Научный архив: статьи

В статье исследуется применимость фрактального анализа в социологии и биржевой аналитике. Автор рассматривает возможность использования принципа фрактальности для изучения социоэкономических показателей и прогнозирования биржевой активности. Цель исследования - продемонстрировать потенциал фрактальной методологии как инструмента междисциплинарного анализа, объединяющего социологические наблюдения, экономические индикаторы и технические методы биржевого анализа. Основные задачи: проанализировать теоретические основы фрактального подхода; выявить особенности проявления фрактальных структур в социальных и экономических процессах; оценить эффективность фрактального анализа в сравнении с традиционными методами биржевого прогнозирования. Методология включает: обзор научной литературы по фрактальному анализу в финансах и социологии; применение концепции масштабируемой инвариантности и дробной размерности; корреляционный анализ динамических рядов; моделирование циклической фрактальности на разных горизонтах ожиданий (микро-, медиаи макроциклы). Результаты: подтверждена циклическая природа социальных фракталов и их способность формировать последовательности на кривой медианных значений показателей; выявлена масштабируемость фрактальных структур, позволяющая расширять горизонт прогнозирования опережающих индикаторов; рассчитан коэффициент корреляции динамических рядов, демонстрирующий устойчивость подобия независимо от горизонта ожиданий; показано, что микроциклы демонстрируют более высокое подобие к макроциклам, тогда как сходство с медиациклами выражено слабее. Выводы: фрактальный анализ обладает преимуществами перед традиционными методами биржевого анализа (технический, фундаментальный) благодаря численной оценке вероятности событий, вектору волатильности, обозначению периодов перелома трендов, масштабируемости инвариантов; метод перспективен для макроэкономического прогнозирования, стратегического планирования и управления рисками, особенно в сочетании с другими индикаторами. Однако фрактальный анализ не является универсальным: его эффективность зависит от контекста и требует учета ограничений (например, относительности социального времени, мультифрактальности данных). Практическая значимость заключается в возможности использования фрактальных моделей для: уточнения биржевых прогнозов; синтеза опережающих данных; заполнения информационных промежутков между регулярными отчетами (еженедельными, ежемесячными).

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.