прогнозирования динамических процессов экономики на современном этапе развития научно-исследовательской базы затрагивает в основном стационарные процессы. Не исследован механизм влияния всей совокупности факторов на поведение процесса, а именно, не выявлены особенности применения системного анализа и прогнозирования нестационарных процессов.

Поставленные в диссертации цели и задачи решались на базе сравнительного и экономико-статистического методов, программно-целевого, нормативного и системного подходов, исторического метода.

Информационной базой исследования послужили информационные источники Госкомстата и Центрального банка РФ, ежегодные статистические отчеты предприятий, монографии, работы, статьи и материалы научно-практических конференций, публикации в периодических изданиях, статистические и аналитически материалы по анализу и прогнозированию динамических процессов экономики.

Предметом исследования данной работы является метод анализа и прогнозирования нестационарных процессов на основе агоритма ней-росистемного анализа и прогнозирования.

Объектом исследования выступают основные характеристики нестационарного экономического процесса, совокупность элементов, влияющих на формирование процесса.

Структура работы: Диссертация состоит из введения, трех глав, заключения, приложений и списка литературы.

П. ОСНОВНЫЕ ИДЕИ И ВЫВОДЫ ДИССЕРТАЦИИ

1. Процесс изменения динамики экономической конъюнктуры в ряде случаев носит нестационарный характер. При этом многие специалисты в области экономического прогнозирования используют в своих исследованиях инструменты классической эконометрии, которые были разработаны для стационарных процессов, что неминуемо приводит к ухудшению результатов прогнозирования. В связи с этим возникает необходимость в определении характеристик процессов. Современная методология прогнозирования не позволяет эффективно решить эту задачу, хоты в ряде научных трудов отечественных и зарубежных исследователей данного направления есть подходы к классификации этих процессов. Систематизируя основные структурообразующие свойства рядов динамики, критерии классификации свойств процессов, и адаптируя их применение к экономическим процессам, можно определить следующие:

а) Бифуркация. Одним из наиболее эффективных методов анализа нелинейных систем является теория бифуркаций. При некотором значении динамический ряд достигает порога устойчивости. Как правило, это критическое значение называется точкой бифуркации. Обычно в графическом изображении можно заметить перескок: система скачком переходит из одного состояния в другое.

б) Популяция. При любом значении система со временем входит в

определенное состояние, при котором существует точка циклической бифуркации. Любой процесс состоит из нескольких циклов с точками экстремума (перегиба). Причем, каждая популяция представляет собой определенный цикл (см. таблицу 1). В целом замена технологических укладов осуществляется по закону, который математически описывается обобщенной логистической кривой.

в) Цикличность. Экономическим процессам присуща цикличность, т.е. происходит повторение событий либо симметричность их показателей через определенный временной лаг. Сезонные эффекты, как один ив примеров цикличности, имеют достаточно регулярное присутствие в экономике, несмотря на то, что время их наступления и характер проявления могут несколько изменяться из года в год. Учет сезонности подразумевает наличие двух видов зависимости между показателями временного ряда: связности между соседними показателями ряда и связности между показателями ряда, соответствующими одинаковым периодам соседних лет.

г) Фракталь ность. В последнее время в природу процессов все более интенсивно проникают понятия и методы фракталов. Фрактал -изломанный объект, с дробной размерностью или объект, который условно можно назвать разветвленным. Понятия теории фракталов широко применяются для изучения разнообразных процессов экономики, в особенности развития и результативного влияния черных и серых рынков на конъюнктуру. Фракталами называются такие объекты, которые обладают свойством самоподобия, или, как еще говорят, масштабной инвариантности.

е) Энтальпия. Это функция состояния, которая определяется суммированием уровня влияния внутренней и внешней энергии системы, т.е. степень и сложность влияния внутрисистемных и внешних факторов. В некоторых случаях, единственно возможным измерением как эволюции экономических процессов в целом, так и ее укладов, является измерение через основные категории термодинамики - энтальпию и энтропию. В этом случае экономическая эволюция предстает перед нами в новом качестве как процесс роста степени сложности экономических связей, в основе которой лежат такие эндогенные и экзогенные компоненты как: аспекты принятия решений, усиления внутренней организации экономической системы, роста влияния внешней информации. Любое движение реальных систем экономической динамики происходит под влиянием внешних факторов (информации, шумов, потребительских ожиданий, политических решений).

2. При формировании системы критериев классификации процессов экономики были выбраны наиболее значимые элементы и факторы нестационарности.

Таблица 1

Критерии классификации характеристик процессов на стадии распознавания

фактор Критерий сортировки

Бифуркация 5 /Д+i(*i>*2>-.*Д-a) = detJ(xДx2,.я) > ц, где г/ > |1.44| J-матрицд Якоби: J = д/1/д/1.

Цикличность t XT^t) = XT(t+kT), где к - целое положительное число (номер периода), такое, что t, t + кТ е [/(), ]. Х,=аа+ cosh+bt sinkt)-условие цикличности; ,где До =(1/и)^дг(

Попу ля ци-онность г Хш = Xt(l + r[l -X,()]), где X, и Хм -популяции с интервалом в один шаг (месяц, год и т.д.) 0< г <2, 2< г <2.444. При еще больших г возникают четырех-, вось-мишаговые циклы и т.д. При г > 2.57 хаос.

Фрактал ь-ность Ф Симметричная эволюция: X, = ах + by + е Y,=cx + dy + f ^бесконечно малые величины если а=Ь, то процесс является нефрактальным. В других случаях - фрактальный.

Энтальпий- ность ? Задается а - вероятность появления информации внешней среды (уровень давления системы); dS = d+dfi, где: deS -фактор внешней среды (уровень внешней информации); dtS - внутрисистемный фактор; dtS = 0 - обратимые процессы, стационарное состояние; dtS Ф 0 - необратимые процессы. Н - Е + PV, где Н-энтальпия, Е-уровень энергии системы, Р - давление, V - объем.

При этом основы теории анализа и прогнозирования нестационарных процессов позволяют говорить о закономерности и объективности

существования этих структурообразующих параметров в экономических процессах.

3. Статистический ряд подлежит диагностике в аналитической нейросистеме, параметрами структуры которой являются компоненты, квалифицирующие характеристики принципов протекания процессов.

Рис. 1. Модель нейросети идентификации нестационарных процессов экономики и ее архитектура

Обозначения: аь а2, аъ а4> а5 - слои нейросистемы (бифуркация, популяция, цикличность, фрактальность, энтальпийность);

Б - сумма весов, где: SJ = ,

[0,есм5 < О

выход иу2 = Л*Н---Ч-;

[ЦеслыЯ, > О

К*) - идентифицированная функция процесса с определенными характеристиками.

Рис 2. Структура агоритма нейросистемного распознавания динамических процессов экономики I . При анализе нейронная сеть обрабатывает входные сигналы едини-

1 цами, в зависимости от слоя (структурной связки), с которого они при-

ходят. Поступившие на вход элемента значения анализируются на каче-

стае иную и количественную принадлежность к тому или иному признаку (Рис.1 и Рис.2).

