Научный архив: статьи

В статье предлагается решение проблемы социоэкономического синтеза больших опережающих данных с помощью информатики. Размерность экономических процессов сближается с размерностью социальных процессов, что составляет новизну объекта исследования опережающих данных. По-новому стоит вопрос о предмете исследования - на стыке эконометрики и социологии в информатике, а также о трансформации методов социально-экономического анализа, поиска, обработки и аналитического представления больших опережающих данных. Рассмотрены социоэкономические аспекты актуализации опережающих данных, а также информатика как платформа трансформации эконометрических методов для синтеза больших опережающих данных. В выводах формулируется положение о выдвижении технологии больших опережающих данных на авансцену экономики и управления; представлены принципиальные методологические и организационно-технические мероприятия по внедрению технологии опережающих данных в новые, более высокие хозяйственные уклады.

В статье предлагается теоретическое решение переменной неопределенности в расчетах опережающих индикаторов на примере экономических данных, ожидаемых деловыми сообществами. Предлагаемый авторами подход позволяет решить проблему, имеющуюся в технологии обработки первичных данных мнений деловых сообществ, что является актуальным для максимального привлечения значимой информации в принятии решений. Цель статьи - продемонстрировать результаты решения модели инкапсуляции и декапсуляции информации с неопределенными исходами. В качестве метода исследования применялось построение нелинейных парных уравнений регрессии временных последовательностей экономико-статистической и социологической информации. Рассматриваются условия модели с временными последовательностями независимой неопределенной переменной, обсуждается верификация и оценка качества модели. Исследование проводилось в 1993-2025 гг. на базах Банка России и Научно-исследовательского финансового института Министерства финансов РФ (НИФИ). Источниками информации являются Московская межбанковская валютная биржа, платформа Investing. com, аналитические подразделения коммерческих банков и брокерских организаций. Модель строилась на сплошной выборке данных прогнозов и мнений участников срочных рынков. Основные результаты, полученные при решении модели, свидетельствуют о существенном повышении (на 40%) тестирования точности классификации для машинного обучения нейросети поиска и предобработки данных биржевой торговли. Показано преимущество решения множественной модели парных уравнений регрессии с использованием временной последовательности ожидаемых деловыми сообществами значений экономического показателя, включая деинкапсулированную неопределенную переменную по отношению к стандартным решениям парных уравнений регрессии.