Використання методів DATA MINING для прогнозування показників зовнішньоекономічної діяльності

Abstract

В статті описані результати дослідження використання алгоритмів машинного навчання для аналізу і прогнозування показників зовнішньоекономічних операцій в Україні. Метою цієї статті є прогнозування показників імпорту і експорту з використанням алгоритмів машинного навчання (лінійна регресія, Gaussian Process Regression, SMOreg і нейронна мережа Multilayer Perceptron) на статистичних даних, що охоплюють період з 1 січня 2018 р. по 31 грудня 2021 р. З метою виявлення найточнішого результату прогнози зроблені з використанням статистичних даних для різних інтервалів базового періоду та періодів прогнозування. Точність алгоритмів машинного навчання оцінювалася за допомогою порівняння наступних показників: середня абсолютна похибка (MAE), середньоквадратична похибка (RMSE), та середня абсолютна похибка у відсотках (MAPE). Розраховані прогнозні показники зовнішньоекономічних операцій за алгоритмом SMOreg мають високу точність прогнозу, оскільки мають найменші показники абсолютної похибки у відсотках (MAPE). Показники середньої абсолютної похибки (MAE) і середньоквадратичної похибки (RMSE) також вказують що алгоритм SMOreg має високу точність прогнозу. Результати аналізу показали, що алгоритми машинного навчання досягли високоточної ефективності прогнозування. Виявлено, що нелінійні моделі значно краще справляються із задачею прогнозування експортно-імпортних операцій, ніж лінійні моделі. Загальна точність алгоритму SMOreg була кращою для всього інтервалу базового періоду та вибраного періоду прогнозу. Результати, отримані в результаті цього аналізу, можуть допомогти фахівцям з економіки в оцінці показників зовнішньоекономічних операцій в Україні. Реалізація прогнозування експортно-імпортних операцій на підставі використання алгоритму SMOreg може бути автоматизована для створення експертної системи з метою оцінки показників зовнішньоекономічних операцій в розрізі окремих регіонів.