4. В диссертации предлагается метод экспертного распознавания типа экономического процесса. Агоритм данного метода заключается в том, что первоначально предполагается, что динамический ряд имеет такие характеристики, как фрактальноеть, бифуркационность, популя-ционность, цикличность и энтальпийность. Учитывая вышеуказанные характеристики как элементы матрицы по горизонтали и качественную принадлежность по вертикали, составляем матрицу всевозможных комбинаций. Исходя из критериев классификации стационарных и нестационарных процессов, таких матриц у нас получится четыре - для простых, динамических, эволюционных и хаотических процессов. Приняв во внимание принадлежность к стационарности простых и динамических экономических процессов, их матричные результаты исключаем из дальнейшего рассмотрения. Каждая строка матрицы будет означать процесс, с присущими ему характеристиками. При отсутствии какого-либо свойства в процессе (строке), данный элемент обозначается отрицанием не (фрактальный - нефрактальный и т.д.). Отсюда, получаем количество характеристик экономических процессов к в строке равным пяти (к=5) и количество логических признаков исхода и (наличие или отсутствие признака)- двум (п=2). Следовательно, общее количество всевозможных комбинаций процесса: А* = п" Ч 25 = 32. Получаем

матрицу размера 5x32. Если элементы матрицы несопоставимы по критериям классификации, т.е. свойства процесса не соответствуют теоретически и эмпирически установленным параметрам классификации, то данная строка исключается из дальнейшего ояггч^гроюм.

гл!м нед ос рапсом приведенного инструмента является субъективность оценки параметров, т.е. каждый эксперт анализирует исходя из собственных соображений и критериев оптимизации.

5. Методом распознавания образов и прогнозирования решаются в основном те неформализованные задачи, в которых заранее неизвестны количественные причинно-следственные связи, управляющие изменчивостью объектов и прогнозируемых явлений. Количественные эмпирические связи, установленные в результате решения этих задач, полезны, т.к. позволяют определить по заданному описанию класс объектов или предсказать некоторую интересующую величину или явление. Прежде чем применить методы математического анализа для вычисления параметров уравнения тренда, необходимо выявить его тип и тенденцию исходя из предложенного метода нейросистемного анализа, а эта задача не является чисто математической. Наличие колебаний уровней крайне усложняет выявление типа тенденции и требует системного подхода к

этой проблеме: прежде всего качественного изучения характера развития объекта.

Основные этапы агоритма нейросистемного анализа и прогнозирования нестационарных экономических процессов (см. Рис.3):

- анализ статистических данных (предварительная обработка). Имеющаяся информация о динамике предварительно фильтруется на достоверность источников и измеримость;

- нейросистемный анализ и распознавание процесса. Здесь, первоначально вводятся элементы распознавания типа динамики (слои нейросистемы - бифуркация, цикличность, фрактальность, популяцион-ность и энгальпийность), Далее, задаются количественные и качественные пределы изменений элементов распознавания. После диагностики происходит определение доли влияния каждого параметра на характер процесса, определяется тип динамики;

- конструирование основных гипотез развития. На данном этапе формируются всевозможные гипотезы форм развития. Заданные гипотезы оцениваются на критерий оптимальности наличия ошибок разного рода, и выбирается одна из них.

- проверка гипотез на значимость. С использованием как математических, так и экспертных расчетов, производится проверка эффективности выбора данной гипотезы. Если выбранная гипотеза оказалась неэффективной, то производится возврат по схеме агоритма;

- моделирование вариантов развития. На данном этапе наиболее эмпирические варианты кривых развития моделируются, исходя из критериев оптимизации сохранения качественных и количественных признаков;

- выпонение многстариашпых прогнозных расчетов с помощью системы моделей. Используя методы математической статистики, получаем точные либо приближенные точки прогнозных значений;

- получение новых статистических данных. В случаях, когда интервалы разбивки анализируемых значений являются короткими, появляется возможность скорого получения информации о новой статистике;

- проверка точности прогнозов при поступлении новой информации. Информация о новых статистических данных позволяет получить значения ошибок прогноза и оценить эффективность функционирования данного аппарата с выбранными параметрами. В случае неудовлетворительности оценок, рекомендуется (юуществигь возврат на первый этап агоритма и произвести процедуру с иными параметрами распознавания и прогнозирования.

Анализ статистических данных (предвари-

тельная обработка)

Нейросистемный анализ и распознавание

процесса

Конструирование основных гипотез развития (однородных)

Ч* Проверка гипотез на "" Нет

'Чзначимость Ч

___Да *___

Моделирование вариантов раз_вития__Ч^

Выпонение многовариантных прогнозных расчетов с помощью системы моделей

Рис. 3. Блок-схема: Агоритм анализа рядов динамики и составле-прогноза экономического процесса

6. В исследовании осуществлены расчеты двух процессов экономики за одинаковый промежуток времени (с 06.1998 по 11.1998гг.) - курса рубля (X,) и объема экспортной выручки ОАО Вожские моторы (У,).

Таблица 2. Результативные значения параметров анализируемых

процессов

Процесс Основные характеристики Прогн. зн-я Факт, зн-я ошибки (в%)

с 13 08 98 по 28 1098 Курс рубля: Бифуркация: наблюдается на интервалах 5 и 6 ; Цикличность: наблюдается маятниковая цикличность с интержалом 3-4 шага; Популяционность: динамика процесса имеет 4 популяции на анализируемом промежутке; Фрактальность: слабая, связанная с кратковременным дефицитом предложения; Энтальпийность: коэфф.= 0.6; Уравнение регрессии: у, = а0 + а= 8.092308 + 0.853 16.33 15.89 16.01 16.41 1 99 3.27

с 10 08 98 по 30 10 98 Объем экспортной выручки: Бифуркация: наблюдается на интервале 7 ; Цикличность: наблюдается периодическая цикличность с интервалом 4-5 шагов; Популяционность: динамика процесса имеет 2 популяции на анализируемом промежутке; Фрактальность: отсутствует; Энтальпийность: коэфф.= 0.3; Уравнение регрессии: у, =1108438-269Л4л+94583л? -5077-У 63662 65171 64180 66802 0.81 2.5

Некоторые результаты: а) динамика курса рубля (см. Таблицу 2):

- тренд последней популяции сменится новым на шестнадцатом или семнадцатом интервалах, поведение которого будет более стабильным;

- цикличность имеет лаг в 3 или 4 интервала с разным уровнем вариации (в зависимости от коэффициента энтальпии);

- тренд прогноза развития процесса имеет стабилизирующий характер и снижение уровня вариации рядов (отсутствие бифуркации).

б) объем экспортной выручки:

- процесс развивается под влиянием всего двух популяций. При отсутствии изменений со стороны элементов структуры популяции могут иметь более длительные жизненные циклы;

- имеет место незначительная бифуркация, которая, скорее всего, была вызвана резкими скачками курса рубля по отношению к долару США;

- наблюдается увеличение частот колебательных процессов, хотя уравнение регрессии ведет себя линейно.

