Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания

Диссертация: Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В ходе исследования процессов экономики для выявления основного источника нестационарности эффективным, в большинстве случаев, является выбор варианта парного анализа признаковрезультирующего и факторного. Предложенный алгоритм анализа временных рядов позволяет автоматически определить характер процесса на основе соответствующих свойств, принадлежащих данному процессу. Выбор методов… Читать ещё >

Содержание

  • Глава 1. Нестационарные экономические процессы и их прогнозирование
    • 1. 1. Нестационарные процессы: классификация, их роль и место в экономике
    • 1. 2. Анализ нестационарных процессов, цели и задачи его использования
    • 1. 3. Прогнозирование нестационарных процессов в исследованиях рыночной конъюнктуры и ее особенности
  • Глава 2. Метод и методика нейросистемного анализа и прогнозирования нестационарных процессов экономической 48 конъюнктуры
    • 2. 1. Теоретические основы алгоритма нейросистемного анализа и прогнозирования нестационарных процессов
    • 2. 2. Разработка способа диагностики типа экономической динамики (на основе характеристик бифуркационности, 60 цикличности, популяционности, фрактальности, энтальпийности)
    • 2. 3. Алгоритм формирования системы методов анализа и 79 прогнозирования экономической динамики

    Глава 3. Прогнозирование нестационарных процессов с помощью метода нейросистемного анализа (на примере 91 динамики внешнеторговой выручки ОАО «Волжские моторы» и курса рубля по отношению к доллару США)

    3.1. Анализ динамики и взаимосвязи экономических показателей объема экспортной выручки ОАО «Волжские 91 моторы» и курса рубля

    3.2. Прогнозирование динамики с использованием предложенной модели (на примере ОАО «Волжские моторы»)

Анализ и прогнозирование нестационарных процессов экономики с использованием метода нейросистемного распознавания (реферат, курсовая, диплом, контрольная)

В современных реалиях для успешной конкурентоспособной деятельности на рынке и развития экономики страны в целом необходимо использовать новые принципы управления, адекватные уровню современной экономики. Прогнозирование как направление экономической науки, ориентированное на оптимизацию идеологии управления, в полной мере отвечает целям и задачам устойчивого функционирования экономических систем.

Теоретический и практический опыт традиционных методов прогнозирования развивается на базе новейших информационных технологий математического и экономического моделирования. Особое внимание уделяется фундаментальным концепциям и принципам управленческого финансирования в тех отраслях и структурах общества, в которых проблемы управления и принятия решений по функционированию начинают основываться на принципах экономической значимости.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней и внутренней среде, и к каким последствиям для экономики это приведет. Прогнозирование повышает бдительность экономических агентов и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выполнен в связи с тем, что некоторые гипотезы, положенные в основу прогнозного сценария, не реализовались.

Проблема прогнозирования процессов вследствие быстрых, порой плохо предсказуемых изменений внешней среды, в последние годы стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования нестационарных процессов и сложности структурных характеристик систем экономики.

Проблемам анализа и прогнозирования нестационарных процессов в экономической литературе уделено недостаточное внимание. Несколько публикаций посвящено общим теоретическим вопросам о роли этих инструментов. Ведутся дискуссии о преимуществах систематизации анализа и прогнозирования, но единого аппарата исследования нестационарно — эволюционных процессов пока не существует. Остается неосвещенным ряд актуальных вопросов, например, способы определения характеристик процесса, механизм изучения структуры объекта, анализа факторов, выбор методов прогнозирования, повышение эффективности прогнозов. Все вышесказанное определяет актуальность диссертационного исследования.

Цели и задачи исследования: Основной целью данной работы является разработка метода и механизма, позволяющего осуществить идентификацию типа и прогнозирование значений процессов и характеристик их поведения с использованием нейросистемного метода распознавания.

Приступая к диссертационному исследованию, автор ставил перед собой следующие задачи:

• изучение методологических основ теории анализа и прогнозирования экономических процессов;

• изучение методов и принципов классификации экономических процессов;

• изучение свойств нестационарных процессов, отдельных составляющих экономической конъюнктуры;

• разработка механизма нейросетевого анализа и прогнозирования процессов;

• построение модели нейронной сети;

• исследование реальных экономических процессов с целью апробирования результатов диссертационного исследования;

• определение направлений эффективного применения алгоритма нейросистемного анализа и прогнозирования нестационарных процессов на практике предприятиями.

