Аннотация - Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей
Прогнозирование различных показателей, характеризующих региональную динамику, является актуальной задачей и входит в сферы интересов ряда различных национальных и международных организаций, которые осуществляют мониторинг социально-экономического положения и динамики регионов мира, отдельных стран и их регионов и проводят оценку последствий изменения региональной динамики в результате осуществления мер экономической политики и иных событий.
В данном исследовании предлагается новый метод макроэкономического и регионального прогнозирования -- прогнозирование региональной динамики на основе моделей искусственных нейронных сетей с включением пространственно-временных лагов, объясняющих переменных и комбинирования прогнозов. Выдвигаются две гипотезы относительно минимизации функции отклонения ошибки прогноза. Первая гипотеза предполагает снижение ошибки прогноза путем введения в модель пространственного лага, полученного на основе моделей, не учитывающих пространственную корреляцию переменных. Вторая гипотеза предполагает снижение ошибки прогноза путем комбинирования отдельных моделей, за счет одновременного использования моделей, отличающихся в своей "манере" интерпретировать входные данные.
Эмпирическое исследование проводится с применением нейросетевых (с различными сочетаниями параметров нейросетевой структуры) и линейных регрессионных моделей панельных данных с учетом и без учета пространственно-временных лагов факторов, а также несколько вариантов комбинирования прогнозов этих моделей на основе взвешенной регрессии для построения и анализа качества прогнозов региональной динамики США за период с 1987 по 2013 гг. Показано, что при использовании отдельных моделей наилучшие результаты прогнозирования демонстрируют нейросетевые модели с использованием пространственного лага, тогда как при комбинировании результатов нейросетевых и линейных панельных моделей достигнуты прогнозы более высокого качества.
Данная работа вносит свой вклад в общую теорию прогнозирования, в частности макроэкономического прогнозирования и моделирования макроэкономических пространственных взаимосвязей.
Ключевые слова: прогнозирование временных рядов, нелинейные модели, панельные данные, комбинирование прогнозов, искусственная нейронная сеть, пространственная корреляция, региональная динамика, региональный рост.
Введение
Прогнозирование различных показателей, характеризующих региональную динамику, является актуальной задаче и входит в сферы интересов ряда различных национальных и международных организаций (центральные банки экономические агентства, Мировой Банк и пр.). Подобные прогнозы строятся на регулярной основе для постоянного мониторинга социально-экономического положения и динамики регионов мира, отдельных стран и их регионов, а также в отдельных случаях для оценки разного рода благоприятных и неблагоприятных последствий изменения региональной динамики в результате осуществления мер экономической политики и иных событий, влияющих на социально-экономическое состояние регионов. Для решения задач прогнозирования региональной динамики применяется широкий спектр моделей, и с каждым разом предпринимаются пути их совершенствования. Так наибольшее распространение получили линейные [18, 25, 11, 22] и нелинейные прогнозные модели [28, 24, 9, 10], глубокий сравнительный анализ этих моделей приведен в статье Стока и Уотсона [28].
Среди нелинейных моделей большое распространение получили нейросетевые модели, которые в настоящее время широко используются при решении самых различных задач там, где обычные алгоритмические решения оказываются неэффективными или вовсе невозможными. Экономическое нейросетевое моделирование широко используется в моделировании и прогнозировании временных рядов на разных уровнях экономики, в том числе на уровне фирм [9, 37], отраслевых рынках [30, 12, 2] и на международном уровне [12, 26, 16]. Отметим статью, в которой осуществляется применение нейросетевых моделей, при исследовании и анализе мирового экономического кризиса 2007-2009 гг. проведенное А. Коком и Т. Теравирстрой 2013 г.[4]. Исследование, затрагивающее тематику пространственного прогнозирования, было проведено Пинг-Фэн Пай и Вэй Чан-Хун в статье 2005 г. в которой они осуществили прогнозирование региональной нагрузки электроэнергии с применением генетических алгоритмов [33].
В ходе обзора литературы относительно прогнозирования региональной динамики, был замечен следующий факт: существует множество линейных и нелинейных моделей с использованием и без использования такого параметра как пространственный лаг [18, 17, 11, 14, 23,25]. Наиболее популярной работой в области прогнозирования региональной динамики с использованием пространственных взаимосвязей, является статья Х. Счейна, П. Вэплера, А. Ейха [31], в которой осуществлялось построение регрессионной модели прогноза относительного такого параметра, как безработица с использованием пространственного лага. [2] Так же существует множество нейросетевых моделей, относительно прогнозирования региональной динамики, например известная статья 2002 г. Че-Чан Хсу и Чиа-Йон Чена, в которой приводятся модели прогнозирования региональной динамики через нейронные сети, но нигде не проводилось исследования использования нейросетевых моделей с пространственными взаимосвязями [10]. Соответственно объектом исследования является влияние пространственного лага, как дополнительного параметра на функцию отклонения в нейросетевых моделях. Выдвигается следующая гипотеза: введение пространственного лага в нейросетевую модель оказывает влияние на минимизацию функции отклонения модели, при наличии ошибки пространственной корреляции зависимых параметров.
