Кластерный анализ и нейросетевое моделирование динамики индекса промышленного производства обрабатывающей промышленности России

Статья опубликована в журнале: Экономический анализ: теория и практика, 2019, Т. 18, № 11, С. 2158 – 2171

Автор(ы): Болдыревский П.Б., Игошев А.К., Кистанова Л.А.

Рубрика: Математические методы и модели

Аннотация

Предмет. Обеспечение конкурентоспособности и экономической устойчивости предприятий российской промышленности обусловливает необходимость совершенствования и поиска новых форм и методов оценки всех сторон их деятельности.

Цели. Построение математических моделей пространственных данных и временных рядов индекса промышленного производства, позволяющих проводить анализ и прогнозирование динамики развития определенных секторов экономики РФ.

Методология. Для реализации поставленных целей использовались многомерные статистические методы кластерного анализа и нейросетевого моделирования. Информационной базой для разработки моделей динамики индекса производства обрабатывающей промышленности послужили статистические данные Федеральной службы государственной статистики с 1999 по 2016 г.

Результаты. Выполнена многомерная классификация субъектов Федерации по индексу производства предприятий обрабатывающей промышленности с использованием инструментов кластерного анализа. Предложена методика анализа и прогнозирования показателей индекса промышленного производства, основанная на применении искусственных нейронных сетей. Средняя ошибка прогнозирования при нейросетевом моделировании не превышала 0,08%.

Выводы. В результате классификации промышленных предприятий по значениям индекса промышленного производства выявлены два кластера, имеющие различные показатели устойчивости к изменению внешних факторов. Показана перспективность применения и приведены результаты нейросетевого моделирования прогнозных значений индекса промышленного производства для субъектов Федерации.

Ключевые слова: обрабатывающие производства, кластерный анализ, нейронные сети