Моделирование и прогнозирование динамики потребления товаров на макрорынках тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Коробецкая, Анастасия Александровна

• Коробецкая, Анастасия Александровна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Коробецкая, Анастасия Александровна

СОДЕРЖАНИЕ

Введение

Глава 1. Обзор методов моделирования динамики потребления товаров на макрорынках

1.1 Общие подходы к моделированию рядов динамики социально-экономических показателей

1.2 Параметрический подход к моделированию и прогнозированию рядов динамики

1.3 Показатели качества идентификации модели

1.4 Моделирование и прогнозирование динамики потребления на товарных рынках

Выводы по первой главе

Глава 2. Разработка комплекса моделей динамики потребления

2.1 Модели в виде дробно-рациональных функций

2.2 Моделирование колебательной компоненты на основе гармонических функций с переменной амплитудой

2.3 Декомпозиция многокомпонентных моделей динамики

Выводы по второй главе

Глава 3. Моделирование и прогнозирование динамики потребления с помощью предложенного комплекса моделей

3.1 Исследование качества идентификации и прогнозирования по предложенным моделям

3.2 Моделирование потребления нефти в развитых странах

3.3 Моделирование жизненных циклов на макрорынках программного обеспечения

3.4 Другие примеры моделирования социально-экономической

динамики с помощью предложенного инструментария

Выводы по третьей главе

Заключение

Список использованных источников

Приложения

Приложение А

Приложение Б

Приложение В

Приложение Г

Введение диссертации (часть автореферата) на тему «Моделирование и прогнозирование динамики потребления товаров на макрорынках»

ВВЕДЕНИЕ

Актуальность темы исследования. Современное социально-экономическое развитие характеризуется ускорением процессов трансформации рынков, вызванное глобализацией и стремительным развитием информационных технологий (ИТ). Скорость распространения новых технологий, а значит и жизненный цикл продуктов, за последнее столетие сократились в десятки раз. Поэтому особую актуальность приобретает моделирования и прогнозирования динамики потребления на сложившихся традиционных рынках и сравнительно молодых интенсивно развивающихся рынках.

Требуется инструментарий (модели и программные средства) высокоточного моделирования и прогнозирования каждого из товарных рынков. Однако в первую очередь оправдано улучшить известные решения этой проблемы по важным в экономическом смысле рынкам, рассмотрев примеры сокращающегося традиционного и растущего информационного рынков.

К наиболее значимым традиционным макрорынкам следует отнести рынок нефти, в промышленно развитой стране, выступающий в качестве базового сектора. Его динамика оказывает непосредственное влияние на ключевой макроэкономический параметр - индекс промышленного производства, поскольку нефть остается наиболее распространенным энергоносителем (33% от общего потребления энергии в 2013г.) [123]. И хотя мировые объемы потребления нефти продолжают увеличиваться, в развитых странах отмечается снижение потребления, причины которого остаются не изученными в полной мере.

Для России актуально как краткосрочное, так и долгосрочное прогнозирование потребления нефти, так как сохраняется высокая зависимость бюджета от нефтегазовых доходов: в 2014 г. нефтегазовые доходы составляли 48% бюджета страны [57].

Наиболее характерные для информационного общества, относительно новые и активно развивающиеся рынки - это рынки ИТ-продуктов, т.е. программного и аппаратного обеспечения. Товары на этих рынках обладают рядом существенных особенностей, включая высокую динамичность и мировой охват, поскольку Всемирная сеть позволяет почти мгновенно доставлять программные продукты в любую точку земного шара.

С практической точки зрения наибольший интерес представляет анализ распространенности платформ, т.е. программных и программно-аппаратных средств, предназначенных для обеспечения работы других программ, например, операционные системы и веб-обозреватели. Выбор той или иной платформы во многом определяет выбор конечным пользователем используемых прикладных программ. Результаты такого анализа необходимы как разработчикам программного обеспечения, так и потребителям.

Динамика потребления формирует жизненный цикл товара на рынке. В течение жизненного цикла показатель, характеризующий уровень потребления продукта (объемы продаж в натуральном или денежном выражении, доля рынка, число запросов в поисковых системах и др.), как правило, проходит пять основных стадий (внедрение, рост, насыщение, зрелость и спад).

Высокая динамичность рынков ИТ-продуктов приводит к быстрой замене одних товаров на другие и относительно коротким жизненным циклам товаров (несколько лет, иногда месяцев).

Жизненный цикл нефти как товара, напротив, обладает большой длительностью. В ходе эволюции мирового рынка нефти, в последние десятилетия в развитых странах наблюдается переход сначала к замедляющемуся росту (стадия насыщения), а затем к снижению (зрелость) потребления нефти. Определение моментов перехода от одной стадии к другой является нетривиальной задачей, поскольку тренд жизненного цикла «искажается» многолетними циклическими колебаниями, смещающими

наблюдаемый максимум жизненного цикла и затрудняющими прогнозирование.

Таким образом, к числу актуальных задач анализа товарных рынков следует отнести и исследование динамики трансформируемого и в перспективе сокращающегося рынка потребления нефти, и быстрорастущего рынка информационных технологий, построение моделей и прогнозов жизненных циклов товаров на этих рынках.

Степень разработанности проблемы. Исследования рынка нефти и других энергоносителей в основном относятся к динамике добычи нефти, начиная с предсказания К. Хаббертом (К. Hubbert) «пика нефти», дальнейшее развитие которой, как и предложение новых моделей, можно найти в работах К. Кэмпбелла (С. Campbell), К. Скребовски (С. Skrebowski), Л.Ф. Айвенго (L.F. Ivanhoe). Такие учреждения, как Международное энергетическое агентство (МЭА), Управление энергетической информации США (EIA) и Европейское агентство по окружающей среде (ЕЕА) ведут учет и периодически публикуют результаты исследований и прогнозы по производству и потреблению основных видов энергоносителей. Эволюция мирового рынка нефти исследовалась A.A. Конопляником, B.JI. Лихачевым,

A.A. Макаровым, Л.М. Григорьевым, В.В. Бушуевым.

Мониторинг и анализ рынков программного и технического обеспечения выполняется ведущими специализированными изданиями и исследовательскими организациями (Gartner, IDC, BSA и др.). Известны модели рынков программного обеспечения, предложенные С.А. Середой,

B.И. Соловьевым, Ф. фон Вестарпом (Falk von Westarp). Однако примеры математического моделирования маркетинговых жизненных циклов программного обеспечения в научной литературе обнаружены не были.

На сегодняшний день известно несколько моделей жизненного цикла (Басса, Хабберта, Коши-Лоренца и др.). Несмотря на известные достоинства, их общим недостатком является симметричность либо фиксированная

асимметрия траекторий цикла относительно максимума, зачастую противоречащая реальным данным.

Внимательного изучения требует и вопрос о структуре ряда динамики потребления. Известные методы тренд-сезонной декомпозиции основываются на предположении о неизменности сезонных колебаний и рассматривают лишь две возможных структуры ряда (аддитивную и мультипликативную). Однако практика демонстрирует большое разнообразие структур (мультитрендовые, тренд-циклические с апериодическими циклами, с изменяющимися колебаниями, структурными сдвигами и др.), которые не могут быть идентифицированы известными методами.

Крайне мало число публикаций, связанных с исследованием точности моделирования и прогнозирования в зависимости от объема исходной выборки, от соотношения дисперсии детерминированной компоненты и помехи (стохастической компоненты), от значений параметров модели.

Таким образом, существует потребность в новом инструментарии моделирования и прогнозирования динамики потребления на различных (падающих и растущих) товарных рынках, позволяющем описывать жизненные циклы с произвольной асимметрией, определять текущую стадию жизненного цикла, границы прошлых и будущих стадий, повышающем точность моделирования и прогнозирования.

Целью исследования является разработка инструментария моделирования рядов динамики для анализа и прогнозирования потребления на макрорынках нефти и информационных продуктов.

В соответствии с целью исследования были поставлены и решены следующие задачи.

