Моделювання прогнозних оцінок інвестиційних ресурсів агрохолдингів
З метою здійснення моделювання обсягу інвестицій у вертикально інтегровані підприємства аграрного сектора та визначення напрямів їх подальшого розвитку в перспективі, у дисертаційній роботі здійснено аналіз часового ряду потужним методом нелінійного моделювання. Математичним апаратом слугував багатошаровий персептрон, який є різновидом нейромережевих алгоритмів. Методи нейронних мереж застосовуються в будь-якій ситуації, коли присутній зв'язок між змінними предикторами (входами) і прогнозованими змінними (виходами), навіть якщо цей зв'язок має досить складну природу та її складно відобразити термінами кореляції.
Багатошаровий персептрон уперше був запропонований у роботі Румельхарта та МакКлелланда в 1986 р. Особливістю цього типу нейронної мережі є те, що він навчається за допомогою інтерактивних алгоритмів, найбільш відомим з яких є зворотне розповсюдження. Процедура навчання нейронної мережі відбувалася в програмному пакеті STATISTICA “Нейронные Сети”. Типом аналізу вибрано “Конструктор сетей”, що дозволяє вибрати окремі мережеві архітектури та алгоритми навчання.
Кожен елемент мережі будує зважену суму своїх входів, усі елементи організовані в шарову топологію з прямою передачею сигналу. Таку мережу легко інтерпретувати як модель “вхід-вихід”, у якій ваги та порогові значення є вільними параметрами моделі. Усі змінні вибрані експертним шляхом та є значимими. Для моделювання обсягу інвестицій, що спрямовуватиметься до агрохолдингу в наступні п’ять років, було відібрано історичні дані по агрохолдингу “Астарта” за останні сім років (2005–2011 роки) та основні макроекономічні показники.
На нашу думку, процес залучення інвестицій описується дванадцятьма змінними у вигляді z = f (x1,x2…x12), де z – залежна змінна, показник виходу процесу – обсяг інвестицій у агрохолдинг за рік у тис. грн, х1– х12 – неперервні незалежні числові змінні, а саме: х1 – оборотні активи агрохолдингу, тис грн; х2 – обсяг виробництва цукру агрохолдингом, тис. грн; х3 – валовий прибуток, тис. грн; х4 – собівартість виробництва по агрохолдингу, тис. грн; х5 – земельний банк агрохолдингу, га; х6 – вихід цукру (агрохолдинг) 1 т/1 га; х7 – світова ціна 1 т цукру, тис. грн; х8 – споживання цукру у світі, тис. грн; х9 – споживання цукру в Україні, тис. грн; х10 – ставка Libor ( %); х11 – обсяг інвестицій у сільське господарство України, тис. грн та х12 – рентабельність виробництва по агрохолдингу, у %.
Масив даних, що був використаний у дослідженні, представлений у Додатку Т. Під продуктивністю мережі розуміють стандартне відхилення помилок мережі від стандартного відхилення вхідних даних. За емпіричними дослідженнями, якщо показник не більший 0,2, то мережа підібрана задовільно. Як результат, нами була відібрана мережа – тришаровий персептрон з 8-а нейронами на прихованому шарі продуктивністю 0,01.
Для того, щоб остаточно переконатися в правильності зробленого висновку, розглянемо числові результати. У лівій колонці табл. 3.6 відображені фактичні значення змінної z, у правій – значення отриманої нейронної мережі на відповідні значення дванадцяти незалежних змінних. Відхилення від фактичного значення є незначними – не більше 2 %, що свідчить про високу якість отриманої нейронної мережі.
Вся работа доступна по " http://mydisser.com/ru/catalog/view/16927.html " target="_blank">Ссылке
