ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННОГО РЯДА ОБОРОТА ОПТОВОЙ ТОРГОВЛИ В РОССИИ

Аннотация

Непрерывное накопление информации приводит к появлению временных рядов социально-экономических показателей состоящих из сотен уровней, что в свою очередь открывает возможность использования для их моделирования и прогнозирования искусственных нейронных сетей. Не исключением является Федеральная служба государственной статистики, которая за время своего существования сформировала большое количество макроэкономических показателей в помесячной динамике, что делает возможным применения к ним методов машинного обучения.  Отсюда вытекает цель проводимого исследования, которая заключается в оценке эффективности использования искусственных нейронных сетей для моделирования и прогнозирования российских макроэкономических показателей по сравнению с традиционными методами и подходами. Основной задачей является оценка качества подгонки искусственных нейронных сетей к фактическим данным, для чего оцениваются параметры еще двух конкурирующих моделей, а именно регрессия с трендом и сезонными фиктивными переменными и модель Хольта-Винтерса. Таким образом в работе использованы математико-статистические методы из области машинного обучения и эконометрического моделирования, а также статистические методы, такие как графический, табличный и коэффициентный. К основным результатам проведенного исследования можно отнести следующее: В среде программирования R существуют возможности осуществлять процедуры машинного обучения, в том числе применительно к моделированию временных рядов на основе искусственных нейронных сетей. Построение трех моделей динамики оборота оптовой торговли, в том числе нейронной сети прямого распространения, показал, что результат по нейронной сети схожи с предсказаниями полученными на основе регрессионной модели и модели Хольта-Винтерса. Очевидно, что для получения наилучших результатов стоит обратится к более сложным архитектурам нейросетей, таким как рекуррентные и(или) сверточные нейронные сети.