Моделирование и прогнозирование развития отраслей социально-экономической сферы Карачаево-Черкесской Республики тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Кошелев, Игорь Викторович

  • Кошелев, Игорь Викторович
  • кандидат экономических науккандидат экономических наук
  • 2006, Москва
  • Специальность ВАК РФ08.00.13
  • Количество страниц 171
Кошелев, Игорь Викторович. Моделирование и прогнозирование развития отраслей социально-экономической сферы Карачаево-Черкесской Республики: дис. кандидат экономических наук: 08.00.13 - Математические и инструментальные методы экономики. Москва. 2006. 171 с.

Оглавление диссертации кандидат экономических наук Кошелев, Игорь Викторович

Введение.

Глава 1. СОЦИАЛЬНО-ЭКОНОМИЧЕСКАЯ СФЕРА РЕСПУБЛИКИ КАК ОБЪЕКТ ИЗУЧЕНИЯ: КОНЦЕПЦИЯ, ЭВОЛЮЦИЯ, ХАРАКТЕРИСТИКИ.

1.1. Социально-экономические проблемы региона и роль государства в формировании единой социальной политики.

1.2. Сравнительный анализ действующих систем показателей.

1.2.1. Система показателей социально-экономического разви- ^ тия республики.

1.2.2. Показатели инвестиционной политики республики.

1.3. Характеристика современных методов для моделирования социально-экономической сферы республики.

1.3.1. Математические подходы к моделированию развития социальной сферы республики.

1.3.2. Проблемы структурирования данных для оценки социально-экономических эволюционных процессов и систем.

1.3.3. Анализ экономических процессов на основе классических методов прогнозирования экономических временных рядов

Выводы к главе 1 ^

Глава 2. ОЦЕНКА И ПРЕДПРОГНОЗНЫЙ АНАЛИЗ ИНВЕСТИЦИЙ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКУЮ СФЕРУ МЕТОДАМИ 11ЕЛИ11ЕЙНОЙ ДИНАМИКИ. ?

2.1. Фрактальный анализ социально-экономических временных рядов как инструментарий их предпрогнозного анализа.

2.2. Временные ряды с неограниченной глубиной памяти и использование рядов приращения в оценке инвестиционной деятельности Карачаево-Черкесской республики.

2.3. Предпрогнозный анализ социально-экономических временных рядов на базе фазовых траекторий для выявления инвестицион- % ной конъюнктуры.

Выводы к главе

Глава 3. ИСПОЛЬЗОВАНИЕ ИНСТРУМЕНТАРИЯ КЛЕТОЧНЫХ АВТОМАТОВ И НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ.

3.1. Новый подход к прогнозированию экономических временных рядов с памятью и общая схема его реализации.

3.2. Формирование памяти клеточного автомата. Частотный анализ памяти лингвистического временного ряда. \ j

3.3. Получение прогнозных лингвистических значений объёмов инвестиций в основной капитал по Карачаево-Черкесской республике.

3.4. Гибридные подходы к прогнозированию экономических временных рядов.

Выводы к главе 3 ^

Рекомендованный список диссертаций по специальности «Математические и инструментальные методы экономики», 08.00.13 шифр ВАК

Введение диссертации (часть автореферата) на тему «Моделирование и прогнозирование развития отраслей социально-экономической сферы Карачаево-Черкесской Республики»

Актуальность темы исследования. В настоящее время региональная политика рассматривается как органическая часть общей социально-экономической политики российского государства, направленной на решение региональных социально-экономических проблем. Это требует применения системного подхода к анализу всей совокупности факторов развития региональных целевых программ, их взаимосвязей с общеэкономическими, социальными, межрегиональными и федеральными программами. Регионы как промежуточный элемент сферы жизнедеятельности непосредственно реализуют социально-экономическую политику государства, так как через регионы осуществляется управление страной, и именно здесь находит своё воплощение государственная стратегия.