Теоретической и методологической базой исследования послужили работы отечественных и зарубежных ученых: Анищенко B.C., Ахромеевой Т. С., Беленького В. З., Блинова О. Е., Вадивасовой Т. Е., Веденова А. А., Доугерти К., Дунина-Барковского В.Л., Елисеевой И. И., Капицы С. П., Кондратьева Н. Д., Кошечкина С. А., Курдюмова С. П., Левшина Ф. М., Маевского В. И., Малинецкого Г. Г., Пригожина И., Рерихи Е. и Н., Светунькова С. Г., Скотт Д. Г., Скурихина A.M., Стенгерса И., Тойнби А.Дж., Трисеева Ю. П., Энтова P.M., Cagan P., Dayan А. и других.

Несмотря на значительное количество серьезных научных исследований, теоретических работ и многочисленных публикаций, проблема анализа и прогнозирования динамических процессов экономики на современном этапе развития научно-исследовательской базы затрагивает в основном стационарные процессы. Не исследован механизм влияния всей совокупности факторов на поведение процесса, а именно, не выявлены особенности применения системного анализа и прогнозирования нестационарных процессов.

Поставленные в диссертации цели и задачи решались на базе сравнительного и экономико-статистического методов, программно-целевого, историографического, нормативного и системного подходов.

Информационной базой исследования послужили информационные источники Госкомстата и Центрального банка РФ, ежегодные статистические отчеты предприятий, монографии, работы, статьи и материалы научно-практических конференций, публикации в периодических изданиях, статистические и аналитически материалы по анализу и прогнозированию динамических процессов экономики.

Предметом исследования данной работы является метод анализа и прогнозирования нестационарных процессов на основе алгоритма нейросистемного анализа и прогнозирования.

Объектом исследования выступают основные характеристики нестационарного экономического процесса, совокупность элементов, влияющих на формирование процесса.

Научная новизна диссертационной работы состоит в разработке алгоритма и метода использования нейросистемного анализа нестационарных процессов и выработке рекомендаций по оптимизации системы методов прогнозирования при разработке экономических решений.

Конкретные результаты, составляющие научную новизну:

• определены и адаптированы критерии классификации свойств процессов к экономическим процессам, предложено их применение при классификации;

• выявлены характерные особенности тенденций развития процессов разных классов динамики;

• предложен способ распознавания (диагностики) свойств нестационарности — система комплексного анализа следующих характеристик процессов: бифуркационность, популяционность, цикличность, фрактальность, энталышйность;

• предложен экспертный метод распознавания типа нестационарных процессов для их прогнозирования;

• разработан алгоритм нейросистемного анализа и прогнозирования нестационарных экономических процессов с использованием таких элементов, как бифуркационность, популяционность, цикличность, фрактальность, энтальпийность;

• построена многослойная модель нейронной сети;

• предложена методика применения алгоритма (с описанным механизмом функционирования) в разных отраслях экономики для анализа и прогнозирования процессов, даже при наличии у процессов структурообразующих элементов с нестационарными характеристиками.

Практическая значимость работы определяется возможностью использования выводов и предложений диссертации для применения экономическими субъектами в анализе и прогнозировании нестационарных процессов, повышении эффективности прогнозов, даже при наличии нестационарных структурообразующих элементов.

Апробация работы: Основные положения диссертационного исследования докладывались и обсуждались на Международных и Всероссийских конференциях и симпозиумах. По теме диссертации опубликовано шесть научных работ общим объемом 1,6 печатных листов.

Выводы, полученные в данной работе, могут использоваться в дальнейших научно-исследовательских разработках более совершенных методов анализа и прогнозирования различных процессов экономики.

Заключение

.

При формировании системы критериев классификации процессов экономики были выбраны наиболее значимые элементы и факторы нестационарности. При этом основы теории анализа и прогнозирования нестационарных процессов позволяют говорить о закономерности и объективности существования этих структурообразующих параметров в экономических процессах. В качестве интерпретации параметров распознавания нейросистемы реальными элементами колебания в системе могут быть следующие:

— цикличность развития, влияние сезонных компонент;

— воздействие механизмов спроса и предложения на процессы;

— влияние конъюнктурообразующих факторов на процесс;

— влияние неэкономических факторов (политические решения, природные катаклизмы и т. д.);

— воздействие макроэкономических элементов;

— развитие НИОКР и информационных составляющих;

— влияние случайных величин и т. д.

