Аналіз часових рядів для прогнозування податкових доходів засобами математичної статистики та нейромереж
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Липницька Поліна Денисівна
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Липницька, П. Д. (2023). Аналіз часових рядів для прогнозування податкових доходів засобами математичної статистики та нейромереж [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5728
[ДСТУ] Липницька П. Д. Аналіз часових рядів для прогнозування податкових доходів засобами математичної статистики та нейромереж : кваліфікаційна робота бакалавра : 11 Математика та статистика. Київ, 2023. 55 с. URL: https://ir.library.knu.ua/handle/123456789/5728 (дата звернення: 25.07.2026).
Мета роботи: провести дослідження методів прогнозування та визначити кращі методи для аналізу макроекономічних показників.
Об’єкт дослідження: методи математичної статистики та нейронних мереж для аналізу та прогнозування часових рядів.
У ході дослідження було вивчено методи математичної статистики та нейромереж для аналізу та прогнозування податкових доходів країн, був проведений аналіз та обрані кращі методи прогнозування застосовні для даної сфери. Були визначені напрямки подальшого вдосконалення цих методів.
Ключові слова : прогнозування часових рядів, податкові доходи, метод авторегресійного інтегровного рухомого середнього, arima, sarima, нейронні мережі, lstm, рекурентні нейронні мережі.
Об’єкт дослідження: методи математичної статистики та нейронних мереж для аналізу та прогнозування часових рядів.
У ході дослідження було вивчено методи математичної статистики та нейромереж для аналізу та прогнозування податкових доходів країн, був проведений аналіз та обрані кращі методи прогнозування застосовні для даної сфери. Були визначені напрямки подальшого вдосконалення цих методів.
Ключові слова : прогнозування часових рядів, податкові доходи, метод авторегресійного інтегровного рухомого середнього, arima, sarima, нейронні мережі, lstm, рекурентні нейронні мережі.
Галузі знань та спеціальності :
11 Математика та статистика
113 Прикладна математика
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.88 MB
Контрольна сума :
(MD5):8577ffcc4ac397bb58456d797ec02785
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International