к.э.н., научный сотрудник лаборатории моделирования пространственного развития территорий
620014, Россия, Екатеринбург, ул. Московская, 29
Cand. Sci. (Economics), Research Associate of the Laboratory for Modeling the Spatial Development of Territories
В работе отмечается возрастающая роль ферросплавной подотрасли в качественном развитии металлургии в целом. В условиях усиления рисков глобального экономического развития осложняется прогнозирование развития металлургии не только в средне- и долгосрочной перспективе, но и на краткосрочные периоды. Негативное влияние оказывает также высокая волатильность цен на основные ферросплавы. В связи с этим возрастает необходимость в развитии методического инструментария прогнозирования изменений рыночных цен на металлургическую продукцию с высокой степенью точности. Одним из важных направлений применения в металлургии прогнозного инструментария является построение моделей прогнозирования стоимости ферросплавной продукции, что определило основную цель исследования. На примере построения прогнозной модели изменения цены на ферросилиций обоснована актуальность нейросетевого подхода к прогнозированию стоимости ферросплавной продукции. В рамках задач отраслевого развития возможности нейронных сетей на сегодняшний день изучены достаточно слабо. В работе приведено формальное описание модели прогнозирования временных рядов на базе нейронных сетей. Отмечено, что при построении нейросетей любая задача временного ряда представляется в виде многомерной регрессии. С учетом этого выделены основные параметры обучения прогнозных сетей. В качестве входных переменных использована средняя цена на ферросилиций на российском рынке, а также цены субъектов РФ. При проведении исследования обучены сети, удовлетворяющие качественным критериям прогнозных моделей. Отбор моделей проведен с учетом результатов графического анализа и кросс-проверки. В результате проведенного исследования построена нейросетевая модель, которая может быть использована для прогнозирования изменения цены на ферросилиций на внутреннем рынке РФ на краткосрочную перспективу. Полученная модель отличается высокой точностью прогнозирования и может быть полезна при обосновании стратегических решений в деятельности отраслевых научно-исследовательских институтов и металлургических предприятий.
The article notes the increasing role of ferroalloy sub-sector in the qualitative development of metallurgy. Progress predicts of modern metallurgy are difficult in the context of increasing risks of global economic development. The high volatility of domestic producers’ prices for the main ferroalloys also has a negative impact. It is necessary to develop methodological tools for forecasting changes in market prices for metallurgical products with a high degree of accuracy. One of the important areas of application in metallurgy forecasting tools is construction of a model for forecasting the cost of ferroalloy products. It is the main purpose of the study. On the example of constructing a forecast model for changing the price of ferrosilicon, relevance of the neural network approach to forecasting the cost of ferroalloy products was substantiated. As part of the tasks of industry development, the capabilities of neural networks have been poorly studied to date. Formal description of the time series forecasting model based on neural networks is given. When constructing neural networks, any time series problem is represented as a multidimensional regression problem. The main parameters of predictive networks training are highlighted. The average price of ferrosilicon on the Russian market and the prices in the Russian regions were used as input variables. The networks that meet the qualitative criteria of forecasting models were trained. Selection of the networks was carried out taking into account the results of graphical analysis and cross-checking. A neural network model was constructed to predict the change in ferrosilicon price in the short term with high accuracy. This model can be useful in strategic decisions justifying in the activities of industry research institutes and metallurgical enterprises.
The authors declare that there are no conflicts of interest present.