Выбор Карачаево-Черкесской республики (КЧР) в качестве объекта исследования обосновывается тем, что являясь дотационной республикой (на 46,7%), она имеет показатели социально-экономического положения ниже среднероссийских. Отсюда вытекает необходимость совершенствования государственной инвестиционной политики в этом регионе. Согласно результатам кластерного анализа уровней социально-экономического развития субъектов РФ Карачаево-Черкесская республика относится к достаточно многочисленной группе регионов с «низким уровнем развития». В эту группу входят фактически все республики Южного Федерального округа РФ. Иными словами, социально-экономические показатели Карачаево-Черкесской республики можно рассматривать в качестве типичных для определенной группы субъектов Российской Федерации. В связи с этим возникает потребность в расширении научных исследований проблем, касающихся современной региональной социально-экономической сферы. Очевидно, что выработка и обоснование управленческих решений в данной сфере должна осуществляться с помощью экономико-математического моделирования прогнозирования и средств вычислительной техники.

Особое значение в арсенале средств регионального управления приобретает прогнозирование, так как государственным структурам необходимы варианты соблюдения равновесия между производством и потреблением, а также динамика отраслей социальной и экономических сфер.

В последние десятилетия в практике управления наблюдается корректировка классических взглядов на процесс прогнозирования, заключающаяся внедрением в данную сферу методов нелинейной динамики: фрактальной геометрии, теории хаоса, теории катастроф, клеточных автоматов, синерге-тических идей. Однако воспроизведение с помощью такого рода инструментальных средств связей, возникающих в инвестиционной сфере, сталкивается с трудностями из-за сложности и слабой изученности природы региональных социально-экономических связей. Вместе с тем инвестиционные процессы в социальной сфере в силу своей исключительной важности требуют тщательного предпрогнозного анализа исходных данных, выявления циклов и особой точности в расчётах длины срока прогнозирования.

Недостаточная проработанность проблемы количественной оценки будущих характеристик инвестиционных процессов регионального уровня, её сложность и важность потребовали интеграции новейших достижений в области нелинейной динамики и классических методов прогнозирования. Потребность в исследовании путей такой интеграции, а также основ и методов её реализации предопределили цель, задачи и характер диссертационной работы.

Степень разработанности проблемы. Большой вклад в развитие современной прогностики внесли зарубежные ученые: И.Бернар, Н.Винтер, Д.Ж.Джонстон, Ж.-К.Колли, Э.Маленво, Б.Б.Мандельброт, М.Осборн, Р.Отнес, М.Песаран, Э.Петерс, Э.Сигел, Г.Тейл. Отметим серьезные и плодотворные прогностические исследования в экономике российских ученых, в том числе труды: JI.B. Канторовича, В.А. Кардаша, B.C. Немчинова, В.В. Новожилова, В.А. Перепелицы, Н.П. Федоренко, С.С. Шаталина, и др. Из отечественных исследователей-футурологов также отметим вклад И.В. Бестужева-Лады, В.А. Буторова, И.Г. Винтизенко, А.Б. Горчакова, А.С. Емельянова, П.С. Завьялова, В.И. Калиниченко, В.В. Ковалева, Ю.П. Лукашина, В.И. Максименко, Г.Г. Малинецкого, Г.Н. Хубаева, Е.М. Четыркина.

Свое развитие и признание в последние два десятилетия получили идеи моделирования сложных социально-экономических связей, базирующихся на использовании методов нелинейной динамики. Этот инструментарий позволяет выявлять и получать новые знания о количественных и качественных характеристиках региональных эволюционирующих процессов. На их базе формируются результаты предпрогнозного анализа, обеспечивающие существенное повышение надежности прогнозирования. Для моделирования и прогнозирования социально-экономических процессов регионального уровня представляется перспективным использование и развитие таких методов нелинейной динамики, как фрактальный анализ, фазовый анализ, а также инструментарий клеточных автоматов и нечетких множеств.

Объектом исследования являются отрасли социально-экономической сферы Карачаево-Черкесской республики.

Предметом исследования выступают инвестиционные процессы, регламентирующие развитие социально-экономических отраслей Карачаево-Черкесской республики.

Цель и задачи исследования. Цель диссертационной работы заключается в разработке экономико-метематических моделей, предназначенных для прогнозирования региональных инвестиционных процессов в социально-экономической сфере, как инструментальной поддержки их развития. Достижение сформулированной цели должно базироваться на использовании новейшего математического аппарата в области нелинейной динамики.

