Научный архив: статьи

В статье автор определяет основные тенденции развития предпринимательства в России и мире, выявляет положительные и отрицательные тенденции развития российского предпринимательства, способы государственной поддержки российского бизнеса, выделяет среди них основные приоритетные направления. Кроме того, автором анализируется прогнозная информация по развитию предпринимательства в соответствии с Прогнозом социальноэкономического развития Российской Федерации на период до 2030 года, а также делаются собственные предположения и рекомендации по этому вопросу

В статье систематизированы современные представления об особенностях использования инструментария искусственного интеллекта в целях анализа, оптимизации финансовых потоков. Актуальность темы аргументируется стремительным ростом объема транзакций в глобальной экономике в сочетании с неспособностью традиционных методов обеспечить по–настоящему результативную обработку многомерных динамических данных в режиме реального времени. В нынешних условиях возникает острая необходимость в разработке новых подходов к управлению денежными потоками — прежде всего, построенных на основе технологий искусственного интеллекта. Цель исследования заключается в систематизации теоретико–методологического базиса применения ИИ в анализируемой сфере, а также в выявлении конкретных преимуществ и ограничений (в отношении этого предложен авторский взгляд на ситуацию, который целесообразно рассматривать в качестве отправной точки для последующих изысканий на предмет определения сдержек и противовесов к задействованию искусственного интеллекта). В научной литературе наблюдаются противоречия между теоретическими моделями использования ИИ и практическими возможностями их реализации, а также разногласия в оценках эффективности различных типов нейросетей для финансового прогнозирования. Недостаточно исследованы вопросы информационной безопасности, правового регулирования в данной области. Установлено, что наиболее перспективными направлениями являются применение глубоких нейронных сетей для анализа временных рядов, методов обучения с подкреплением в целях оптимизации управленческих решений, внедрение технологий обработки естественного языка для работы с неструктурированными финансовыми документами. Подчеркнута значимость графовых инструментов в обнаружении подозрительных схем движения средств, предотвращении мошеннических действий. Статья представляет интерес для аналитиков, специалистов в области искусственного интеллекта, руководителей финансовых департаментов.

В данной статье рассматривается применение машинного обучения в национальной экономике. Описываются основные концепции и методы машинного обучения, включая контролируемое, неконтролируемое обучение и обучение с подкреплением. Анализируются ключевые направления использования этой технологии в экономике, такие как прогнозирование рыночных тенденций, управление финансовыми рисками и анализ экономических данных. Особое внимание уделяется преимуществам машинного обучения, включая повышение эффективности принятия решений, автоматизацию процессов и обработку больших объемов данных. Вместе с тем рассматриваются проблемы внедрения данной технологии, такие как потребность в качественных данных, правовые и этические аспекты, а также нехватка квалифицированных специалистов. В статье предлагаются рекомендации по развитию инфраструктуры машинного обучения, инвестициям в иссчледования и подготовке кадров, что может способствовать экономическому росту и повышению конкурентоспособности страны.

Материалы и методы: В данной работе использовались различные методы и подходы к изучению машинного обучения в сфере национальной экономики. Основные методы включают анализ научной литературы, статистический анализ данных, моделирование с использованием алгоритмов машинного обучения, а также практическую реализацию экономических моделей с применением языков программирования Python и библиотек машинного обучения. Для анализа экономических данных были выбраны методы линейной регрессии, деревьев решений и нейронных сетей, так как они позволяют эффективно прогнозировать изменения ключевых макроэкономических показателей, таких как ВВП, инфляция, курс валют и уровень безработицы. В качестве инструментов использовались библиотеки Pandas, NumPy, Scikitlearn и Matplotlib, позволяющие обрабатывать, анализировать и визуализировать данные. Исследование основано на данных официальных статистических агентств и финансовых учреждений, включая исторические данные о макроэкономических показателях, рыночных тенденциях и финансовых рисках. Для обработки данных использовались методы очистки, нормализации и преобразования данных, что позволило повысить точность моделей. Практическая часть исследования включала разработку алгоритмов машинного обучения для прогнозирования экономических показателей. Модель линейной регрессии использовалась для предсказания роста ВВП, а более сложные модели, такие как случайные леса и градиентный бустинг, применялись для анализа более сложных взаимосвязей в экономике. Таким образом, использование современных методов машинного обучения в экономике позволяет получать точные прогнозы, выявлять закономерности в экономических данных и принимать стратегические решения на основе объективного анализа.