Стоит отметить некоторые достоинства и недостатки нейросетвых и регрессионных моделей. К достоинствам регрессионных моделей относится их простота, гибкость, единообразие их анализа и проектирования [13], так же достоинством является прозрачность моделирования [29], т. е. доступность для анализа всех промежуточных вычислений. Главным недостатком регрессионных моделей является низкая адаптивность и отсутствие способности моделирования нелинейных процессов [21], в свою очередь главной особенностью нейросетевых моделей является их нелинейность [1], т. е. способность устанавливать нелинейные зависимости между будущими и фактическими значениями процессов. Возникает вопрос возможности компенсирования недостатков одних моделей достоинствами других, что даст возможность повысить точность прогнозирования. Такую возможность нам дает комбинирование моделей [3, 7, 5, 36]. Комбинирование модели в последнее время получили очень большую популярность, в области прогнозирования. В данной работе будет рассмотрен метод комбинирования моделей как один из приемов увеличения точности прогнозирования.
Выдвигается следующая гипотеза: метод комбинирования, как один из способов прогнозирования, в большей степени оказывает влияние на минимизацию функции отклонения модели, по сравнению с индивидуальными моделями, используемыми при комбинировании.
Целью исследования является построение комбинированной модели, на основе которой может быть проведен анализ и разработка методов увеличения точности прогнозирования показателей с последующей оценкой динамики и влияющих на выходной параметр данных. В качестве нейросетевой модели используется архитектура монотонного многослойного персептрона (нейронная сеть с прямым распространением сигнала и обратным распространением ошибки), главной особенностью которой является монотонное ограничение, которое гарантирует монотонно возрастающее поведение результатов моделирования в отношении указанных факторов, модель сводится к архитектуре стандартного многослойного персептрона, если монотонное ограничение не вызывается. В качестве эконометрической модели, как второй составляющей компоненты комбинированной модели, будет использоваться линейная панельная модель.
Эмпирическая база исследования представлена двумя блоками:
- - статистические данные по динамике следующих макроэкономических показателей: ВВП на душу населения США, уровень населения США и уровень занятости США; - данные, полученные в результате составления модели для получения прогнозных показателей входных параметров с помощью нейросетевой и эконометрической моделей.
В качестве прогнозируемого параметра используется реальный ВВП на душу населения, в качестве зависимых параметров используются: временной лаг ВВП на душу населения (выраженный в приростах), временной лаг населения (выраженный в приростах), временной лаг уровня занятости (выраженный в приростах), пространственный лаг ВВП на душу населения, пространственный лаг уровня занятости. Вариации подачи прогнозируемых рядов данных будут описаны в виде спецификаций, которые будут составлены на основании дифференциации подачи зависимых данных к прогнозируемым.
В результате эмпирического исследования показано, что при использовании отдельных моделей наилучшие результаты прогнозирования демонстрируют нейросетевые модели с использованием пространственного лага, тогда как при комбинировании результатов нейросетевых и линейных панельных моделей достигнуты прогнозы более высокого качества.
Структура текста работы следующая. Во втором разделе "Методология моделирования прогнозирования макроэкономических пространственных взаимосвязей", осущетсвляется обзор сбора и преобразования данных исследования, выдвигаются гипотезы, осущетсвляется построение и трансформация моделей, дается общее описание принципов и методов исследования. В третьем разделе осуществляется анализ результатов исследования, подтверждение на основании эмпирических результатов выдвинутых ранее гипотез, подтврержается значимость исследования.
Похожие статьи
-
Таким образом, в проведенном эмпирическом исследовании был использован ряд нейросетевых (с различными сочетаниями параметров нейросетевой структуры) и...
-
Гипотеза, выдвинутая в начале исследования состоит в том, что учет пространственной взаимосвязи регионов посредством ввода в модель пространственных...
-
Формирование данных В проводимом исследовании были взяты такие показатели, как реальный ВВП на душу населения, измеряемый в долларах США, за период с...
-
Сравнительный анализ нейросетевых и регрессионных моделей прогноза без учета пространственного лага Приведем результаты оценки прогноза за период...
-
Особое место в классификации методов прогнозирования занимают комбинированные модели, которые объединяют различные методы прогнозирования [6]....
-
Для комбинирования отобраны модели с наименьшей корреляцией между собой с помощью корреляционной матрицы. Корреляционная матрица состоит из числовых и...
-
Разработка спецификаций параметров моделей осущетсвляется с учетом рассмотрения наибольшей дифференциации влияния параметров на результат оценки прогноза...
-
В практике прогнозирования широко применяется большой спектр нейросетевых архитектур, используемых для решения разного рода задач [1]. В настоящем...
-
Линейные авторегрессионные модели Стоит отметить, что построение линейных моделей так же будет осуществлено по данным спецификациям. Общий вид линейной...
-
Существует немало эмпирических исследований в рамках пространственной экономики, в которых используются российские данные регионального уровня. К....