Для этого в диссертации поставлены и решены следующие научно-прикладные задачи:

- проанализировать состояния отраслей социальной сферы Карачаево-Черкесской республики и выявить тенденции, определяющие динамику эволюции экономических показателей основного капитала отраслей этой сферы;

- оценить роль и место экономико-математического инструментария и степени его востребованности для поиска основных стратегических направлений развития отраслей социально-экономической сферы;

- обосновать возможность использования методов нелинейной динамики, в первую очередь, фрактального анализа, фазового анализа и клеточных автоматов для предпрогнозного анализа и прогнозирования региональных инвестиций в основной капитал отраслей социально-экономической сферы, для которых использование классических методов является недостаточно надежным;

- разработать метод трансформации результатов фрактального анализа временных рядов для оценки предпрогнозных характеристик объемов инвестирования (наличие и глубина долговременной памяти, трендоустойчи-вость, цвет шума);

- разработать метод проведения предпрогнозного анализа временных рядов объемов инвестирования в основной капитал социально-экономических отраслей на базе фазовых методов анализа, построения фазовых траекторий и разложения их на квазициклы;

- разработать метод корректировки результатов, полученных с помощью клеточно-автоматной прогнозной модели, учитывающий тренд и сезонность временного ряда объемов инвестирования в основной капитал социально-экономических отраслей.

Теоретическая и методологическая основа исследования. Теоретическую и методологическую базу исследования составляют научные труды современных российских и зарубежных ученых в области экономики, статистического и фрактального анализа временных рядов, экономико-математических методов и моделей прогнозирования, а также известные теоретические и методологические вопросы отражения социально-экономических процессов и систем в виде статистических, информационных и компьютерных моделей.

В качестве исследовательского инструментария использовались методы системного анализа, теории нечетких множеств, дискретной математики, статистического анализа, фрактального анализа, фазового анализа, клеточных автоматов.

В качестве информационной базы использовались нормативные и инструктивные материалы территориального органа Федеральной службы государственной статистики по КЧР, Министерства образования КЧР, Министерства здравоохранения КЧР, Министерства экономического развития республики, а также собственные результаты расчета автора.

Научная новизна диссертационного исследования состоит в интеграции новейших достижений в области моделирования и классических методов прогнозирования инвестиционных процессов в социально-экономической сфере, которая обеспечивает предпрогнозный анализ экономических временных рядов и более точную оценку горизонта прогнозирования.

К числу наиболее существенных результатов, обладающих научной новизной,относятся:

- выявлены причины и пути устранения дезинтеграции традиционных методов моделирования и прогнозирования, широко распространённых в практике регионального управления, и новейших достижений в области обработки временных рядов методами нелинейной динамики;

- научно обоснована необходимость применения фазового анализа экономических временных рядов для выявления в них циклической компоненты, свойственной социально-экономическим процессам;

- разработан метод корректировки результатов клеточно-автоматного прогнозирования с учетом тренда и сезонности, обеспечивший более точную оценку горизонта прогнозирования;

- с учетом особенностей динамики процессов, протекающих в отраслях социально-экономической сферы, научно обоснована целесообразность оценки трендовой устойчивости экономических временных рядов, базирующаяся на результатах их фрактального анализа;

- предложена методика клеточно-автоматного прогнозирования, ориентированная на предварительное выявление долгосрочной памяти в моделируемых процессах и преобразовании исходных временных рядов в соответствующие лингвистические ряды, что позволило обеспечить учет важнейших свойств социально-экономических процессов.

Полученные результаты соответствуют п. 1.9 «Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни» паспорта специальностей ВАК (экономические науки).

Теоретическая и практическая значимость работы. Теоретическая значимость полученных результатов заключается в том, что основные положения работы представляют собой вклад в теорию прогнозирования в части применения основных идей нелинейной динамики нечетких множеств для определения квазициклов и уточнения горизонта прогнозирования.

Практическая значимость результатов исследования состоит в их ориентации на использование в органах управления государственными инвестиционными проектами в социально-экономической сфере Карачаево-Черкесской республики.

Самостоятельное значение имеют:

- методика фрактального анализа экономических временных рядов, предназначенная для определения наличия долговременной памяти в моделируемых процессах;

- методика фазового анализа для выявления квазициклов, имеющих место в инвестиционных процессах социально-экономической сферы;

- методика корректировки результатов клеточно-автоматного прогнозирования, обеспечивающая более точную оценку горизонта прогнозирования.