Заключение: Применение методов машинного обучения в национальной экономике открывает значительный потенциал для улучшения экономического анализа и принятия решений. С помощью современных алгоритмов и инструментов, таких как линейная регрессия, деревья решений и нейронные сети, можно эффективно моделировать и прогнозировать ключевые макроэкономические показатели, включая рост ВВП, инфляцию и финансовые риски. Эти методы позволяют более детально и точно понимать экономические тренды и взаимосвязи, что приводит к более обоснованным стратегическим решениям со стороны правительств, бизнеса и финансовых учреждений. Используя такие современные технологии, как Python, Pandas, NumPy и Scikit-learn, исследование продемонстрировало возможность обработки и анализа больших объемов экономических данных с высокой точностью. Машинное обучение предоставляет ценный инструмент для прогнозирования экономических показателей, управления рисками и оптимизации распределения ресурсов. Однако эффективность этих моделей зависит от качества используемых данных, и существуют проблемы, связанные с полнотой данных, интерпретируемостью моделей и вычислительными ресурсами. В заключение, машинное обучение является мощным инструментом для улучшения экономического прогнозирования и управления рисками. Для успешной интеграции этих технологий в национальные экономические системы страны должны инвестировать в исследования, улучшать цифровую инфраструктуру и разрабатывать образовательные программы для подготовки квалифицированных специалистов. Правильное внедрение машинного обучения может способствовать быстрому экономическому росту, более эффективному принятию решений и усилению конкурентоспособности на мировой арене.

Анализ современных отечественных и зарубежных исследований позволяет прийти к выводу о взаимосвязи процесса прогнозирования и социализации: способность детей предвосхищать события будущего является ресурсом их успешной адаптации в социуме. Целью работы являлось изучение рече-коммуникативной функции прогнозирования у детей с нарушениями зрения. Нами была использована методика «Прогностические истории», разработанная преподавателями Казанского федерального университета, позволяющая выявить способности детей дошкольного возраста прогнозировать развитие событий в различных сферах взаимодействия. В исследовании приняли участие 38 детей в возрасте от 5 до 7 лет (19 детей с нарушениями зрения и 19 детей без патологии зрения). Выявлены низкие показатели критерий рече-коммуникативной функции прогнозирования у детей с нарушениями зрения, проявляющиеся главным образом в односложной речи и аграмматизмах.

Развитие искусственного интеллекта (ИИ) кардинально меняет банковский сектор, ускоряя цифровую трансформацию и повышая эффективность бизнес-процессов. Внедрение интеллектуальных алгоритмов позволяет автоматизировать клиентское обслуживание, управление рисками и борьбу с финансовыми мошенничествами. ИИ-аналитика улучшает кредитную оценку, персонализирует финансовые продукты и оптимизирует управление активами. Использование машинного обучения снижает операционные издержки, повышает уровень кибербезопасности и улучшает точность прогнозирования рыночных трендов. В статье анализируются основные направления внедрения ИИ в банковской сфере, оценивается его экономическая эффективность и рассматриваются ключевые риски и барьеры цифровой трансформации финансовых учреждений.

Развитие цифровых технологий повышает потребность предприятий в интеграции автоматизированных систем управления (ERP), направленных на оптимизацию бизнес- процессов и снижение операционных затрат. Внедрение ERP-систем обеспечивает централизованный контроль ресурсов, автоматизацию учета, управление финансовыми потоками и прогнозирование спроса. Экономическая эффективность этих решений выражается в повышении производительности, снижении транзакционных издержек и улучшении управления цепочками поставок. В статье анализируются инвестиционные затраты на внедрение ERP, источники финансирования, ключевые выгоды для бизнеса и возможные риски. Рассматриваются перспективы развития ERP-систем с учетом технологических трендов, включая облачные вычисления, искусственный интеллект и интеграцию с интернетом вещей.