Полученные показатели при анализе динамики объема экспортной выручки ОАО Вожские моторы и курса рубля можно систематизировать для составления комплексных оценок.

7. В диссертации исследованы характерные особенности тенденций развития процессов некоторых классов динамики. Так, например, уравнение модели тенденции развития можно представить в следующем

виде: уТ1.х = а, а,*А(3+1+г+р+д) + е, где

_уг+1 - прогнозная величина тренда;

а, - среднее экстраполированное значение точки;

X - коэффициент стабилизации (сглаживание степени нестационарности);

3,1,г,д>,д- значения (параметры, доля) составляющих элементов процесса (см. Таблица I); е - случайная величина.

Для вычисления прогнозных значений используется экстраполяция по линии тренда, либо точка ожидаемого значения цикла.

Использование предложенного метода в изменившихся условиях, появление новых факторов, оказывающих влияние на формирование уровней динамического ряда, будет сопряжено с более или менее значительными ошибками.

Например, некоторые результаты исследования характеристик динамики курса рубля (Х|) и объема экспортной выручки ОАО Вожские - моторы (УО приведены в таблице.

Таблица 3. Общие характеристики анализа динамики курса рубля и

объема экспортной выручки

Параметр Значение

Курс рубля Объем экспортной выручки

Бифуркационность Наблюдается 5,6 интервалы Наблюдается 7 интервал

Фракталыюсть Наблюдается Ф-слабое отсутствует Ф=0

Попу ля ци онность наблюдается 8 = 4 наблюдается 8 = 2

Цикличность Наблюдается <= 3,4 шага Наблюдается 1= 5,6 шагов

Энтальпийность Наблюдается 5=0.6 Наблюдается 5=0.4

Прогноз сценарий развития нестационарный нестационарный

Судя по полученным значениям, процессы Х| и У, (см Таблицу 3) являются достаточно сложными экономическими системами. Расположение структурообразующих параметров, начиная от популяционности, заканчивая цикличностью, выбрано не случайно. Цикличность может зависеть от бифуркации, которая, в свою очередь, зависит от энталь-пийности, фрактальности и популяционности. Поэтому значения и характеристики каждого параметра берутся го анализа и группируются для получения единых результатов прогноза. На таблице видно, что ряд X, имеет новую популяцию где-то через 3-4 интертала. Цикличность установлена в аналогичных пределах. Фракталий имеет слабовыражен-ный характер. А энтальпии присуще экспертное значение 0.6 (главный неэкономический фактор - объявление дефота в августе 1998г.).

Реальными источниками колебания параметров в системе могут бьгть следующие:

- цикличность развития, влияние сезонных компонент,

- воздействие механизмов спроса и предложения на процессы; . - влияние коньюнктурообразующих факторов на процесс;

- влияние неэкономических факторов (политические решения, природные катаклизмы и т.д.);

- воздействие макроэкономических элементов;

- развитие НИОКР и информационных составляющих;

- влияние случайных величин и т.д.

Выявлено, что в настоящее время большинство процессов экономики анализируется, в основном, с использованием математических инструментов, разработанных для стационарных процессов экономики. Однако при применении аппарата прогнозирования нестационарных процессов нейронные сети являются эффективным инструментом распознавания образов и решения задач классификации, оптимизации и прогнозирования. Данный инструмент повышает достоверность прогноза и, соответственно, эффективность деятельности экономических субъектов.

Оптимальная классификация (распознавание образов) процессов экономики на стационарные и нестационарные достигается при комплексном анализе свойств структурообразующих параметров: бифурка-ционности, цикличности, популяционности, фрактальности, энтальпий-ности.

При распознавании образов можно использовать экспертный метод нейросистемного анализа, однако фактор субъективности используемых критериев и инструментов анализа экспертом имеет значительное влияние на конечный результат. В любом случае, для наиболее глубокого изучения свойств заданных параметров распознавания необходимо аналитически определить расчетные коэффициенты границ количественных и качественных изменений этих параметров.

Применяя агоритм нейросетевого аналюа и прогнозирования процессов на практике, стакиваемся с проблемой оптимизации выбора прогнозного фона и интервала. Наилучший интервал прогнозирования зависит от правильного распознавания системных характеристик процесса. Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать доверительный интервал прогноза.

В ходе исследования процессов экономики для выявления основного источника нестационарности эффективным, в большинстве случаев, является выбор варианта парного анализа признаков - результирующего и факторного. Предложенный агоритм анализа временных рядов позволяет автоматически определить характер процесса на основе соответствующих свойств, принадлежащих данному процессу. Выбор методов прогнозирования можно осуществить, основываясь на изучении структурных признаков. Однако часто возникают сложности подбора аналитического инструмента среди методов прогнозирования количественных показателей динамики экономических процессов, поскольку

методы экономического прогнозирования достаточно многочисленны. В этих случаях для получения прогнозных значений предлагается использовать методы экспоненциального сглаживания и сравнивать полученные значения с функцией нейросистемного прогноза (поведения образов).

Предложенный аппарат анализа и прогнозирования в некоторых случаях допускает ошибки. Кроме того, ошибка может подаваться в систему прогнозирования посредством данных, необходимых для прогнозирующей системы, и поэтому необходимо комбинировать результаты распознавания образов, чтобы устранить очевидные или вероятные ошибки. Конечно, небольшие ошибки идентифицировать будет невозможно, но они обычно не оказывают значительного влияния на прогноз. Более значительные ошибки легче найти и исправить. Прогнозирующая система также не дожна реагировать на необычные, экстраординарные наблюдения. Интервал оптимизации ошибок прогнозных значений составляет 0-5%;

На основе разработанного способа нейросистемной диагностики типа экономических процессов можно легко построить систему подбора и оптимизации прогнозных значений методами математической статистики и экспертных оценок. К тому же, данный способ нейросетевого распознавания упрощает познание нестационарности структуры.

Результаты апробации этой методики на примере динамик объема экспортной выручки ОАО Вожские моторы и курса рубля подтверждают ее применимость на практике и повышение эффективности аппарата прогнозирования.

Выводы, полученные в данной работе, могут использоваться в дальнейших научно-исследовательских разработках более совершенных методов анализа и прогнозирования различных процессов экономики.

Ш. ВКЛАД АВТОРА В ПРОВЕДЕННОЕ ИССЛЕДОВАНИЕ

Вклад автора в проведенное диссертационное исследование определяют: постановка цели исследования, выбор и обоснование предмета и объекта исследования, обоснование задач исследования и их решение. Научные результаты получены лично автором, в том числе: сформирована система критерий классификации экономических процессов на стационарные и нестационарные, разработаны методические подходы и принципы нейросистемного анализа и прогнозирования нестационарных процессов.

Основные положения диссертации получили отражение в научных статьях, тезисах докладов на научно-практических конференциях и семинарах.