Апробация и внедрение результатов исследования. Работа обсуждалась и была одобрена на совместных заседаниях кафедры высшей и прикладной математики и кафедры статистики Российского государственного торгово-экономического университета. Результаты работы докладывались и обсуждались на научно-практических конференциях: IV Международная конференции «Новые технологии в управлении, бизнесе и праве» (Невинномысск, ИУБиП 30 мая 2004 г.); IV Международная научно-практическая конференция «Проблемы регионального управления, экономики, права и инновационных процессов в образовании» (Таганрог, ТИУиЭ 8-10 сентября 2005 г.); VIII Международная научно-практическая конференция «Экономико-организационные проблемы проектирования и применения информационных систем» (Кисловодск, филиал РГЭУ «РИНХ» 27-29 октября 2005 г.); Международная научно-практическая конференция «Социально-экономические и правовые аспекты развития ЮФО» (Пятигорск, филиал РГТЭУ 23-25 мая 2006г).

Отдельные положения, полученные в диссертационной работе, используются отделом государственных инвестиций и программ и отделом анализа и прогнозирования экономики Министерства экономического развития КЧР, что подтверждено актами о внедрении.

Разработанные модели фрактального анализа и прогнозирования включены в лекционный материал дисциплин: «Эконометрика», «Экономическая кибернетика» и «Дискретное программирование с нечеткими данными» для студентов специальности «Прикладная математика» Карачаево-Черкесской государственной технологической академии, а также используются в учебном процессе по специальности «Прикладная информатика» в Пятигорском филиале РГТЭУ.

Похожие диссертационные работы по специальности «Математические и инструментальные методы экономики», 08.00.13 шифр ВАК

Заключение диссертации по теме «Математические и инструментальные методы экономики», Кошелев, Игорь Викторович

Выводы по третьей главе

Основной результат третьей главы состоит в следующем. Во-первых, использован, адаптирован и получил дальнейшее развитие принципиально новый (но сравнению с классическими методами прогнозирования) клеточ-но-автоматный инструментарий прогнозирования социально-экономических временных рядов. Суть этого развития составило как использование элементов традиционного экономического прогнозирования (учет тренда и сезонной компоненты), так и включение в процесс прогнозирования операции логарифмирования уровней прогнозируемого временного ряда.

Вместе с адаптацией используемого метода прогнозирования осуществлена его валидация, т.е. проведены экспертные расчеты для получения оценки относительной погрешности этого метода прогнозирования BP. Относительная погрешность базовой клеточно-автоматной прогнозной модели не превосходит 23,5 %. Использование предложенного гибридного подхода понизило эту оценку погрешности до 15 %. Достигнутую точность погрешности на качественном уровне можно расценивать, как минимум, удовлетворительной, поскольку полученная оценка погрешности прогнозирования сравнима с величиной погрешности исходных данных, относящихся к более чем, полувековому периоду для этих данных. Эти результаты позволяют положительно оценивать практическую значимость методов прогнозирования, предложенных в диссертации. Положительная оценка теоретической значимости исследований третьей главы состоит в том, что полученные результаты вносят определенный научный вклад в развитие такого общего подхода, который известен под названием «комбинированный подход к прогнозированию временных рядов».

Особого внимания заслуживают результаты, полученные в процессе реализации гибридного подхода к прогнозированию социально-экономических временных рядов. Для этих конкретных рядов исследована их остаточная компонента, в резулЕ>тате чего установлено наличие в ней долговременной памяти. В то же время в теории классических методов прогнозирования считается, что эмпирическое распределение уровней этой компоненты приближается к нормальному, т.е. свидетельствующему об отсутствии долговременной памяти. Наличие памяти в остаточной компоненте дает основания для повторного использования клеточно-автоматного прогнозирования с целью получения прогноза, более точного по сравнению с результатами первичного клеточно-автоматного прогнозирования.

Является целесообразным представленный в третьей главе инструментарий включать в подсистемы принятия управленческих решений в тех случаях, когда эти решения базируются на прогнозировании временных рядов социально-экономических показателей.

ЗАКЛЮЧЕНИЕ

Сформулированные систематизированные статистические данные о социально-экономической жизнедеятельности рассматриваемого субъекта РФ - Карачаево-Черкесской республики (КЧР) подтверждает известный вывод о наличии существенных различий в современном состоянии социальной, финансовой, демографической, культурной, жилищной, образовательной и др. социальных сфер регионов РФ. Особая контрастность региональной структуры материальной базы социальных объектов отличается в таких отраслях, как жилищно-коммунальное хозяйство, образование и здравоохранение. В связи с этим возникает потребность в расширении научных исследований региональных социально-экономических аспектов как конкретного региона, так и его сопоставления с другими регионами РФ.