Выявлено, что в настоящее время большинство процессов экономики анализируется, в основном, с использованием математических инструментов, разработанных для стационарных процессов экономики. Однако при применении аппарата прогнозирования нестационарных процессов нейронные сети являются эффективным инструментом распознавания образов и решения задач классификации, оптимизации и прогнозирования. Данный инструмент повышает достоверность прогноза и, соответственно, эффективность деятельности экономических субъектов.

Оптимальная классификация (распознавание образов) процессов экономики на стационарные и нестационарные достигается при комплексном анализе свойств структурообразующих параметров: бифуркационности, цикличности, популяционности, фрактальности, энтальпийности.

При распознавании образов можно использовать экспертный метод нейросистемного анализа, однако фактор субъективности используемых критериев и инструментов анализа экспертом имеет значительное влияние на конечный результат. В любом случае, для наиболее глубокого изучения свойств заданных параметров распознавания необходимо аналитически определить расчетные коэффициенты границ количественных и качественных изменений этих параметров.

Применяя алгоритм нейросетевого анализа и прогнозирования процессов на практике, сталкиваемся с проблемой оптимизации выбора прогнозного фона и интервала. Наилучший интервал прогнозирования зависит от правильного распознавания системных характеристик процесса. Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать доверительный интервал прогноза.

В ходе исследования процессов экономики для выявления основного источника нестационарности эффективным, в большинстве случаев, является выбор варианта парного анализа признаковрезультирующего и факторного. Предложенный алгоритм анализа временных рядов позволяет автоматически определить характер процесса на основе соответствующих свойств, принадлежащих данному процессу. Выбор методов прогнозирования можно осуществить, основываясь на изучении структурных признаков. Однако часто возникают сложности подбора аналитического инструмента среди методов прогнозирования количественных показателей динамики экономических процессов, поскольку методы экономического прогнозирования достаточно многочисленны. В этих случаях для получения прогнозных значений предлагается использовать методы экспоненциального сглаживания и сравнивать полученные значения с функцией нейросистемного прогноза (поведения образов).

Предложенный аппарат анализа и прогнозирования в некоторых случаях допускает ошибки. Кроме того, ошибка может подаваться в систему прогнозирования посредством данных, необходимых для прогнозирующей системы, и поэтому необходимо комбинировать результаты распознавания образов, чтобы устранить очевидные или вероятные ошибки. Конечно, небольшие ошибки идентифицировать будет невозможно, но они обычно не оказывают значительного влияния на прогноз. Более значительные ошибки легче найти и исправить. Прогнозирующая система также не должна реагировать на необычные, экстраординарные наблюдения. Интервал оптимизации ошибок прогнозных значений составляет 0−5%;

На основе разработанного способа нейросистемной диагностики типа экономических процессов можно легко построить систему подбора и оптимизации прогнозных значений методами математической статистики и экспертных оценок. К тому же, данный способ нейросетевого распознавания упрощает познание нестационарности структуры.

Результаты апробации этой методики на примере динамик объема экспортной выручки ОАО «Волжские моторы» и курса рубля подтверждают ее применимость на практике и повышение эффективности аппарата прогнозирования.

