ОЦЕНКА ПАРАМЕТРОВ ЭКОНОМИЧЕСКИХ СИСТЕМ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

УДК 338.12.017
DOI: 10.36871/26189976.2026.02-4.010

Авторы

Николай Константинович Лубин,
Аспирант, Московский финансово-промышленный университет Синергия, Москва, Россия

Аннотация

Цель исследования — разработка модели оценки параметров экономических систем в режиме реального времени на основе методов машинного обучения. Материалы исследования включают в себя научные публикации в области машинного обучения, экономико-математического моделирования и анализа экономических временных рядов, а также практику применения предложенного алгоритма. В статье использованы такие методы исследования, как структурный анализ, математическое моделирование и формализация процедур обработки потоковой экономической информации. Результат исследования: разработана формализованная модель оценки параметров экономических систем в режиме реального времени и представлен расчет на примере предприятия. Выводы: а) применение методов машинного обучения расширяет возможности количественной оценки параметров экономических систем в условиях непрерывного поступления данных; б) использование процедур последовательного обновления параметров модели обеспечивает актуальность оценки текущего состояния экономической системы; в) предложенная модель формирует вычислительную основу анализа экономической динамики и может использоваться в системах мониторинга экономических процессов и поддержки экономических решений.

Ключевые слова

машинное обучение
потоковые данные
оценка параметров
экономические системы
модели реального времени

Список литературы

[1] Альчаков В.В., Крамарь В. А. Оценка методов машинного обучения для прогнозирования сезонных временных рядов // Известия Южного федерального университета. Технические науки. 2023. № 2(232). С. 250–263.

[2] Баранов А.В., Николаев Д. С. Применение машинного обучения для прогнозирования времени выполнения суперкомпьютерных заданий // Программные продукты и системы. 2020. № 2. С. 218–228.

[3] Берсенёв В.Л., Бучинская О. Н. Анализ угроз жизнестойкости российской экономики с помощью алгоритмов машинного обучения // Вестник Института экономики Российской академии наук. 2025. № 5. С. 121–145.

[4] Вишневский В.М., Горбунова А. В. Применение методов машинного обучения к решению задач теории массового обслуживания // Информационные технологии и вычислительные системы. 2021. № 4. С. 70–82.

[5] Вьюгин В.В., Калмыков В. К., Трунов В. Г. Онлайн обучение многокомпонентных прогнозирующих систем // Информационные процессы. 2021. Т. 21, № 1. С. 50–64.

[6] Гоголевский А.С., Уткин Л. В., Хабаров С. П. Метод обнаружения аномальных измерений в системах реального времени на основе алгоритмов машинного обучения // Известия Санкт-Петербургской лесотехнической академии. 2014. № 206. С. 173–180.

[7] Давид Г.Б., Манаширов Э. С. Турецкое экономическое чудо как миф // Oriental Studies. 2025. Т. 18, № 4. С. 795–810.—DOI 10.22162/2619–0990–2025–80–4–795–810.—EDN ZPHPNY.

[8] Еремеев А.П., Кожухов А. А., Голенков В. В., Гулякина Н. А. О реализации средств машинного обучения в интеллектуальных системах реального времени // Программные продукты и системы. 2018. № 2. С. 239–245.

[9] Куровский С.В., Мишин Д. А., Артемьев М. О. Особенности практического применения математических и инструментальных методов в экономической науке с участием алгоритмов искусственного интеллекта // Экономика строительства. 2025. № 7. С. 630–633.

[10] Куровский С.В., Мишин Д. А., Булыгин Ф. А. Исследование математических методов в рамках анализа финансовых рынков // Экономика строительства. 2025. № 2. С. 412–417.

[11] Куровский С.В., Мишин Д. А., Кастильская Д. А. Применение закона Бенфорда в анализе достоверности финансовой отчетности с использованием методов машинного обучения // Мягкие измерения и вычисления. 2025. Т. 91, № 6. С. 52–63.

[12] Куровский С.В., Мишин Д. А., Корчагин О. И. Эконометрическое моделирование процесса принятия решений потребителем в онлайн ритейле // Мягкие измерения и вычисления. 2025. Т. 92, № 7. С. 5–20.

[13] Куровский С.В., Мишин Д. А., Посельская А. Н., Хармакшанова Б. Б., Семёнова О. М. К вопросу о математическом моделировании в экономике: эконометрика временных рядов и прогнозирование // Инновации и инвестиции. 2024. № 9. С. 532–537.

[14] Часов П.С., Маштаков Н. С. Анализ больших данных для прогнозирования экономических кризисов: создание модели на основе машинного обучения // Человек. № 2. С. 254–264.

[15] Chen Y., Zhou Y. Machine learning based decision making for time varying systems: Parameter estimation and performance optimization // Knowledge-Based Systems. 2020. Vol. 190. P. 1–9.

[16] Dong W. [и др.] Machine-learning-based real-time economic dispatch in islanding microgrids in a cloud-edge computing environment // IEEE Internet of Things Journal. 2021. Vol. 8, No. 17. P. 13703–13711.

[17] Fornaro P., Luomaranta H. Nowcasting Finnish real economic activity: a machine learning approach // Empirical Economics. 2020. Vol. 58, No. 1. P. 55–71.

[18] Gudla A. [и др.] Machine Learning Driven Economic Forecasting System for Real Time Market Insights // 2025 Tenth International Conference on Science Technology Engineering and Mathematics (ICONSTEM). IEEE, 2025. P. 1–6.

[19] Kim T., Ha B., Hwangbo S. Online machine learning approach for system marginal price forecasting using multiple economic indicators: A novel model for real-time decision making // Machine Learning with Applications. 2023. Vol. 14. P. 1–13.

[20] Richardson A., van Florenstein Mulder T., Vehbi T. Nowcasting GDP using machine-learning algorithms: A real-time assessment // International Journal of Forecasting. 2021. Vol. 37, No. 2. P. 941–948.

[21] Sindhura K. [и др.] Leveraging big data and machine learning for real-time economic monitoring and forecasting // 2025 International Conference on Technology Enabled Economic Changes (InTech). IEEE, 2025. P. 789–794.

[22] Zhang Z. [и др.] Real-time optimization and control of nonlinear processes using machine learning // Mathematics. 2019. Vol. 7, No. 10. P. 1–25.