ПРОГНОЗУВАННЯ ІНДЕКСУ ДІЛОВИХ ОЧІКУВАНЬ УКРАЇНИ НА ОСНОВІ НЕЙРОННИХ ТЕХНОЛОГІЙ
Анотація
Розглянуто один із випереджаючих економічних індикаторів – індекс ділових очікувань (business confidence index, BCI). Цей показник характеризує стан економіки та бізнес ситуації країни. На його основі можна визначати майбутні зміни ділових циклів та економічні перспективи, оскільки його пов’язують з концепцією економічних циклів. BCI дає змогу виявляти та прогнозувати кризові явища, які відбуваються в економіці та розробляти можливі варіанти виходу із них. Запропоновано авторське бачення етапів прогнозування індексу ділових очікувань на основі нейромережевих технологій. Досліджено динаміку ВСІ вітчизняної економіки за останні одинадцять років (2008-2019). Сформовано систему соціально-економічних показників, які здійснюють вплив на ВСІ. На основі коефіцієнтів кореляції встановлено ступінь їх зв’язку з ВСІ та відібрано лише ті, які мають високий рівень зв’язку. На основі відібраних соціально-економічних показників було побудовано прогноз значення ВСІ на наступний період. Для прогнозування індексу ВСІ для української економіки було застосовано нейромережеві технології, у якості вихідних даних було обрано квартальні значення темпів зростання відібраних показників. Установлено, що отриманий прогноз повністю повторює тенденцію вихідного часового ряду. Помилка прогнозу становить 4%, що свідчить про високу якість отриманих результатів. Результати прогнозування свідчать про те, що в прогнозному періоді значення індексу ВСІ в Україні зменшиться на 3,12% порівняно з попереднім періодом та складе 115,96. Прогнозні значення індексу ділових очікувань дають змогу раніше за інші макроекономічні показники передбачати зміни бізнес-клімату країни.
Посилання
2. Sakaji, H., Kuramoto, R., Matsushima, H., Izumi, K., Shimada, T., & Sunakawa, K. (2019) Financial Text Data Analytics Framework for Business Confidence Indices and Inter-Industry Relations. Proceedings of the First Workshop on Financial Technology and Natural Language Processing (FinNLP@IJCAI 2019), Macao, China, August 12. (pp. 40-46).
3. Feuerriegela, S., & Gordon, J. (2019) News-based forecasts of macroeconomic indicators: A semantic path model for interpretable predictions. European Journal of Operational Research, vol. 272, no. 1, 162-175. Retrieved from https://doi.org/10.1016/j.ejor.2018.05.068.
4. Kashchena, N.B., Horoshanska, O.O., Polova, T.V., Prokopova, O.V., Harkusha, N.M., Rudenko, I.V. et al. (2016). Dilova aktyvnist pidpryiemstva: sutnist ta metodyka analizu [Business activity of the enterprise: the essence and methods of analysis]. Kharkiv: Vydavnytstvo Ivanchenka I.S. [in Ukrainian].
5. Bilan, Y., Gavurova, B., Gedek, S. & Tkacova, A. (2017) The Composite Coincident Indicator (CCI) for business cycles. Acta Polytechnica Hungarica, vol. 14, no. 7, 71-90. Retrieved from https://doi.org/10.12700/APH.14.7.2017.7.5.
6. National bank of Ukraine: Business expectations of enterprises. https://bank.gov.ua Retrieved from https://bank.gov.ua/control/uk/publish/ category?cat_id=58374 [in Ukrainian].
7. Los, V., Ocheretin, D. (2019) Prediction of Business Confidence Index Based on a System of Economic Indicators. Proceedings of the Selected Papers of the 8th International Conference on Monitoring, Modeling & Management of Emergent Economy (M3E2-EEMLPEED 2019) Odessa, Ukraine, May 22-24, 2019. CEUR Workshop Proceedings, vol. 2422, 237-248. Retrieved from http://ceur-ws.org/Vol-2422/paper19.pdf.
8. Tradingeconomics.com: 20 million indicators from 196 countries. https://tradingeconomics.com. Retrieved from https://tradingeconomics.com.
9. Paklin, N. B., & Oreshkov, V. I. (2013) Biznes-analitika: ot dannyh k znanijam [Business Analytics: From Data to Knowledge]. Saint Petersburg: Piter [in Russian].
10. Callan, R. (1999) The Essence of Neural Network. New Jersey: Prentice Hall.
