The 15 references with contexts in paper A. Pekhterev A., А. Пехтерев А. (2018) “Моделирование показателей денежно-кредитной системы РФ при разнонаправленных сценариях динамики нефтяного рынка // Modeling of monetary and credit system indicators of the Russian Federation in multidirectional scenarios of oil market dynamics” / spz:neicon:statecon:y:2018:i:2:p:12-19

1
Петров А.А., Поспелов И.Г., Шананин А.А. Опыт математического моделирования экономики. М.: Энергоатомиздат, 1996. 544 с. ISBN 5-283-03169-1.
Total in-text references: 1
  1. In-text reference with the coordinate start=6091
    Prefix
    Нахождение математических зависимостей между рыночными индикаторами и макроэкономическими показателями денежно-кредитной системы позволит проводить имитационное моделирование и давать прогнозы по поведению экономических систем. Данный вопрос изучался многими исследователями, которые предлагали свои подходы к построению моделей
    Exact
    [1–4]
    Suffix
    . Кроме того, важным аспектом таких исследований является именно инструментарий, помогающий исследователю. Математическое моделирование экономических систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5].

2
Краснощёков П.С., Петров А. А. Принципы построения моделей. 2-е изд., пересм. и доп. М.: Фазис, 2000. 412 с. ISBN 5-7036-0061-8.
Total in-text references: 1
  1. In-text reference with the coordinate start=6091
    Prefix
    Нахождение математических зависимостей между рыночными индикаторами и макроэкономическими показателями денежно-кредитной системы позволит проводить имитационное моделирование и давать прогнозы по поведению экономических систем. Данный вопрос изучался многими исследователями, которые предлагали свои подходы к построению моделей
    Exact
    [1–4]
    Suffix
    . Кроме того, важным аспектом таких исследований является именно инструментарий, помогающий исследователю. Математическое моделирование экономических систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5].

3
Красс И. А. Математические модели экономической динамики. М.: Советское радио, 1976. 280 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=6091
    Prefix
    Нахождение математических зависимостей между рыночными индикаторами и макроэкономическими показателями денежно-кредитной системы позволит проводить имитационное моделирование и давать прогнозы по поведению экономических систем. Данный вопрос изучался многими исследователями, которые предлагали свои подходы к построению моделей
    Exact
    [1–4]
    Suffix
    . Кроме того, важным аспектом таких исследований является именно инструментарий, помогающий исследователю. Математическое моделирование экономических систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5].

4
Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 471 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=6091
    Prefix
    Нахождение математических зависимостей между рыночными индикаторами и макроэкономическими показателями денежно-кредитной системы позволит проводить имитационное моделирование и давать прогнозы по поведению экономических систем. Данный вопрос изучался многими исследователями, которые предлагали свои подходы к построению моделей
    Exact
    [1–4]
    Suffix
    . Кроме того, важным аспектом таких исследований является именно инструментарий, помогающий исследователю. Математическое моделирование экономических систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5].

5
Романовский М.Ю., Романовский Ю.М. Введение в эконофизику. Статистические и динамические модели. М., 2007. ISBN 978-593972-637-5
Total in-text references: 1
  1. In-text reference with the coordinate start=6454
    Prefix
    Математическое моделирование экономических систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных
    Exact
    [5]
    Suffix
    . Поэтому в данном исследовании для решения поставленной задачи используется технический инструментарий. Подобный метод объединения экономики и кибернетики был рассмотрен Кугаенко А. [6, 7]. Но в нашем исследовании для идентификации моделей, приближенных к реальной практике, вместо аналитического вывода уравнений зависимостей, были использованы методы, позволяющие находить взаимосвязи межд

6
Кугаенко А.А. Экономическая кибернетика. М.: Вузовская книга, 2015. 880 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=6642
    Prefix
    систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5]. Поэтому в данном исследовании для решения поставленной задачи используется технический инструментарий. Подобный метод объединения экономики и кибернетики был рассмотрен Кугаенко А.
    Exact
    [6, 7]
    Suffix
    . Но в нашем исследовании для идентификации моделей, приближенных к реальной практике, вместо аналитического вывода уравнений зависимостей, были использованы методы, позволяющие находить взаимосвязи между уже имеющимися временными рядами.

