СИНТЕЗ ЭКОНОМЕТРИЧЕСКИХ И НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ПРОГНОЗА ПОКАЗАТЕЛЕЙ СФЕРЫ ИССЛЕДОВАНИЙ И ИННОВАЦИЙ В РОССИЙСКОЙ ФЕДЕРАЦИИ // SYNTHESIS OF ECONOMETRIC AND NEURAL NETWORK MODELS FOR INDICATORS PREDICTION IN RESEARCH AND INNOVATION IN THE RUSSIAN FEDERATION

I. Kolmakov, M. Domozhakov, ИГОРЬ Колмаков Борисович and МАТВЕЙ Доможаков Валерьевич
Additional contact information
I. Kolmakov: Russian Plekhanov University of Economics
M. Domozhakov: Russian Plekhanov University of Economics
ИГОРЬ Колмаков Борисович: Российский экономический университет им. Г.В. Плеханова
МАТВЕЙ Доможаков Валерьевич: Российский экономический университет им. Г.В. Плеханова

Управленческие науки // Management Science, 2016, vol. 6, issue 2, 27-37

Abstract:

The article considers general methodology and architecture of hybrid system models for prediction of economic indicators and its implementation in the form of an integrated information system on the example of research and innovation indicators of the Russian economy. The scheme of the distributedinformation-analytical system is demonstrated. The general verification process algorithm of the modelprediction unit is presented, which contributes significantly to the credibility of the forecast results. The object of the study is a unified system of hybrid models, combining econometric and neural network modelsinto a single system of hybrid economic models. The structure of the hybrid forecasting system consists of two subsystems: the subsystem of the distributed econometric forecast models and subsystem of the distributed neural network prediction models. The objective reasons, under which the level best of regression modelsis reached, are identified. The subsystem architecture of the distributed neural network models developedin the programming language Python with the use of the web framework Django is described. The stages of indicators forecasting in a hybrid model are shown. The hybrid models functional structure based on the use of software modules are considered. The use of such a system allows not only to improve the accuracy and quality of the forecasts, but also to apply them in the control loop foreaching the targets.

Рассмотрены общая методология и архитектура системы гибридных моделей прогноза экономических показателей и ее реализации в виде интегрированной информационной системы на примере показателей сферы исследований и инноваций экономики Российской Федерации. Продемонстрирована схема распределенной информационно-аналитической метасистемы, представлен общий алгоритм верификации типового блока прогноза, которая способствует значительному повышению доверия к результатам прогнозирования. Объектом исследования статьи является единая система гибридных моделей, объединяющая эконометрические и нейросетевые модели в единую систему гибридных экономических моделей. Структура гибридной системы прогноза состоит из двух подсистем: подсистемы прогноза распределенных эконометрических моделей и подсистемы распределенных нейросетевых моделей прогнозирования. Выявлены объективные причины, при которых достигается предел возможностей регрессионных моделей. Описана архитектура подсистемы распределенных нейросетевых моделей, разработанная на языке программирования Python с помощью вебфреймворка Django. Показаны стадии процесса прогноза показателей в гибридной модели. Рассмотрена функциональная структура гибридных моделей, в основе которой - применение программных модулей. Использование подобной системы позволяет не только повысить точность и качество прогнозных расчетов, но и применять их в контуре управления достижения целевых показателей.

Keywords: research and innovation; regression equations systems; short-term prediction models; verificationof prediction; neural network models system; hybrid models system; сфера исследований и инноваций; системы регрессионных уравнений; модели краткосрочного прогноза; верификация прогноза; система нейросетевых моделей; система гибридных моделей (search for similar items in EconPapers)
Date: 2016-06-20
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://managementscience.fa.ru/jour/article/viewFile/57/58.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:mngsci:y:2016:i:2:p:27-37

Access Statistics for this article

More articles in Управленческие науки // Management Science from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().