1. Дополнить известный инструментарий комплексом новых и модификаций известных моделей трендов, циклов и сезонных колебаний, описывающих динамику на макрорынках нефти и информационных продуктов. Обосновать выбор методов идентификации параметров моделей,

реализовав методику исследования качества идентификации на тестовых (искусственно сгенерированных) выборках по методу Монте-Карло.

2. Разработать метод, позволяющий осуществлять декомпозицию различных структур (мультитрендовую, тренд-циклическую, с переменной амплитудой колебаний и др.) в рамках параметрического подхода к моделированию рядов динамики.

3. Реализовать программный комплекс, позволяющий на основе предложенного инструментария осуществлять моделирование и прогнозирование рядов динамики, а также проводить исследование точности идентификации на тестовых выборках по методу Монте-Карло.

4. Осуществить моделирование и анализ динамики потребления нефти и нефтепродуктов в развитых странах, построить краткосрочный прогноз и определить долгосрочную тенденцию.

5. Выполнить моделирование и прогнозирование жизненных циклов лидирующих товаров на макрорынках программных и программно-аппаратных платформ.

Объектом исследования выступают макрорынки (мировые, национальные) нефти и информационных продуктов.

Предметом исследования является динамика потребления нефти и информационных продуктов на макрорынках.

Теоретическая и методологическая основа исследования. Диссертационное исследование опиралось на принципы эконометрического моделирования и анализа временных рядов, изложенные в работах С.А. Айвазяна, С.А. Анатольева, В.Н. Афанасьева, С.А. Бородича, И.И. Елисеевой, Г.Г. Канторовича, Н.Д. Кондратьева, Н.Ш. Кремера, B.C. Мхитаряна, А.И. Орлова, Л.И. Ниворожкиной, P.M. Нижегородцева, К.В. Садченко, В.И. Тиняковой, Н.П. Тихомирова, A.A. Цыплакова, Дж. Бокса (G. Box), К. Доугерти (Ch. Dougherty), Г. Дженкинса (G. Jenkins), М. Кендэла (М. Kandel), П. Тейла (P. Theil) и др. Использован ряд результатов адаптивного моделирования, эконометрики структурных сдвигов,

параметрического и непараметрического подходов В.А. Бессонова, Б.Е. Бродского, А.Е. Бережного, В.В. Давниса, Ю.П. Лукашина, С.Г. Светунькова, В.К. Семёнычева, Э. Берндта (Е. Berndt), П. Перрона (Р. Perron), Б. Хансена (В.Е. Hansen), Д. Эндрюса (D.W.K. Andrews) и др.

В диссертационном исследовании применялись методы и модели экономики, эконометрики, вычислительной математики, теории вероятностей и математической статистики, искусственного интеллекта, экономико-математического моделирования. Для разработки инструментария использовались пакеты Microsoft Office 2007, Maple 12, Mathcad 15, программный комплекс был разработан в среде Embarcadero RAD Studio 2010 на языке Delphi.

Информационную базу исследования составили статистические данные, опубликованные в открытой печати и в сети Интернет, в том числе на официальных сайтах Росстата и национальных статистических агентств, организаций ОПЕК, МЭА, РЭА, EIA, исследовательских и аналитических ресурсов Gartner, IDC, W3Schools, StatCounter, OpenStat.

Область проведённых исследований соответствует паспорту специальности 08.00.13 «Математические и инструментальные методы экономики», а именно следующим его пунктам: п. 1.8 «Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития»; п.2.10 «Развитие инструментальных методов анализа механизмов функционирования рынков товаров и услуг в условиях глобализации мировой экономики и свободной торговли».

Вклад автора в проведенное исследование. Автор внес определенный вклад в постановку задач исследования, разработку теоретических положений, практических рекомендаций и выводов. Фамилии соавторов, принимавших участие в отдельных направлениях исследования, указаны в списке основных публикаций по теме диссертации. Все

результаты, составляющие научную новизну диссертации и выносимые на защиту, получены автором лично.

Научная новизна. К числу основных результатов, полученных лично автором и определяющих научную новизну работы, можно отнести:

1. Предложены три модификации модели жизненного цикла на основе распределения Коши- Лоренца, добавляющие в модель произвольную (свободную) асимметрию, что позволяет моделировать потребление со спадом более быстрым, чем рост, и отличный от нуля асимптотический уровень, к которому стремится динамика в долгосрочной перспективе.

2. Предложены модели сезонных и циклических колебаний потребления с переменной амплитудой, изменяющейся по линейному, экспоненциальному, обобщенному экспоненциальному законам и в виде суммы двух экспонент.

3. Разработан метод параметрической итерационной декомпозиции ряда динамики, позволяющий, в отличие от известных методов тренд-сезонной декомпозиции, выделять мультикомпонентные структуры (состоящие из двух и более компонент с различным взаимодействием -трендов, циклов, сезонных колебаний) и получать их параметрические модели.

4. Выделена структура динамики потребления нефти развитыми странами (тренд, циклическая и сезонная компоненты), определен момент начала и ожидаемый уровень спада потребления нефти, периоды циклических колебаний, постоянная или переменная амплитуда сезонности для каждой страны.

5. Сформированы модели распространения программных и программно-аппаратных платформ (операционных систем, веб-обозревателей, игровых консолей) на макрорынках, с помощью которых обоснованы границы стадий жизненного цикла, момент смены лидера рынка, наличие или отсутствие и структура сезонных колебаний.

Практическая ценность проведенных исследований определяется возможностью их использования:

- при анализе динамики потребления энергоресурсов;

- при выборе программных платформ разработчиками и пользователями программного обеспечения;

- в маркетинговых исследованиях жизненного цикла продукта для выделения стадий жизненного цикла и прогнозирования;

- при исследовании смены технологий, в том числе на стадии спада;

- при принятии управленческих решений, связанных с развитием и управлением жизненным циклом организаций;

- в системе подготовки и повышения квалификации экономистов, маркетологов, менеджеров, прикладных математиков.

Практическая значимость предложенных моделей подтверждается высокой точностью моделирования и прогнозирования как по результатам исследования качества идентификации на тестовых выборках по методу Монте-Карло, так и при моделировании реальных рядов динамики в сравнении с известными моделями.

Апробация и внедрение результатов исследования. Полученные теоретические, методологические и практические результаты работы были представлены на 13 семинарах и конференциях: Всероссийская молодёжная научная конференция с международным участием «IX Королёвские чтения» (Самара, 1-3 октября 2007г.); II Всероссийская научно-практическая конференция с международным участием «Математическое моделирование, численные методы и информационные системы» (Самара, 20-21 октября 2010г.); II Международная научно-практическая Интернет-конференция «Анализ, моделирование и прогнозирование экономических процессов» (Воронеж, Волгоград, 15 декабря 2010 г. - 15 февраля 2011г.); VI Всероссийская научно-практическая конференция «Математические модели современных экономических процессов, методы анализа и синтеза экономических механизмов» (Самара, 31 мая 2011г.); Всероссийская

молодежная конференция «Экономический рост: математические аспекты» (Москва, 22 сентября 2011г.); III Всероссийская научно-практическая конференция с международным участием «Математическое моделирование, численные методы и информационные системы» (Самара, 20-21 октября 2011г.); Региональная научно-практическая конференция «Актуальные проблемы социально-трудовых отношений в современных условиях» (Самара, 22 ноября 2011г.); XIII научная конференция студентов и аспирантов (Самара, 30 марта - 6 апреля 2012г.); Международная конференция «Математическое моделирование в экономике, управлении и образовании» (Калуга, 15-17 октября 2012г.); IV Всероссийская научно-практическая конференция с международным участием «Математическое моделирование, численные методы и информационные системы» (Самара, 20-21 октября 2012г.); XIV научная конференция студентов и аспирантов (Самара, 29 марта - 5 апреля 2013г.); Международная научно-практическая конференция «Статистика как средство международной коммуникации» (Санкт-Петербург, 28-30 января 2014г.); IV Международная научная конференция «Управление экономикой: методы, модели, технологии» (Уфа-Красноусольк, 9-11 октября 2014).

