Использование модели множественной линейной регрессии для краткосрочного прогнозирования цен на калийную продукцию
Автор: Копотева А.В., Затонский А.В.
Рубрика: Управление в социально-экономических системах
Статья в выпуске: 4 т.23, 2023 года.
Бесплатный доступ
Нестабильность современной экономики вследствие глобальных и региональных конфликтов и противоречий приводит к существенным колебаниям на сырьевых рынках. Непредсказуемость спроса и цен приводит к повышению рисков деятельности добывающих отраслей и ограничивает их успешное функционирование и развитие. Цель исследования. В данной работе произведена попытка использования модели множественной линейной регрессии для получения приемлемого качества прогнозной цены калийной продукции. Несмотря на распространенность и простоту построения и интерпретации, прогностические свойства таких моделей, как правило, неудовлетворительны. Тем не менее при адекватном подборе факторов и объема выборки, используемой для оценки неизвестных параметров модели, можно добиться приемлемого качества прогноза на ее основании.
Множественная линейная регрессия, статистические данные, калийная отрасль, краткосрочное прогнозирование, цена калийной продукции
Короткий адрес: https://sciup.org/147242617
IDR: 147242617 | УДК: 519.25 | DOI: 10.14529/ctcr230409
Application of multiple linear regression model for potash prices short-term forecasting
The modern economy instability due to global and regional conflicts and contradictions leads to significant fluctuations in commodity markets. The demand and prices unpredictability leads to the raw materials industries risks increase and limits their successful functioning and development. The purpose of the study. In this paper, we made an attempt of a multiple linear regression model application to obtain a forecast price of potash products acceptable quality. Despite the wide application and simplicity of construction and interpretation, the forecasting properties of such models are usually unsatisfactory. Nevertheless, an adequate selection of factors and the sample size used to estimate unknown parameters of the model, allows to achieve an acceptable forecasting quality.
Список литературы Использование модели множественной линейной регрессии для краткосрочного прогнозирования цен на калийную продукцию
- Alternative techniques for forecasting mineral commodity prices / C.A. Tapia Cortez, S. Saydam, J. Coulton, C. Sammut // International Journal of Mining Science and Technology. 2018. Vol. 28, iss. 2. P. 309–322. DOI: 10.1016/j.ijmst.2017.09.001
- Progress and prospects of data-driven stock price forecasting research / C. Zhao, M. Wu, J. Liu et al. // International Journal of Cognitive Computing in Engineering. 2023. Vol. 4. P. 100–108. DOI: 10.1016/j.ijcce.2023.03.001
- Бушуев В.В. Cтруктурноволновой анализ и прогноз мировой динамики нефтяных цен // Энергетическая политика. 2019. № 3. C. 54–61.
- Forecasting oil, coal, and natural gas prices in the pre-and post-COVID scenarios: Contextual evidence from India using time series forecasting tools / M.Sh. Alam, M. Murshed, P. Manigandan et al. // Resources Policy. 2023. Vol. 81. DOI: 10.1016/j.resourpol.2023.103342. URL: https://www.sciencedirect.com/science/article/pii/S0301420723000508 (дата обращения: 20.07.2023).
- Gutiérrez-Moya E., Lozano S., Adenso-Díaz B. A pre-pandemic analysis of the global fertilizer trade network // Resources Policy. 2023. Vol. 85. Part B. DOI: 10.1016/j.resourpol.2023.103859. URL: https://www.sciencedirect.com/science/article/pii/S0301420723005706 (дата обращения: 20.07.2023).
- Торопцев Е.Л., Гурнович Т.Г., Мурадова И.Ю. Прогнозирование ценовой конъюнктуры рынка минеральных удобрений // π-Economy. 2010. № 1 (92). С. 73–82.
- Земсков А.А., Максимович Н.Г., Мещерякова О.Ю. Современные тенденции в развитии калийной промышленности в мире // Известия ТулГУ. Науки о Земле. 2022. № 3. URL: https://cyberleninka.ru/article/n/sovremennye-tendentsii-v-razvitii-kaliynoy-promyshlennosti-v-mire (дата обращения: 20.07.2023).
- Mao S., Zeng X.-J. SimVGNets: Similarity-Based Visibility Graph Networks for Carbon Price Forecasting // Expert Systems with Applications. 2023. Vol. 230. DOI: 10.1016/j.eswa.2023.120647. URL: https://www.sciencedirect.com/science/article/pii/S0957417423011491 (дата обращения 20.07.2023).
- Al Rawashdeh R. World peak potash: An analytical study // Resources Policy. 2020. Vol. 69. DOI: 10.1016/j.resourpol.2020.101834. URL: https://www.sciencedirect.com/science/article/pii/S0301420720308667 (дата обращения: 20.07.2023).
- Al Rawashdeh R., Xavier-Oliveira E., Maxwell P. The potash market and its future prospects // Resources Policy. 2016. Vol. 47. P. 154–163. DOI: 10.1016/j.resourpol.2016.01.011
- Dynamic potassium flows analysis in China for 2010–2019 / X. Song, Y. Geng, Y. Zhang et al. // Resources Policy. 2022. Vol. 78. DOI: 10.1016/j.resourpol.2022.102803. URL: https://www.sciencedirect.com/science/article/pii/S0301420722002513 (дата обращения: 20.07.2023).
- Morales M.Á.S., Anguiano F.I.S. Data science – time series analysis of oil & gas production in mexican fields // Procedia Computer Science. 2022. Vol. 200. P. 21-30. DOI: 10.1016/j.procs.2022.01.201
- Сиротина Н.А., Копотева А.В., Затонский А.В. Метод конечно-разностного социально-экономического прогнозирования // Прикладная математика и вопросы управления. 2021. № 1. С. 174–189. DOI: 10.15593/2499-9873/2021.1.10
- Копотева А.В., Максимов А.А., Сиротина Н.А. Модели машинного обучения в задаче прогнозирования природно-ресурсного потенциала Пермского края // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». 2021. Т. 21, № 4. С. 126–136. DOI: 10.14529/ctcr210411
- Эконометрика / Елисеева И.И., Курышева С.В., Костеева Т.В. и др.; под ред. И.И. Елисеевой. М.: Финансы и статистика, 2007. 576 с.
