Графовые методы описания торгового профиля региона
https://doi.org/10.22394/1726-1139-2022-2-70-80
Аннотация
Работа посвящена актуальной проблеме построения торгового профиля региона и исследования устойчивости развития региональных внешнеторговых связей путем анализа результатов внешнеэкономической деятельности региона. Целью работы является разработка метода описания торгового профиля региона на основе теории графов, а также оценка возможности интерпретации поведения выявленных групп товаров с позиции анализа динамики объемов импорта и экспорта. В качестве основной гипотезы в работе используется утверждение, что сетевая модель описания внешнеторговых связей региона должна быть сбалансирована относительно ожиданий поставщиков и потребителей продукции, в противном случае возникает дисбаланс, порождающий изменения в структуре внешнеторговых связей. Предложена методика исследования внешнеэкономических связей и разработки на их основе торгового региона с использованием сетевых графов и кластерного подхода, позволяющая выявлять устойчивые группы товаров и на их основе оценить основные тенденции изменения и потенциал развития внешнеэкономической деятельности региона. Рассматриваются особенности вычисления матрицы смежности для построения графа, а также выявления групп вершин, связанных друг с другом с целью выявления полных подграфов — клик, что позволяет выявить основные устойчивые во времени товарные группы, от которых зависит внешнеэкономическая деятельность региона. Описанную методику следует применять для повышения эффективности построения и описания торгового профиля региона в целях управления развитием внешнеэкономической деятельности региона, исследования свойств групп товаров и их признаков.
Об авторе
А. Н. КисляковРоссия
Кисляков Алексей Николаевич, доцент кафедры информационных технологий Владимирского филиала РАНХиГС, кандидат технических наук
г. Владимир
Список литературы
1. Гольцева А. Ю. Исследование рыночного графа российского фондового рынка в контексте структурной динамики // Новые информационные технологии в автоматизированных системах. 2014. № 17. С. 307–313.
2. Кисляков А. Н. Асимметрия информации в задачах анализа социально-экономических процессов // Вестник НГУЭУ. 2020. № 1. С. 64–75.
3. Кисляков А. Н. Графовая кластеризация поведенческой активности пользователей продукта с учетом информационной асимметрии // Известия Юго-Западного государственного университета. Сер.: Экономика. Социология. Менеджмент. 2020. № 3. С. 152–163.
4. Мастицкий С. Э. Анализ временных рядов с помощью R. 2020 [Электронный ресурс]. URL: https://ranalytics.github.io/tsa-with-r (дата обращения: 29.04.2021).
5. Моисеев А. К., Бондаренко П. А. Применение индекса экономической сложности в макрофинансовых моделях // Проблемы прогнозирования. 2020. № 3. С 101–112.
6. Шитиков В. К., Мастицкий С. Э. Классификация, регрессия, алгоритмы Data Mining с использованием R. 2017 [Электронный ресурс]. URL: https://github.com/ranalytics/data-mining (дата обращения: 29.04.2021).
7. Franklin J. The elements of statistical learning: data mining, inference and prediction // The Mathematical Intelligencer. 2003. Vol. 27. P. 83–85.
8. Hausmann R., Hidalgo C., Bustos S., Coscia M. at al. The Atlas of Economic Complexity: Mapping Paths to Prosperity. Cambridge : Center for International Development, Harvard University, MIT, 2011. P. 108–358.
9. Kislyakov A., Tikhonuyk N. Principles for Development of Predictive Stability Models of Social and Economic Systems on the basis of DTW // First Conference on Sustainable Development: Industrial Future of Territories (IFT 2020), 2020. Vol. 208, N 08001.
10. Kislyakov A. N., Filimonova N. M., Omarova N.Yu. Development of Predictive Models of SocioEconomic Systems Based on Decision Trees with Multivariate Response // Advances in Economics, Business and Management Research (AEBMR). Proceedings of International Scientific and Practical Conference “Russia 2020 — a new reality: economy and society”. 2021. P. 198–203.
11. Galit Shm. Data Mining for Business Analytics: Concepts, Techniques, and Applications in R. New Jersey : Wiley, 2017.
12. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2-nd ed. Springer, 2017.
Рецензия
Для цитирования:
Кисляков А.Н. Графовые методы описания торгового профиля региона. Управленческое консультирование. 2022;(2):70-80. https://doi.org/10.22394/1726-1139-2022-2-70-80
For citation:
Kislyakov A.N. Graph Methods for Describing the Trade Profile of a Region. Administrative Consulting. 2022;(2):70-80. (In Russ.) https://doi.org/10.22394/1726-1139-2022-2-70-80