Результаты проведенных исследований и разработанный программный комплекс внедрены в учебный процесс при проведении лекционных, практических и лабораторных занятий по курсу «Эконометрика» в АМОУ ВПО «Самарская академия государственного и муниципального управления» для специальности 080801.65 «Прикладная информатика в менеджменте»; в ФГБОУ ВПО «Самарский государственный аэрокосмический университет имени академика С.П. Королёва (национальный исследовательский университет)» для специальности 080116.65 «Математические методы в экономике». Результаты исследования внедрены и в НИР, выполненные при участии автора: 1) «Обоснование методики ранжирования городов, референтных г.о. Самара по ключевым показателям социально-экономического развития, и прогнозирование уровня

конкурентоспособности на основе сложившихся трендов до 2025г.» по договору 11/20 от 15 мая 2012г., заключенному между AHO «Урбэкс-развитие» и АМОУ ВПО «САГМУ»; 2) «Разработка системы социальных стандартов уровня и качества жизни населения Самарской области» по государственному контракту №348 от 15 ноября 2011г., заключенному между Министерством экономического развития, инвестиций и торговли Самарской области и АМОУ ВПО «САГМУ» (приложение Д).

Публикации по теме диссертации включают 27 научных и учебно-методических работ общим объемом 14 п.л. (из них 8,5 п.л. авторские), в том числе 7 статей, опубликованных в ведущих рецензируемых научных журналах ВАК для публикации результатов кандидатских и докторских диссертаций, три свидетельства о государственной регистрации программ для ЭВМ, одно методическое пособие. Без соавторов опубликовано 8 статей и тезисов.

Структура диссертации: диссертационное исследование изложено на 153 страницах, состоит из введения, трех глав, заключения, библиографического списка из 160 наименований и четырех приложений. Диссертация содержит 38 рисунков, 11 таблиц.

ГЛАВА 1. ОБЗОР МЕТОДОВ МОДЕЛИРОВАНИЯ ДИНАМИКИ ПОТРЕБЛЕНИЯ ТОВАРОВ НА МАКРОРЫНКАХ

1.1 Общие подходы к моделированию рядов динамики социально-

экономических показателей

Поскольку процессы, протекающие в социально-экономических системах (СЭС), являются по своей природе случайными, то для их изучения используется аппарат теории вероятностей и математической статистики.

Дискретным отображением процессов, протекающих в СЭС, являются

г

ряды динамики (<динамические ряды, временные ряды) — последовательность наблюдений (значений, уровней) показателя Yt, упорядоченных во времени t.

Социально-экономические временные ряды обладают характерной структурой, включающей набор компонент, каждая из которых формируется под воздействием определенного типа факторов.

Детерминированная часть Dt в структуре временного ряда учитывает наиболее значительные и стабильные, долговременные факторы, формирующие основную тенденцию и/или регулярные колебания динамики.

Прочие факторы, влияние каждого из которых невелико или кратковременно, формируют стохастическую компоненту st. В структуре модели стохастическая компонента представляет собой отклонения модельных значений от реальных, поэтому называется также необъясненной компонентой (unexplained component), случайным отклонением, погрешностью, ошибкой (error) или остатком (residual).

В составе детерминированной части принято выделять три основных компоненты, различающихся по характеру и причинам возникновения.

Тренд (trend) или главная тенденция Tt представляет собой наиболее общую динамику, «основное течение» ряда. Тренд характеризуется направлением динамики (рост либо спад) и ее скоростью (ускорением либо замедлением).

Циклические (cycle) или конъюнктурные колебания Ct относительно тренда представляют собой многолетние циклы, зачастую апериодические, различающиеся по амплитуде и форме.

Сезонные (seasonal) колебания St возникают под влиянием регулярно (ежегодно, еженедельно, ежедневно и т.д.) повторяющихся факторов и являются строго периодическими. Однако форма колебаний и их амплитуда также могут изменяться со временем.

Некоторые из указанных компонент могут отсутствовать в модели, в зависимости от особенностей динамики конкретного показателя, а также реализованной частоты дискретизации наблюдений. Считается, что чем короче интервал наблюдения, тем проще может быть модель, адекватная выборке.

Все перечисленные компоненты являются ненаблюдаемыми (unobserved), поэтому их выделение является неоднозначным. Декомпозиция исходного ряда динамики предполагает выделение ненаблюдаемых компонент наиболее адекватным, т.е. отвечающим целям моделирования, способом.

Декомпозиционный подход к построению системы моделей (decomposition approach in model-building) динамики является частью системного подхода к анализу рядов динамики.

В ходе декомпозиции требуется определить наличный набор компонент ряда, структуру их взаимодействия и специфицировать модель каждой из компонент. Известные методы декомпозиции и предложение метода итерационной параметрической декомпозиции более подробно рассматриваются в пункте 2.3 настоящего исследования.

На практике возникают случаи, когда циклическую компоненту не удается отделить от тренда. Тогда для них используют общий термин -тренд-циклическая компонента ft [76], под которой подразумевается алгебра тренда и циклической компоненты: их сумма, произведение, только тренд, только циклическая компонента. Чаще всего такая ситуация возникает

на коротких выборках, охватывающих менее одного периода циклических колебаний.

Сезонную и циклическую компоненты можно объединить термином колебательная компонента . Эти компоненты, с одной стороны, обладают значительным сходством, поскольку представляют собой регулярные колебания динамики ряда относительно тренда. Общими являются и варианты алгебры взаимодействия с другими компонентами ряда.

Однако циклические колебания охватывают несколько лет, поэтому значительно больше подвержены изменениям и, как следствие, зачастую являются непериодическими. Каждый следующий цикл такой компоненты может быть не похож на предыдущий из-за существенного изменения экономической среды в течение периода колебаний.

Сезонные колебания, напротив, являются строго периодическими. Изменения сезонных колебаний проявляется в основном в постепенном увеличении или уменьшении их амплитуды и/или формы.

Соответственно, при моделировании сезонных и циклических колебаний первые хорошо описываются периодическими тригонометрическими функциями, а для вторых может потребоваться отдельная модель для каждого периода колебаний.

В структуре ряда динамики дополнительно учитывают и другие компоненты:

- календарную компоненту, связанную с различным количеством дней в месяцах и кварталах, праздничными днями и каникулами, строго привязанными к определенным датам и заранее известным;

- выбросы - аномальные движения временного ряда, связанные с редко происходящими событиями, которые резко и кратковременно отклоняют ряд от общего закона движения: такие как крупные аварии, локальные вооруженные конфликты, природные катастрофы;

- инфляционную компоненту, учитывающую изменение стоимости денег во времени.

Существуют известные статистические и экономико-математические инструменты для устранения этих компонент из динамики ряда [22, 126, 133]. В дальнейшем будем полагать, что рассматриваемые ряды динамики при необходимости предварительно очищены от этих компонент.

Компоненты ряда могут взаимодействовать различными способами [9, 85, 103]. Традиционно рассматривается два основных варианта структуры ряда динамики - аддитивная и мультипликативная.

Наиболее известной является аддитивная структура [78, 154]:

^ = 7) + С, + + . (1.1)

В структуре (1.1) все компоненты выражены в абсолютных величинах и являются независимыми друг от друга, т.е. динамика одной компоненты не оказывает, либо оказывает несущественное влияние на динамику других компонент.

Мультипликативная структура традиционно записывается в следующем виде:

Г(=ТгСг5г£(. (1.2)

При этом предполагается, что значения компонент С,, принимают только положительные значения, колеблющиеся относительно единичного уровня, т.е. не являются центрированными.

Альтернативным вариантом может быть пропорционально-мультипликативная структура [7, 42, 90] в виде:

У,=Г,(1 + С,)(1 + 5,)(1 + *,). (1.3)

В формуле (1.3) тренд выражается в абсолютных величинах, а другие компоненты являются центрированными и представляют отклонение от уровня тренда, выраженное в долях.

