Прогнозування розвитку цифрової економіки країни на основі методів машинного навчання

Abstract

Актуальність теми, розглянутої в межах дослідження, обумовлюється тим, що прогнозування розвитку цифрової економіки на основі методів машинного навчання дозволяє ефективно оцінювати вплив сучасних цифрових технологій на економічні процеси. Це важливо для формування обґрунтованих стратегій розвитку національних економік, зокрема в умовах глобальних змін, таких як впровадження електронного урядування та покращення інфраструктури. Метою дослідження є побудова моделей прогнозування розвитку цифрової економіки країни на основі методів машинного навчання. Об’єктом дослідження є економічні процеси, що відображають вплив цифрових технологій на розвиток економіки країни. Предметом дослідження є методи машинного навчання та аналітичні підходи для прогнозування розвитку цифрової економіки країни на основі ключових індикаторів цифрової трансформації. Задачами дослідження є: 1) визначити сутність та значення цифрової економіки країни; 2) проаналізувати стан цифрової економіки України та світу; 3) визначити проблему прогнозування розвитку цифрової економіки; 4) провести статистичний аналіз вхідного масиву дослідження; 5) провести регресійний аналіз; 6) охарактеризувати XGBoost, Дерево рішень та Випадковий ліс, як методи прогнозування розвитку цифрової економіки; 7) оцінити якість прогнозних моделей; 8) реалізувати прогнози на основі побудованих моделей; 9) перевірити якість отриманих прогнозів. Для досягнення поставленої мети та задач дослідження були використані такі методи дослідження: обробка та інтеграція даних, узагальнення основних результатів, поглиблене вивчення окремих аспектів, аргументація отриманих висновків, порівняльний аналіз та впорядкування даних, завдяки яким були сформульовані основні висновки. Для проведення розрахунків застосовувалися методи статистичного аналізу. Інформаційною базою кваліфікаційної роботи є інформаційно-аналітична платформа United Nations. Основний науковий результат кваліфікаційної магістерської роботи полягає у такому: були розроблені та протестовані моделі прогнозування розвитку цифрової економіки, використовуючи методи машинного навчання. Моделі були перевірені на наявність суттєвих економічних факторів, що впливають на розвиток цифрової економіки, що дозволило створити надійний прогноз для майбутніх періодів. Одержані результати можуть бути використані державними органами та для розробки ефективних стратегій у сфері цифрової трансформації, що сприятимуть сталому розвитку цифрової економіки. Роботу було виконано в рамках НДР № 0124U000544 Кібербезпекові та цифрові трансформації економіки країни воєнного часу: боротьба із кіберзлочинами, корупцією та тіньовим сектором.

The relevance of the topic considered within the scope of the study is determined by the fact that forecasting the development of the digital economy based on machine learning methods allows to effectively assess the impact of modern digital technologies on economic processes. This is important for the formation of sound strategies for the development of national economies, in particular in the context of global changes, such as the introduction of e-government and the improvement of infrastructure. The purpose of the study is to build models for forecasting the development of the country's digital economy based on machine learning methods. The object of the study is economic processes that reflect the impact of digital technologies on the development of the country's economy. The subject of the research is machine learning methods and analytical approaches for forecasting the development of the country's digital economy based on key indicators of digital transformation. The objectives of the research are: 1) to determine the essence and significance of the country's digital economy; 2) to analyze the state of the digital economy of Ukraine and the world; 3) to determine the problem of forecasting the development of the digital economy; 4) to conduct a statistical analysis of the input array of the study; 5) to conduct a regression analysis; 6) to characterize XGBoost, Decision Tree and Random Forest as methods of forecasting the development of the digital economy; 7) to evaluate the quality of predictive models; 8) to implement forecasts based on built models; 9) to check the quality of received forecasts. The following research methods were used to achieve the set goal and objectives of the study: data processing and integration, generalization of the main results, in-depth study of individual aspects, argumentation of the obtained conclusions, comparative analysis and arrangement of data, thanks to which the main conclusions were formulated. Statistical analysis methods were used for calculations. The information base of the qualification work is the information and analytical platform of the United Nations. The main scientific result of the qualifying master's thesis is as follows: models for forecasting the development of the digital economy were developed and tested using machine learning methods. The models were checked for the presence of significant economic factors affecting the development of the digital economy, which made it possible to create a reliable forecast for future periods. The obtained results can be used by government bodies to develop effective strategies in the field of digital transformation, which will contribute to the sustainable development of the digital economy. The work was carried out within the framework of the NDR № 0124U000544 Cybersecurity and digital transformations of the country's wartime economy: the fight against cybercrimes, corruption and the shadow sector.