Neuro-Fuzzy Modeling Techniques in Economics

Neuro-Fuzzy Modeling Techniques in Economics

Прогнозування вилову риби і морепродуктів у глобальній економіці

Forecasting the fish and seafood catch in the global economy

DOI:

10.33111/nfmte.2020.175

Анотація: В статті запропоновано новий науковий підхід до прогнозування вилову риби та морепродуктів, що ґрунтується на застосуванні математичного апарату нейронних мереж (а саме, карт самоорганізації Кохонена) та економетричних моделей (авторегресійних функцій). Карти самоорганізації надали можливість здійснити кластеризацію країн світу за показниками вилову риби та морепродуктів, що дозволило визначити групи країн та територій, стан та розвиток рибного сектору яких є подібними між собою. Зважаючи на надто різнорідний стан цієї галузі за різними країнами процедуру кластеризації довелось здійснити повторно ще в рамках окремих груп країн. Після отримання однорідної вибірки для вирішення задачі прогнозування обсягів вилову риби та морепродуктів запропоновано застосувати моделі регресії часових рядів. В ході ряду експериментів було визначено найкращу прогностичну модель з порядком авторегресії AR(5). Отриманий прогноз та показники якості моделі вказують на доцільність застосування запропонованого кількарівневого підходу до побудови прогнозних моделей, що ґрунтується на кластеризації країн світу та формуванні однорідних навчальних вибірок. Подібний підхід може бути використаний у широкому спектрі економічних та управлінських задач
Abstract: The article proposes a new scientific approach to forecasting the catch of fish and seafood, based on the use of the mathematical apparatus of neural networks (namely, Kohonen self-organizing maps) and econometric models (autoregressive functions). Self-organizing maps provided an opportunity to cluster the countries of the world according to the indicators of fish and seafood catch, which made it possible to identify countries and areas whose state and development of the fisheries sector are similar to each other. Due to the too heterogeneous state of this industry in different countries, the clustering procedure had to be repeated even within certain groups of countries. After obtaining a homogeneous sampling to solve the problem of predicting the volume of fish and seafood catches, it is proposed to apply time series regression models. Through a series of experiments, fifth-order autoregression AR(5) was determined as the best predictive model. The forecast obtained and model quality indicators approve the feasibility of applying the proposed multi-level approach to building predictive models, which is based on the clustering of countries of the world and the formation of homogeneous training samples. A similar approach can be used in a wide range of economic and managerial tasks.
Ключові слова: рибальство, кластеризація, прогнозування, карта самоорганізації, нейронна мережа, авторегресія
Key words: fish catches, clustering, forecasting, self-organizing map, neural network, autoregression
УДК: 339.977:639.2
UDC: 339.977:639.2

JEL: C38 E27 Q22

To cite paper
In APA style
Chuzhykov, V., Miroshnychenko, I., & Lukianenko, O. (2020). Forecasting the fish and seafood catch in the global economy. Neuro-Fuzzy Modeling Techniques in Economics, 9, 175-197. http://doi.org/10.33111/nfmte.2020.175
In MON style
Чужиков В., Мірошниченко І., Лук’яненко О. Прогнозування вилову риби і морепродуктів у глобальній економіці. Нейро-нечіткі технології моделювання в економіці. 2020. № 9. С. 175-197. http://doi.org/10.33111/nfmte.2020.175 (дата звернення: 07.10.2024).
With transliteration
Chuzhykov, V., Miroshnychenko, I., Lukianenko, O. (2020) Prohnozuvannia vylovu ryby i moreproduktiv u hlobalnii ekonomitsi [Forecasting the fish and seafood catch in the global economy]. Neuro-Fuzzy Modeling Techniques in Economics, no. 9. pp. 175-197. http://doi.org/10.33111/nfmte.2020.175 [in Ukrainian] (accessed 07 Oct 2024).
# 9 / 2020 # 9 / 2020
Download Paper
231
Views
51
Downloads
0
Cited by