В целях конкретизации следует отметить, что такой объект исследования, как КЧР является дотационной республикой (на 46,7%), при этом значения ее показателей социально-экономического положения оказываются ниже среднероссийских. Из этого факта вытекает необходимость совершенствования государственной инвестиционной политики в этом регионе. Вместе с тем согласно известным результатам кластерного анализа уровней социальноэкономического развития субъектов РФ Карачаево-Черкесская республика относится к достаточно многочисленной группе регионов с «низким уровнем развития». Отметим, что в эту группу входят фактически все республики Южного Федерального округа РФ. Иными словами, социально-экономические показатели Карачаево-Черкесской республики можно рассматривать в качестве типичных для определенной группы субъектов Российской Федерации.

Очевидно, что выработка и обоснование управленческих решений в социально-экономической сфере должна осуществляться с помощью экономико-математического моделирования, программирования и прогнозирования.

Автором предложен достаточно общий подход и инструментарий использования предпрогнозных фрактальных характеристик временных рядов как для оценки их прогнозируемости, так и для качественной оценки устойчивости и тенденции в динамике развития социально-экономических отраслей рассматриваемого региона. Эти оценки представляют потенциально реализуемую возможность при принятии региональных управленческих решений, приводящих к более эффективному использованию инвестиционных ресурсов региона.

Разработана методика выявления и анализа циклической компоненты временных рядов инвестирования социально-экономических отраслей региона на базе фазовых траекторий и разложения их на квазициклы. Получаемая на базе этого разложения предпрогнозная информация представляет собой дополнительное знание о закономерностях динамики рассматриваемого временного ряда. Это знание может быть использовано для повышения точности и надежности нечеткого прогноза, получаемого на выходе клеточного автомата.

Адаптирован, развит и апробирован известный метод прогнозирования на базе клеточного автомата для социально-экономических временных рядов региона. В контексте проблем реального экономико-математического моделирования можно утверждать о целесообразности в постановки задач развития социально-экономической сферы региона вопросов анализа и прогнозирования этих рядов. Иными словами, сформировавшиеся к настоящему времени «статические» постановки управленческих задач необходимо пополнить «динамическими» постановками, включая вопросы принятия решений на базе результатов прогнозирования.

Автором предложены два варианта реализации гибридного подхода к прогнозированию социально-экономических временных рядов. Прикладная ценность этого предложения состоит в реальной возможности достичь более точного и надежного прогнозирования динамики развития социально-экономических отраслей региона. Теоретическая ценность этого предложения представляется научным вкладом в развитие новой теории гибридных систем анализа и прогнозирования эволюционных процессов.

Список литературы диссертационного исследования кандидат экономических наук Кошелев, Игорь Викторович, 2006 год

1. Международная стандартная классификация образования. Париж: ЮНЕСКО, 1997.

2. Постановление Госкомстата России от 9 января 1998 г. № 2 «Об утверждении Унифицированной системы статистических показателей характеризующих социально-экономическое положение муниципального образования».

3. Постановление Правительства Российской Федерации от 2 февраля 2001 года № 85 «Об утверждении Положения о Государственном комитете Российской Федерации по статистике».

4. Постановление Правительства Российской Федерации от 28 октября 1995 г. № 1044 «О развитии системы муниципальной статистики».

5. Абалкин Л. Взгляд на будущее России / Труды международной научно-практической конференции «Васильевские чтения, национальные традиции в торговле, экономике, политике и культуре». Москва, октябрь, 2004.

6. Абалкин Л.И. Смена тысячелетий и социальные альтернативы // Вопросы экономики. 2000. - №12. - С.27-40.

7. Айвазян С.А. и др. Прикладная статистика. Основы моделирования и первичная обработка данных: Справочное издание. М.: Финансы и статистика, 1983.-348 с.

8. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики: Учебник. М.; ЮНИТИ, 1998.

9. Айвазян С.А., Мхитарян B.C. Т.1: Теория вероятностей и прикладная статистика.- М.: ЮНИТИ-ДАНА, 2001. 656 с.

10. Александров В.В., Алексеев А.И., Горский Н.Д. Анализ данных на ЭВМ ( на примере СИТО).— М.: Финансы и статистика, 1990. 192 с.

11. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях:— Тюмень: Изд-во ТюмГУ, 2000. 352 с.