Показать весь текст

Список литературы

  1. А.М. Моделирование и прогнозирование технико-экономических показателей. Ташкент: ТИНХ, 1988. -79с.
  2. Академия рынка: маркетинг. Пер. с фр. Худокормого А. Г. -Москва, «Экономика», 1993.
  3. Г. А., Глаз А. Б. Методы решения задач распознавания образов. Рига: ЛатНИИНТИ, 1986. -63с.
  4. B.C. Сложные колебания в простых системах. М: Наука, 1990. -312с.
  5. B.C. Знакомство с нелинейной динамикой. Саратов, 2000.-179с.
  6. B.C., Вадивасова Т. Е., Астахов В. В. Нелинейная динамика хаотических и стохастических систем. — Саратов, 1999. -368с.
  7. B.C., Некоркин В. И. Решеточные динамические системы. Нижний Новгород 1994.
  8. Т.С., Курдюмов С. П., Малинецкий Г. Г., Самарский А. А. Нестационарные структуры и диффузионный хаос. М.: Наука, 1992. -544с.
  9. Т.С., Малинецкий Г. Г. О диффузионном хаосе. М.: ИПМ, 1983. -28с.
  10. Г. Л., Бичун Ю. А., Светуньков С. Г., Тарасевич В. М. Экономика и управление народным хозяйством, терминологический словарь: маркетинг, предпринимательство.- Санкт-Петербург, Изд-во СПбГУЭФ, 2002.-128с.
  11. В.З. Стационарные динамические модели управления экономическими системами: Автореф. дис. на соиск. учен, степ. д. ф.-м. н./ РАН, ЦЭМИ, М., 1992, -79с.
  12. В.А. Методы исследования эволюционирующих парных взаимосвязей между социально экономическими макропоказателями. — М.: ВЦ РАН, 1993. -179с.
  13. Ю.Н. Многочастотные нелинейные колебания и их бифуркации. Л.: Изд-во ЛГУ, 1991. -142с.
  14. О.Е. Статистические имитационные модели прогнозирования. Учеб. пособие/. М.: ГАУ, 1991. -78с.
  15. Г. Дж. Практическое руководство по управлению сбытом. -Москва, «Экономика», 1991.
  16. Л. Статьи и речи/ Пер. с немец. М.: Наука, 1970. -240с.
  17. Борисюк Н и др. Новые методы анализа нейронной активности. ОНТИ НЦБИ АН СССР. Пущино, 1986. -161с.
  18. В.А. Валютно-кредитные операции и расчеты по внешнеторговым контрактам. СПб., МЦЭНТ, 1995.
  19. А.А. Моделирование элементов мышления М., Наука, 1988. -158с.
  20. А.А. Модельные нейросети и живые организмы: Сб. ст./ Ред. проф. А. А. Веденов -М.: ВИНИТИ, 1992. -136с.
  21. А.А., Ежов А. А., Книжникова Л. А., Левченко Е. Б. Ложная память в модельных нейронных сетях М.- ЦНИИ атоминформ, 1987. -25с.
  22. А.А. и др. Фрустрация, прототипы и конкуренция в анализе нейронных моделей памяти. Препринт ИАЭ 4542/1. -М., 1987. -25с.
  23. Внешнеэкономическая деятельность. Общ. ред. Кумок С. И., -Москва, АОЗТ «ВЕЧЕ», 1994.
  24. Внешнеэкономическая деятельность предприятий. Под ред. Ищенко. Новосибирск, ИРИЦ «Сибирь», 1992.
  25. Е.П. и др. Маркетинг: выбор лучшего решения,-Москва, Экономика, 1993.
  26. А.Н., Россиев Д. А. Нейронные сети на персональном компьютере.- Новосибирск, Наука. Сиб. Изд-во РАН, 1996. 276с.
  27. Г. Д. и др.- Внешнеэкономическая деятельность предприятия. Под редакцией Стровского Л. Е. Москва, Закон и право, ЮНИТИ, 1996.
  28. Л.И., Соколов А. А. Нейросетевые технологии статистической обработки информации. М., 1999. -156с.
  29. В. А. Ковальджи А.К. Выделение сезонных колебаний на основе вариативных принципов // Эконом ико — математические методы, 2001, том 37, № 1.
  30. Е.Т., Дворкович А. В. Процентные ставки и цена внутренных заимствований в среднесрочной перспективе // Научный доклад, РПЭИ, № 99/08, 2000.
  31. Доугерти Кристофер. Введение в эконометрику. /Пер с англ. -М.: «Инфра-М», 1997.-402с.
  32. Дунин-Барковский B. J1. Информационные процессы в нейронных структурах. М: Наука, 1978. -166с.
