Математические, статистические и инструментальные методы в экономике. Рубрика в журнале - Вестник Пермского университета. Серия: Экономика
Прогноз котировок акций ПАО "Газпром" на основе корреляционно-регрессионной связи
Статья научная
Введение: научное исследование, касающееся прогнозирования котировок акций крупной российской энергетической компании ПАО «Газпром», является актуальным, поскольку определяет перспективы инвестирования в фондовый рынок Российской Федерации. Основная идея представленной научной работы заключается в том, чтобы найти наиболее доходную и привлекательную для вложения денежных средств российскую компанию и из множества факторов выбрать индикаторы, оказывающие влияние на ее акции.
Бесплатно
Прогнозирование банковских продаж на примере ПАО "Сбербанк"
Статья научная
Введение. В исследовании подчеркивается актуальность задачи моделирования и прогнозирования банковских продаж на примере ПАО «Сбербанк» в контексте эффективного управления бизнесом. Прогнозирование объемов продаж является важным инструментом, позволяющим предсказать спрос на продукты и услуги, определить оптимальные стратегии и тактики для достижения целей компании. Уникальность исследования состоит в использовании методов искусственного интеллекта в области маркетинга. Результаты применения методов прогнозирования на проприетарной выборке данных о ежедневных продажах ПАО «Сбербанк» обладают элементами новизны, что придает значимость разработке оптимальных стратегий и тактик для успешного управления бизнесом. Основная гипотеза исследования заключается в проверке прогностических способностей методов машинного обучения в сравнении с классическими эконометрическими подходами при моделировании объемов продажах ПАО «Сбербанк».
Бесплатно
Прогнозирование отмены бронирования отелей: сравнительная характеристика спецификаций моделей
Статья научная
Неотъемлемой частью любой поездки является бронирование номера в отеле. В связи с этим за последние годы существенно возросла популярность и востребованность туристических онлайн-агентств, позволяющих клиентам сократить время и издержки прямой коммуникации с отелем, а также без штрафов и комиссий отменить бронирование. Рост количества отмен бронирований, наблюдаемый в последние несколько лет, негативно сказывается на финансовом положении и репутации отелей, которые в целях сокращения данных рисков вынуждены применять жесткую политику бронирования и стратегии овербукинга. Особую актуальность данная проблема имеет сегодня в связи с существенным сокращением туристического потока вследствие пандемии коронавируса. Решению проблемы будет способствовать разработка моделей прогнозирования отмены бронирования отелей с высокими показателями достоверности и точности прогноза. Обзор существующих решений показал, что наилучшие результаты прогнозирования обеспечивают следующие методы машинного обучения: случайный лес (Random Forest), нейронные сети, CatBoost и XGBoost. В связи с вышесказанным целью исследования является построение различных моделей прогнозирования отмены бронирования отелей на основе методов машинного обучения и их сравнительный анализ для обоснования выбора наилучшей модели при помощи метрик Accuracy, Precision, Recall, F-меры и площади под ROC-кривой. Информационную базу исследования составил набор данных “Hotel Booking Demand Dataset”, подготовленный N. Antonio, A. de Almeida и L. Nunes и опубликованный на портале ScienceDirect. В ходе исследования определено, что модель случайного леса (Random Forest) наилучшим образом предсказывает отмену бронирования отелей. В частности, на тестовой выборке данная модель показала процент правильных ответов среди всех прогнозов - 84,5 %; процент бронирований, названных классификатором отмененными и при этом действительно являющихся отмененными, - 87,3 %. В перспективе целесообразно совершенствование модели случайного леса и других моделей машинного обучения посредством включения дополнительных, ранее не учтенных гиперпараметров.
Бесплатно
Статья научная
Введение. Одной из важнейших сфер, способных обеспечивать рост национальной экономики, является рынок труда. При этом различные федеральные округа Российской Федерации в силу уникальности своего географического и социально-экономического положения вносят неодинаковый вклад в развитие ситуации на рынке труда. Все это делает актуальным анализ процессов, протекающих на рынке труда, с выявлением ключевых факторов его развития. Цель статьи заключается в анализе безработицы в Уральском федеральном округе и определении ключевых факторов, оказывающих существенное влияние на ее динамику.
Бесплатно
Статья научная
Введение. В последние десятилетия вопросу разработки способов стимулирования экономического роста уделяли внимание многие экономисты-теоретики и сотрудники органов государственного управления. Если наличие зависимости между динамикой валового внутреннего продукта и стандартными макроэкономическими факторами производства (численность занятых и объем инвестиций в основной капитал) давно доказано и не вызывает сомнений, то с другими показателями ситуация складывается не так однозначно. Цель. Статистическое обоснование наличия или отсутствия квадратичной и линейной зависимостей между темпом прироста среднедушевого ВРП регионов России и показателями неравенства их жителей по доходам: индексом Джини и коэффициентом фондов. Материалы и методы. Для достижения поставленной цели использованы эконометрические методы на панельных данных. Эмпирической базой исследования послужили данные Росстата по социально-экономическим показателям регионов России за 2006–2022 гг. Результаты. В краткосрочном периоде (длительностью до одного года) увеличение индекса Джини или коэффициента фондов по доходам замедляет прирост среднедушевого ВРП регионов России. В то же время усредненная динамика этих показателей неравенства за три–четыре последних года положительно коррелирует с текущим экономическим ростом. Наличие же квадратичной зависимости между изменением уровня неравенства и темпами экономического роста регионов не подтверждается. Однако при принятии решений в области фискальной политики нельзя руководствоваться лишь показателем роста среднедушевого ВРП. Так, увеличение индекса Джини ведет к ухудшению некоторых показателей качества жизни (например, среднего уровня удовлетворенности граждан России своей жизнью). Выводы. Результаты исследования могут быть интересны сотрудникам органов государственного управления. Переход от ВРП на душу населения к более комплексным социально-экономическим индикаторам и определение их зависимости от уровня социального неравенства является дальнейшим направлением исследований.
Бесплатно