Современные экономические кризисы развиваются с высокой скоростью и сложностью, что требует новых методов прогнозирования и раннего выявления рисков. Использование технологий больших данных позволяет анализировать сложные экономические процессы в режиме реального времени, выявлять скрытые паттерны кризисов и предсказывать возможные макроэкономические потрясения. Применение машинного обучения, нейросетевых моделей и обработки высокочастотных финансовых данных значительно повышает точность прогнозирования кризисных сценариев, позволяя принимать упреждающие меры. В статье исследуется роль больших данных в выявлении нестабильности, рассматриваются основные источники информации, методы аналитики и ограничения алгоритмических предсказаний. Анализируются успешные примеры использования больших данных центральными банками и финансовыми регуляторами, а также перспективы интеграции предсказательных моделей в экономическую политику.

В статье представлен анализ структурных и конъюнктурных факторов, оказывающих влияние на динамику курса рубля в период с 1 квартала 2015 года по 3 квартал 2024 года. Целью исследования является разработка факторной модели, позволяющей осуществлять краткосрочное прогнозирование курса рубля с учетом текущей экономической среды. Авторы исследования используют методы эконометрического анализа для построения двух моделей множественной регрессии, где зависимой переменной выступает среднеквартальный курс валютной пары RUB/USD. Первая модель не учитывает лагированный курс рубля, в то время как вторая модель включает этот параметр для более точной оценки. С помощью статистических показателей, таких как R-squared, F-statistics и t-statistics, были выявлены ключевые факторы, оказывающие наибольшее воздействие на курс рубля. На основе проведенного анализа построена эконометрическая модель, которая наилучшим образом описывает динамику курса рубля в современных экономических условиях. В результате исследования влияния структурных и конъюнктурных факторов на динамику курса рубля было установлено, что наибольшее влияние в период с 1 квартала 2015 по 3 квартал 2024 гг. оказывают такие факторы как ВВП, реальная процентная ставка, показатель внутреннего долга и индекс волатильности RVI. Результаты исследования могут быть полезны розничным инвесторам для принятия обоснованных финансовых решений на валютном рынке, банкам и финансовым компаниям для управления валютными рисками, государственным органам для формирования экономической политики, научным исследователям и студентам это исследование предоставит новый материал для анализа и развития существующих теорий. В работе также обсуждаются возможные ограничения модели и направления для дальнейших исследований.

Агропродовольственные системы все больше подвержены экономической нестабильности, вызванной действием широкого спектра факторов, проблемы с идентификацией которых затрудняют предсказуемость их функционирования. Статья направлена на формирование теоретико-методических основ нейросетевого прогнозирования агропродовольственных систем. Методологической базой исследования послужили теория интеграции в приложении к предприятиям агропромышленного сектора и системный подход. Использовался комплекс общенаучных и специальных методов, включая элементы статистического анализа. Предложена авторская трактовка понятия «агропродовольственная система» как совокупности взаимосвязанных экономических субъектов, охватывающих весь цикл производства, хранения, переработки, распределения и потребления продуктов питания, объединенных и взаимодействующих между собой на основе экономических отношений и обеспечивающих достижение индивидуальных и совокупных системных эффектов. Сформирована структурная схема интеграции и взаимодействия элементов агропродовольственной системы, включающих экономические субъекты сельского хозяйства и продовольственного сектора, вертикально интегрированные структуры, домашние хозяйства населения. Обоснован концептуальный подход к систематизации эндогенных и экзогенных факторов прогнозирования. Экзогенные факторы были классифицированы как факторы первого и второго уровня по отношению к экономическим субъектам в зависимости от оказываемого влияния. Анализ особенностей проявления экзогенных факторов в функционировании агропродовольственной системы РФ выявил ее нестабильность, связанную с высокой волатильностью факторов данного типа, что определяет актуальность построения прогностических моделей на основе нейронных сетей. Результаты исследования способствуют более глубокому пониманию влияния различных факторов на параметры функционирования агропродовольственной системы и помогают разрабатывать соответствующие методы прогнозирования с использованием нейронных сетей.