При мультипликативной (1-2) или пропорционально-мультипликативной структуре (1.3) все компоненты взаимосвязаны между собой и изменение динамики одной компоненты влечет за собой и изменение

всех остальных компонент. Иными словами, при такой структуре компоненты развиваются строго синхронно, а при аддитивной - асинхронно.

Возможны также различные смешанные (аддитивно-мультипликативные) структуры, например [92]:

г, =т;(1 + с,+ $,)+*„

И др.

При смешанной структуре модели взаимодействие компонент является более сложным. В некоторых случаях взаимосвязаны лишь отдельные компоненты, а в других одна компонента зависит от нескольких других компонент, между собой независимых.

Менее распространенными и изученными являются мультитрендовые [17, 72] структуры, включающие в себя несколько трендов. Наиболее простым вариантом является алгебраическое взаимодействие двух трендов, аддитивное, мультипликативное или пропорционально-мультипликативное [83]:

7; =7/+7/', (1.4)

Т{=Т/-Т(П, (1.5)

Г, =7/(1 + 7/'). (1.6)

Мультитрендовая структура характерна для сложных процессов, динамика которых формируется под воздействием нескольких выраженных факторов, каждый из которых формирует независимую компоненту в составе тренда. При этом либо один тренд постепенно сменяется другим, либо формируется принципиально новая динамика, существенно отличающаяся от характера динамики исходных трендов 7/ и т/1.

Список литературы диссертационного исследования кандидат наук Коробецкая, Анастасия Александровна, 2015 год

СПИСОК ИСПОЛЬЗОВАННЫХ источников

1. Айвазян, С.А. Прикладная статистика: Теория вероятностей и прикладная статистика [Текст] / С.А. Айвазян, B.C. Мхитарян. - М.: ЮНИТИ-ДАНА, 2001. - 656с.

2. Алексеев, A.A. Маркетинговые основы товарного позиционирования в инновационном периоде [Текст] / A.A. Алексеев, Г.Л. Багиев. - СПб: СПУЭФ, 1997.-93с.

3. Антонова, Е.А. Особенности рынка программного обеспечения и его маркетинга / Е. А.Антонова, М.А.Бендиков // Прикладная информатика. -2008.-№5.-С. 13-14.

4. Афанасьев, В.Н. К методологии статистического исследования временных рядов [Текст] / В.Н. Афанасьев, В.В. Любчич // Экономика, статистика и информатика. Вестник УМО. - 2010. - № 5. - С. 9-21.

5. Афанасьев, В.Н., Юзбашев, М.М. Анализ временных рядов и прогнозирование [Текст] / В.Н. Афанасьев, М.М. Юзбашев. - М.: Финансы и статистика, 2010. - 320с.

6. Бережной, А.Е. Эволюция многоукладной экономической системы [Текст] / А.Е. Бережной // Экономика и математические методы - 2008. -Т. 44, вып. 2.-С. 96-112.

7. Бессонов, В.А. Проблемы анализа российской макроэкономической динамики переходного периода [Текст] / В.А. Бессонов. - М.: ИЭПП, 2005. -244с.

8. Бияков, O.A. Экономическое пространство региона: процессный подход [Текст] / O.A. Бияков. - Кемерово: Кузбассвузиздат, 2004. - 320с.

9. Бокс, Дж.. Анализ временных рядов. Прогноз и управление [Текст] / Дж. Бокс, Г. Дженкинс. - Вып.2. - М.: Мир, 1974. - 197с.

10. Борьба за информационное окно в мир. Возвращение «браузерных войн». Лента.Ру. [Электронный ресурс]. - Режим доступа: http ://lenta.ru/articles/2004/12/3 О/browsers/

11. Буч, Г. Объектно-ориентированный анализ и проектирование (с примерами приложений на С++) [Текст] / Гради Буч. - М.: Издательство «Бином», СПб: «Невский диалект», 1998. - 560с.

12. Гладков, Л.А. Генетические алгоритмы [Текст] / Л.А. Гладков,

B.В. Курейчик В.М. Курейчик. - М.: ФИЗМАТЛИТ, 2010. - 368с.

13. Голованова, А.Е., Юрьева В.В. Баланс добычи и спроса на нефть. [Текст] // Сборник научных трудов вузов России «Проблемы экономики, финансов и управления производством» / А.Е. Голованова, В.В. Юрьева. -№32, 2012. - С.106-112.

14. Гольдман, С. Гармонический анализ, модуляция и шумы. [Текст] /

C. Гольдман. - М.: Изд-во иностранной литературы, 1951. - 408с.

15. Губанов, В.А. Инерционный прогноз нестационарных временных рядов [Текст] / В.А. Губанов. // Материалы шестой международной конференции «Управление развитием крупномасштабных систем МЬ80'2012» (1-3 октября 2012г., Москва, Россия). - Т.2, М.: ИПУРАН, 2012. - С. 366-369.

16. Губанов, В.А. Сравнение методов сезонной корректировки временных рядов [Текст] / В.А. Губанов. // Научные труды ИНП РАН. Гл. ред. А.Г. Коровкин. - М.: МАКС Пресс, 2010. - С. 149-169.

17. Давние, В.В. Адаптивные модели мультитрендовых процессов и прогноз стоимости финансовых активов [Текст] /В.В. Давние, В.И. Тинякова // Вестник воронежского государственного университета. Серия: Экономика и управление. - 2006. - №1. - С. 143-147.

18. Давние, В.В. Адаптивные модели: анализ и прогноз в экономических системах [Текст] /В.В. Давние, В.И. Тинякова. - Воронеж: Воронежский государственный университет, 2006. - 380с.

19. Дёч, Г. Руководство к практическому применению преобразования Лапласа и 2-преобразования [Текст] / Г. Дёч. - М.: Наука, 1971. - 288 с.

20. Дресвянников, В.А. Особенности жизненных циклов различных экономических систем [Текст] / В.А. Дресвянников // Менеджмент в России и за рубежом. - М., 2008. - № 6. - С. 18-35.

21. Дунаева, Т.А. Сезонне коригування часових ряд1в (на основ! вар1ацшних принцишв) [Текст] / Т.А. Дунаева, A.B. Черномордов. // Пращ Одеського полггехшчного ушверситету. -2011. - Вип. 3(37). - С. 222-227.

22. Евростат. Руководство ESS по поправке на сезонность. [Электронный ресурс] - Режим доступа: http://esp.eurostat.es.europa.eu/pls/ portal/docs/PAGE/PGP%20RESEA%20RCH/PGE%20RESEARCH%2004/ ESS%20GUIDELINES%200N%20SA.P.

23. Ежов, A.A. Нейрокомпьютинг и его применения в экономике и бизнесе [Текст] / A.A. Ежов, С.А. Шумский. - Москва: МИФИ, 1998. - 224с.

24. Елисеева, И.И.. Эконометрика [Текст] / Под ред. И.И. Елисеевой. -М.: Финансы и статистика, 2005. - 575с.

25. ЕМИСС. [Электронный ресурс] - М.:, сор. 2011-2013. - Режим доступа: http://www.fedstat.ru/

26. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко - Новосибирск: ИМ СО РАН, 1999. - 270 с.

27. Зарова, Е.В. Эконометрическое моделирование и прогнозирование развития региона в краткосрочном периоде [Текст] / Е.В. Зарова, Г.Р. Хасаев.

- М.: Экономика, 2004. - 149с.

28. Зоидов, К.Х. Эволюционный подход и его значение для развития экономической науки в постсоветских странах [Текст] / К.Х. Зоидов. // Экономика и математические методы. - 2009. - Т. 45, вып. 2. - С. 96-112.

29. Информационно-аналитический ресурс MachineLearning.Ru. [Электронный ресурс] - Режим доступа: http://www.machinelearning.ru/ -Загл. с экрана.

30. Калимулина, О.В. Особенности рынка компьютерных игр [Текст] / О.В. Калимулина // Российский внешнеэкономический вестник. - 2010. - №5.