  33. Дунин-Барковский B.JI. Анализ влияния частотно импульсных свойств нейрона на работу простых нейронных сетей. /Автореф. -Пущино- 1971.-25с.
  34. С.В. Анализ динамики // Экономике -математические методы, 2002, том 38, № 2.
  35. И.И., Юзбашев М. М. Общая теория статистики. М. «Финансы и статистика», 1999. -480с.
  36. С.В., Потапов А. Б. Импульсные нейронные сети: мост между классическими моделями нейронных сетей и решет, связанных отображений. М.: ИПМ, 1995. -13с.
  37. М.Р., Петрова Е. В., Румянцев В. И. Общая теория статистики.-М., «Инфра-М», 2000 г., -413с.
  38. С.П., Курдюмов С. П., Малинецкий Г. Г. Синергетика и прогнозы будущего. / Элетронный документ.
  39. Г. С. Статистический анализ динамических рядов. -Москва., «Статистика», 1974.
  40. Г. С., Иващенко Г. А., Шмойлова Р. А. Статистическое изучение основной тенденции развития и взаимосвязи в рядах динамики. — Томск, 1985.
  41. Н.Д. Избранные сочинения. — М.: Экономика, 1993. -542с.
  42. Н.Д. Мировое хозяйство и его конъюнктуры во время и после войны. Вологда, Гос. изд., 1922. -258с.
  43. Н.Д. Основные проблемы экономической статики и динамики: Предварит, эскиз / Изд. подгот. В. В. Иванов., М. С. Ковалева. -М.: Наука, 1991.-569с
  44. Н.Д. Проблемы экономической динамики./ Редкол.: Абалкин Л. И. и др- Ин-т экономики АН СССР. М.: Экономика, 1989. -523с.
  45. А.В. и др. О конечности числа экономических равновесий с нестандартными ценами Новосибирск: Изд-во ИМ, 1997. -25с.
  46. С.А., Дмитриев М. Н. Алгоритм прогнозирования объема продаж в MS Excel, МИЭПМ ИНГАСУ, 1999.-9с., www.cfin.ru
  47. Ф.М. Мировой рынок: конъюнктура, рынок, маркетинг. Москва, Межд. отн., 1993.
  48. В.А. Прогнозирование в науке и технике. М.: ЦНИИТЭИ, 1968. -108с.
  49. ЛипсицИ. Коммерческое ценообразование.-Москва, 1995.
  50. В.И. Кондратьевские циклы, экономическая эволюция и экономическая генетика. М.: ИЭ РАН, 1994. -39с.
  51. .Г. Основы теории и практики прогнозирования. Учеб. пособие /- Екатеринбург: ИПК УГТУ, 1998. -127с.
  52. Г. Г., Потапов А. Б. Нелинейность. Новые проблемы, новые возможности. — М., 1994. —32с.
  53. И.Г. Теория устойчивости движения. М., 1952. -431с.
  54. Маркетинг. Учебное пособие. / Под редакцией Романова. — М.: ЮНИТИ, 1996.
  55. Международная торговля: финансовые операции, страхование и другие услуги. Перевод под ред. Гольберца М. А., Вороновой А. В., -Киев, Торгово-издательское бюро BHV, 1994.
  56. Международные ватотно-кредитные и финансовые отношения. / Под ред. Красавиной Л. П., Москва, «Финансы и статистика», 1994 .
  57. Международные расчеты по коммерческим операциям. Части 12−3: Аккредитив, Инкассо. / Перевод под ред. Носко А. П., АО «Консалтбанкир», Москва, 1994.
  58. Международные экономические отношения. Учебное пособие. / Под ред. Супруновича Б. П., Москва, 1995.
  59. Методы анализа взаимодействия в экономических системах. -Новосибирск: Наука, 1980. 207с.
  60. Методы анализа и оптимизации сложных систем / Под ред. Акад. Лупичева Л. Н., -М.: ИФТП, 1993. 142с.
  61. Методы анализа и прогнозирования показателей производственно -хозяйственной деятельности энергетич. объединения / Под ред. П. М. Шевкоплясова, СПб., Энергоатомиздат, 1994. 143с.
  62. Методы анализа и прогнозирования уровня жизни. / АН СССР, ЦЭМИ, НиВЦ. М., 1980. — 168с.
  63. Методы анализа и синтеза нелинейных цепей. Сб. научных трудов. / АН УССР, Киев: Наука думка, 1982. — 227с.
