Статьи, Журналы
Прогнозирование инвестиций в основной капитал с учетом патентной активности
Статьи, Журналы
Прогнозирование инвестиций в основной капитал с учетом патентной активности
Шувалова, Ж.Д. Прогнозирование инвестиций в основной капитал с учетом патентной активности / Ж. Д. Шувалова // Деньги и кредит. — Москва, 2026 — N 2. Том 85. — С.37-66. — Библиогр. в конце ст.
Источник
Аннотация
В работе рассматривается возможность использования показателей патентной активности при прогнозировании инвестиций в основной капитал. Сравнительный анализ точности прогнозов классических эконометрических моделей (случайного блуждания, ARIMA, ARIMAX) и методов машинного обучения (гребневой регрессии, случайного леса, а также различных типов бустинга, таких как AdaBoost, Gradient Boosting, XGBoost, LightGBM, CatBoost) с учетом и без учета переменных патентной активности показывает, что включение этих переменных в модели повышает точность краткосрочного прогноза инвестиций. Наименьшую ошибку прогноза по сравнению с другими моделями демонстрирует метод CatBoost, учитывающий патентную активность. Результаты анализа также подтверждают, что переменные патентной активности значимо и положительно влияют на инвестиции в основной капитал.
Ключевые слова
- #инвестиционная деятельность
- #инвестиционная активность
- #инвестиции в основной капитал
- #патенты
- #прогнозирование
- #эконометрические методы
- #эконометрические модели
- #экономико-математические методы
- #машинное обучение
- #фильтр калмана
- #градиентный бустинг
- #таблицы
- #графики
- #работы сотрудников
- #шувалова ж.д.
-
УДК:336.714
Рекомендовано к ознакомлению
- 1. Дашкин, Р.М. Чувствительность корпоративных инвестиций к стоимости и доступности источников финансирования на развитых и развивающихся финансовых рынках / Р. М. Дашкин, В. И. Вагизова // Финансы и кредит. — Москва, 2025 — N 11. Том 31. — С.33-53.
- 2. Королева, Е.В. Моделирование факторов, определяющих доходность инвестиционных фондов / Е. В. Королева, А. Р. Сереженкова, А. С. Полубатонова // Финансовая аналитика. — Москва, 2026 — N 1. — С.108-123.
- 3. Бичурин, Э.В. Формирование инвестиционного портфеля с применением методов машинного обучения / Э. В. Бичурин, М. И. Рисун // Финансовая экономика. — Москва, 2025 — N 8. — С.101-104.
- 4. Бобков, Г.А. Реальные процентные ставки и инновации / Г. А. Бобков // Вестник Московского университета. Серия 6, Экономика. — Москва, 2025 — N 6. — С.76-93.
- 5. Ференец, В. Интересен ли для венчура финтех? / В. Ференец // Банковское обозрение. — Москва, 2025 — N 11. — С.72-73.
- 6. Кобаненко, М.В. Оценка риска инвестиционного портфеля методом value-at-risk (VAR) / М. В. Кобаненко // Финансовый бизнес. — Москва, 2025 — N 10. — С.136-140.
- 7. Ломшаков, Д.А. Риск-паритетный индекс RRPX и его применение в деривативных паевых фондах / Д. А. Ломшаков // Аудиторские ведомости. — Москва, 2026 — N 1. — С.100-112.
- 8. Ломоносов, А.В. Оценка эффективности стратегий управления инвестиционными фондами / А. В. Ломоносов, Д. А. Попова // Экономика и управление: проблемы, решения. — Москва, 2025 — Т. 1. № 7. — С.151-156.
- 9. Сорокин, О.В. Информационные ожидания IPO как фактор краткосрочной доходности финансовых активов / О. В. Сорокин // Финансовая аналитика. — Москва, 2026 — N 1. — С.124-132.
- 10. Гордиенко, А.В. Анализ существующих иррациональных методов принятия решений инвесторами на финансовых рынках / А. В. Гордиенко, В. Ю. Цибульникова // Финансовая экономика. — Москва, 2025 — N 2. — С.16-19.
Отзывы читателей
0