ПСТЕПЕНЬ НОВИЗНЫ И ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Научная новизна диссертационной работы состоит в разработке агоритма и метода использования нейросистемного анализа нестационарных процессов и выработке рекомендаций по оптимизации системы методов прогнозирования при разработке экономических решений.

В соответствии с основной целью и задачами работы, получены следующие научные результаты, определяющие научную новизну проведенного исследования:

]. Определены и адаптированы критерии классификации свойств процессов к экономическим процессам, предложено их применение при классификации. При анализе рядов динамики и объектов прогнозирования необходимо выделять эти важные характеристики, которые и определяют подходящий метод прогнозирования. В качестве основных параметров классификации нейросистемы приняты следующие: бифурка-ционность, цикличность, популяционность, фрактальность, энгальпий-ность.

2. Систематизирован способ распознавания (диагностики) свойств нестационарности - комплексный анализ следующих характеристик процессов: бифуркационность, популяционность, цикличность, фрактальность, энтальпийность.

3. Предложен экспертный метод распознавания типа нестационарных процессов для их прогнозирования. Данный метод позволяет получить сценарий развития процесса, где оптимизируя варианты развития значений процесса, выбираем одну либо несколько строк матрицы, которые означают присущие характеристики динамики.

4. Разработан агоритм нейросистемного анализа и прогнозирования нестационарных экономических процессов с использованием таких элементов, как бифуркационность, популяционность, цикличность, фрактальность, энтальпийность.

5. Продемонстрирована методика применения агоритма (с описанным механизмом функционирования нейронной сети) в разных отраслях экономики для анализа и прогнозирования процессов, даже при наличии у процессов структурообразующих элементов с нестационарными характеристиками.

6. Выявлены характерные особенности тенденций развития процессов разных типов динамики за определенный промежуток времени.

Теоретическая значимость диссертационного исследования состоит в том, что оно развивает недостаточно разработанные в зарубежной и отечественной экономической теории методологические и теоретические способы анализа и прогнозирования нестационарных процессов экономики.

Практическая значимость работы определяется возможностью использования выводов и предложений диссертации для применения экономическими субъектами в анализе и прогнозировании нестационарных процессов, повышении эффективности прогнозов, даже при наличии нестационарных структурообразующих элементов.

Основные положения диссертационного исследования докладывались и обсуждались на Международных и Всероссийских конференциях и симпозиумах.

По теме диссертации опубликовано научные статьи и материалы общим объемом 1,6 печатных листов:

1. Вохидов A.C. Некоторые аспекты анализа и прогнозирования нестационарных процессов экономически с использованием метода ней-росистемного распознавания. // Современные аспекты экономики. -2003.-№40. -0, 6 п.л.

2. Вохидов A.C. Нейросистемный анализ и прогнозирование нестационарных процессов экономической конъюнктуры. // Экономическая кибернетика: Системный анализ в экономике и управлении [сборник научных трудов]. Выпуск № 5 / Под ред. Д.В. Соколова и H.H. Погос-тинекой. - СПб.: Изд-во СПбГУЭФ, 2002. -0,2 п.л.

3. Вохидов A.C. Прогнозирование нестационарных процессов экономической конъюнктуры на принципах нейросистемного анализа. // Школа Первой международной конференции по мотивационному поведению в теории и практики предпринимательства. Материалы Первой международной конференции (Калининград, 9-10 сентября 2002г.) / Под ред. проф. С.Г'. Светунькова, И.В.Зиновьевой. - Калининград: БГА РФ, 2002. - 0, 1 п.л.

4. Вохидов A.C. Учет психологических аспектов воздействия субъектов на процессы экономической динамики при прогнозировании. // Современные проблемы экономической психологии и этики делового общения в трудовой, управленческой и предпринимательской деятельности. 3-я Всероссийской Научно-практическая конференция (23-26 окг) [Материалы конференции). - СПб.: Изд-во СПбГУЭФ, 2000. - 0, 3

ggo?: 4 20 13 78В

5. Вохидов A.C. Формирование критериев классификации динамики процессов. // Тезисы докладов 3-й Всероссийской научно-практической конференции Прогнозирование экономической конъюнктуры в системах маркетинга. / Под ред. проф. С.Г. Светунькова. -Ульяновск: Изд-во УГУ, 2000. -0,2 п.л.

6. Вохидов A.C. Анализ влияния энтропии на экономические процессы при прогнозировании. // Экономическая кибернетика: Системный анализ в экономике и управлении [сборник научных трудов]. Выпуск № 1 / Под ред. Д.В. Соколова и H.H. Погостинской. - СПб.: Изд-во СПбГУЭФ, 2000. -0,2 п.л.

ВОХИДОВ АБДУРАШИД СОДИКОВИЧ АВТОРЕФЕРАТ

Лицензия Р № 020412 от 12.02.97

Подписано в печать 13.08.03. Формат 60x84 1/16. Бум. офсетная. Печ. л. 1,25. Бум. л. 0,6. РТП изд-ва СПбГУЭФ. Тираж 70 экз. Заказ 651.

Издательство Санкт-Петербургского государственного университета экономики и финансов 191023, Санкт-Петербург, ул. Садовая, 21.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Вохидов, Абдурашид Содикович

Введение

Глава 1. Нестационарные экономические процессы и их прогнозирование

1.1. Нестационарные процессы: классификация, их роль и место в экономике

1.2. Анализ нестационарных процессов, цели и задачи его использования

1.3. Прогнозирование нестационарных процессов в исследованиях рыночной конъюнктуры и ее особенности

Глава 2. Метод и методика нейросистемного анализа и прогнозирования нестационарных процессов экономической 48 конъюнктуры

2.1. Теоретические основы агоритма нейросистемного анализа и прогнозирования нестационарных процессов

2.2. Разработка способа диагностики типа экономической динамики (на основе характеристик бифуркационности, 60 цикличности, популяционности, фрактальности, энтальпийности)

2.3. Агоритм формирования системы методов анализа и 79 прогнозирования экономической динамики

Глава 3. Прогнозирование нестационарных процессов с помощью метода нейросистемного анализа (на примере 91 динамики внешнеторговой выручки ОАО Вожские моторы и курса рубля по отношению к долару США)

3.1. Анализ динамики и взаимосвязи экономических показателей объема экспортной выручки ОАО Вожские 91 моторы и курса рубля

3.2. Прогнозирование динамики с использованием предложенной модели (на примере ОАО Вожские моторы)

Диссертация: введение по экономике, на тему "Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания"

В современных реалиях для успешной конкурентоспособной деятельности на рынке и развития экономики страны в целом необходимо использовать новые принципы управления, адекватные уровню современной экономики. Прогнозирование как направление экономической науки, ориентированное на оптимизацию идеологии управления, в поной мере отвечает целям и задачам устойчивого функционирования экономических систем.

