Моделi багатофакторного прогнозування

Abstract

Дане дослiдження є розвитком напрямку прикладного аналiзу даних. Вiн вiдi- грає важливу роль у виявленнi значущої iнформацiї в наборах даних, яка допома- гає приймати обґрунтованi рiшення в рiзних сферах людської дiяльностi. Наведено iнформацiйнi технологiї багатофакторного прогнозування, якi базуються на моделях MLR та DR i є частиною класичного машинного навчання. Розроблена iнформацiйно- аналiтична система на мовi програмування Python та бiблiотеки scikit-learn, що реа- лiзує описаний пiдхiд. В якостi апробацiйної моделi обрана актуальна задача прогно- зування ВВП України за показниками: iндекс iнфляцiї, чисельнiсть населення, офi- цiйний курс долара, рiвень безробiття у вiдсотках та мiграцiйний прирiст. Навчальна вибiрка мiстила 16 спостережень. В ходi експериментального дослiдження кращою виявилось модель дерева регресiї iз показником коефiцiєнту детермiнацiї 99% та се- редньої абсолютної вiдсоткової похибки 6%. Данi iндекси якостi моделi вказують на її високу точнiсть. Перспективнi дослiдження полягають у розвитку пiдходу прикла- дного аналiзу даних для розв’язання рiзних видiв прикладних задач. Ключовi слова: багатофакторне прогнозування, дерева регресiї, багатофакторний лiнiйний аналiз, прогнозування ВВП.

Kondruk N. E. Models of multivariate forecasting. This study is a development of applied data analysis. Information technologies of multifactor forecasting based on MLR and DR models are presented. An information-analytical system in the Python programming language and the scikit-learn library has been developed, which implements the descriptions of the approach. As an approbation model, the current task of forecasting Ukraine’s GDP by indicators: inflation index, population, official dollar exchange rate, unemployment rate and migration growth was chosen. The training sample contained 16 observations. The regression tree model is adjusted with a coefficient of determination of 99% and an average absolute percentage error of 6%. These quality indices of the model show its high accuracy. These quality indices of the model indicate its high accuracy. Keywords: multivariate forecasting, regression trees, multivariate linear analysis, GDP forecasting.