7
Кугаенко А.А. Методы динамического моделирования в управлении экономикой. М.: Вузовская книга, 2005. 456 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=6642
    Prefix
    систем можно считать областью близкой к эконофизике или экономической кибернетике, которые предполагают использование методологии физики и исследования технических систем к анализу экономических данных [5]. Поэтому в данном исследовании для решения поставленной задачи используется технический инструментарий. Подобный метод объединения экономики и кибернетики был рассмотрен Кугаенко А.
    Exact
    [6, 7]
    Suffix
    . Но в нашем исследовании для идентификации моделей, приближенных к реальной практике, вместо аналитического вывода уравнений зависимостей, были использованы методы, позволяющие находить взаимосвязи между уже имеющимися временными рядами.

8
Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. 2-е изд. М.: Наука, 1972. 768 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=8302
    Prefix
    Зная входной сигнал системы и передаточную функцию, можно восстановить выходной сигнал. По своей сути – это просто другой способ записи системы дифференциальных уравнений. Линейной передаточной функцией называется отношение
    Exact
    [8]
    Suffix
    : () () () Us Ys Ws= (1) U(s) и Y(s) – преобразования Лапласа функций u(t) и y(t) u(t) – входной сигнал; y(t) – выходной сигнал. Преобразование Лапласа определяется следующим образом: ∫ ∞ ==⋅− 0 UsLututedtst)()}({)( (2) ∫ ∞ ==⋅− 0 YsLytytedtst)()}({)( (3) Преобразование Лапласа используется для перехода от функции вещественного переменного (изображение) к функции комплексного пере

9
Иванов В.А., Ющенко А.С. Теория дискретных систем автоматического управления. М.: МГТУ им. Н. Э. Баумана, 2015. 352 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=8886
    Prefix
    2) ∫ ∞ ==⋅− 0 YsLytytedtst)()}({)( (3) Преобразование Лапласа используется для перехода от функции вещественного переменного (изображение) к функции комплексного переменного (оригинал), что значительно облегчает описание динамических систем, так как в этом случае линейные дифференциальные уравнения становятся алгебраическими. Дискретной передаточной функцией называется отношение
    Exact
    [9]
    Suffix
    : () () () Uz Yz Wz= (4) u(k) – входной сигнал, который представляет собой дискретную функцию, определенную в заданные моменты времени k; y(k) – выходной сигнал, который представляет собой дискретную функцию, определенную в заданные моменты времени k; U(z) и Y(z) – их z-преобразования; Z – преобразование дискретной функции определяется следующим образом: ∑ ∞ = =⋅− == k0 ukzk UzZuk () ()

10
Дорф Р., Бишоп Р. Современные системы управления. Пер. с англ. Б. И. Копылова. М.: Лаборатория базовых знаний, 2002. 832 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=9644
    Prefix
    5) ∑ ∞ = =⋅− == k0 ykzk YzZyk () (){()} (6) Смысл z-преобразования для дискретных функций аналогичен использованию преобразования Лапласа для линейных, но для случая наличия дискретизации сигналов в системе (например, дискретные сигналы в микропроцессорах). Для более наглядного описания динамических систем в теории автоматического управления используется пространство состояний
    Exact
    [10]
    Suffix
    . Описание приставляет собой систему дифференциальных (разностных – для дискретных систем) уравнений первого порядка (7), связанных между собой.    =⋅+⋅ +=⋅+⋅ ()()() (1)()() ykCxkDuk xkAxkBuk (7) x(k) – вектор состояния системы; u(k) – вектор входных сигналов; y(k) – вектор выходных сигналов; A – матрица состояний системы; B – матрица входов; C – матрица выходов; D – матрица прямого прохож

11
Волков Е.А. Глава 1. Приближение функций многочленами. § 11. Сплайны // Численные методы. Учеб. пособие для вузов. 2-е изд., испр. М.: Наука, 1987. С. 63–68.
Total in-text references: 1
  1. In-text reference with the coordinate start=11368
    Prefix
    В нашем случае в качестве входных и выходных данных последовательно использовались дневные данные по ценам на нефть и курсу доллара США, годовые данные по ВВП и месячные – по денежному агрегату M2 и кредитам в рублях, в промежуток с 2008 по 2018 год. По необходимости данные были интерполированы кубическим сплайном и представляют собой дискретные функции с периодом дискретизации 0.01
    Exact
    [11]
    Suffix
    . Поэтому каждый отдельный блок на схеме представляет собой дискретную передаточную функцию. При этом 1 секунда времени моделирования соответствует временному промежутку в 100 дней. На рис. 2 представлены графики соответствия заданного выходного сигнала и выходного сигнала идентифицированной модели для случая перехода от денежного агрегата М2 к кредитам.

