Регистрация / Вход
Прислать материал

Прогнозирование развития малых и среднних предприятий в России

Фамилия
понедельникова
Имя
марина
Отчество
сергеевна
Номинация
Информационные технологии
Институт
Институт информационных технологий и автоматизированных систем управления (ИТАСУ)
Кафедра
Автоматизированных систем управления
Академическая группа
ИСУ-15-М
Научный руководитель
к.т.н., доц. Баранникова И.В.
Название тезиса
Прогнозирование развития малых и среднних предприятий в России
Тезис

В современной России предпринимательство играет важную роль в формировании экономики страны. Доля предпринимательства, в формировании валового внутреннего продукта страны, около 25%, где 30% это средние и малые предприятия. Но Малый и средний бизнес оказывает все более весомое воздействие на социально-экономическое развитие страны. Малые предприятия являются гибкими и мобильными, что позволяет оперативно реагировать на запросы рынка и быстро адаптироваться к изменяющимся условиям, именно поэтому очень важно создании и поддержание максимально благоприятного климата для малого и среднего бизнеса. Для этого необходимо прогнозировать развитие и возможные потери в секторе малого и среднего предпринимательства.

Прогноз развития малого предпринимательства осуществляется с помощью таких показателей как: количество малых предприятий, численность работников на малых предприятиях, виды деятельности предприятий, количество вновь созданных рабочих мест, доля продукции, произведенной малыми предприятиями, в объеме валового регионального продукта, выручка от реализации товаров и услуг, инвестиции в основной капитал, темп роста объема оборота, от года к году, оборот малых предприятий. Источником информации для построения прогноза являются отчетные данные федеральной службы статистики. 

Построение прогноза будет производиться с помощью искусственной нейронной сети. На дынный момент – это одна из самых мощных математических моделей для прогнозирования. Т.к. нейронные сети способны обобщать и выделять скрытые зависимости между входными и выходными данными в процессе обучения. После обучения сеть способна предсказать будущее значение  последовательности на основе нескольких предыдущих значений или существующих в настоящий момент факторов. В ходе построения модели была выявлена наиболее коррелируемая переменная, которая была взята за основу для построения модели. Следующим шагом были построены несколько сетей, среди них была выбрана наилучшая модель (с наименьшей ошибкой обучающей выборки) на основе которой, был построен прогноз.