Теоретический и практический опыт традиционных методов прогнозирования развивается на базе новейших информационных технологий математического и экономического моделирования. Особое внимание уделяется фундаментальным концепциям и принципам управленческого финансирования в тех отраслях и структурах общества, в которых проблемы управления и принятия решений по функционированию начинают основываться на принципах экономической значимости.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней и внутренней среде, и к каким последствиям для экономики это приведет. Прогнозирование повышает бдительность экономических агентов и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выпонен в связи с тем, что некоторые гипотезы, положенные в основу прогнозного сценария, не реализовались.

Проблема прогнозирования процессов вследствие быстрых, порой плохо предсказуемых изменений внешней среды, в последние годы стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования нестационарных процессов и сложности структурных характеристик систем экономики.

Проблемам анализа и прогнозирования нестационарных процессов в экономической литературе уделено недостаточное внимание. Несколько публикаций посвящено общим теоретическим вопросам о роли этих инструментов. Ведутся дискуссии о преимуществах систематизации анализа и прогнозирования, но единого аппарата исследования нестационарно - эволюционных процессов пока не существует. Остается неосвещенным ряд актуальных вопросов, например, способы определения характеристик процесса, механизм изучения структуры объекта, анализа факторов, выбор методов прогнозирования, повышение эффективности прогнозов. Все вышесказанное определяет актуальность диссертационного исследования.

Цели и задачи исследования: Основной целью данной работы является разработка метода и механизма, позволяющего осуществить идентификацию типа и прогнозирование значений процессов и характеристик их поведения с использованием нейросистемного метода распознавания.

Приступая к диссертационному исследованию, автор ставил перед собой следующие задачи:

Х изучение методологических основ теории анализа и прогнозирования экономических процессов;

Х изучение методов и принципов классификации экономических процессов;

Х изучение свойств нестационарных процессов, отдельных составляющих экономической конъюнктуры;

Х разработка механизма нейросетевого анализа и прогнозирования процессов;

Х построение модели нейронной сети;

Х исследование реальных экономических процессов с целью апробирования результатов диссертационного исследования;

Х определение направлений эффективного применения агоритма нейросистемного анализа и прогнозирования нестационарных процессов на практике предприятиями.

Теоретической и методологической базой исследования послужили работы отечественных и зарубежных ученых: Анищенко B.C., Ахромеевой Т.С., Беленького В.З., Блинова О.Е., Вадивасовой Т.Е., Веденова А.А., Доугерти К., Дунина-Барковского В.Л., Елисеевой И.И., Капицы С.П., Кондратьева Н.Д., Кошечкина С.А., Курдюмова С.П., Левшина Ф.М., Маевского В.И., Малинецкого Г.Г., Пригожина И., Рерихи Е. и Н., Светунькова С.Г., Скотт Д.Г., Скурихина A.M., Стенгерса И., Тойнби А.Дж., Трисеева Ю.П., Энтова P.M., Cagan P., Dayan А. и других.

Несмотря на значительное количество серьезных научных исследований, теоретических работ и многочисленных публикаций, проблема анализа и прогнозирования динамических процессов экономики на современном этапе развития научно-исследовательской базы затрагивает в основном стационарные процессы. Не исследован механизм влияния всей совокупности факторов на поведение процесса, а именно, не выявлены особенности применения системного анализа и прогнозирования нестационарных процессов.

Поставленные в диссертации цели и задачи решались на базе сравнительного и экономико-статистического методов, программно-целевого, историографического, нормативного и системного подходов.

Информационной базой исследования послужили информационные источники Госкомстата и Центрального банка РФ, ежегодные статистические отчеты предприятий, монографии, работы, статьи и материалы научно-практических конференций, публикации в периодических изданиях, статистические и аналитически материалы по анализу и прогнозированию динамических процессов экономики.

Предметом исследования данной работы является метод анализа и прогнозирования нестационарных процессов на основе агоритма нейросистемного анализа и прогнозирования.

Объектом исследования выступают основные характеристики нестационарного экономического процесса, совокупность элементов, влияющих на формирование процесса.

Научная новизна диссертационной работы состоит в разработке агоритма и метода использования нейросистемного анализа нестационарных процессов и выработке рекомендаций по оптимизации системы методов прогнозирования при разработке экономических решений.

Конкретные результаты, составляющие научную новизну:

Х определены и адаптированы критерии классификации свойств процессов к экономическим процессам, предложено их применение при классификации;

Х выявлены характерные особенности тенденций развития процессов разных классов динамики;

Х предложен способ распознавания (диагностики) свойств нестационарности - система комплексного анализа следующих характеристик процессов: бифуркационность, популяционность, цикличность, фрактальность, энталышйность;

Х предложен экспертный метод распознавания типа нестационарных процессов для их прогнозирования;

Х разработан агоритм нейросистемного анализа и прогнозирования нестационарных экономических процессов с использованием таких элементов, как бифуркационность, популяционность, цикличность, фрактальность, энтальпийность;

Х построена многослойная модель нейронной сети;

Х предложена методика применения агоритма (с описанным механизмом функционирования) в разных отраслях экономики для анализа и прогнозирования процессов, даже при наличии у процессов структурообразующих элементов с нестационарными характеристиками.

Практическая значимость работы определяется возможностью использования выводов и предложений диссертации для применения экономическими субъектами в анализе и прогнозировании нестационарных процессов, повышении эффективности прогнозов, даже при наличии нестационарных структурообразующих элементов.

Апробация работы: Основные положения диссертационного исследования докладывались и обсуждались на Международных и Всероссийских конференциях и симпозиумах. По теме диссертации опубликовано шесть научных работ общим объемом 1,6 печатных листов.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Вохидов, Абдурашид Содикович

Выводы, полученные в данной работе, могут использоваться в дальнейших научно-исследовательских разработках более совершенных методов анализа и прогнозирования различных процессов экономики.

Заключение

При формировании системы критериев классификации процессов экономики были выбраны наиболее значимые элементы и факторы нестационарности. При этом основы теории анализа и прогнозирования нестационарных процессов позволяют говорить о закономерности и объективности существования этих структурообразующих параметров в экономических процессах. В качестве интерпретации параметров распознавания нейросистемы реальными элементами колебания в системе могут быть следующие:

- цикличность развития, влияние сезонных компонент;

- воздействие механизмов спроса и предложения на процессы;

- влияние конъюнктурообразующих факторов на процесс;

- влияние неэкономических факторов (политические решения, природные катаклизмы и т.д.);

- воздействие макроэкономических элементов;

- развитие НИОКР и информационных составляющих;

- влияние случайных величин и т.д.

Выявлено, что в настоящее время большинство процессов экономики анализируется, в основном, с использованием математических инструментов, разработанных для стационарных процессов экономики. Однако при применении аппарата прогнозирования нестационарных процессов нейронные сети являются эффективным инструментом распознавания образов и решения задач классификации, оптимизации и прогнозирования. Данный инструмент повышает достоверность прогноза и, соответственно, эффективность деятельности экономических субъектов.

