Журнал "Проблеми економіки" 2025, № 4
Permanent URI for this collection
Browse
Browsing Журнал "Проблеми економіки" 2025, № 4 by Subject "SOCIAL SCIENCES::Business and economics::Economics::Econometrics"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Complex Dynamics of Innovation Diffusion(Науково-дослідний центр індустріальних проблем розвитку НАН України, 2025) Малярець, Людмила Михайлівна; Воронін, Анатолій Віталійович; Лебедєва, Ірина Леонідівна; Лебедєв, Степан СерговичДля пошуку інноваційних шляхів сталого зростання у тренді глобального економічного зростання необхідно мати формалізовані підходи у межах синергетичної парадигми – теорії самоорганізації у відкритих нерівноважних системах. У якості одного з найважливіших таких напрямків можна виділити концепцію дифузії інновацій. У даному дослідженні було розглянуто класичну логістичну модель розповсюдження інноваційного продукту. Розбудова математичної моделі було реалізовано на основі динамічного балансу «попит – пропозиція» на ринку інновацій як у дискретному, так і у неперервному часі. При цьому було враховано наявність лінійної залежності попиту від загального обсягу інноваційної продукції, а з боку пропозиції – розглянуто можливість існування технологічних обмежень виробництва. що відображається у формі квадратичної залежності функції пропозиції від кількості інноваційної продукції. При побудові дискретної динамічної моделі було виконано перетворення базового балансового співвідношення до вигляду класичного логістичного рівняння з відомими властивостями, ретельний аналіз наведено в роботі. Теоретичні результати було підтверджено завдяки проведенню відповідних числових розрахунків та імітаційного моделювання, завдяки чому проілюстровано такі важливі динамічні режими як граничні цикли з подвоєнням періодів, нерегулярна хаотична поведінка та інші. У неперервному часі побудовано математичну модель дифузії інновацій з урахуванням запізнення (розподіленого часового лагу), що розглядається як динамічний процес другого порядку. Модель приведено до вигляду системи двох диференціальних рівнянь, в якій може існувати граничні цикли з різним характером стійкості. Обидві математичні моделі – дискретна і неперервна – мають ті ж самі рівноважні стани (нерухомі точки), а динаміка поведінки в околі цих точок суттєво залежить від початкових умов.Item Оптимізаційні задачі управління процесами формування рівноважної ціни(Науково-дослідний центр індустріальних проблем розвитку НАН України, 2025) Діленко, Віктор Олексійович; Науменко, Павло ОлександровичСтаттю присвячено розвитку підходу до дослідження процесів встановлення рівноважної ціни в моделі ринкової рівноваги Еванса, згідно з яким основні учасники ринкової взаємодії, а саме споживач, виробник та аукціоніст, розглядаються як активні економічні агенти, які можуть переслідувати власні інтереси, формулювати та розв’язувати відповідні економічні задачі при встановленні ринкової ціни. При цьому вважається, що головною дійовою особою в процесі формування рівноважної ціни у моделі є аукціоніст (логіст), який і забезпечує аналіз та вирішення вказаних задач за рахунок вибору необхідної функції аукціоніста та значень її параметрів. У роботі наведено та проаналізовано різні економіко-математичні критерії управління процесами формування рівноважної ціни (величина потенційного сумарного попиту за деякий період, мінімізації часу досягнення певної кінцевої ціни, максимум ефективності реалізації процесів управління ціною тощо) та визначено можливості їх використання у відповідних оптимізаційних моделях. Сформульовано ряд оптимізаційних постановок задач управління динамікою ціни, які відповідають різним критеріям та економічному змісту. Як керуючі параметри розглядаються термін управління та величина, що відображає силу впливу аукціоніста на формування ринкової ціни. На умовних даних виконано розрахунки, які продемонстрували можливості використання побудованих моделей для дослідження впливу різних факторів на процеси оптимального керування встановленням ціни. Таким чином, проведені дослідження дозволяють розширити спектр напрямів і завдань дослідження процесів формування ринкової ціни та пропонують деякі елементи економіко-математичного інструментарію їх аналізу – сформульовані оптимізаційні моделі. Подальший розвиток цієї тематики може бути пов'язаний з удосконаленням різних аспектів (формальних і змістовних) математичних моделей цільового впливу на особливості динаміки ціни, їх системною побудовою та економіко-математичним аналізом.Item Розв’язання економетричних задач із застосуванням моделей генеративного штучного інтелекту: порівняльний аналіз ChatGPT та Gemini(Науково-дослідний центр індустріальних проблем розвитку НАН України, 2025) Сосновська, Євгенія Романівна; Скіцько, Володимир ІвановичУ статті здійснено комплексне дослідження та порівняльний аналіз компетентності сучасних моделей генеративного штучного інтелекту у контексті їх застосування для вирішення прикладних задач економетричного моделювання. Об’єктом дослідження обрано моделі різних архітектурних типів: «просунуті» версії з розширеними можливостями міркування – Google Gemini 2.5 Pro та ChatGPT-5 Thinking + Study, а також їхні оптимізовані «легкі» версії – Google Gemini 2.5 Flash та базова модель ChatGPT-5. Емпіричну базу дослідження сформовано на основі реальних даних ринку житлової нерухомості України, зокрема репрезентативної вибірки зі 100 об’єктів, що включає як кількісні, так і якісні змінні. Методологія експерименту передбачала послідовне виконання повного циклу економетричного дослідження: попередню обробку даних, розвідувальний аналіз та візуалізацію, побудову багатофакторної лінійної регресійної моделі, діагностику мультиколінеарності та гетероскедастичності, розрахунок показників еластичності для економічної інтерпретації, а також перевірку прогнозних властивостей моделі на тестовій вибірці. Верифікація отриманих за допомогою моделей генеративного штучного інтелекту результатів здійснювалася шляхом зіставлення з еталонними розрахунками, виконаними вручну в середовищі MS Excel. Результати проведеного експерименту виявили суттєву відмінність в результатах роботи досліджуваних моделей. Встановлено, що моделі класу Pro/Thinking (Gemini 2.5 Pro, ChatGPT-5 Thinking) демонструють абсолютну математичну точність, коректно розраховуючи коефіцієнти регресії, коефіцієнт детермінації, F-критерій та показники середньої й граничної ефективності. Натомість базові та «легкі» версії моделей (Gemini 2.5 Flash, ChatGPT-5) виявили схильність до критичних помилок, зокрема галюцинацій у вигляді генерації фіктивних даних, втрати контексту при обробці великих датасетів та нездатності до самостійної валідації вхідної інформації. Також виявлено спільну слабкість усіх протестованих моделей у задачах якісної класифікації типів гетероскедастичності та схильність ігнорувати макропоказники на користь мікроаналізу окремих змінних. На підставі отриманих даних зроблено висновок про те, що на сучасному етапі розвитку генеративний штучний інтелект не може повністю замінити людину, однак «просунуті» моделі можуть ефективно використовуватися як допоміжний інструмент для автоматизації рутинних операцій, написання коду та первинної обробки даних за умови обов’язкової верифікації результатів фахівцем.