DOI: https://doi.org/10.20535/SRIT.2308-8893.2020.2.05

Застосування регресійних моделей для аналізу і прогнозування показників якості фінансової діяльності підприємства

Nataliia V. Kuznietsova, Zlata S. Chernysh

Анотація


Досліджено задачу прогнозування успішності діяльності компанії на основі її фінансових показників на базі регресійних моделей. Побудовано множину моделей на основі лінійної множинної регресії, авторегресії з ковзним середнім, авторегресії з інтегрованим ковзним середнім та сезонної моделі авторегресії з інтегрованим ковзним середнім для прогнозування абсолютної величини фінансових показників. Проведено експериментальне дослідження на реальних даних і виконано прогнозування на основі регресійних моделей, методу групового урахування аргументів та авторегресійної нейронної мережі. Для прогнозування волатильності фінансового ряду застосовано гетероскедастичні моделі зі змінною волатильністю типу ARCH та GARCH. Застосовано попереднє оброблення даних з використанням методу Хольта–Вінтерса та фільтра Калмана, що дозволило істотно покращити якість моделей і точності прогнозування. Запропоновано і розроблено комбінацію моделей сезонної авторегресії з інтегрованим ковзним середнім та гетероскедастичної, що дало змогу врахувати наявні сезонні ефектів і тренди, притаманні фінансовим рядам, і отримати високі прогнозні оцінки для фінансових показників.

Ключові слова


регресійні моделі; сезонна модель авторегресії з інтегрованим ковзним середнім; лінійна множинна регресія; попереднє оброблення даних; гетероскедастичні моделі

Повний текст:

PDF

Посилання


P.I. Bidyuk, V.D. Romanenko, and O. L. Timoshchuk, Time Series Analysis. Kyiv: Polytechnika, NTUU “KPI”, 2013.

G.E.P. Box and G.M. Jenkins, Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day, 1970.

N.V. Kuznietsova and P.I. Bidyuk, Theory and practice of financial risk analysis: systemic approach. Kyiv: Lira-K, 2020.

R.F. Engle, “Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation”, in Econometrica, vol. 50, pp. 987–1007, 1982.

T. Bollerslev, “Generalized autoregressive conditional heteroskedasticity”, in Journal of Econometrics, vol. 31, pp. 307–327, 1986.

L.G. Saetova, “The Main Modifications ARCH Models”, in Problems of Economics and Management, no. 6 (34), pp. 61–63, 2014.

M.Z. Zgurovsky and V.N. Podladchikov, Analytical methods of Kalman filtering for systems with a priori uncertainty. Kiev: Naukova Dumka, 1995.

N.V. Kuznietsova and P.I. Bidyuk, “Business Intelligence Techniques For Missing Data Imputation”, in Research bulletin of NTUU “KPI”, no. 5, pp. 47–56, 2015.

Th.R. Robinson, H. Greuning, E. Henry, and M.A. Broihahn, International Financial Statement Analysis. New Jersey: John Wiley & Sons, Inc. 2009.

M.Z. Zgurovsky and Y.P. Zaychenko, The Fundamentals of Computational Intelligence. Kyiv: Naukova Dumka, 2013.

N.V. Kuznyetsova, “Integrated approach to credit risks estimation”, in Proceedings of Odessa Polytechnic University, no. 1(33)–2(34), pp. 187–192.


Пристатейна бібліографія ГОСТ


1. П.І. Бідюк, В.Д. Романенко, та О.Л. Тимощук, Аналіз часових рядів: навч. посіб. Київ: НТУУ "КПІ", 2013.

2. Дж. Бокс и Г. Дженкинс, Анализ временных рядов, прогноз и управление, пер. с англ. Москва: Мир, 1974.

3. Н.В. Кузнєцова та П.І. Бідюк, Теорія і практика аналізу фінансових ризиків: системний підхід: моногр. Київ: Вид-во "Ліра-К", 2020.

4. R.F. Engle, “Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation”, Econometrica, vol. 50, pp. 987–1007, 1982.

5. T. Bollerslev, “Generalized autoregressive conditional heteroskedasticity”, Journal of Econometrics, vol. 31, pp. 307–327, 1986.

6. Л.Г. Саетова, “Основные модификации ARCH моделей”, Проблемы экономики и менеджмента, № 6(34), с. 61–63, 2014.

7. М.З. Згуровский и В.Н. Подладчиков, Аналитические методы калмановской фильтрации для систем с априорной неопределенностью. Киев: Наукова думка, 1995.

8. N.V. Kuznietsova and P.I. Bidyuk, “Business Intelligence Techniques For Missing Data Imputation”, Research bulletin of NTUU “KPI”, no. 5, pp. 47–56, 2015.

9. Th.R. Robinson, H. Greuning, E. Henry, and M.A. Broihahn, International Financial Statement Analysis. New Jersey, USA: John Wiley & Sons, Inc, 2009, pp. 864.

10. М.З. Згуровский и Ю.П. Зайченко, Основы вычислительного интеллекта. Киев: Наукова Думка, 2013.

11. Н.В. Кузнєцова, “Інтегрований підхід до оцінювання кредитних ризиків”, Тр. Одес. политехн. ун-та, вып. 1(33)–2(34), с. 187–192, 2010.