- С.45-51.

31. Канторович, Г.Г. Анализ временных рядов: курс лекций [Текст] / Г.Г. Канторович. // Экономический журнал Высшей школы экономики. -2002. - Т. 6. - №1. - С. 85-116; - №2. - С. 251-273; - №3. - С. 379-401.

32. Кожухова, В.Н. Параметрический подход к моделированию жизненного цикла продукта [Текст] / В.Н. Кожухова, A.A. Коробецкая // Материалы XIII научной конференции студентов и аспирантов: сб. статей. -Самара: Изд-во «СМИУ», 2012. - С. 82-85.

33. Кожухова, В.Н. Разработка комплекса математических моделей для мониторинга эволюции международной миграции Российской Федерации [Текст] / В.Н. Кожухова, A.A. Коробецкая // Экономический рост: математические аспекты: Материалы Всероссийской молодежной конференции. - М.: ФГБОУ ВПО «РЭУ им. Г.В. Плеханова», 2011. - С.62-65.

34. Кожухова, В.Н. Разработка и исследование комплекса моделей логистической динамики социально-экономических показателей [Текст]. Дис. ... канд. эк. наук: 08.00.13 / Варвара Николаевна Кожухова. - Оренбург: 2013.- 171с.

35. Кожухова, В.Н. Разработка методов параметризации рядов экономической динамики с дробно-рациональным трендом и гармонической колебательной компонентой [Текст] / В.Н. Кожухова, A.A. Коробецкая // IX Королёвские чтения: материалы Всероссийской молодёжной научной конференции с международным участием: тезисы докладов. - Самара: Изд-во СГАУ, 2007. - С. 259-260.

36. Кожухова, В.Н. Сравнительный анализ свойств известных моделей логистической динамики [Текст] / В.Н. Кожухова // Известия Академии управления: теория, стратегии, инновации: теоретический и научно-методический журнал. - Самара: СМИУ. - 2011. - №4(5). - С. 46-52.

37. Компьютерра-Онлайн [Электронный ресурс] - Сор.1997-2014. -Режим доступа: http://www.computerra.ru/

38. Кондратьев, Н.Д. Большие циклы конъюнктуры и теория предвидения. Избранные труды [Текст] / Н.Д. Кондратьев, Ю.В. Яковец, Л.И. Абалкин. - М.: Экономика, 2002. - 768с.

39. Кондратьев, Н.Д. Проблемы экономической динамики [Текст] / Под ред. Л.И. Абалкина и др. - М.: Экономика, 1989. - С. 58.

40. Коробецкая, A.A. Применение комплекса дробно-рациональных моделей для описания жизненных циклов [Текст] / A.A. Коробецкая // Известия Академии управления: теория, стратегии, инновации: теоретический и научно-методический журнал. - Самара: Изд-во «Самарский муниципальный институт управления», 2011. - №4 (5). - С. 53-57.

41. Коробецкая, A.A. Анализ и прогнозирование основных тенденций на общемировом и российском рынках веб-обозревателей [Текст] / A.A. Коробецкая. // Математическое моделирование, численные методы и информационные системы: сб. материалов III Всероссийской научно-практической конференции с международным участием (Самара, 20-21 октября 2011г.) / под ред. д.т.н., д.э.н., проф. В.К. Семёнычева. - Самара: Изд-во «Самарский муниципальный институт управления», 2011. - С. 70-76.

42. Коробецкая, A.A. Идентификация параметров моделей экономической динамики с мультипликативной структурой стохастической компоненты [Текст] / A.A. Коробецкая // Известия Академии управления: теория, стратегии, инновации: теоретический и научно-методический журнал. - Самара: Изд-во «СМИУ», 2011. - №2 (3). - С. 53-57.

43. Коробецкая, A.A. Комплекс нелинейных феноменологических моделей эволюции социально-экономических систем [Текст] / A.A. Коробецкая // Материалы конференций: сб. статей / под ред. д.т.н., д.э.н. профессора В.К. Семёнычева. - Самара: САГМУ, 2012. - Т.1. - С.134-138.

44. Коробецкая, A.A. Моделирование и прогнозирование эволюции потребления нефти в развитых странах [Текст] / A.A. Коробецкая // Управление экономикой: методы, модели, технологии: XIV Международная научная конференция: сборник научных трудов. - Уфа: УГАТУ, 2014. - Том 2.-С. 200-203.

45. Коробецкая, A.A. Моделирование разнонаправленной эволюции тренда и сезонных колебаний [Текст] / A.A. Коробецкая. // Математическое моделирование в экономике, управлении, образовании. Материалы Международной научно-практической конференции. / Под ред.

Ю.А. Дробышева и И.В. Дробышевой. - Калуга: Изд-во «Эйдос», 2012. -С. 134-138.

46. Коробецкая, A.A. Применение комплекса дробно-рациональных моделей для описания жизненных циклов [Текст] / A.A. Коробецкая // Известия Академии управления: теория, стратегии, инновации: теоретический и научно-методический журнал. - Самара: Изд-во «СМИУ», 2011.-№4(5).-С. 53-57.

47. Коробецкая, A.A. Применение нейронных сетей на основе модели многослойного персептрона для прогнозирования социально-экономической динамики [Текст] / A.A. Коробецкая // Математические модели современных экономических процессов, методы анализа и синтеза экономических механизмов. Сб. ст. VI-ой Всерос. науч.-практ. конф. Вып.6. Под ред. Зибарева А.Г., Новикова Д.А. / Самарский государственный аэрокосмический университет - Самара, 2011. - С. 45-52.

48. Коробецкая, A.A. Прогнозирование заболеваемости населения Российской Федерации на основе моделирования временных рядов [Текст] / A.A. Коробецкая // Вестник Самарского муниципального института управления. - Самара: Изд-во «СМИУ», 2010. - № 4 (15). - С. 31-36.

49. Котлер, Ф. Маркетинг менеджмент. Экспресс-курс [Текст] / Ф. Котлер. Под ред. С.Г. Божук. - 2-е изд. - СПб: Питер, 2005. - 464с.

50. Кремер, Н.Ш., Эконометрика. [Текст] / Н.Ш. Кремер, Б.А. Путко. -М.: ЮНИТИ-ДАНА, 2002. - 311 с.

51. Ламбен, Ж.Ж. Стратегический маркетинг. Европейская перспектива [Текст] / Ж.Ж. Ламбен. - СПб.: Наука, 1996. - 589с.

52. Лопатин, A.C. Метод отжига [Текст] / A.C. Лопатин. // Стохастическая оптимизация в информатике. - 2005. - Вып. 1.- С. 133-149.

53. Лопатников, Л.И. Экономико-математический словарь: Словарь современной математической науки [Текст] / Л.И. Лопатников - М.: Дело, 2003.-520с.

54. Jlyкашин, Ю.П. Адаптивная эконометрика. Нелинейные адаптивные регрессионные модели [Текст] / Ю.П. Лукашин. // Вопросы статистики. - 2006. - № 6. - С. 37-45.

55. Лукашин, Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов [Текст] / Ю.П. Лукашин. - М.: Финансы и статистика, 2003. - 416с.

56. Мировая экономика [Электронный ресурс]. - Режим доступа: http://www.ereport.ru/

57. Миронов, В. Доходы бюджета РФ за первый квартал составили 3,5 трлн. рублей [Электронный ресурс] / Василий Миронов // Российская газета. -Режим доступа: http://www.rg.ru/2014/05/05/dohodi-site-anons.html

58. Модель потребления нефти изменилась // Деловой портал «БФМ.РУ». - Сор. 2010-2014 ООО «БФМ.РУ». - Режим доступа: http://www.bfm.ru/news/91973?doctype=article.

