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 | DOI: 10.14529/ctcr230409
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.