12. Анализ и прогнозирование региональных экономических процессов. -Деньги и кредит. 1996.-№ 12.-С. 27-35.

13. Балыхин Г.А. Государственное возвратное субсидирование граждан на образовательные цели: концепция Минобразования России // РЭЖ. 2002.- №7. С.86-94.

14. Басовский Л.Е. Прогнозирование и планирование в условиях рынка: Учебное пособие. М.: ИНФРА-М, 2003. - 260 с.

15. Башкипа Г., Якушева К. О нормативах бюджетного финансирования общеобразовательных учреждений // Народное образование. 2000. - № 8. -С.298-301.

16. Беляков С.А., Воронин А.А. Проблемы расходования бюджетных средств в сфере образования // Финансы. 2000. - № 1. - С. 21-25.

17. Беляков С.А., Воронин А.А. Финансирование расходов на образование: нормативный метод // Финансы. 2000. - № 7 - С. 18-20.

18. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебное пособие. М.: Финансы и статистика, 2001.-368 с.

19. Бессонов В.А. Введение в анализ российской макроэкономической динамики переходного периода. М.: ЦЭМИ РАН, 2003. - 151 с.

20. Богданова Л.П., Ткаченко А.А., Щукина А.С. Дифференциация муниципальных образований для целей внутриобластной социальной политики: поиск новых подходов // Вопросы статистики. 2005. - № 1. - С.65-71.

21. Бычкова С.Г. Системный подход к статистической оценке различий регионов по уровню жизни населения // Вопросы статистики. 2005. - №12.- С.24-28.

22. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика. М.: Машиностроение, 1990. - 448 с.

23. Вилкас Э.К, Майлинас Е.З. Решения: Теория, информация, моделирование. М.: Радио и связь, 1981. - 312 с.

24. Винтизенко И.Г. Детерминированное прогнозирование в экономических системах/Труды III Международной конференции «Новые технологии в управлении, бизнесе и праве». Певинномысск: Изд-во ИУБиП. - С.30-37.

25. Винтизенко И.Г., Колесников И.М., Шадуев М.Г. Прогнозирование в моделях экономических систем. Кисловодск: Издательский центр Кисло-водского института экономики и права, 2001. - 102 с.

26. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа: Учебник для студентов вузов, обучающихся по направлению «Системный анализ и управление». СПб.: Изд-во СПбГПУ, 2003. - 520 с.

27. Гаврилов А.В., Губарев В.В., Дж К.-Х., Ли Х.-Х. Гибридная система управления мобильного робота.— М.: Мехатроника, 2004 278 с.

28. Гаврилов А.В. Гибридные интеллектуальные системы. Новосибирск: Изд-во НГТУ, 2003. - 162 с.

29. Горелова В.Л., Мельникова Е.Н. Основы прогнозирования систем. Учебное пособие для инженерно-экономических специальностей вузов. М.: Высшая школа, 1986. - 287 с.

30. Гранберг А.Г. Статистическое моделирование и прогнозирование. -М.: Финансы и статистика, 1990. 383 с.

31. Долгосрочное прогнозирование территориального экономического развития России. Методологические основы и прогноз на период до 2015 года / Под ред. Б.М. Штульберга. М.: СОПС, 2002. - 274 с.

32. Доугерти К. Введение в эконометрику. М.: ИНФРА-М, 2001. - 402с.

33. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: для экономистов и менеджеров. М.: Финансы и статистика, 2000.

34. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976. - 165 с.

35. Занг В.Б. Синергетическая экономика. Время и перемены в нелинейной экономической теории. М.: Мир, 1999. - 335 с.

36. Идрисов А.Б., Картышев С.В., Постников А.В. Стратегическое планирование и анализ эффективности инвестиций . М.: Филинъ, 1997.

37. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. Новосибирск: Наука, 1986. - 222 с.

38. Кобелев Н.Б. Практика применения экономико-математических методов и моделей / Учеб.-практ. пособие. М.: ЗАО «Финстатинформ», 2000. -246 с.

39. Ковалев В.В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1998.

40. Костина H.I., Алексеев А.А., Василик О.Д. Финансово прогнозування: методы та модель Киев: Товариство «Знания» КОО, 1997. - 144 с.

41. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. М.: ЮНИТИ-ДАНА, 2000. - 543 с.

42. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов. М.: ЮНИТИ-ДАНА, 2002. - 311 с.

43. Кузьбожев Э.Н. Экономическое прогнозирование (методы и модели). Учебное пособие. Курск: Издательство Курского государственного технического университета, 1997. - 84 с.

44. Курейчик В.М. Генетические алгоритмы. Таганрог: Изд-во ТРТУ, 1998.-314 с.

45. Курс социально-экономической статистики: Учебник для вузов / Под ред. проф. М.Г. Назарова. М.: Финстатинформ, 2002. - 976 с.

46. Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1987.-509 с.

47. Лотов А В. Введение в экономико-математическое моделирование. -М.: Наука, 1984.-278 с.

48. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1997. - 420 с.

49. Лунев Н., Макаревич Л. Бизнес-план для получения инвестиций. Методические рекомендации. М.: Внешсигма, 1995. - 112 с.

50. Макроэкономические модели планирования и прогнозирования. Сборник работ. -М.: Статистика, 1970.-471 с.

51. Максименко В.И., Эртель Д. Прогнозирование в науке и технике. -М.: Финансы и статистика, 1982. 238 с.

52. Малинецкий Г.Г., Потапов А.Б. Нелинейность. Новые проблемы, новые возможности. В кн. Новое в синергетике. Загадки мира неравновесных структур. М.: Паука, 1996. (Серия «Кибернетика: неограниченные возможности и возможные ограничения»).-С. 165-190.

53. Малое производство в России. Стат.сб. М.: Госкомстат России, 2003.-456 с.

54. Марголин A.M., Хутыз З.А. Теория и практика инвестиционного обеспечения экономики депрессивных регионов. М.: НЦС и МО, 2004. -324 с.

55. Москвин В.А. Управление рисками при реализации инвестиционных проектов. М.: Финансы и статистика, 2004. - 352 с.

56. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПБ.: Наука и Техника, 2003. - 384 с.

57. Назаров М.Г. Проблемы социально-экономической статистики в новых условиях // Вопросы статистики. 2005. №1. - С.73-95.

58. Научные основы экономического прогноза. М.: Мысль, 1971. - 424с.

59. Норткотт Д. Принятие инвестиционных решений. Банки и биржи, ЮНИТИ, 1997.-247 с.

60. Общая теория статистики / Под ред. О.Э. Башиной, А.А. Спирина. -М.: Финансы и статистика, 2001. 440 с.

61. Овчаренко Н.Ф. Роль и развитие статистики и экономико-математических методов // История науки и техники. Москва: Научтехлит-издат, 2005. - №4. - С. 64-67.

62. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 208 с.

63. Основные социально-экономические показатели по Российской Федерации за 1999-2004 гг. // Вопросы статистики. -№3. С.59-70.

64. Пашинцева Н.И. Формирование системы муниципальной статистики //Вопросы статистики. -2005. -№1. С.32-37.

65. Перепелица В.А., Попова Е.В. Математические модели и методы оценки рисков экономических, социальных и аграрных процессов.— Ростов н/Д: Изд-во Рост, ун-та, 2002. 208 с.

66. Перепелица В.А., Тебуева Ф.Б., Узденов Р.Х. Квазициклы временных рядов объемов жилищного строительства. Труды III международной конференции «Новые технологии в управлении, бизнесе и праве».- Невинномысск: ИУБП, 2003. С.159-163.

67. Петере Э. Фрактальный анализ финансовых рынков: Применение теории хаоса в инвестициях и экономике. М.: Интернет-трейдинг, 2004.-304 с.

68. Петере Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка. М.: Мир, 2000. - 333 с.

69. Прикладные нечеткие системы: Пер. с япон./ К.Асаи, Д.Ватада, С.Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. -368 с.

70. Прогнозирование и планирование в условиях рынка. Учебное пособие для студентов вузов. М.: ЮНИТИ-ДАНА, 1999. - 318 с.

71. Регионы России. Социально-экономические показатели. 2003. М.: Госкомстат России. - 2004 .

72. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия - Телеком, 2004. - 452 с.

73. Салин В.Н., Шиаковская Е.П. Социальная экономическая статистика: Учебник для вузов. М.: Горданика - Юрайт, 1995.

74. Сергеева JI.II. Моделирование поведения экономических систем методами нелинейной динамики (теория хаоса). Запорожье: ЗГУ, 2002 - 277 с.

