Игорь Юрьевич Варьяш — доктор экономических наук, руководитель Аналитического центра финансовых исследований
Москва
Igor Yu. Varjas — Dr. Sci. (Econ.), Head of the Analytical Centre for Financial Research
Moscow
Даниил Викторович Климонов — аналитик Аналитического центра финансовых исследований; аспирант
Москва
Daniil V. Klimonov — Analyst of the Analytical Centre for Financial Research; Ph.D. Student
Moscow
В статье предлагается теоретическое решение переменной неопределенности в расчетах опережающих индикаторов на примере экономических данных, ожидаемых деловыми сообществами. Предлагаемый авторами подход позволяет решить проблему, имеющуюся в технологии обработки первичных данных мнений деловых сообществ, что является актуальным для максимального привлечения значимой информации в принятии решений. Цель статьи — продемонстрировать результаты решения модели инкапсуляции и декапсуляции информации с неопределенными исходами. В качестве метода исследования применялось построение нелинейных парных уравнений регрессии временных последовательностей экономико-статистической и социологической информации. Рассматриваются условия модели с временными последовательностями независимой неопределенной переменной, обсуждается верификация и оценка качества модели. Исследование проводилось в 1993–2025 гг. на базах Банка России и Научно-исследовательского финансового института Министерства финансов РФ (НИФИ). Источниками информации являются Московская межбанковская валютная биржа, платформа Investing.com, аналитические подразделения коммерческих банков и брокерских организаций. Модель строилась на сплошной выборке данных прогнозов и мнений участников срочных рынков. Основные результаты, полученные при решении модели, свидетельствуют о существенном повышении (на 40%) тестирования точности классификации для машинного обучения нейросети поиска и предобработки данных биржевой торговли. Показано преимущество решения множественной модели парных уравнений регрессии с использованием временной последовательности ожидаемых деловыми сообществами значений экономического показателя, включая деинкапсулированную неопределенную переменную по отношению к стандартным решениям парных уравнений регрессии.
This article proposes a theoretical solution to the problem of overcoming variable uncertainty in leading indicator calculations using economic data expected by business communities as an example. The novelty of the proposed approach lies in its ability to fill a gap in the technology for processing primary data on business community opinions, which is essential for maximizing the utilization of information relevant for decision making. The objective of this article is to present the results of solving a model for encapsulating and decapsulating information with uncertain outcomes. The research method was to construct nonlinear paired regression equations for time series of economic, statistical, and sociological information. The conditions of the model with time series of an independent uncertain variable are examined, and verification and quality assessment of the model are discussed. The study was conducted from 1993 to 2025 using the Bank of Russia and the National Research Financial Institute (NIFI) databases. The data sources included the Moscow Interbank Currency Exchange, Investing, and the analytical departments of commercial banks and brokerage firms. The model was built on a continuous sample of forecast data and opinions from participants in the derivatives markets. The conclusion presents the key results of the model solution, which include a significant increase (by 40%) in the classification accuracy testing for machine learning of the neural network for searching and preprocessing exchange trading data. The advantages of solving a multiple paired regression equation model using a time series of economic indicator values expected by business communities, including a de-encapsulated uncertain variable, are discussed relative to standard solutions of paired regression equations.
The authors declare that there are no conflicts of interest present.