Проблема прогнозирования уровня безработицы в Республике Беларусь остается актуальной в условиях динамично изменяющейся экономической среды. Традиционные методы прогнозирования, основанные на официальной статистике, зачастую не учитывают оперативные изменения на рынке труда, что снижает их точность. В то же время данные поисковых запросов доказали свою эффективность в качестве опережающих индикаторов в других странах, однако, их применение в Беларуси остается неизученным. Статья посвящена оценке возможности использования данных поисковых запросов для повышения точности прогнозирования уровня безработицы в Республике Беларусь. Методологическую основу исследования сформировали теоретические положения макроэкономики и модели SARIMA, VAR и SARIMAX. Методы включали декомпозицию временных рядов, тест Дики – Фуллера для оценки стационарности, дифференцирование, стандартизацию данных и тест Грейнджера на причинность. Информационную базу составили данные Национального статистического комитета Республики Беларусь об уровне безработицы за 2015–2024 гг. и данные о поисковых запросах Google, связанные с поиском работы. Выявлено, что модель SARIMAX с включением данных о поисковых запросах превосходит классические модели прогнозирования безработицы, демонстрируя минимальные ошибки. Согласно этой модели, прогнозные значения уровня безработицы показали тенденцию к снижению, что отражает устойчивую динамику улучшения ситуации на рынке труда Республики Беларусь. Полученные результаты подчеркивают значимость комбинирования традиционных данных с цифровыми метриками для повышения точности прогнозов, а также открывают перспективы для дальнейших исследований в области применения интернет-данных для социально-экономического анализа, включая разработку более совершенных моделей прогнозирования безработицы

В данной статье подробно рассматриваются ключевые элементы, включающие комплексный мониторинг гидрологической обстановки, прогнозирование развития опасных явлений, разработку и реализацию адаптивных мер по защите сельских территорий и инфраструктуры. Рассмотрена концепция, акцентирующая внимание на научно-обоснованной оценке уязвимости территорий к наводнениям различных генетических типов до наступления чрезвычайных ситуаций и анализа сопутствующих явлений и ущербов. В рамках данной концепции первостепенной является научно-обоснованная оценка уязвимости для наводнений различных генетических типов ареалов до наступления чрезвычайной ситуации. Проанализирована существующая нормативно-правовая база Российской Федерации, регламентирующая деятельность в области предупреждения чрезвычайных ситуаций, порождаемых гидрологическими явлениями. Отмечается значительная роль государства в ликвидации последствий стихийных бедствий, где ключевой является проблема разработки адекватной правовой базы для оценки ущербов. Предложена реализация модели управления на сельских территориях. В данной модели реализована двойственная природа гидрологической системы региона как глобальный фактор влияния - источник рисковых событий и как ключевой ресурс в экономической системе сельских территорий. Подчеркнута необходимость развития страхования как эффективного инструмента управления ущербами, особенно учитывая исторически низкий уровень страхования имущества и сельскохозяйственных рисков в Российской Федерации.

Совокупность требований устойчивого развития создает сложную системную проблему, решение которой напрямую зависит от создания адекватного инструментария для анализа стратегических направлений устойчивого развития агропродовольственных систем различного уровня. Целью авторов настоящей статьи был анализ современных предложений российских исследователей по совершенствованию методов стратегического планирования устойчивого развития продовольственных систем и актуальных возможностей их дополнения и развития. В современных условиях влияние неопределенностей внешнего экономического окружения, межрегионального обмена продовольствием и изменения биоклиматического потенциала территорий необходимо рассматривать в рамках единой задачи перевода продовольственной системы нашей страны в режим безопасного и устойчивого развития. В этих условиях аппарат экономико-математического моделирования требует существенной доработки, обеспечивающей большую системность отражения действительности, что является актуальной научной проблемой. Модель АПК и информационно-аналитическая система Декарбон-СХ, представленные с различных сторон в настоящей работе, обладают параметрами, позволяющими их использовать в рамках созданной цифровой платформы стратегического планирования.