Наукова періодика України | Проблеми економіки | ||
Лук'яненко І. Г. Особливості моделювання правил монетарної політики на основі гібридних регресійних моделей з нейронним компонентом / І. Г. Лук'яненко, В. М. Жук // Проблеми економіки. - 2014. - № 1. - С. 323-329. - Режим доступу: http://nbuv.gov.ua/UJRN/Pekon_2014_1_49 Розглянуто можливості і специфіку моделювання економічних явищ за допомогою класу моделей, що поєднують у собі елементи економетричних регресій та штучних нейронних мереж. Цей клас моделей включає в себе авторегресійні нейромережі (AR-NN), регресії плавного переходу (STR/STAR), багаторежимні регресії плавного переходу (MRSTR, MRSTAR) та регресії плавного переходу з нейронними коефіцієнтами (NCSTR, NCSTAR). Наявність нейромережного компоненту дозволяє моделям цього класу досягнути високої емпіричної правдоподібності, в тому числі відтворювати складні нелінійні взаємозв'язки. З іншого боку, регресійний апарат розширює можливості інтерпретації одержаних результатів. На прикладі багаторежимного монетарного правила наведено один з випадків специфікації та інтерпретації такої моделі. Зокрема, змодельовано та інтерпретовано принципи управління обмінним курсом гривні, що вступають в дію у разі переходу економіки з порівняно стабільного до кризового стану. Цитованість авторів публікації: Бібліографічний опис для цитування: Лук'яненко І. Г. Особливості моделювання правил монетарної політики на основі гібридних регресійних моделей з нейронним компонентом / І. Г. Лук'яненко, В. М. Жук // Проблеми економіки. - 2014. - № 1. - С. 323-329. - Режим доступу: http://nbuv.gov.ua/UJRN/Pekon_2014_1_49.Додаткова інформація про автора(ів) публікації: (cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці) Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|
|
Всі права захищені © Національна бібліотека України імені В. І. Вернадського |