КиСА | Содержание

Том 56 >>> № 4 ИЮЛЬ — АВГУСТ 2020

УДК 330. 4:519. 622. 1:51-77

В.С. Саженюк, Г.А. Черноус, Ю.А. Ярмоленко

ИНФОРМАЦИОННАЯ МОДЕЛЬ ЦЕНООБРАЗОВАНИЯ НА ЭЛЕКТРОННЫХ РЫНКАХ

Аннотация. Разработан подход к моделированию и прогнозированию цены рыночного блага на основе изменений информационного фактора с использованием аппарата дифференциальных уравнений первого порядка. Построена информационная модель ценообразования путем решения задачи Коши. Показано, что предложенная модель может быть полезной как для прогнозирования цен активов на фондовой и валютной бирже, так и на товарных электронных рынках. Представлен процесс подготовки данных для реализации модели.

Ключевые слова: информация, задача Коши, метод штрафа, разностная схема, информационный фактор, модель ценообразования, прогнозирование цен.

ПОЛНЫЙ ТЕКСТ

Саженюк Володимир Степанович,
кандидат фіз.-мат. наук, доцент кафедри Київського національного університету імені Тараса Шевченка, vssag@ukr.net

Чорноус Галина Олександрівна,
доктор екон. наук, доцент кафедри Київського національного університету імені Тараса Шевченка,
gach2012@gmail.com

Ярмоленко Юлія Артурівна,
студентка Київського національного університету імені Тараса Шевченка,
yu.yarmolenko@gmail.com

СПИСОК ЛИТЕРАТУРЫ

Preis T., Moat H.S., Stanley H.E. Quantifying trading behavior in financial markets using Google trends. Scientific Reports. 2013. Vol. 3. Р. 16–24. http://dx.doi.org/10.1038/srep01684.

Rao T., Srivastava S. Modeling movements in oil, gold, Forex and market indices using search volume index and Twitter sentiments. Proc. 5th Annual ACM Web Science Conference (WebSci‘13). (May, 2013, Paris, France). Paris, 2013. P. 336–345. https://doi.acm.org/10.1145/2464464.2464521.

Убиенных Г.Ф., Убиенных А.Г., Жеребцов Н.А. Моделирование ценообразования опционов на основе аппроксимации решения уравнения Блэка–Шоулза. Актуальные направления научных исследований XXI века: теория и практика. 2015. Т. 3. № 8–4 (19–4). С. 299–303.

Дунаев Б.Б., Любич А.А. Модель функционирования экономики при рыночном курсе валюты. Кибернетика и системный анализ. 2020. Т. 56, № 1. С. 147–162.

Гурвич Е.Т., Прилепский И.В. Анализ экспертных и официальных прогнозов цен на нефть. Вопросы экономики. 2018. № 4. С. 26-48. https://doi.org/10.32609/0042-8736-2018-4-26-48.

Huntington H., Al-Fattah S.M., Huang Z., Gucwa M., Nouri A. Oil markets and price movements: a survey of models. 2013. USAEE Working Paper. N 13–129. http://dx.doi.org/10.2139/ssrn. 2277330.

Muradov A.J., Oglu H.Y.H., Hajiyev N. World market price of oil impacting factors and forecasting. Cham: Springer International Publishing, 2019. 184 р. https://doi.org/10. 1007/978-3-030-11494-7.

Бандура О.В. Прогнозування тренду світових цін на нафту на базі СМІ-моделі економічних циклів. Економіка і прогнозування. 2018. № 2. С. 91-110.

Махорт А.Ф. О влиянии зависимости структуры потребления товаров от цены на равновесие в экономической системе. Кибернетика и системный анализ. 2015. Т. 51, № 2. С. 52–61.

Григоркив В.С. Некоторые подходы к моделированию цен в эколого-экономической системе. Кибернетика и системный анализ. 2009. Т. 45, № 1. С. 3–9.

Горбачук В.М., Морозов О.О., Неботов П.Г. До моделювання ринку Європи на природний газ. Інфраструктура ринку. 2017. № 3. С. 147–152.

Liu W.W., Liu Y., Chan N.H. Modeling eBay price using stochastic differential equations. Journal of Forecasting, 2018. Vol. 38, Iss. 1. P. 63–72. https://doi.org/10.1002/for.2551.

Tyralis H., Papacharalampous G. Variable selection in time series forecasting using random forests. Algorithms. 2017. Vol. 10(4), N 114. https://doi.org/10.3390/a10040114.

Carta S., Medda A., Pili A., Recupero R., Saia R. Forecasting e-commerce products prices by combining an Autoregressive Integrated Moving Average (ARIMA) model and Google trends data. Future Internet. 2018. Vol. 11, Iss. 1. P. 5. https://doi.org/10.3390/fi11010005.

Tseng K.-K., Lin R. F.-Y., Zhou H., Kurniajaya K.J., Li Q. Price prediction of e-commerce products through Internet sentiment analysis. Electronic Commerce Research. 2018. Vol. 18, Iss. 1. Р. 65-88. https://doi.org/10.1007/s10660-017-9272-9.

Yu L., Zhao Y., Tang L., Yang Z. Online big data-driven oil consumption forecasting with Google trends. International Journal of Forecasting. 2019. Vol. 35, Iss. 1. Р. 213-223. https://doi.org/ 10.1016/j.ijforecast.2017.11.005.

Szczech M., Turetken O. The competitive landscape of mobile communications industry in Canada: predictive analytic modeling with Google trends and Twitter. In: Analytics and Data Science. Cham: Springer, 2017. P. 143-162. https://doi.org/10.1007/978-3-319-58097-5_11.

Гаевский Х., Грегер К., Захариас К. Нелинейные операторные уравнения и операторные дифференциальные уравнения. Москва: Мир, 1978. 336 с.

Киндерлерер Д., Стампаккья Г. Введение в вариационные неравенства и их приложения. Москва: Мир, 1983. 256 с.

Саженюк В.С. Алгоритм чисельного розв’язування одного класу варіаційних параболічних нерівностей. Математические машины и системы. 2007. № 2. С. 19–25.

Di Lorenzo R. The Chaikin volatility. In: How to Make Money by Fast Trading. Perspectives in Business Culture. Milano: Springer, 2012. Р. 175–176. https://doi.org/10.1007/ 978-88-470-2534-9_36.

Tuladhar J.G., Gupta A., Shrestha S., Bania U. M., Bhargavi K. Predictive analysis of e-commerce products. In: Intelligent Computing and Information and Communication; Singapore: Springer, 2018. P. 279-289. https://doi.org/10.1007/978-981-10-7245-1_29.

Tradesy — Buy & Sell Designer BagsShoes & Clothes. URL: https://www.tradesy.com/.

ParseHub features, tools and settings. Documentation. URL: https://help.parsehub.com/hc/en-s/ categories/203678627.

Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. Москва: Мир, 1974. 406 с.