  64. Методы анализа макроэкономической структуры экономики и доходов Сб. статей. М.: НИФИ, 1995. — 66с.
  65. Моделирование возбуждения колебаний в лампах бегущей волны / О. И. Воскобойникова и др. М.: ИПМ, 1998. — 18с.
  66. Моделирование и анализ экономических процессов: финансовый и экологический аспекты: СПб. науч. тр./ Росс. акад. наук. Сиб. отделение, Новосибирск: ИЭ и ОПП, 1997. — 168с.
  67. Моделирование эволюции экономических систем /Под ред. Тамбовцева С. М. Барабанов и др. МГУ им. Ломоносова, экон. фак-т -М.: Диалог МГУ, 1997. 107с.
  68. Моделирование экономической динамики: риск, оптимизация, прогнозирование / Под ред. P.M. Нижегородцева, -М.: Диалог МГУ, 1997.- 151с.
  69. А.М. Материально-техническое снабжение и сбыт на промышленном предприятии. Киев, 1990.
  70. A.M. Снабженческо-сбытовая работа на предприятии в условиях хозрасчета. Киев, 1990.
  71. Нейроинформатика. / Отв. ред. Е. А. Новиков, РАН. — Новосибирск, СП «Наука» РАН, 1998. -296с.
  72. Нейроинформатика 2000: сб. науч. тр. / Отв. ред. А. В. Батаев. -М.: МИФИ, 2000. -220с.
  73. Нейронные сети и нейрокомпъютинг. Биб. Указ. Лит./ Ул. ГТУ. -Ульяновск, 1997.
  74. Нейронные сети: определения, концепции, применение: обзор. -М, ЦНИИ, 1991.-53с.
  75. Нелинейные волны: Структуры и бифуркации: Сб. ст./АН СССР. Отв. Ред. А.В. Гапонов-Грехов, М. И. Рабинович. М.: Наука, 1987. -397с.
  76. Нелинейные и линейные методы в распознавании образов Сб. ст. / Отв. Ред. И. Т. Турбович. -М.: «Наука», 1975. -156с.
  77. Новое в синергетике. М.: Наука, 1996.
  78. Обработка информации нейронными сетями: Сб. ст. / Ред. проф. А. А. Веденов. -М: ВИНИТИ, 1990. -132с.
  79. Общая теория статистики: статистическая методология в изучении коммерческой деятельности. / Под ред. Спирина А. А., Баш иной О. Э. -М., «Финансы и статистика», 1994.
  80. Практические рекомендации по организации сбыта. Учебное пособие. Уфа, 1996.
  81. И., Рерихи Е. и Н. В поисках нового мировидения -М.: Знание, 1991. -62с.
  82. И., Стенгерс И. Время, хаос, квант: К решению парадокса времени. М.: Прогресс, 1994. -266с.
  83. И. Р. Молекулярная теория растворов. М.: «Металлургия», 1990. -359с.
  84. И., Стенгерс И. Порядок из хаоса: Новый диалог человека с природой. М.: Прогресс, 1986. -431с.
  85. Прогноз электропотребления: анализ временных рядов, геостатистика, искусственные нейронные сети. / Под ред. Р. В. Арутюнян и др., М.: РАН, 1999. — 45с.
  86. Прогнозирование и программирование урожаев винограда: / Амирджанов Ялта: ВНИИВиПП, 1988.- 108с.
  87. Прогнозирование на основе аппарата нейронных сетей. / Учебник. Электронный материал, www.anriintern.com.
  88. Р.К. и др. Прогнозирование и инвестиционное моделирование в экономике. — Душанбе: Дониш, 1971. -54с.
  89. А.В. Международная торговля и торговая политика на рубеже 21 века. // Международный бизнес России,-1996,-№ 11//
  90. С.Г. Количественные методы прогнозирования эволюционных составляющих экономической динамики. Ульяновск.: УлГУ, 1999.-117с.
  91. С.Г. Методы маркетинговых исследований. Учебное пособие. СПб.: Издательство ДНК, 2003. -352с.
  92. С.Г. Методы прогнозирования экономической конъюнктуры в маркетинговых системах. СПб.: СПбГУЭФ, 2002.
  93. С.Г. Основы анализа и прогнозирования экономической конъюнктуры.- Нукус, 1996.
  94. С.Г. Прогнозирование экономической конъюнктуры в маркетинговых исследованиях. СПб.: СПбГУЭФ, 1997.
  95. С.Г. Эконометрические методы прогнозирования спроса.-М.: МГУ, 1993.