-
ВВЕДЕНИЕ - Анализ и прогнозирование уровня конкурентоспособности компаний строительного комплекса
Актуальность темы исследования. Строительная отрасль характеризуется огромным количеством потенциальных исполнителей. Полный цикл возведения любого...
-
Основные подходы к прогнозированию доходов населения Доходы населения в рыночной экономике представляют собой совокупность поступлений денежных и...
-
Существенно корректирующиеся под воздействием макроэкономических детерминант императивы регионального стратегирования усиливают научный интерес к...
-
Демографический политика россия В настоящее время, как я уже сказал, существует 4 метода прогнозирования численности населения, которые для своих...
-
Введение В Республике Татарстан проживает более 1,1 миллиона молодежи (точная цифра по состоянию на 1 января 2014 года составляет 1 157 625 человек), из...
-
Эмпирические исследования о роли пространственного взаимодействия городов В работе (Eaton, Eckstein, 1994) рассматривается устойчивость распределения...
-
Теперь, когда в рамках данного исследования была получена модель с наилучшими характеристиками для непубличных строительных компаний, полученные...
-
Для анализа был выбран временной диапазон с 2004 года по 2014 год. В целях построения прогнозной модели собранные годовые данные были разделены на две...
-
Существует целый ряд классификаций моделей используемых для прогнозирования финансовой несостоятельности заемщиков. В своей работе Григорьева Т. И....
-
Показатели учета национального производства - Функционирование национальной экономики
Сотни тысяч фирм, миллионы граждан, государственные органы в своей деятельности принимают решения о сотнях миллионов разнообразных сделок. Однако на...
-
Показатели учета национального производства - Методы анализа национальной экономики
Сотни тысяч фирм, миллионы граждан, государственные органы в своей деятельности принимают решения о сотнях миллионов разнообразных сделок. Однако на...
-
Прогнозирование годового объема перевозок По динамике объема перевозок грузов и грузообороту можно сделать анализ, который служит для обоснования планов...
-
Различные подходы к анализу экономической динамики - Предмет и методы экономической теории
В науке к настоящему времени сложились два подхода в анализе экономической динамики и статики: анализ с учетом воспроизводственного подхода и...
-
ЛОГИКА ПРОГНОЗИРОВАНИЯ ВВП - Основные макроэкономические показатели
Оценка вероятного уровня валового национального продукта (ВНП), является отправной точкой при определении долговременного прогноза экономического роста,...
-
Одной из задач была оценка влияния интеллектуального капитала на показатели результатов деятельности транспортных и экспедиционных компаний. Данная...
-
На основании полученных результатов оценки и с учетом макроэкономических показателей, конъюнктуры рынка и прочих внешних факторов разрабатываются...
-
Существует множество факторов, которые экономисты использовали в своих исследованиях, посвященных выявлению детерминантов спортивного успеха стран на...
-
Использование коррупционных доходов - Жизненный цикл коррупционных доходов
В случае анализа коррупционного поведения модель "homo economicus" наталкивается на два варианта - взятки брать выгодно, однако риск наказания, а также...
-
Прогнозирование занимает важное место в системе государственного регулирования Республики Беларусь и выступает как самостоятельная форма регулирования, а...
-
Введение - Пути повышения рентабельности предприятия (на примере ОАО "Хлеб")
В экономическом анализе результаты деятельности предприятий могут быть оценены такими показателями, как объем выпуска продукции, объем продаж, прибыль....
-
Понятие и условия производства и реализации сельскохозяйственной продукции Продукция животноводческих отраслей делится на две категории: первая -...
-
Регрессионные модели В теории пространственной экономики выделяют пространственные связи двух типов: пространственная автокорреляция и пространственная...
-
Общеизвестный факт, что фармацевтическая индустрия, в настоящий момент стремительно развивающаяся и характеризующаяся стабильными большими объемами...
-
Жизненный цикл нововведений. Жизненный цикл нововведений (инновационный цикл) - процесс его создания, внедрения, использования и устаревания. В рамках...
-
Изучив, ОАО "Межрайагропромсервис", мы убедились, что такой анализ как ABC и XYZ не применялись ранее данной организацией. Следовательно, мы решили...
-
Сделав критический обзор методологии рейтинга "Doing Business" и введя термин "объективный рейтинг", мы предлагаем рассмотреть используемые для проверки...
-
Анализ исполнения доходов регионального бюджета Республики Саха (Якутия) за период с 2013 по 2015 годы позволит определить, в полном ли объеме были...
-
.Анализ динамики состава доходов регионального бюджета Республики Саха (Якутия) за период с 2013 по 2017 год По данным Закона Республики Саха (Якутия) от...
-
ВВЕДЕНИЕ - Анализ поведения домашних хозяйств в современной России
Долгосрочный экономический рост является одной из главных макроэкономических целей для любой страны. Обеспечением его являются инвестиции в различные...
-
Методы учета затрат на производство и калькулирования себестоимости продукции - Затраты производства
В основе решения большого круга управленческих задач в сельскохозяйственных организациях лежит именно определение себестоимости продукции (работ, услуг)....
Аннотация - Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей