ECONOMICS
Original Paper
UDC 338.27 © O.V. Kitova, L.P. Dyakonova, V.M. Savinova, K.V. Fomin, 2024
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Ugol’ – Russian Coal Journal, 2024, № 6, pp. 71-77
DOI: http://dx.doi.org/10.18796/0041-5790-2024-6-71-77
Title
FORECASTING THE MAIN ECONOMIC INDICATORS FOR COAL INDUSTRY IN THE ANALYTICAL SYSTEM “HORIZON”
Authors
O.V. Kitova, L.P. Dyakonova, V.M. Savinova, K.V. Fomin
Plekhanov Russian University of Economics, Moscow, 117997, Russian Federation e-mail: Kitova.OV@rea.ru
Authors Information
Kitova O.V. – Doctor of Economics Sciences, Associate Professor, Head of the Department of Informatics of the Higher School of Cybertechnologies, Mathematics and Statistics, Plekhanov Russian University of Economics, Moscow, 117997, Russian Federation, e-mail: Kitova.OV@rea.ru
Dyakonova L.P. – PhD (Physics & Mathematics), Associate Professor, Associate Professor of the Department of Informatics of the Higher School of Cybertechnologies, Mathematics and Statistics, Plekhanov Russian University of Economics, Moscow, 117997, Russian Federation, e-mail: Dyakonova.lp@rea.ru
Savinova V.M. – Senior Lecturer of the Department of Informatics of the Higher School of Cybertechnologies, Mathematics and Statistics, Plekhanov Russian University of Economics, Moscow, 117997, Russian Federation, e-mail: Savinova.VM@rea.ru
Fomin K.V. – graduate student of the Higher School of Cybertechnologies, Mathematics and Statistics, Plekhanov Russian University of Economics, Moscow, 117997, Russian Federation
Abstract
The improvement of the coal industry is of significant strategic importance for ensuring sustainable economic development in Russia and solving social problems. Therefore, the development of approaches and methods for comprehensive analysis and forecasting of coal industry indicators at the federal and regional levels is particularly important, which will facilitate the adoption of scientifically grounded decisions in the field of coal industry planning and management. What are needed are a system of indicator models that will allow for a comprehensive analysis of the coal industry development, identification of key influencing factors, as well as the improvement of forecasting models and methods and their application to the indicators under study. The hybrid forecasting system “Horizon”, developed by the authors of the study, implements regression and intelligent models for most groups of economic indicators of the Russian Federation. At the same time, most researchers rely in their studies on autoregressive time series models based on ARIMA. The authors have developed a new module of the Horizon "ARIMA system", which can be used when forecasting individual indicators. These forecasts can be considered as baseline when conducting comparative analysis with hybrid models. This study is devoted to forecasting a group of main economic indicators of the Russian coal industry using ARIMA time series models.
Keywords
Socio-economic indicators of the Russian Federation, coal industry indicators, forecasting, time series, hybrid information and analytical system.
References
1. Доугерти К. Введение в эконометрику: пер. с англ. М.: ИНФРА-М, 2010. 465 с.
2. Пестова А.А., Мамонов М.Е. Обзор методов макроэкономического прогнозирования: в поисках перспективных направлений для России // Вопросы экономики. 2016. № 6. С. 45-75. DOI: 10.32609/0042-8736-2016-6-45-75. Pestova A., Mamonov M. A survey of methods for macroeconomic forecasting: looking for perspective directions in Russia. Voprosyеkonomiki. 2016;(6):45-75. (InRuss.). DOI :10.32609/0042-8736-2016-6-45-75.
3. Краснюк Л.В. Анализ экономического развития и прогнозирование основных показателей промышленности Российской Федерации // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономическиенауки. 2013. № 4. С. 38-44. Krasnuk L.V. Analysis of economic development and forecasting of the main indicators of the industry of the Russian Federation. Nauchno-tehnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogopolitehnicheskogo universiteta. Ekonomicheskie nauki. 2013;(4):38-44. (InRuss.).
4. Калиновская И.Н., Керриев К.Н. Прогнозирование производства товаров легкой промышленности в Республике Беларусь / Инновационные технологии в текстильной и легкой промышленности: Материалы Международной научно-технической конференции, Витебск, 13–14 ноября 2019 года. Витебск: Витебский государственный технологический университет, 2019. С. 341-344.
5. Астафьева Е., Турунцева М. Оценка качества краткосрочных прогнозов индексов промышленного производства Росстата // Научный вестник ИЭП им. Гайдара.ру (электронныйжурнал). 2014. № 12. С. 34-37. A stafieva E., Turuntseva M. Quality assessment of short-term forecasts of Rosstat industrial production indices. Nauchnyj vestnik IEP. 2014;(12):34-37. (InRuss.).
6. Астафьева Е., Турунцева М. Оценка качества краткосрочных прогнозов индексов промышленного производства НИУ ВШЭ (апрель 2009 г. – август 2021 г.) // Научный вестник ИЭП им. Гайдара.ру (электронныйжурнал). 2021. № 9. С. 32-35. A stafieva E., Turuntseva M. Quality Assessment of Short-Term Forecasts of Industrial Production Indices by the Higher School of Economics, National Research University (April 2009 – August 2021). Nauchnyj vestnik IEP. 2021;(9):32-35. (InRuss.).
7. Турунцева М.Ю., Киблицкая Т.Р. Качественные свойства различных подходов к прогнозированию социально-экономических показателей РФ. М.: ИЭПП, 2010. Научные труды № 135Р.
8. Болдыревский П.Б., Игошев А.К., Кистанова Л.А. Кластерный анализ и нейросетевое моделирование динамики индекса промышленного производства обрабатывающей промышленности России // Экономический анализ: теория и практика. 2019. Т. 18. № 11. С. 2158-2171. Boldyrevskii P.B., Igoshev A.K., Kistanova L.A. Cluster analysis and neural network modeling for movements of industrial production index of the Russian manufacturing industry. Ekonomicheskij analiz:teoriya i praktika. 2019;18(11):2158-2171. (In Russ.).
9. Шинкевич А.И., Лубнина А.А., Бронская В.В. Анализ трендов научно-исследовательского развития промышленности на основе методов математического моделирования // Известия Самарского научного центра Российской академии наук. 2022. Т. 24. № 4. С. 68-74. DOI: 10.37313/1990-5378-2022-24-4-68-74. Shinkevich A.I., Lubnina A.A., Bronskaya V.V. Analysis of trends in scientific research development of the industry on the basis of mathematical modeling methods. Izvestiya Samarskogo nauchnogotsentra Rossijskoj akademii nauk. 2022;24(4):68-74. (In Russ.). DOI: 10.37313/1990-5378-2022-24-4-68-74.
10. Фокин Н.Д. VAR -LA SSO модель для российской экономики на большом массиве данных. 2020. Electroniccopyavailableat: https://ssrn.com/abstract=3695047. 24 с.
11. Применение нейронных сетей для прогнозирования социально-экономических временных рядов / О.В. Китова, Л.П. Дьяконова, В.А. Китов и др. // Российский экономический вестник. 2020. Т. 3. № 5. С. 188-201. http://dgpu-journals.ru/archives/11494. Kitova O.V., Dyakonova L.P., Kitov V.A., Savinova V.M. Application of neural networks for forecasting social and economic time series. Rossijskij ekonomicheskij vestnik. 2020;3(5):188 201. http://dgpujournals.ru/archives/11494.
12. Kitova O.V., Kolmakov I.B., Dyakonova L.P., Grishina O.A., Sekerin V.D., Danko T.P. Hybrid intelligent system of forecasting of the socioeconomic development of the country. Ijaber. 2016;14(9):5755-5766.
13. Kitova O., Savinova V., Dyakonova L., Kitov V. Development of hybrid models and a system for forecasting the indicators of the Russian economy. Espacios. 2019;40(10):18-24.
14. Прогнозирование промышленных показателей в России в информационно-аналитической системе «Горизонт» / О.В. Китова, Л.П. Дьяконова, В.А. Китов и др. // Вопросы истории. 2021. Т. 10(1). С. 268-287. Kitova O.V., Dyakonova L.P., Kitov V.A., Savinova V.M. Forecasting the main economic indicators for industry in the analytical system “Horizon”. Voprosy istorii. 2021;10(1):268-287. (InRuss.).
15. Модельные расчеты краткосрочных прогнозов социально-экономических показателей РФ / М.Ю. Турунцева, Е.В. Астафьева, М.А. Баева и др. // Научный вестник ИЭП им. Гайдара.ру (электронный журнал). 2013. № 5. С. 2-31. T uruntseva M.Yu., Astafieva E.V., Baeva M.A. et al. Model calculations of short-term forecasts of the social and economic indicators in the Russian Federation. Nauchnyj vestnik IEP. 2013;(5):2-31. (InRuss.).
16. Миролюбова А.А., Ермолаев А.Д., Прокофьев М.Б. ARIMA – прогнозирование спроса производственного предприятия // Современные наукоемкие технологии. Региональноеприложение. 2021. № 2. С. 50-55. DOI: 10.6060/snt.20216602.0007. Mirolyubova A.A., Ermolaev A.D., Prokofiev M.B. AR IMA – forecasting the demand of the production plant. Sovremennye naukoyomkietehnologii. Regional'noe prilozhenie. 2021;(2):50-55. (In Russ.). DOI: 10.6060/snt.20216602.0007.
Acknowledgements
This research was performed in the framework of the state task in the field of scientific activity of the Ministry of Science and Higher Education of the Russian Federation, project “Models, methods, and algorithms of artificial intelligence in the problems of economics for the analysis and style transfer of multidimensional datasets, time series forecasting, and recommendation systems design”, grant no. FSSW-2023-0004.
For citation
Kitova O.V., Dyakonova L.P., Savinova V.M., Fomin K.V. Forecasting the main economic indicators for coal industry in the analytical system “Horizon”. Ugol’. 2024;(6):71-77. (In Russ.). DOI: 10.18796/0041-5790-2024-6-71-77.
Paper info
Received May 3, 2024
Reviewed May 16, 2024
Accepted May 26, 2024
