Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
5 results
Search Results
Item Порівняльний аналіз методів моделювання нестаціонарних часових рядів(Харьківський національний університет ім. В.Н. Каразіна, 2016) Маринич, Тетяна Олександрівна; Маринич, Татьяна Александровна; Marynych, Tetiana Oleksandrivna; Назаренко, Людмила Дмитрівна; Назаренко, Людмила Дмитриевна; Nazarenko, Liudmyla DmytrivnaМетою роботи є порівняння прогнозних якостей автогресійних, векторних автогресійних моделей та векторних моделей корекції похибок, що описують макроекономічні та фінансові процеси в Україні.Item Моделювання коінтеграційних процесів для удосконалення механізму монетарної трансмісії(Сумський державний університет, 2013) Маринич, Тетяна Олександрівна; Маринич, Татьяна Александровна; Marynych, Tetiana Oleksandrivna; Назаренко, Людмила Дмитрівна; Назаренко, Людмила Дмитриевна; Nazarenko, Liudmyla Dmytrivna; Тиркусова, Надія Володимирівна; Тыркусова, Надежда Владимировна; Tyrkusova, Nadiia VolodymyrivnaМонетарний трансмісійний механізм – процес передачі змін у використанні інструментів монетарної політики центрального банку на фінансовий сектор економіки, а у подальшому – на макроекономічні змінні на основі використання певних каналів і зв’язків прямої та зворотної дії. Для його удосконалення необхідно виявлення терміну дії зв’язків між визначеними макроекономічними змінними та показниками грошово-кредитної та валютної політики. Він може бути як коротко так і довгостроковим. Дослідження часових рядів, представлених квартальними статистичними даними Національного банку України за 2002-2011 рр., дозволило побудувати векторну авто регресійну модель корекції помилки (VECM). За нею можна констатувати наявність як короткострокових так і довгострокових зв’язків між певними макроекономічними показниками.Item Моделювання нестаціонарних процесів із структурними розривами(Національний технічний університет «Харківський політехнічний інститут», 2016) Маринич, Тетяна Олександрівна; Маринич, Татьяна Александровна; Marynych, Tetiana Oleksandrivna; Назаренко, Людмила Дмитрівна; Назаренко, Людмила Дмитриевна; Nazarenko, Liudmyla Dmytrivna; Гец, Ксенія Віталіївна; Гец, Ксения Витальевна; Hets, Kseniia VitaliivnaПроведено пошук оптимальної моделі для опису нестаціонарних часових рядів із адекватними статистичними характеристиками та якісними прогнозними властивостями. У якості інформаційної бази обрано щоденні статистичні дані міжбанківського валютного курсу гривні до долара США. Досліджено детерміністичні та стохастичні компоненти з метою визначення класу стаціонарності ряду. Перевірено доцільність проведення різних процедур згладжування та вирівнювання часових рядів із сезонністю, циклічністю та трендом. Для вихідних даних побудовано інтегровані моделі авторегресії – ковзного середнього (ARIMA), умовної гетероскедастичності (ARCH); проведено аналіз залишків та перевірено якість отриманих моделей. Досліджено умови застосування фіктивних змінних для усунення структурних розривів даних та проблем із залишками моделей. Виконано порівняльний аналіз якості прогнозів за побудованими моделями. Наведений алгоритм дозволив встановити оптимальну модель SARIMA, що включає сезонні параметри та фіктивні змінні структурного розриву.Item Comparative analysis of univariate time series modeling and forecasting techniques for short-term unstable data(Національний технічний університет «Харківський політехнічний інститут», 2017) Маринич, Тетяна Олександрівна; Маринич, Татьяна Александровна; Marynych, Tetiana Oleksandrivna; Назаренко, Людмила Дмитрівна; Назаренко, Людмила Дмитриевна; Nazarenko, Liudmyla Dmytrivna; Хоменко, Наталія Григорівна; Хоменко, Наталия Григорьевна; Khomenko, Nataliia HryhorivnaThe article summarizes the international experience in univariate time series modeling approaches and methodology. It aims to make empirical assessment of their relevance and forecasting power for short sample volatile data with numerous aberrant observations and structural breaks with the help of the time series R packages. The findings revealed the pitfalls of outliers’ neglection including stationarity and model misspecification, biased parameter estimates, deterioration of residuals’ properties and prediction accuracy of the models. Empirical research demonstrated the outperformance of the outlier detection methods versus robust approaches that use smaller weights for aberrant observations. We tested a method of improving the forecasting power of the ARMA models by proper identification of hidden patterns and incorporation of additional information about extraordinary events into the model. We also considered frequency domain and nonparametric methods including exponential smoothing, seasonal and trend-cycle decomposition, structural and neural networks models to make comparative forecasting diagnostics. The findings showed slightly worse accuracy of the exponential smoothing and structural state-space models for short prediction horizons and their outperformance for longer forecasting periods. Neural networks showed outstanding in-sample approximation but poor out-of-sample quality. We recommend further studying of the Bayesian regime switching models that have proven to be a comprehensive way to explore hidden patterns in data, as well as dynamic factor multivariate models that can improve explanatory and forecasting power of the time series models in various applications.Item Моделювання динаміки нестаціонарних факторів зовнішньої стабільності економіки України(Видавництво СумДУ, 2011) Маринич, Тетяна Олександрівна; Маринич, Татьяна Александровна; Marynych, Tetiana Oleksandrivna; Назаренко, Людмила Дмитрівна; Назаренко, Людмила Дмитриевна; Nazarenko, Liudmyla Dmytrivna