  96. К.А., Международные экономические отношения. -Москва, 1998.
  97. Синельников-Мурылев С.Г., Энтов P.M., Дробышевский С. М., Носко В. П., Юдин А. Д. Эконометрический анализ динамических рядов основных макроэкономических показателей М.: Ин-т эк-ки перех. периода, 2001. -173с.
  98. А.Н. Нейронные сети: определения, концепции, применение: Обзор. М., ЦНИИ атоминформ, 1991. — 53с.
  99. Д.Г. Учитесь эффективно продавать и управлять сбытом. Киев, Внешторгиздат, 1992.
  100. Статистика рынка товаров и услуг. / Под редакцией Белявского. Москва, 1997.
  101. Статистический анализ в экономике. / Под редакцией Громыко. Москва, МГУ, 1992.
  102. Статистическое моделирование и прогноз разрушения горных пород в очагах горных ударов / Пимонов А. Г. и др.- Кемерово: Акад. горных наук, 1997. -177с.
  103. B.C. Анализ и прогнозирование народнохозяйственной динамики. — М., 1992.
  104. Теория предвидения и будущее России. Материалы 5 Кондратьевских чтений. М.: МФК, ИЭ РАН, 1997. -488с.
  105. А.Дж. Постижение истории. М.: Прогресс, 1991.
  106. Ю.П. Долгосрочное прогнозирование экономических процессов. Киев: Наукова Думка, 1987. -133с.
  107. Е.М., Красюк И. Н. Маркетинг : теория и практика. Москва, 1993.
  108. В. Как делать бизнес в Европе. Москва, 1991.
  109. М., Клич А., Кубичек М., Марек М. Методы анализа нелинейных динамических моделей. М.: «Мир», 1991. — 365с.
  110. Шандезон и др. Методы продажи., Москва, 1993.
  111. P.M. Проблемы моделирования финансовых показателей: цены, обменный курс, процентные ставки, фондовый индекс в российской экономике. М., 1999. -117с.
  112. М.Ф. и др. Нейросетевые и параллельные методы обработки информации: Некоторые представления аттракторов в теории анализа и синтеза искусственных нейронных сетей. // Известие ВУЗов. Приборостроение. № 6 1997, том 40.
  113. Aartifical Intelligence. // Amsterdam: Time-Life-Books, 1986.
  114. Aarts E., Korst J. Boltzmann machines for travelling salesman problem. // European J. Oper. Res., 1989.
  115. Cagan P. The Money Dynamics of Hyperinflation', in Studies in the Quantity Theory of Money, ed. by M. Friedman, 1956, University of Chicago Press.
  116. Carlton A. Pederson, Milburn P. Wright, Barton A.Weitz. Selling: Principles and Methods., -Illinois, «Homewood», 1988.
  117. Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine. // Comput., 1986. V.37
  118. Computing with neural circuits: a model. // Science, 1986. V. -233p. 625−633.
  119. Dayan A. Manuel de la distribution. Ed. d'Organisation, 9 ed., 1987.
  120. Ferdinand F.Mauser. Selling: A Self Management Approach. -New York, 1977.
  121. Hect-Nielsen R. Neurocomputing: picking the human brain. // IEEE Spectrum, 1988. V.25. № 3.
  122. Jerone Mc Cartby E., William D. Perreault. Understanding Business Statistics. -Boston, «Homewood», 1991.
  123. Judith E. Dayhoff/ Neural Network architectures/ VNR, New-York, 1990. — 259p.
  124. Kotler Philip. Marketing, Management: Analysis, Planning and Control.,-London, 1976.
  125. Montgomery, Douglas C. Forecasting and time series analysis. /Douglas C. Montgomery, Lynwood A. Johnson, John S. Gard iner. 2nd ed. -ISBN 0−07−42 858−1.
  126. Neural Computing. // London: IBE Technical Services, 1991.
  127. Pindyck R.C., Rubinfeld D.L. Econometric models and economic forecasts. New-York, 1976.
  128. Russell, Beach, and Buskirk. Textbook of Salesmanship.- New York, 1978.
Заполнить форму текущей работой

На отлично!