59. Молчанов, A.B. Развитие теории С.П. Капицы. Население Земли как растущая иерархическая сеть. [Электронный ресурс] / A.B. Молчанов. -СПб.: (б.и.), 2006. - Режим доступа: http://www.hyperbolic-growth.ru/

60. Морозко, Н.И. Анализ мирового потребления нефти и нефтепродуктов (спрос и предложение). [Текст] // Проблемы экономики и управления нефтегазовым комплексом / И.А. Иванова, Н.И. Морозко. - №12, 2011.-С. 43-46.

61.Моторин, В.И. Критерии и методы декомпозиции макроэкономических показателей [Текст] / В.И. Моторин. - М.: ГУ ВШЭ, 2005. - 60с. - (Препринт WP2/2005/02)

62. Нагин, A.A. Адаптивные модели в задачах анализа и прогнозирования финансовых активов [Текст]: Дис. ... канд. эк. наук: 08.00.13 / Арсений Алексеевич Нагин. - Воронеж, 2006. - 165с.

63. Наймушин, А.Г. Идентификация эволюционных процессов жизненного цикла систем с учетом априорной информации / А.Г. Наймушин, В.Л. Сергеев // Известия Томского политехнического университета, 2013. -Т. 322, №5.-С. 42-46.

64. Нижегородцев, Р.М. Мировые финансовые циклы второй половины XX века [Текст] / Р.М. Нижегородцев, Н.А. Соловьев. // Вестник ЮжноРоссийского Государственного Технического Университета (Новочеркасского Политехнического Института). Серия: Социально-экономические науки. - 2013. -№3. - С. 36-45.

65. Нижегородцев, Р.М. Неравновесная динамика макросистем и механизмы преодоления мирового кризиса. - Новочеркасск: НОК, 2011. -100с.

66. Оразбаев, Б.Б. Задачи прогноза и идентификации нефтедобычи, математические методы и алгоритмы их решения [Электронный ресурс] / Б.Б. Оразбаев, JI.T. Курмангазева, Ж.М. Кабылхамит // Электронная библиотека Атырауского института нефти и газа. - 2007. - Режим доступа: http://www.aing.kz/e-lib/

67. Орлов, Ю.Н. Нестационарные временные ряды: Методы прогнозирования с примерами анализа финансовых и сырьевых рынков [Текст] / Ю.Н. Орлов, К.П. Осминин. - М.: Книжный дом «ЛИБРОКОМ», 2011.-384с.

68. Осминин, К.П. Алгоритмы прогнозирования нестационарных временных рядов. Автореф. дис. ... канд. ф. м. наук [Текст] / К.П. Осминин. -М.: 2008.-24с.

69. Осовский, С. Нейронные сети для обработки информации [Текст] / Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344с.

70. Официальный сайт Embarcadero Technologies, Inc. [Электронный ресурс] - Сор. 2013. - Режим доступа: http://www.embarcadero.com/

71. Охлопков, Г.Н. Разработка модели прогнозирования объемов добычи и потребления нефти и природного газа. [Текст] // Региональная экономика: теория и практика / Г.Н. Охлопков. - №14, 2009. - С.30-32.

72. Перстенева, Н.П. Количественные методы измерения трансформации социально-экономических систем: Монография [Текст] / Н.П. Перстенева. - Самара: Изд-во НОАНО ВПО СИБиУ, 2012. - 80с.

73. Поддержка Windows ХР SP3 и Office 2003 завершается 8 апреля 2014г. - Режим доступа: http://www.microsoft.com/ru-ru/windows/endofsupport.aspx (загл. с экрана)

74. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы [Текст] / Данута Рутковская, Мачей Пилиньский, Лешек Рутковский. Пер. Игорь Рудинский. - М.: Горячая Линия - Телеком, 2013. -384с.

75. Садченко, К.В. Законы экономической эволюции [Текст] / К.В. Садченко. - М.: Дело и Сервис, 2007. - 272с.

76. Сайт Федеральной службы государственной статистики. [Электронный ресурс] - М.: Федеральная служба государственной статистики, сор. 1999-2013. - Режим доступа: http://www.gks.ru/

77. Самарский, A.A. Математическое моделирование: Идеи. Методы. Примеры. [Текст] / A.A. Самарский, А.П. Михайлов - 2-е изд., испр. - М.: Физматлит, 2001. - 320с.

78. Светуньков, С.Г. Количественные методы прогнозирования эволюционных составляющих экономической динамики [Текст] / С.Г. Светуньков. - Ульяновск: Изд-во Ульяновского государственного университета, 1999. - 117с.

79. Светуньков, С.Г. Методы социально-экономического прогнозирования: Учебник для вузов. Том 1 [Текст] / С.Г. Светуньков, И.С. Светуньков - СПб.: Изд- СПбГУЭФ, 2009. - 180с.

80. Свидетельство о государственной регистрации программы для ЭВМ 2011613830, Российская Федерация. Автоматизированная система мониторинга аккредитационных и финансовых показателей вуза. / A.A. Коробецкая, В.Н. Кожухова, О.В. Емельянова. - Заявка №2011611989; дата поступления 24.03.2011г.; дата регистр. 17.05.2011 г.

81. Свидетельство о государственной регистрации программы для ЭВМ 2011613298, Российская Федерация. Автоматизированная система прогнозирования рядов экономической динамики. / A.A. Коробецкая,

О.П. Солдатова. - Заявка №2011611575; дата поступления 11.03.2011г.; дата регистр. 27.04.2011г.

82. Свидетельство о государственной регистрации программы для ЭВМ 2014619521, Российская Федерация. Программный комплекс параметрического моделирования временных рядов. / A.A. Коробецкая, В.Н. Кожухова, В.К. Семёнычев. - Заявка №2014617137; дата поступления 21.07.2014г.; дата регистр. 17.09.2014г.

83. Семёнычев, В.К. Идентификация мультитрендовой эволюционирующей модели с мультипликативной линейно-экспоненциальной структурой [Текст] / В.К. Семёнычев, A.A. Коробецкая // Вестник Самарского муниципального института управления. - Самара: Изд-во «СМИУ», 2014. - № 1(28). - С.7-14.

84. Семёнычев, В.К. Классификация видов и структуры идентификации эволюции временных рядов экономической динамики [Текст] / В.К. Семёнычев, Е.В. Семёнычев, В.В. Семёнычев // Вестник Самарского муниципального института управления. - Самара: Изд-во «СМИУ», 2009. -№9.-С. 60-65.

85. Семёнычев, В.К. Параметрическая идентификация рядов динамики: структуры, модели, эволюция. [Текст] / В.К. Семёнычев, Е.В. Семёнычев. -Самара: СамНЦ РАН, 2011. - 364с.

86. Семёнычев, Е.В. Параметрическое моделирование жизненного цикла товара [Текст] / Е.В. Семёнычев, A.A. Коробецкая // Маркетинг: журнал. - М.: ЛИГА-ПРИНТ, 2011. - №5 (120). - С. 25-35.

87. Семёнычев, В.В. Разработка комплекса методов моделирования и краткосрочного прогнозирования эволюционирующих рядов экономической динамики [Текст]. Дис. ... канд. эк. наук: 08.00.13 / Виталий Валериевич Семёнычев. - Самара: 2010. - 150с.

88. Семёнычев, В.К. Анализ и предложения моделей экономической динамики с кумулятивным логистическим трендом: монография [Текст] / В.К. Семёнычев, В.Н. Кожухова. - Самара: СамНЦ РАН, 2013. - 152 с.

89. Семёнычев, B.K. Выбор инструментария для моделирования кривых жизненного цикла с повторным циклом [Текст] / В.К. Семёнычев, Е.В. Семёнычев, Е.И. Куркин, A.A. Коробецкая // Вестник Самарского муниципального института управления. - Самара: СМИУ, 2011. - № 3 (18). -С. 46-53.

90. Семёнычев, В.К. Идентификация экономической динамики на основе моделей авторегрессии [Текст] / В.К. Семёнычев. - Самара: AHO «Изд-во СНЦ РАН», 2004. - 243с.