75. Сигел Э.Ф. Практическая бизнес-статистика. М.: Издательский дом «Вильяме», 2002. - 1056 с.

76. Смирнов АЛ. Организация финансирования инвестиционных проектов. Серия «Международный банковский бизнес». М.: Консалтбанкир, 1993.

77. Социальная статистика; Учебник / Под ред. И.И. Елисеевой. М.: Финансы и статистика, 1997.

78. Станиславчик Е.Н. Бизнес-план: Финансовый анализ инвестиционного проекта. М.: Ось-89, 2000. - 96 с.

79. Степанов Ю.К. Прогнозы и реальность // Вопросы экономики. 194. -№1.-С.86-97.

80. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1971.-315 с.

81. Темрезова С.Д., Каюмова JI.M. Социальная защита населения в системе ЖКХ / Труды V научно-практической конференции «От фундаментальной науки к решению прикладных задач современности». - Черкесск: КЧГТА, 2004.- С.88-93.

82. Тяголов С.Г., Черныш Е.А. Региональная экономика. Ростов н/Д : «Феникс», 2003.-320 с.

83. Управление инвестициями: В 2-х т/ Под общей редакцией В.В. Шеремета. М.: Высшая школа, 1998.

84. Федер Е. Фракталы. М.: Мир, 1991. - 260 с.

85. Фрост А., Претчер Р. Полный курс по Закону волн Элиота. М.: Мир, 2001.-348 с.

86. Хохлова О.А. Методологические вопросы оценки уровня социально-экономического развития региона // Вопросы статистики. -2005. -№1 С.58-65.

87. Черныш Е.А., Молчанова Н.П., Новикова А.А., Салтанова Т.А. Прогнозирование и планирование. М.: Изд-во ПРИОР, 1999. - 176 с.

88. Четыркин Е.М. Статистические методы прогнозирования. Финансы и статистика. М.: Статистика, 1977. - 200 с.

89. Чуев Ю.В., Михайлов Ю.Б., Кузьмин В.И. Прогнозирование количественных характеристик процессов. М.: Советское радио, 1975. - 400 с.

90. Шарп У., Александер Г., Бейли Дж. Инвестиции. М.: Инфра-М, 1999.- 1028 с.

91. Шредер М. Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ « Регулярная и хаотичная динамика», 2001 -528с.

92. Шустер Г. Детерминированный хаос: Введение. М.: Мир, 1988. -240 с.

93. Экономико-математические методы и модели для руководителя. М.: Экономика, 1984.-284 с.

94. ЮО.Ярушкина Н.Г. Основы теории нечетких и гибридных систем: Учеб.пособие. М.: Финансы и статистка, 2004. - 320 с.

95. Cootner, P. "Comments on the Variation of Certain Speculative Prices," in P. Cootner, ed., The Random Character of Stock Market Prices. Cambridge: MIT Press, 1964a.

96. Education at a Glance. OECD Indicators. Paris: OECD, 2001.

97. Fama, E.F. "Portfolio Analysis in a Stable Paretian Market," Management Science 11,1965.

98. Gilmore C.G. A new test for chaos //Journal of economic behavior and organization, №22, 1993. P. 209-237.

99. Holden K., Peel D.A., Thomson J.L. Economic forecasting: an introduction. Press Syndicate of the University of Cambridge, 1990. - 213 p.

100. Mandelbrot, B. "The Variation of Certain Speculative Prices" in P. Cootner, ed., The Random Character of Stock Prices. Cambridge: MIT Press, 1964.

101. Mandelbrot, B. The Fractal Geometry of Nature. New York: W.H. Freeman, 1982.

102. Osborne, M.F.M. " Brownian Motion in the Stock Market," in P. Cootner, ed., The Random Character of Stock Prices. -Cambridge: MIT Press, 1964.

103. Sharpe, W.F. Portfolio Theory and Capital Markets- New York: MgGraw-Hill, 1970.

104. Shiller, R. J. Market Volatility. Cambridge: MIT Press, 1989.

105. Turner, A.L. and Weigel, E,J, "An Analysis of Stock Market Volatility," Russell Research Commentaries, Frank Russell Company, Tacoma, WA, 1990.

106. Vaughan, E.J. Fundamentals Risk and Insurance / E.J. Vaughan, С. M. Elliott. 2nd Ed. -S. Barbara: John Wiley, 1978. 642 p.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.