Оптимальная классификация (распознавание образов) процессов экономики на стационарные и нестационарные достигается при комплексном анализе свойств структурообразующих параметров: бифуркационности, цикличности, популяционности, фрактальности, энтальпийности.

При распознавании образов можно использовать экспертный метод нейросистемного анализа, однако фактор субъективности используемых критериев и инструментов анализа экспертом имеет значительное влияние на конечный результат. В любом случае, для наиболее глубокого изучения свойств заданных параметров распознавания необходимо аналитически определить расчетные коэффициенты границ количественных и качественных изменений этих параметров.

Применяя агоритм нейросетевого анализа и прогнозирования процессов на практике, стакиваемся с проблемой оптимизации выбора прогнозного фона и интервала. Наилучший интервал прогнозирования зависит от правильного распознавания системных характеристик процесса. Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать доверительный интервал прогноза.

В ходе исследования процессов экономики для выявления основного источника нестационарности эффективным, в большинстве случаев, является выбор варианта парного анализа признаков -результирующего и факторного. Предложенный агоритм анализа временных рядов позволяет автоматически определить характер процесса на основе соответствующих свойств, принадлежащих данному процессу. Выбор методов прогнозирования можно осуществить, основываясь на изучении структурных признаков. Однако часто возникают сложности подбора аналитического инструмента среди методов прогнозирования количественных показателей динамики экономических процессов, поскольку методы экономического прогнозирования достаточно многочисленны. В этих случаях для получения прогнозных значений предлагается использовать методы экспоненциального сглаживания и сравнивать полученные значения с функцией нейросистемного прогноза (поведения образов).

Предложенный аппарат анализа и прогнозирования в некоторых случаях допускает ошибки. Кроме того, ошибка может подаваться в систему прогнозирования посредством данных, необходимых для прогнозирующей системы, и поэтому необходимо комбинировать результаты распознавания образов, чтобы устранить очевидные или вероятные ошибки. Конечно, небольшие ошибки идентифицировать будет невозможно, но они обычно не оказывают значительного влияния на прогноз. Более значительные ошибки легче найти и исправить. Прогнозирующая система также не дожна реагировать на необычные, экстраординарные наблюдения. Интервал оптимизации ошибок прогнозных значений составляет 0-5%;

На основе разработанного способа нейросистемной диагностики типа экономических процессов можно легко построить систему подбора и оптимизации прогнозных значений методами математической статистики и экспертных оценок. К тому же, данный способ нейросетевого распознавания упрощает познание нестационарности структуры.

Результаты апробации этой методики на примере динамик объема экспортной выручки ОАО Вожские моторы и курса рубля подтверждают ее применимость на практике и повышение эффективности аппарата прогнозирования.

Диссертация: библиография по экономике, кандидат экономических наук , Вохидов, Абдурашид Содикович, Санкт-Петербург

1. Абдулаев А.М. Моделирование и прогнозирование технико-экономических показателей. Ташкент: ТИНХ, 1988. -79с.

2. Академия рынка: маркетинг. Пер. с фр. Худокормого А.Г. -Москва, "Экономика", 1993.

3. Андрикон Г.А., Глаз А.Б. Методы решения задач распознавания образов. Рига: ЛатНИИНТИ, 1986. -63с.

4. Анищенко B.C. Сложные колебания в простых системах. М: Наука, 1990. -312с.

5. Анищенко B.C. Знакомство с нелинейной динамикой. Саратов, 2000.-179с.

6. Анищенко B.C., Вадивасова Т.Е., Астахов В.В. Нелинейная динамика хаотических и стохастических систем. Ч Саратов, 1999. -368с.

7. Афраймович B.C., Некоркин В.И. Решеточные динамические системы. Нижний Новгород 1994.

8. Ахромеева Т.С., Курдюмов С.П., Малинецкий Г.Г., Самарский А.А. Нестационарные структуры и диффузионный хаос. М.: Наука, 1992. -544с.

9. Ахромеева Т.С., Малинецкий Г.Г. О диффузионном хаосе. М.: ИПМ, 1983. -28с.

10. Багиев Г.Л., Бичун Ю.А., Светуньков С.Г., Тарасевич В.М. Экономика и управление народным хозяйством, терминологический словарь: маркетинг, предпринимательство.- Санкт-Петербург, Изд-во СПбГУЭФ, 2002.-128с.

11. Беленький В.З. Стационарные динамические модели управления экономическими системами: Автореф. дис. на соиск. учен, степ. д. ф.-м. н./ РАН, ЦЭМИ, М., 1992, -79с.

12. Бессонов В.А. Методы исследования эволюционирующих парных взаимосвязей между социально экономическими макропоказателями. - М.: ВЦ РАН, 1993. -179с.

13. Бибиков Ю.Н. Многочастотные нелинейные колебания и их бифуркации. Л.: Изд-во ГУ, 1991. -142с.

14. Блинов О.Е. Статистические имитационные модели прогнозирования. Учеб. пособие/. М.: ГАУ, 1991. -78с.

15. Бот Г. Дж. Практическое руководство по управлению сбытом. -Москва, "Экономика", 1991.

16. Больцман Л. Статьи и речи/ Пер. с немец. М.: Наука, 1970. -240с.

17. Борисюк Н и др. Новые методы анализа нейронной активности. ОНТИ НЦБИ АН СССР. Пущино, 1986. -161с.

18. Бунько В.А. Валютно-кредитные операции и расчеты по внешнеторговым контрактам. СПб., МЦЭНТ, 1995.

19. Веденов А.А. Моделирование элементов мышления М., Наука, 1988. -158с.

20. Веденов А.А. Модельные нейросети и живые организмы: Сб. ст./ Ред. проф. А.А. Веденов -М.: ВИНИТИ, 1992. -136с.

21. Веденов А.А., Ежов А.А., Книжникова Л.А., Левченко Е.Б. Ложная память в модельных нейронных сетях М.; ЦНИИ атоминформ, 1987. -25с.

22. Веденов А.А. и др. Фрустрация, прототипы и конкуренция в анализе нейронных моделей памяти. Препринт ИАЭ 4542/1. -М., 1987. -25с.

23. Внешнеэкономическая деятельность. Общ. ред. Кумок С.И., -Москва, АОЗТ "ВЕЧЕ", 1994.

24. Внешнеэкономическая деятельность предприятий. Под ред. Ищенко. Новосибирск, ИРИЦ "Сибирь", 1992.

25. Голубков Е.П. и др. Маркетинг: выбор лучшего решения,-Москва, Экономика, 1993.

26. Горбань А.Н., Россиев Д. А. Нейронные сети на персональном компьютере.- Новосибирск, Наука. Сиб. Изд-во РАН, 1996. 276с.

27. Гордеев Г.Д. и др.; Внешнеэкономическая деятельность предприятия. Под редакцией Стровского Л.Е. Москва, Закон и право, ЮНИТИ, 1996.

28. Григорьев Л.И., Соколов А.А. Нейросетевые технологии статистической обработки информации. М., 1999. -156с.