91. Семёнычев, В.К. Инструментарий параметрического моделирования жизненного цикла продукта (на примере индустрии видеоигр) / В.К. Семёнычев, В.Н. Кожухова, A.A. Коробецкая // Проблемы экономики и менеджмента. - 2012. - № 10 (14). - С. 165-175.

92. Семёнычев, В.К. Информационные системы в экономике. Эконометрическое моделирование инноваций. Часть 1: учеб. пособие [Текст] / В.К. Семёнычев, Е.В. Семёнычев. - Самара: Изд-во Самар. гос. аэрокосм, ун-та, 2006. -217с.

93. Семёнычев, В.К. Исследование точности идентификации моделей с трендом в виде гиперболических функций и аддитивной стохастической компоненте [Текст] / В.К. Семёнычев, A.A. Коробецкая // Анализ, моделирование и прогнозирование экономических процессов: материалы II Международной научно-практической Интернет-конференции, 15 декабря 2010 г. - 15 февраля 2011г. / под ред. Л.Ю. Богачковой, В.В. Давниса; Волгоград, гос. ун-т, Воронеж, гос. ун-т. - Воронеж : Изд-во ЦНТИ, 2010 -С. 300-306.

94. Семёнычев, В.К. Исследование точности метода моделирования и прогнозирования экспоненциальной тенденции на основе обобщенных параметрических ARMA-моделей [Текст] / В.К. Семёнычев, В.В. Семёнычев, A.A. Коробецкая // Вестник Самарского муниципального института управления. - Самара: СМИУ, 2010. - № 1(12). - С. 36-45.

95. Семёнычев, В.К. Метод параметрической итерационной декомпозиции тренд-сезонных рядов аддитивной структуры [Текст] /

В.К. Семёнычев, E.B. Семёнычев, A.A. Коробецкая // Вестник Самарского муниципального института управления. - Самара: Изд-во «СМИУ», 2010. -№ 1(12).-С. 63-71.

96. Семёнычев, В.К. Моделирование и прогнозирование жизненного цикла товаров на основе дробно-рациональных моделей тренда [Текст] / В.К. Семёнычев, Е.В. Семёнычев, A.A. Коробецкая // Научные исследования Самарского государственного экономического университета: сб. науч. тр.: в 2 ч./ отв. ред. А.П. Жабин. - Самара. Изд-во Сам. гос. экон. ун-та, 2011. - Ч. 2. -С. 189-197.

97. Семёнычев, В.К. Модель жизненного цикла продукта на основе дробно-рационального тренда с произвольной асимметрией [Текст] / В.К. Семёнычев, A.A. Коробецкая // Экономика и математические методы. -2012.-№3.-С. 106-112.

98. Семёнычев, В.К. Мониторинг эволюции параметров моделей и горизонта достоверного прогноза по доверительному интервалу идентификации [Текст] / В.К. Семёнычев, Е.И. Куркин, Е.В. Семенычев, A.A. Коробецкая // Статистика как средство международной коммуникации: Материалы Международной научно-практической конференции. - СПб.: Нестор-История, 2014. - С.367-370.

99. Семёнычев, В.К. Определение и метод компенсации погрешности от смещенности МНК-оценки частоты модели суммы линейного тренда, гармоники и ошибки [Текст] / В.К. Семёнычев, A.B. Сергеев // Экономическое прогнозирование. Материалы V Международной практической конференции. - Воронеж: Воронежский государственный университет. - 2009. - С. 135-141.

100. Семёнычев, В.К. Эконометрическое моделирование численности безработных и относительного уровня безработицы в Самарской области [Текст] / В.К. Семёнычев, О.Б. Фурсов, A.A. Коробецкая // Актуальные проблемы социально-трудовых отношений в современных условиях: сб. материалов Региональной научно-практической конференции, Самара, 22 ноября 2011 г. - Самара: СМИУ, 2011. - С. 18-23.

101. Семенычев, Е.В. Выбор модели колоколообразной формы для жизненного цикла добычи нефти и газа [Текст] / Е.В. Семенычев, Е.И. Куркин, П.А. Молостова // Проблемы экономики и управления нефтегазовым комплексом. - №8. 2012. - С. 28-34.

102. Семёнычев, Е.В. Опыт и инструментарий моделирования и прогнозирования эволюции валового внутреннего продукта Российской Федерации аддитивно-мультипликативными моделями [Текст] / Е.В. Семёнычев, A.A. Коробецкая // Экономические науки. - 2010. -№9(70).-С. 247-251.

103. Сергеев, A.B. Моделирование и прогнозирование трендовых моделей с эволюционными колебательными компонентами [Текст] / A.B. Сергеев, В.В. Семёнычев // Вестник Самарского государственного университета путей сообщения. - Самара, 2009. -Вып. 4(16). - С. 86-91.

104. Середа, С.А. Анализ рисков и минимизация потерь от нелегального распространения программных продуктов. [Текст] Автореферат дисс. канд. экон. наук: 08.00.13 / Сергей Александрович Середа. - Москва, 2005.-23с.

105. Соколов, В.А. Эволюционные уравнения как феноменологическая модель разработки нефтегазовых месторождений. [Электронный ресурс] - Уфа: Нефтегазовое дело, 2006. - Режим доступа: http://www.ogbus.ru/authors/SokolovVA/SokolovVA_l.pdf

106. Соловьев, В.И. Стратегия и тактика конкуренции на рынке программного обеспечения: Опыт экономико-математического моделирования: монография / В. И. Соловьев. - М.: Вега-Инфо, 2010. - 200 с.

107. Соловьев, В.И. Математическое моделирование рынка программного обеспечения [Текст]. Дис. ... док. эк. наук: 08.00.13. / Владимир Игоревич Соловьев. - Москва, 2011. - 272с.

108. Сурков, П.В. Эконометрическое моделирование эволюции цен в задачах оценки опционов [Текст]. Дис. ... канд. эк. наук: 08.00.13. / Павел Викторович Сурков. - Воронеж, 2008. - 150с.

109. Сухарев, О.С. Эволюционная экономика. Институты - структуры, кризисы - рост, технологии - эффективность [Текст] / О.С. Сухарев. - М.: Финансы и статистика, 2012. - 800с.

110. Тихомиров, А.С. О быстрых вариантах алгоритма отжига (simulated annealing) [Текст] / А.С. Тихомиров // Стохастическая оптимизация в информатике. - 2009. - Том 5. - С. 65-90.

111. Тихомиров, Н.П. Эконометрика [Текст] / Н.П. Тихомиров, Е.Ю. Дорохина. - М.: Экзамен, 2003. - 512с.

112. Харуто, А.В. Интенсивность российской художественной жизни: анализ периодических компонент [Текст] / А.В. Харуто, Т.В. Коваленко, П.А. Куличкин, JI.A. Мажуль, В.М. Петров // Социлогия. - 2007. - № 25. -С. 142-166.

113. Цыплаков, А.А. Введение в прогнозирование в классических моделях временных рядов [Текст] / Александр Цыплаков // Квантиль. - 2006. -№1. - С. 3-19.

114. Цыплаков, А.А. Некоторые эконометрические методы. Метод максимального правдоподобия в эконометрии [Текст] / А.А. Цыплаков. -Новосибирск: ЭФ НГУ, 1997. - 129с.

115. Четыркин, Е.М. Статистические методы прогнозирования [Текст] / Е.М. Четыркин. - М.: Статистика, 1977. - 192с.

116. Чураков, Е.П. Прогнозирование эконометрических временных рядов [Текст] / Е.П. Чураков. - М.: Финансы и статистика, 2008. - 202с.

117. Al-Yousef, Nourah AbdulRahman. Modeling and Forecasting the demand for Crude Oil in Asian Countries. [Electronic resource] // 25th USAEE/ IAEE North American Conference, September 18- 21, 2005. - URL: http://faculty.ksu.edu.sa/NourahAlyousef/Publications/Modelling%20Demad%20f or%20oil%20by%20Asian%20Countries.pdf

118. Andrews, D.W.K. Inference in Nonlinear Econometric Models with Structural Changes [Text] / D.W.K. Andrews, R.C. Fair // Review of Economic Studies. -1987. - Vol. LV(55). - pp. 615-640.

