+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Тенденции стоимости потоков экспорта: сплайн-анализ

Купить электронную версию статьи

т. 21, вып. 3, март 2022

Получена: 10.02.2022

Получена в доработанном виде: 18.02.2022

Одобрена: 28.02.2022

Доступна онлайн: 30.03.2022

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: C24, C38, C53

Страницы: 573–587

https://doi.org/10.24891/ea.21.3.573

Ильясов Р.Х. кандидат экономических наук, доцент, заведующий кафедрой учета, анализа и аудита в цифровой экономике, Чеченский государственный университет им. А.А. Кадырова (ЧГУ им. А.А. Кадырова), Грозный, Российская Федерация 
ilyasov_95@mail.ru

https://orcid.org/0000-0001-7040-798X
SPIN-код: 7803-2120

Предмет. При исследовании стоимости потоков экспорта важно оценивать воздействие двух ключевых факторов – объемов экспорта и экспортных цен. Предметом исследования является факторный анализ стоимости потоков экспорта.
Цели. Оценка эффективности сплайн-моделирования при факторном анализе стоимости потоков.
Методология. Известные методы факторного анализа потоков экспорта обращаются к экономическим индексам. Дискретность индексов ограничивает эффективность анализа стоимости потоков при сильных колебаниях экспортных цен и (или) объемов экспорта, что особенно характерно, например, для динамики потоков экспорта нефти. Сплайн-интерполяционное моделирование стоимости потоков экспорта сохраняет реальную информацию обо всех значениях процесса в узловых точках, а дифференцированием построенные модели преобразуются в модели скорости потоков. Моделирование без сглаживания эмпирической динамики сохраняет информацию о колебаниях скорости, тогда дифференцированием можно переходить к анализу и оперативному управлению тенденциями стоимости потоков. Необходимая точность в исследовании достигается и обработкой данных в системе компьютерной математики Maple 17, выполняющей расчеты без ошибок округления.
Результаты. Предложенный метод факторного анализа показал возможность в динамике аналитически и количественно исследовать зависимость тенденций стоимости потоков экспорта от колебаний скорости экспортных цен и скорости объемов экспорта.
Выводы. Предложенный метод сплайн-моделирования и факторного анализа тенденций стоимости потоков оказался эффективным, позволяет точно определять воздействие факторов не только в узловых точках, но и в любой произвольный момент времени внутри исследуемого интервала. Таким образом, можно оперативно управлять процессами, адаптируя воздействия в соответствии с меняющейся в текущее время конъюнктурой.

Ключевые слова: экспорт нефти, поток, сплайн-моделирование, анализ

Список литературы:

  1. Филимонова И.В., Эдер Л.В., Ларионов В.Г., Комарова А.В. Рейтинг нефтяных компаний по уровню чувствительности налоговой нагрузки к макроэкономическим и отраслевым факторам // Экономический анализ: теория и практика. 2018. Т. 17. Вып. 12. С. 1430–1443. URL: Link
  2. Бабурина О.Н. Анализ детерминант конъюнктуры мирового рынка нефти и их влияния на финансовые результаты компаний танкерного флота // Национальные интересы: приоритеты и безопасность. 2018. Т. 14. Вып. 12. С. 2340–2355. URL: Link
  3. Выгодчикова И.Ю., Гусятников В.Н., Высочанская Е.Ю. Метод сплайн-аппроксимации экономических процессов с неустойчивым трендом // Вестник Саратовского государственного социально-экономического университета. 2017. № 4. С. 110–115. URL: Link
  4. Ильясов Р.Х. «Латентные» корреляции потоков в экономике: сплайн-анализ // Известия Санкт-Петербургского государственного экономического университета. 2021. № 1. С. 35–41. URL: Link
  5. Безуглов Д.А., Крутов В.А., Швачко О.В. Метод дифференцирования сигналов с использованием сплайн-аппроксимации // Фундаментальные исследования. 2017. № 4-1. С. 24–28. URL: Link
  6. Hirsch J.E. An Index to Quantify an Individual's Scientific Research Output that Takes into Account the Effect of Multiple Co-authorship. Scientometrics, 2010, vol. 85, iss. 3, pp. 741–754. URL: Link
  7. Hill R.J., Scholz M. Can Geospatial Data Improve House Price Indexes? A Hedonic Imputation Approach with Splines. Review of Income and Wealth, 2018, vol. 64, iss. 4, pp. 737–756. URL: Link
  8. Edwards J.R., Parry M.E. On the Use of Spline Regression in the Study of Congruence in Organizational Research. Organizational Research Methods, 2018, vol. 21, iss. 1, pp. 68–110. URL: Link
  9. Marcoulides K.M., Khojasteh J. Analyzing Longitudinal Data Using Natural Cubic Smoothing Splines. Structural Equation Modeling, 2018, vol. 25, iss. 6, pp. 965–971. URL: Link
  10. Vaid M.K., Arora G. Solution of second order singular perturbed delay differential equation using trigonometric B-spline. International Journal of Mathematical, Engineering and Management Sciences, 2019, vol. 4, iss. 2, pp. 349–360. URL: Link
  11. Shahbaz M., Khraief N., Mahalik M.K. Investigating the environmental Kuznets’s curve for Sweden: evidence from multivariate adaptive regression splines (MARS). Empirical Economics, 2020, vol. 59, iss. 4, pp. 1883–1902. URL: Link
  12. Banker R.D., Byzalov D., Fang S., Jin B. Operating asymmetries and non-linear spline correction in discretionary accrual models. Review of Quantitative Finance and Accounting, 2020, vol. 54, iss. 3, pp. 803–850. URL: Link
  13. Zhenyu Cui, Kirkby J.L., Duy Nguyen. Nonparametric Density Estimation by B-Spline Duality. Econometric Theory, 2020, vol. 36, iss. 2, pp. 250–291. URL: Link
  14. Guangyuan Gao, Shengwang Meng. Stochastic claims reserving via a Bayesian spline model with random loss ratio effects. ASTIN Bulletin, 2018, vol. 48, iss. 1, pp. 55–88. URL: Link
  15. Боташева Ф.Б. Экономические образы архетипов физической динамики // European Social Science Journal. 2012. № 8. С. 364–373.
  16. Serpil Kılıç Depren, Mustafa Tevfik Kartal. Prediction on the volume of non-performing loans in Turkey using multivariate adaptive regression splines approach. International Journal of Finance and Economics, 2021, vol. 26, iss. 4, pp. 6395–6405. URL: Link
  17. Rich J. A spline function class suitable for demand models. Econometrics and Statistics, 2020, vol. 14, pp. 24–37. URL: Link
  18. Richards S.J. A Hermite-spline model of post-retirement mortality. Scandinavian Actuarial Journal, 2020, vol. 2020, iss. 2, pp. 110–127. URL: Link
  19. Zaynidinov H., Bakhromov S., Azimov B., Makhmudjanov S. Comparative analysis spline methods in digital processing of signals. Advances in Science, Technology and Engineering Systems, 2020, vol. 5, iss. 6, pp. 1499–1510. URL: Link
  20. Lars Kirkby J., Deng S.-J. Swing option pricing by dynamic programming with b-spline density projection. International Journal of Theoretical and Applied Finance, 2019, vol. 22, iss. 8. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 21, вып. 7, июль 2022

Другие номера журнала