Алгоритмическая модель информационной технологии анализа и прогнозирования конъюнктуры товарного рынка

Автор(и)

  • Василий Лаврентьевич Лисицкий Національний технічний університет «Харківський Політехнічний Інститут» вул. Фрунзе, 21, г. Харьков, Україна 61002, Україна https://orcid.org/0000-0002-8158-6482
  • Тан Мань Нгуен Национальный технический университет «Харьковский Политехнический Институт» ул. Фрунзе, 21, г. Харьков, Украина 61002, Україна https://orcid.org/0000-0002-1261-7206

DOI:

https://doi.org/10.15587/1729-4061.2015.42186

Ключові слова:

модель, информационная технология, анализ, прогнозирование, конъюнктура, товар, рынок, спрос, предложение, цена

Анотація

В статье описаны результаты исследований в области математического моделирования динамики формирования конъюнктуры  товарного рынка с учетом влияния динамических процессов, происходящих в экономической и социальной сферах. На основе метода системной динамики создана алгоритмическая модель информационной технологии анализа и прогнозирования конъюнктуры товарного рынка. Разработана методика настройка модели на реальный рынок.

Біографії авторів

Василий Лаврентьевич Лисицкий, Національний технічний університет «Харківський Політехнічний Інститут» вул. Фрунзе, 21, г. Харьков, Україна 61002

Кандидат технічних наук, доцент

Кафедра автоматизованих систем управління

Тан Мань Нгуен, Национальный технический университет «Харьковский Политехнический Институт» ул. Фрунзе, 21, г. Харьков, Украина 61002

Кафедра автоматизированных систем управления

Посилання

  1. Grigoriev, V. P., Kozlovsky, A. V., Mariasov, D. A. (2006). Software packet for analysis and forecast market information. Izvestija Tomskogo politehnicheskogo universiteta, 309 (7), 200–204.
  2. Ivashchenko, A. B. (2012). The software market for time series analysis. Systemnyy̆ analiz ta informaciy̆ni tehnologiï u naukah pro pryrodu ta suspil'stvo, 1(2)-2(3), 165–169.
  3. Zareipour, H. (2006). Price Forecasting and Optimal Operation of Wholesale Customers in a Competitive Electricity Market. Canada, Ontario, 201.
  4. Espinola, R. et al. (2002) Day-ahead electricity prices forecasting based on time series models: a comparison. 14th Power Systems Computation Conference, Spain, Sevilla, Session 15, Paper 6, 8. Available at: http://www.pscc-central.org/uploads/tx_ethpublications/s15p06.pdf
  5. Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. England: Oxford University Press, 656.
  6. Cont, R. (2006) Volatility Clustering in Financial Markets. Empirical Facts and Agent–Based Models. Springer, 289–310.
  7. O'Connor, B. Comparison of data analysis packages: R, Matlab, SciPy, Excel, SAS, SPSS, Stata. Available at: http://brenocon.com/ blog/2009/02/comparison-of-data-analysis- packages-r-matlab-scipy-excel-sas-spss-stata/ (Last accessed: 28.11.2014).
  8. Steinhaus, S. (2008). Comparison of mathematical programs for data analysis. Available at: http://www.scientificweb.de/ncrunch/ (Last accessed: 28.11.2014).
  9. Basaran, F. U., Kurban, M. (2007). A New Approach for the Short-Term Load Forecasting with Autoregressive and Artificial Neural Network Models. International Journal of Computational Intelligence Research, 3 (1), 66–71. doi: 10.5019/j.ijcir.2007.88
  10. Forrester, J. W. (1976). World Dynamics (Second Edition). Massachusetts, USA: Wright-Allen Press, 144.
  11. Naylor, T. (1975) Computer Simulation Experiments with Models of Economic Systems. Мoscow: Mir, 500.
  12. Theil, H. (1964) Optimal Decision Rules for Government and Industry. Chicago, USA: Rand McNally.
  13. Theil, H. (1966). Applied economic forecasting. Chicago, USA: Rand McNally.

##submission.downloads##

Опубліковано

2015-06-29

Як цитувати

Лисицкий, В. Л., & Нгуен, Т. М. (2015). Алгоритмическая модель информационной технологии анализа и прогнозирования конъюнктуры товарного рынка. Eastern-European Journal of Enterprise Technologies, 3(3(75), 32–37. https://doi.org/10.15587/1729-4061.2015.42186

Номер

Розділ

Процеси управління