Лук'яненко, ІринаЖук, Василь2023-11-152023-11-152014Лук'яненко І. Г.Особливості моделювання правил монетарної політики на основі гібридних регресійних моделей з нейронним компонентом / Лук'яненко І. Г., Жук В. М. // Проблеми економіки. - 2014. - № 1. - С. 323-329.2222-07122311-1186https://ekmair.ukma.edu.ua/handle/123456789/27052В статье рассмотрены возможности и специфика моделирования экономических явлений при помощи класса моделей, объединяющих элементы эконометрических регрессий и искусственных нейронных сетей. Этот класс моделей содержит авторегрессионные нейросети (AR-NN), регрессии плавного перехода (STR/STAR), многорежимные регрессии плавного перехода (MRSTR, MRSTAR) и регрессии плавного перехода с нейронными коэффициентами (NCSTR, NCSTAR). Наличие нейросетевого компонента позволяет моделям этого класса достичь высокой эмпирической правдоподобности, в том числе воспроизводить сложные нелинейные взаимосвязи. С другой стороны, регрессионный аппарат расширяет возможности интерпретации полученных результатов. На примере многорежимного монетарного правила приведен один из случаев спецификации и интерпретации подобной модели. В частности, смоделировано и проинтерпретировано принципы управления обменным курсом гривны, вступающие в силу при переходе экономики из сравнительно стабильного в кризисное состояние.The article considers possibilities and specific features of modelling economic phenomena with the help of the category of models that unite elements of econometric regressions and artificial neural networks. This category of models contains auto-regression neural networks (AR-NN), regressions of smooth transition (STR/STAR), multi-mode regressions of smooth transition (MRSTR/ MRSTAR) and smooth transition regressions with neural coefficients (NCSTR/ NCSTAR). Availability of the neural network component allows models of this category achievement of a high empirical authenticity, including reproduction of complex non-linear interrelations. On the other hand, the regression mechanism expands possibilities of interpretation of the obtained results. An example of multi-mode monetary rule is used to show one of the cases of specification and interpretation of this model. In particular, the article models and interprets principles of management of the UAH exchange rate that come into force when economy passes from a relatively stable into a crisis state.У статті розглянуто можливості і специфіку моделювання економічних явищ за допомогою класу моделей, що поєднують у собі елементи економетричних регресій та штучних нейронних мереж. Цей клас моделей включає в себе авторегресійні нейромережі (AR-NN), регресії плавного переходу (STR/STAR), багаторежимні регресії плавного переходу (MRSTR, MRSTAR) та регресії плавного переходу з нейронними коефіцієнтами (NCSTR, NCSTAR). Наявність нейромережного компоненту дозволяє моделям цього класу досягнути високої емпіричної правдоподібності, в тому числі відтворювати складні нелінійні взаємозв’язки. З іншого боку, регресійний апарат розширює можливості інтерпретації отриманих результатів. На прикладі багаторежимного монетарного правила наведено один з випадків специфікації та інтерпретації такої моделі. Зокрема, змодельовано та інтерпретовано принципи управління обмінним курсом гривні, що вступають в дію при переході економіки з порівняно стабільного до кризового стану.ukасиметричність інформаціїмонетарна політикамонетарне правиломакроекономічна стабільністьгібридні економетричні моделінейронні мережістаттяасимметричность информациимонетарная политикамонетарное правиломакроэкономическая стабильностьгибридные эконометрические моделинейронные сетиinformation asymmetrymonetary policymonetary rulemacroeconomic stabilityhybrid econometric modelsneural networkArticle