119. Australian Bureau of Statistics [Electronic resource]. - URL: http://www.abs.gov.au/

120. Bai, J. Estimating and testing linear models with multiple structural changes. [Text] / J. Bai, P. Perron // Econometrica. - 1998. - Vol. 66, - pp.47-78.

121. Bass, Frank M., A New Product Growth Model for Consumer Durables. Management Science, Vol. 15 (January, 1969), pp. 215-227.

122. Boldea, O. Estimation and inference in unstable nonlinear least squares models [Electronic resource] / O. Boldea, A.R. Hall // MPRA. - No. 23150, 2010. - URL: http://mpra.ub.uni-muenchen.de/23150/

123. BP Global. [Электронный ресурс]. - Режим доступа: http://www.bp.com/ (загл. с экрана).

124. Brodsky В. Monitoring Structural Changes in Econometric Models [Electronic resource]. - URL: http://serverl.data.cemi.rssi.ru/GRAF/center/ methodology/econometrics/download/monitoring_en.pdf

125. Chow, G. Tests of Equality Between Sets of Coefficients in Two Linear Regressions [Text] / Gregory C. Chow // Econometrica. - 1960. - Vol. 28(3). -pp. 591-605.

126. Den Butter, F.A.G. Seasonal Adjustment as a Practical Problem [Text] / F.A.G. Den Butter, M.M.G. Fase. - Amsterdam, 1991. - 226p.

127. Digit.Ru [Электронный ресурс] - Cop.2014. - Режим доступа: http://digit.ru/ (загл. с экрана)

128. Durbin, J. Seasonal adjustment based on a mixed-additive-multiplicative model [Text] / J. Durbin, M.J. Murphy // Statist. Sos. Ser. A. - 1975. -Vol. 138, n.3.-pp. 385-410.

129. Durbin, J. Seasonal Adjustment When the Seasonal Component Behaves Neither Purely Multiplicatively nor Purely Additively [Text] / J. Durbin, P. Kenny // Seasonal Analysis of Economic Time Series. - Cambridge: National Bureau of Economic Research. 1979.-P. 173-200.

130. EREPORT.RU: мировая экономика. - Cop.2006-2014. - Режим доступа: http://www.ereport.ru/ (загл. с экрана)

131. European Economy. Directorate-General for Economic and Financial Affairs [Text]. - Report No 5. - 2006. - 155 p.

132. Feng L, Hu Y, Hall Ch, Wang J. Possible Trends of Chinese Oil Supply Through 2030. The Chinese Oil Industry. Briefs in Energy. 2013. - P. 47-69.

133. Fischer, B. Decomposition of Time Series. Comparing Different Methods in Theory and Practice [Text] / B. Fischer // Eurostat working group document. - 1995. - pp. 73-78.

134. Forbes. [Electronic source] - Cop. 2014. - URL: http://forbes.com/

135. Galarneau, L. Global Gaming Stats: Who's Playing What, and Why? . [Electronic source] / Lisa Galarneau. - Big Fish Games, 2014. - URL: http://www.bigfishgames.com/blog/2014-global-gaming-stats-whos-playing-what-and-why/

136. Gartner. [Electronic source] - Cop. 2014. - URL: http://gartner.com/

137. Hammond, G.P. Projections of UK oil and gas supply and demand to 2010 [Text] / G.P. Hammond, R.M. Mackay // Applied Energy. - 1993. - Vol. 44, Is.2. - pp. 93-112.

138. Hansen, B.E. The New Econometrics of Structural Change: Dating Breaks in U.S. Labor Productivity [Text] / B.E. Hansen // Journal of Economic Perspectives. - 2001. - Vol. 4(15). - pp. 117-128.

139. Hood, C.C. An empirical evaluation of the performance of TRAMO/SEATS on simulated series [Electronic resource] / Catherine C. Hood, James D. Ashley, David F. Findley // US Census Bureau - Washington, 2000. -URL: http://www.census.gov/tg/papers/asaOO_ts.pdf

140. Hubbert M.K. Techniques of prediction as applied to the production of oil and gas. Symposium on oil and gas supply modeling. Washington DC. Department of Commerce, National Bureau of Standards. 1980.

141. IEA - International Energy Agency. [Электронный ресурс]. - Режим доступа: http://www.iea.org/ (загл. с экрана).

142. Korotayev, A.V. A Spectral Analysis of World GDP Dynamics: Kondratieff Waves, Kuznets Swings, Juglar and Kitchin Cycles in Global Economic Development, and the 2008-2009 Economic Crisis [Electronic resource]

/ Andrey V. Korotayev and Sergey V. Tsirel // Structure and Dynamics: eJournal of Anthropological and Related Sciences. - 2010. - Issue 1(4). - URL: http://www.escholarship.org/uc/item/9j v 108xp

143. Leisch, F. Monitoring structural changes with the generalized fluctuation test [Text] / F. Leisch, K. Hornik, C.M. Kuan // Econometric Theory. -2000. - Vol. 16. - pp. 835-854.

144. Media Create [Electronic resource]. - Режим доступа: http://www.m-create.com/

145. Net Market Share [Electronic resource]. - Cop. NetApplications.com, 2006-2014. - Режим доступа: http://marketshare.hitslink.com/

146. Organization of the Petroleum Exporting Countries (OPEC). [Электронный ресурс]. - Режим доступа: http://www.opec.org/ (загл. с экрана).

147. OS Platform Statistics [Electronic resource] // W3School. - URL: http://www.w3schools.com/browsers/browsers_os.asp

148. Perron, P. Structural changes, econometrics of [Text] / P. Perron // The New Palgrave Dictionary of Economics, Second Edition. - 2008.

149. Sorin, V. Chaos Models in Economics [Text] / Vlad Sorin, Paul Pascu, Nicolae Morariru // Journal of Computing. - 2010. - Vol. 2, Is. 1. — pp. 79-83.

150. StatCounter [Electronic resource]. - Cop. 1999-2013. - URL: http://www.statcounter.com/

151. Turanoglu E., Senvar O. & Kahraman C. Oil consumption forecasting in Turkey using artificial neural network. [Text] // Energy Optimization and Engeneering. - Vol.1, Is.4, 2012.-pp. 89-105.

152. Theil, P. Some observations on adaptive forecasting [Text] / P. Theil, S. Wage // Management Science. - 1964. - Vol.10. - pp. 21-62.

153. U.S Energy Information Administration. International Energy Statistics. [Электронный ресурс]. - Режим доступа: http://www.eia.gov/ countries/data.cfm (загл. с экрана).

154. Veblen, Т. Why is economics not an evolutionary science? [Text] / T. Veblen // Quarterly Journal of Economics. - Vol. 12(4), 1898. - pp. 373-397.

155. VGChatrz [Electronic resource]. - Cop. VGChatrz Ltd., 2006-2013. -URL: http://www.vgchartz.com

156. Westarp, Falk von. Modeling software markets. Empirical analysis, network simulations and marketing implications. [Text] / Falk fon Werstarp. -Berlin: Physica-Verlag, 2003. - 208p.

157. Witt, U. Evolutionary concepts in economics [Text] / U. Witt // Eastern Economic Journal. - 1992. - Vol. 18(4). - p. 406.

158. Witt, U. What is specific about evolutionary economics? [Text] / U. Witt // Journal of Evolutionary economics. - Springer. - Vol. 18 (5), 2008. -pp. 547-575.

159. Zeileis, A. Implementing a Class of Structural Change Tests: An Econometric Computing Approach [Text] / A. Zeileis // Computational Statistics & Data Analysis. - 2006. - Vol. 50, Is. 11. - pp. 2987-3008.

160. Zeileis, A. Monitoring Structural Change in Dynamic Econometric Models / A. Zeileis, F. Leisch, Ch. Kleiber, K. Hornik // Journal of Applied Econometrics. - 2005. - Vol. 20. - pp. 99-121.