12
Diaconescu E. The use of NARX neural networks to predict chaotic time series. Wseas Transactions on computer research, 2008. 3(3). P. 182–191.
Total in-text references: 1
  1. In-text reference with the coordinate start=12266
    Prefix
    NARX обычно используются для предсказания следующих точек временного ряда, по имеющимся прошлым данным. При наличии пары временных рядов вход – выход, NARX может служить фильтром, который сглаживает нелинейную составляющую входного сигнала, таким образом фильтруя шум
    Exact
    [12]
    Suffix
    . Так как в нашем случае, желательно сохранить нелинейные свойства сигналов, как экономических показателей, то целесообразнее использовать модели вида Гаммерштейна-Винера [13]. Исследование показало, что при автоматической идентификации нелинейные модели хотя и часто давали лучший результат по совпадению выОбозначения: Oil_price(k) – входной сигнал, цены на нефть; USD/RUB(k) – выходной сигн

13
Болквадзе Г. Р. Модель Гаммерштейна-Винера в задачах идентификации стохастических систем, Автомат. и телемех. 2003. No 9. P. 60–76. Autom. Remote Control. 64:9. 20031418–1431.
Total in-text references: 1
  1. In-text reference with the coordinate start=12444
    Prefix
    При наличии пары временных рядов вход – выход, NARX может служить фильтром, который сглаживает нелинейную составляющую входного сигнала, таким образом фильтруя шум [12]. Так как в нашем случае, желательно сохранить нелинейные свойства сигналов, как экономических показателей, то целесообразнее использовать модели вида Гаммерштейна-Винера
    Exact
    [13]
    Suffix
    . Исследование показало, что при автоматической идентификации нелинейные модели хотя и часто давали лучший результат по совпадению выОбозначения: Oil_price(k) – входной сигнал, цены на нефть; USD/RUB(k) – выходной сигнал, курс доллара; GDP(k) – входной сигнал, ВВП, руб.

14
Billings S.A. Identification of Nonlinear Systems: A Survey. IEE Proceedings Part D. 1980. 127(6). P. 272–285
Total in-text references: 1
  1. In-text reference with the coordinate start=16567
    Prefix
    модели такого типа строится на предположении, что если выходной сигнал системы нелинейным образом зависит от входного сигнала(-ов), то целесообразно разбить эту зависимость на две или более составляющих. В данном случае, динамика системы описывается линейной передаточной функцией (как описано ранее), а нелинейные свойства выходного временного ряда определяются нелинейными блоками
    Exact
    [14, 15]
    Suffix
    . Блок модели «GDP – Loans» Блок модели имеет структуру, описанную выше. Для входного сигнала ВВП вычисляется соответствующее значение его нелинейной входной функции. Затем полученный сигнал преобразуется линейной передаточной функцией.

15
Haber R., Keviczky L. Nonlinear System Identification-Input Output Modeling Approach. Kluwer, 1980. Vols I & II.
Total in-text references: 1
  1. In-text reference with the coordinate start=16567
    Prefix
    модели такого типа строится на предположении, что если выходной сигнал системы нелинейным образом зависит от входного сигнала(-ов), то целесообразно разбить эту зависимость на две или более составляющих. В данном случае, динамика системы описывается линейной передаточной функцией (как описано ранее), а нелинейные свойства выходного временного ряда определяются нелинейными блоками
    Exact
    [14, 15]
    Suffix
    . Блок модели «GDP – Loans» Блок модели имеет структуру, описанную выше. Для входного сигнала ВВП вычисляется соответствующее значение его нелинейной входной функции. Затем полученный сигнал преобразуется линейной передаточной функцией.