Algorithm for developing a cenological reference model in intelligent analysis

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

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.

About the authors

Aleksandr Nikolaevich Kuzyminov

Rostov State University of Economics (RINH)

Email: mr.azs@mail.ru
доктор экономических наук, доцент, главный научный сотрудник Института развития технологий цифровой экономики

Lyudmila Viktorovna Sakharova

Rostov State University of Economics (RINH)

Email: L_Sakharova@mail.ru
доктор физико-математических наук, доцент, профессор кафедры Фундаментальной и прикладной математики

Nikita Vitalevich Bukhov

Rostov State University of Economics (RINH)

Email: bnvscience@gmail.com
заместитель директора Института развития технологий цифровой экономики

References

  1. Polyakova A., Leonid L., Semenkin E. Researching the Efficiency of Configurations of a Collective Decision-making System on the Basis of Fuzzy Logic // 12th international joint conference on computational intelligence, ijcci 2020. 2020. – p. 277-285.– doi: 10.5220/0009976602770285.
  2. Тюкавкин Н.М. Концептуальный анализ «Теории рациональных ожиданий» // Международный научно-исследовательский журнал. – 2015. – № 8-1(39). – c. 90-94. – doi: UHNZYZ.
  3. Voronina A., Kuzminov A., Okhotnikov A., Sorokina O. Sustainable development of new technologies for clustering human capital (cenological approach) // 2021 ural environmental science forum on sustainable development of industrial region: E3S Web of Conferences. Chelyabinsk, 2021. – p. 07034.– doi: 10.1051/e3sconf/202125807034.
  4. Кузьминов А.Н., Джуха В.М., Палий И.Г. Предпринимательские ценозы в контексте эволюционного подхода // Вестник Российского экономического университета имени Г.В. Плеханова. – 2019. – № 1(103). – c. 120-134.
  5. Богомолова А.С., Колюжнов Д.В. Стабильность экономической динамики в разрезе американской монетарной политики // Мир экономики и управления. – 2011. – № 2. – c. 38-52.
  6. Торопова А.В., Абрамов М.В., Тулупьева Т.В. Машинное обучение байесовской сети доверия как инструмента оценки интенсивности процесса по данным из социальной сети // Научно-технический вестник информационных технологий, механики и оптики. – 2021. – № 5. – c. 727-737. – doi: 10.17586/2226-1494-2021-21-5-727-737.
  7. Пильник Н.П., Радионов С.А. Прогнозирование процентных ставок и показателей срочности в российской банковской системе // Проблемы прогнозирования. – 2022. – № 3(192). – c. 149-159. – doi: 10.47711/0868-6351-192-149-159.
  8. Миллер Г.Б., Борисов А.В., Стефанович А.И. Управляемые марковские скачкообразные процессы. 1.Оптимальная фильтрация по комплексным наблюдениям // Известия Российской академии наук. Теория и системы управления. – 2018. – № 6. – c. 64-83. – doi: 10.31857/S000233880003493-1.
  9. Моделирование ценологической самоорганизации динамики распределений простых чисел. / Статистический сборник. - М.; Абакан: Центр систем. исслед., 2004. – 48 c.
  10. Бадван Н.Л., Гасанов О.С., Кузьминов А.Н. Когнитивное моделирование факторов устойчивости финансового рынка России // Финансы и кредит. – 2018. – № 5(773). – c. 1131-1148. – doi: 10.24891/fc.24.5.1131.
  11. Serrano Franklin. Taxa de Juros, Taxa de Câmbio e Metas de Inflação, in Jornal Valor Econômico. - 2006
  12. Serrano, Franklin Leon Peres. Inflation Dynamics from a Sraffian Standpoint, mimeo, IE-UFRJ - 2005

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Kuzyminov A.N., Sakharova L.V., Bukhov N.V.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».