Иванова В.О.Опубликовано в журнале:
Креативная экономика
– Том 12, Номер 9 (Сентябрь 2018)

JEL classification: C01, C02, M21

Ключевые слова: задачи бизнес-прогнозирования, оптимизация экономических решений, экономико-математические методы и модели


Поделиться этой страницей:

Аннотация:

Качественный новый этап развития рыночной экономики определяется как экономика знаний. Он значительно отличается от предыдущей стадии формированием нелинейных тенденций в экономическом развитии. Лица, ответственные за управление экономикой на межнациональном, национальном, региональном уровне и уровне субъекта хозяйствования, должны принимать управленческие решения в условиях высокой неопределенности, влияющей на развитие процессов производства, распределения, обмена и потребления. Невозможно оценить эффективность таких проектов и процессов без соответствующих экономико-математических расчётов. Экономико-математическое моделирование при этом является одним из наиболее подходящих и эффективных методов для описания современных сложных социально-экономических процессов и объектов. Создание математических моделей в экономике в сочетании с новыми экономическими решениями позволяет сформировать знания о результатах изменений, не прибегая к дорогостоящим эмпирическим экспериментам. Таким образом, экономико-математическое моделирование становится частью самой экономики. Таким образом, экономика знаний как общая и несколько абстрактная категория может быть выражена в осязаемой конкретной форме. Это может быть достигнуто с помощью экономико-математического моделирования различных экономических процессов и объектов.

---

Источники:
Андерсон Т. Статистический анализ временных рядов. - Москва : Мир, 1976. – 755 с.
2. Воронцовский А.В., Дмитриев А.Л. Моделирование экономического роста с учетом неопределенности макроэкономических факторов: исторический обзор, проблемы и перспективы развития // Вестник санкт-петербургского университета. экономика. – 2014. – № 2. – С. 5-31.
Давнис В.В., Тинякова В.И., Мокшина С.И., Воищева О.С., Щекунских С.С. Эконометрика сложных экономических процессо. - Воронеж: ВГУ, 2004. – 82 с.
4. Дзанкисова И.Х. Бюджетирование и его ориентированность на результат // Экономический вестник ростовского государственного университета. – 2008. – № 2-3. – С. 190-193.
5. Канторович Г.Г. Анализ временных рядов // Экономический журнал. – 2002. – № 1. – С. 87-110.
Кривцова Н.И., Мойзес О.Е. Дополнительные главы математики. Статистический анализ. - Томск: Изд-во Томского политехнического университета, 2015. – 45 с.
7. Ломакин Н.И. Биржевые торговые роботы в условиях информационного общества // Концепт. – 2013. – № 5. – С. 84-91.
8. Мельников В.И. Применение теории нечетких множеств в анализе рисков инвестиционных проектов // Этап: экономическая теория, анализ, практика. – 2010. – № 3. – С. 57-71. – url: http://file:///C:/Users/Yurii/Downloads/ primenenie-teorii-nechetkih-mnozhestv-v-analize-riskov-investitsionnyh-proektov.pdf.
9. Серков Л.А. Самоорганизация ожиданий как фактор саморазвития экономических систем // Известия Уральского государственного экономического университета. – 2014. – № 4(54). – С. 100-106.
Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия. - Новосибирск: СО РАН, 2005.
11. Тетерина О.В. Зарубежный опыт внедрения бюджетирования, ориентированного на результат // Известия Байкальского государственного университета. – 2012. – № 3.
Елисеева И.И. Эконометрика. - Москва : Финансы и статистика, 2001. – 338 с.
Производство основных видов продукции в натуральном выражении за 2016 г. по месяцам (производство пищевых продуктов, мясо и субпродукты). Федеральная служба государственной статистики. [Электронный ресурс]. URL: http://www.gks.ru/free_doc/new_site/business/prom/natura/mes10.htm.