29. Губанов В.А. Ковальджи А.К. Выделение сезонных колебаний на основе вариативных принципов // Эконом ико Ч математические методы, 2001, том 37, № 1.

30. Гурвич Е.Т., Дворкович А.В. Процентные ставки и цена внутренных заимствований в среднесрочной перспективе // Научный доклад, РПЭИ, № 99/08, 2000.

31. Доугерти Кристофер. Введение в эконометрику. /Пер с англ. -М.: Инфра-М, 1997.-402с.

32. Дунин-Барковский B.J1. Информационные процессы в нейронных структурах. М: Наука, 1978. -166с.

33. Дунин-Барковский B.JI. Анализ влияния частотно импульсных свойств нейрона на работу простых нейронных сетей. /Автореф. -Пущино- 1971.-25с.

34. Дубовский С.В. Анализ динамики // Экономике -математические методы, 2002, том 38, № 2.

35. Елисеева И.И., Юзбашев М.М. Общая теория статистики. М. Финансы и статистика, 1999. -480с.

36. Ершов С.В., Потапов А.Б. Импульсные нейронные сети: мост между классическими моделями нейронных сетей и решет, связанных отображений. М.: ИПМ, 1995. -13с.

37. Ефимова М.Р., Петрова Е.В., Румянцев В.И. Общая теория статистики.-М., Инфра-М, 2000г., -413с.

38. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. / Элетронный документ.

39. Кильдишев Г.С. Статистический анализ динамических рядов. -Москва., "Статистика", 1974.

40. Кильдишев Г.С., Иващенко Г.А., Шмойлова Р.А. Статистическое изучение основной тенденции развития и взаимосвязи в рядах динамики. Ч Томск, 1985.

41. Кондратьев Н.Д. Избранные сочинения. Ч М.: Экономика, 1993. -542с.

42. Кондратьев Н.Д. Мировое хозяйство и его конъюнктуры во время и после войны. Вологда, Гос. изд., 1922. -258с.

43. Кондратьев Н.Д. Основные проблемы экономической статики и динамики: Предварит, эскиз / Изд. подгот. В.В. Иванов., М.С. Ковалева. -М.: Наука, 1991.-569с

44. Кондратьев Н.Д. Проблемы экономической динамики./ Редкол.: Абакин Л. И. и др; Ин-т экономики АН СССР. М.: Экономика, 1989. -523с.

45. Коновалов А.В. и др. О конечности числа экономических равновесий с нестандартными ценами Новосибирск: Изд-во ИМ, 1997. -25с.

46. Кошечкин С.А., Дмитриев М.Н. Агоритм прогнозирования объема продаж в MS Excel, МИЭПМ ИНГАСУ, 1999.-9с., www.cfin.ru

47. Левшин Ф.М. Мировой рынок: конъюнктура, рынок, маркетинг. Москва, Межд. отн., 1993.

48. Лисичкин В.А. Прогнозирование в науке и технике. М.: ЦНИИТЭИ, 1968. -108с.

49. ЛипсицИ. Коммерческое ценообразование.-Москва, 1995.

50. Маевский В.И. Кондратьевские циклы, экономическая эволюция и экономическая генетика. М.: ИЭ РАН, 1994. -39с.

51. Мазманова Б.Г. Основы теории и практики прогнозирования. Учеб. пособие /- Екатеринбург: ИПК УГТУ, 1998. -127с.

52. Малинецкий Г.Г., Потапов А.Б. Нелинейность. Новые проблемы, новые возможности. Ч М., 1994. Ч32с.

53. Макин И.Г. Теория устойчивости движения. М., 1952. -431с.

54. Маркетинг. Учебное пособие. / Под редакцией Романова. Ч М.: ЮНИТИ,1996.

55. Международная торговля: финансовые операции, страхование и другие услуги. Перевод под ред. Гольберца М.А., Вороновой А.В., -Киев, Торгово-издательское бюро BHV, 1994.

56. Международные ватотно-кредитные и финансовые отношения. / Под ред. Красавиной Л.П., Москва, "Финансы и статистика", 1994 .

57. Международные расчеты по коммерческим операциям. Части 12-3: Аккредитив, Инкассо. / Перевод под ред. Носко А.П., АО "Консатбанкир", Москва, 1994.

58. Международные экономические отношения. Учебное пособие. / Под ред. Супруновича Б.П., Москва, 1995.

59. Методы анализа взаимодействия в экономических системах. -Новосибирск: Наука, 1980. 207с.

60. Методы анализа и оптимизации сложных систем / Под ред. Акад. Лупичева Л.Н., -М.: ИФТП, 1993. 142с.

61. Методы анализа и прогнозирования показателей производственно -хозяйственной деятельности энергетич. объединения / Под ред. П.М. Шевкоплясова, СПб., Энергоатомиздат, 1994. 143с.

62. Методы анализа и прогнозирования уровня жизни. / АН СССР, ЦЭМИ, НиВЦ. М., 1980. - 168с.

63. Методы анализа и синтеза нелинейных цепей. Сб. научных трудов. / АН УССР, Киев: Наука думка, 1982. - 227с.

64. Методы анализа макроэкономической структуры экономики и доходов Сб. статей. М.: НИФИ, 1995. - 66с.

65. Моделирование возбуждения колебаний в лампах бегущей воны / О.И. Воскобойникова и др. М.: ИПМ, 1998. - 18с.

66. Моделирование и анализ экономических процессов: финансовый и экологический аспекты: СПб. науч. тр./ Росс. акад. наук. Сиб. отделение, Новосибирск: ИЭ и ОПП, 1997. - 168с.

67. Моделирование эволюции экономических систем /Под ред. Тамбовцева С.М. Барабанов и др. МГУ им. Ломоносова, экон. фак-т -М.: Диалог МГУ, 1997. 107с.

68. Моделирование экономической динамики: риск, оптимизация, прогнозирование / Под ред. P.M. Нижегородцева, -М.: Диалог МГУ, 1997.- 151с.

69. Невелев А.М. Материально-техническое снабжение и сбыт на промышленном предприятии. Киев, 1990.

70. Невелев A.M. Снабженческо-сбытовая работа на предприятии в условиях хозрасчета. Киев, 1990.

71. Нейроинформатика. / Отв. ред. Е.А. Новиков, РАН. Ч Новосибирск, СП Наука РАН, 1998. -296с.

72. Нейроинформатика 2000: сб. науч. тр. / Отв. ред. А.В. Батаев. -М.: МИФИ, 2000. -220с.

73. Нейронные сети и нейрокомпъютинг. Биб. Указ. Лит./ Ул.ГТУ. -Ульяновск, 1997.

74. Нейронные сети: определения, концепции, применение: обзор. -М, ЦНИИ, 1991.-53с.

75. Нелинейные воны: Структуры и бифуркации: Сб. ст./АН СССР. Отв. Ред. А.В. Гапонов-Грехов, М.И. Рабинович. М.: Наука, 1987. -397с.

