доктор экономических наук, доцент, главный научный сотрудник Института развития технологий цифровой экономики
доктор физико-математических наук, доцент, профессор кафедры Фундаментальной и прикладной математики
заместитель директора Института развития технологий цифровой экономики
The article deals with the problem of setting tasks during machine learning and intelligent analysis of real economic systems. A set of shortcomings has been identified. These shortcomings includes the organicity of using a model of rational expectations of economic entities in forecasting. The authors substantiate the idea of using adaptive ideal model development technology to evaluate and develop development scenarios. The mathematical algorithm for the development of key parameters is considered. In statics, this algorithm can be described as an ideal form of cenosis. In dynamics, this algorithm can be described by solving the problems of Markov jump autoregressive systems. The proposed algorithm was tested on the example of the exchange rate formation problem. The obtained result confirms the possibility of developing a reference model based on dynamic parameters determined by simulation.
В статье рассмотрена проблема постановки задач при проведении машинного обучения и интеллектуального анализа реальных эконмических систем. Выявлен комплекс недостатков, который включает в себя органичность использования при прогнозировании модели рациональных ожиданий экономических субъектов. Авторами обоснована идея применения технологии разработки адаптивной идеальной модели для оценки и разработки сценариев развития. Математический алгоритм разработки ключевых параметров рассматривается в статике – как идеальная форма ценоза, динамике - посредством решения задач марковских скачкообразных авторегрессионных систем. Проведено тестирование предложенного алгоритма на примере задачи формирования валютного курса. Полученный результат подтверждает возможность разработки эталонной модели, опираясь на динамические параметры, определяемые имитационно.