ВИКОРИСТАННЯ МАТЕМАТИЧНОГО АПАРАТУ В ПУБЛІЧНОМУ УПРАВЛІННІ ФІНАНСОВО-ЕКОНОМІЧНИМИ ПРОЦЕСАМИ НАЦІОНАЛЬНОГО РІВНЯ
DOI:
https://doi.org/10.35546/kntu2078-4481.2024.1.54Ключові слова:
публічне управління та адміністрування, мережі Байєса, моделювання і прогнозування розвитку процесів публічного управління, публічне управління фінансово-економічними процесамиАнотація
Робота присвячена формуванню наукового підґрунтя щодо обґрунтування використання математичного апарату в публічному управлінні фінансово-економічними процесами на національному рівні. В роботі доведено, що більшість процесів на макрорівні економіки мають циклічний характер розвитку. Прогнозування початку та закінчення циклу – актуальна задача сьогодення, оскільки це надає можливість приймати обґрунтовані об’єктивні рішення на всіх рівнях публічного управління. Саме така задача ідентифікації циклів в макроекономічній системі розглядається роботі. В дослідженні була поставлена задача, на основі статистичних даних щодо протікання реальних фінансово-економічних процесів на національному рівні, необхідно побудувати ймовірнісну модель для ідентифікації циклів на основі принципу класифікації даних та встановити ефективність використання різних стратегій класифікації та дослідити якість класифікації шляхом порівняння отриманих результатів з експертними оцінками. В статті запропонована концепція використати мережі Байеса для ідентифікації (розпізнавання) фаз розвитку процесів довільної природи, представлених часовими рядами даних, зокрема в економіці та фінансах. Попередні дослідження, виконані в даному напрямі, свідчать про можливість отримання прийнятних позитивних результатів. Для цього необхідно створити спеціальні ймовірнісні моделі та оцінити їх параметри за допомогою статистичних даних стосовно розвитку процесу. Для аналізу наявності циклів у процесах на макрорівні в роботі запропоновано використати сучасний апарат ймовірнісного моделювання – мережі Байєса. На основі статистичних даних побудована структура мережі, яка застосована для виявлення циклів на заданому часовому інтервалі. Коректність отриманого результату підтверджена експертними оцінками. Для виявлення можливих циклів у фінансово-економічних процесах запропоновано використати динамічні мережі Байєса, які представляють ефективний інструмент аналізу процесів довільної природи. В результаті навчання мережі та її використання виявлення бізнес-циклів встановлено, що похибка класифікації складає не більше 16,5%, що є цілком прийнятним результатом для даного випадку. Окреслено напрями наукового пошуку та подальших досліджень щодо обґрунтування можливостей застосування мереж Байєса для моделювання і прогнозування розвитку процесів публічного управління різних рівнів. Зокрема, встановлення можливості їх застосування до розв’язання задач управління ресурсами та ризиками, пов’язаними з реалізацією управлінських рішень.
Посилання
Polovtsev O. Assessment of the quality of decision-making in public administration : Monograph. London: GlobeEdit: Dodo Books Indian Ocean Ltd. and OmniScriptum S.R.L. publishing group, 2024. 369 p., ISBN: 978-620-6-79369-4.
Половцев О.В. Системний підхід до прийняття рішень в державному управлінні: монографія/ Половцев О.В., [монографія] GlobeEdit Dodo Books Indian Ocean Ltd. member of the OmniScriptum S.R.L Publishing groupe, 2021 р., 207 стор., ISBN 978-620-0-62602-8
Bioch J.C., van der Meer O., Potharst R. Classification using Bayesian neural networks / Proceedings Benelarn’95, Brussel University. – 1995. – P. 79–90.
Kjerulff U. Constructing Bayesian Networks / Report of Reykjavik University, April, 2005. – 77 p.
Cheng J., Greiner R. Learning Bayesian belief network classifiers: algorithms and system / Canadian conference on artificial intelligence (CSCSI01), 2001. – P. 141–151.
Rossi P.E., Allenby G.M. Bayesian statistics and marketing // Marketing Science, 2003. – Vol. 22, № 3. – P. 304–328.
Niedermayer D. An Introduction to Bayesian networks and their contemporary applications / http://www.niedermayer.ca, 2006. – 13 p.
Suzuki J. Learning Bayesian Belief Networks Based on the MDL Principle: An Efficient Algorithm Using the Branch and Bound Technique // IEICE Transactions on Information and Systems, February 1999. – P. 356–367.