76. Нелинейные и линейные методы в распознавании образов Сб. ст. / Отв. Ред. И.Т. Турбович. -М.: Наука, 1975. -156с.

77. Новое в синергетике. М.: Наука, 1996.

78. Обработка информации нейронными сетями: Сб. ст. / Ред. проф. А.А. Веденов. -М: ВИНИТИ, 1990. -132с.

79. Общая теория статистики: статистическая методология в изучении коммерческой деятельности. / Под ред. Спирина А.А., Баш иной О. Э. -М., "Финансы и статистика", 1994.

80. Практические рекомендации по организации сбыта. Учебное пособие. Уфа, 1996.

81. Пригожин И. Введение в термодинамику необратимых процессов. / Пер. В.В. Михайлова М.: Иностранная литература, 1960. -127с.

82. Пригожин И., Рерихи Е. и Н. В поисках нового мировидения -М.: Знание, 1991. -62с.

83. Пригожин И., Стенгерс И. Время, хаос, квант: К решению парадокса времени. М.: Прогресс, 1994. -266с.

84. Пригожин И. Р. Молекулярная теория растворов. М.: Металургия, 1990. -359с.

85. Пригожин И., Стенгерс И. Порядок из хаоса: Новый диалог человека с природой. М.: Прогресс, 1986. -431с.

86. Прогноз электропотребления: анализ временных рядов, геостатистика, искусственные нейронные сети. / Под ред. Р.В. Арутюнян и др., М.: РАН, 1999. - 45с.

87. Прогнозирование и программирование урожаев винограда: / Амирджанов Ята: ВНИИВиПП, 1988.- 108с.

88. Прогнозирование на основе аппарата нейронных сетей. / Учебник. Электронный материал, www.anriintern.com.

89. Рахимов Р.К. и др. Прогнозирование и инвестиционное моделирование в экономике. Ч Душанбе: Дониш, 1971. -54с.

90. Сабельников А.В. Международная торговля и торговая политика на рубеже 21 века. // Международный бизнес России,-1996,-№11//

91. Светуньков С.Г. Количественные методы прогнозирования эволюционных составляющих экономической динамики. Ульяновск.: УГУ, 1999.-117с.

92. Светуньков С.Г. Методы маркетинговых исследований. Учебное пособие. СПб.: Издательство ДНК, 2003. -352с.

93. Светуньков С.Г. Методы прогнозирования экономической конъюнктуры в маркетинговых системах. СПб.: СПбГУЭФ, 2002.

94. Светуньков С.Г. Основы анализа и прогнозирования экономической конъюнктуры.- Нукус,1996.

95. Светуньков С.Г. Прогнозирование экономической конъюнктуры в маркетинговых исследованиях. СПб.: СПбГУЭФ, 1997.

96. Светуньков С.Г. Эконометрические методы прогнозирования спроса.-М.: МГУ, 1993.

97. Семенов К.А., Международные экономические отношения. -Москва, 1998.

98. Синельников-Мурылев С.Г., Энтов P.M., Дробышевский С.М., Носко В.П., Юдин А.Д. Эконометрический анализ динамических рядов основных макроэкономических показателей М.: Ин-т эк-ки перех. периода, 2001. -173с.

99. Скурихин А.Н. Нейронные сети: определения, концепции, применение: Обзор. М., ЦНИИ атоминформ, 1991. - 53с.

100. Скотт Д.Г. Учитесь эффективно продавать и управлять сбытом. Киев, Внешторгиздат, 1992.

101. Статистика рынка товаров и услуг. / Под редакцией Белявского. Москва, 1997.

102. Статистический анализ в экономике. / Под редакцией Громыко. Москва, МГУ, 1992.

103. Статистическое моделирование и прогноз разрушения горных пород в очагах горных ударов / Пимонов А.Г. и др.- Кемерово: Акад. горных наук, 1997. -177с.

104. Сутягин B.C. Анализ и прогнозирование народнохозяйственной динамики. Ч М., 1992.

105. Теория предвидения и будущее России. Материалы 5 Кондратьевских чтений. М.: МФК, ИЭ РАН, 1997. -488с.

106. Тойнби А.Дж. Постижение истории. М.: Прогресс, 1991.

107. Трисеев Ю.П. Догосрочное прогнозирование экономических процессов. Киев: Наукова Думка, 1987. -133с.

108. Феоктистова Е.М., Красюк И.Н. Маркетинг : теория и практика. Москва, 1993.

109. Хойер В. Как делать бизнес в Европе. Москва, 1991.

110. Холодниок М., Клич А., Кубичек М., Марек М. Методы анализа нелинейных динамических моделей. М.: Мир, 1991. - 365с.

111. Шандезон и др. Методы продажи., Москва, 1993.

112. Энтов P.M. Проблемы моделирования финансовых показателей: цены, обменный курс, процентные ставки, фондовый индекс в российской экономике. М., 1999. -117с.

113. Яфраков М.Ф. и др. Нейросетевые и паралельные методы обработки информации: Некоторые представления аттракторов в теории анализа и синтеза искусственных нейронных сетей. // Известие ВУЗов. Приборостроение. № 6 1997, том 40.

114. Aartifical Intelligence. // Amsterdam: Time-Life-Books, 1986.

115. Aarts E., Korst J. Boltzmann machines for travelling salesman problem. // European J. Oper. Res., 1989.

116. Cagan P. The Money Dynamics of Hyperinflation', in Studies in the Quantity Theory of Money, ed. by M. Friedman, 1956, University of Chicago Press.

117. Carlton A.Pederson, Milburn P.Wright, Barton A.Weitz. Selling: Principles and Methods., -Illinois, "Homewood", 1988.

118. Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine. // Comput., 1986. V.37

119. Computing with neural circuits: a model. // Science, 1986. V. -233p. 625-633.

120. Dayan A. Manuel de la distribution. Ed.d'Organisation, 9 ed.,1987.

121. Ferdinand F.Mauser. Selling: A Self Management Approach. -New York, 1977.

122. Hect-Nielsen R. Neurocomputing: picking the human brain. // IEEE Spectrum, 1988. V.25. № 3.

123. Jerone Mc Cartby E., William D. Perreault. Understanding Business Statistics. -Boston, "Homewood", 1991.

124. Judith E. Dayhoff/ Neural Network architectures/ VNR, New-York,1990. - 259p.

125. Kotler Philip. Marketing, Management: Analysis, Planning and Control.,-London, 1976.

126. Montgomery, Douglas C. Forecasting and time series analysis. /Douglas C. Montgomery, Lynwood A. Johnson, John S. Gard iner. 2nd ed. -ISBN 0-07-042858-1.

127. Neural Computing. // London: IBE Technical Services, 1991.

128. Pindyck R.C., Rubinfeld D.L. Econometric models and economic forecasts. New-York,1976.

129. Russell, Beach, and Buskirk. Textbook of Salesmanship.- New York, 1978.

Похожие диссертации