Аннотация: Предметом исследования являются процессы формирования цен на сырьевую продукцию в зависимости от спроса на конечные потребительские продукты. В статье рассматривается математическая модель, основанная на принципе максимальной полезности. Предлагаемая модель основана на поэтапном определении объемов производства и потребления конечных продуктов и соответствующих им цен в зависимости от цен используемого сырья и полуфабрикатов. Цены на промежуточные продукты и сырье формируются на основе потребностей выпуска конечных продуктов с их оптимизацией по спросу. Приведены основные математические соотношения в части использования принципа максимальной полезности применительно к модели спроса – предложения и его применения к многостадийному производству. Результаты, полученные при анализе модели, показывают слабость зависимости объемов производства и цен на конечную продукции от стоимости цен на сырье при его глубокой переработке. При ограниченных возможностях производства сырья динамика цен на него оказывается хорошо прогнозируемой.
Результаты моделирования, сопоставленные с известными статистическими данными, показывают адекватность предлагаемой модели реально происходящим экономическим процессам. Показано на примере статистики цен на нефть и продукты ее переработки значительное различие в вариативности цен на сырье и готовую продукцию. Выявлена ограниченность точности прогнозирования цен на сырьевые продукты при значительном объеме ее последующей переработки.

Abstract: The subject of this research is the processes of price formation for raw materials depending on the demand for end consumer products. The article reviews a mathematical model that is based on the principle of maximum utility. The proposed model is founded on the stage-by-stage determination of the production output and consumption of end products, as well as corresponding prices depending on the prices of used raw materials and semi-finished products. The prices for intermediate products and raw materials are formed depending on the need for end products output with their optimization by demand. The article provides the basic mathematical ration with regards to using principle of maximum utility applicable to the demand-supply model and its implementation in multi-stage production. The acquired results indicate weak dependence of production output and prices for end products on the cost of raw material in terms of advanced refining. With limited production capacity of raw materials, the dynamics of prices is well predicted. The results of modeling, compared to the available statistical data, indicate the adequacy of the proposed model to the unfolding economic processes. It is determined that the accuracy of price prediction for raw products with a significant volume of its subsequent processing is limited.

Аннотация: Предметом исследования является модель развития производства, описывающая зависимость текущих объемов выпуска от ранее сделанных инвестиций и интенсивности износа производственных мощностей. Инвестиционный процесс характеризуется запаздыванием между моментом вложения, фактической отдачей и ее продолжительностью, постепенным снижением уровня отдачи и дискретностью вложений. При моделировании использована замена дискретных инвестиций интегралом, что приводит к интегро-дифференциальному уравнению и при необременительных предположениях к нелинейному обыкновенному дифференциальному уравнению второго порядка или их системе, решения которой дают негармонические колебания на фоне апериодического тренда. В качестве метода анализа соответствия модельных данных фактической динамике развития производства использовалось численное решение возникающих дифференциальных уравнений. Сопоставление модельных данных с известной статистикой показывает их адекватность происходящим экономическим процессам. Статистические данные содержат шумовую составляющую, в качестве которой выступают различные экономические и политические факторы, что принципиально ограничивает точность прогнозирования. Различия в длине периодов колебаний по отраслям затрудняет анализ поведение экономики в целом. В то же время прогноз кризисных явлений, возникающих при наложении фаз отраслевых колебаний, может быть осуществлен с достаточным уровнем точности.

Abstract: The subject of this research is the model of business development that describes the dependence of ongoing volume of production from previous investments and intensity of wear of production capacities. The investment process is characterized by a delay between the moment of investment, actual return and its continuation, gradual decrease in the level of return, and discreetness of investments. In the process of modeling, discrete investment were replaced by an integral, which leads to integral-differential equation, and in terms of facile assumption to the linear standard differential equation of second order or their system, solved by the disharmonious fluctuations on the background of an aperiodic trend. As the method of analysis of correspondence of the model data with the actual dynamics of business development, the research utilizes computational solution of the emerging differential equations. Comparison of the model data with the known statistics reveals their adequacy to the current economic processes. Statistical data contains noise component, which consists of various economic and political factors and principally limits the precision of forecasting. Differences in the length of fluctuation periods by industries impedes analysis of the economic behavior as a whole. At the same time, forecast of crisis phenomena that emerge in superposition of the phases of industry fluctuations can be executed with sufficient level of precision.

Аннотация: В статье рассматривается методика оценки шумовой компоненты во временных рядах с переменным шагом, ее обоснование и предлагается алгоритм удаления шума из данных. Анализ строится на основе требования гладкости функции, представляющей исходные данные и имеющей непрерывные производные до третьего порядка. Предлагаемая методика и алгоритмы оценки и устранения шума в данных в предположении о гладкости, представляемой ими функции, позволяют обоснованно определить как абсолютного, так и относительного шума в данных вне зависимости от равномерности шага измерений в исходных данных уровень шума в данных, удалить из данных шумовую компоненту. Алгоритм решения задачи основан на минимизации отклонений рассчитываемых значений от гладкой функции при условии соответствия отклонений от исходных данных уровню шума. Предлагаемая методика и алгоритмы оценки и устранения шума в данных в предположении о гладкости, представляемой ими функции, позволяют обоснованно определить как абсолютный, так и относительный шум в данных вне зависимости от равномерности шага измерений в исходных данных и их зашумленности, удалить из данных шумовую компоненту. Учитывая гладкость данных, получаемых в результате устранения шума, данные полученные удалением шума пригодны для выявления в них как аналитических, так и дифференциальных зависимостей

Abstract: The article discusses the methodology for estimating the noise component in time series with variable pitch, its justification, and suggests an algorithm for removing noise from data. The analysis is based on the requirement of smoothness of a function representing the original data and having continuous derivatives up to the third order. The proposed method and algorithms for estimating and eliminating noise in the data under the assumption of smoothness, the function they represent, allow reasonably determining both absolute and relative noise in the data, regardless of the uniformity of the measurement step in the source data, the noise level in the data, remove the noise component from the data . The algorithm for solving the problem is based on minimizing the deviations of the calculated values from the smooth function, provided that the deviations from the source data correspond to the noise level. The proposed method and algorithms for estimating and eliminating noise in the data under the assumption of smoothness, the function they represent, allow reasonably determining both absolute and relative noise in the data, regardless of the uniformity of the measurement step in the source data and their noise, and remove the noise component from the data. Considering the smoothness of the data obtained as a result of noise elimination, the data obtained by noise elimination are suitable for detecting both analytical and differential dependencies in them.

Аннотация: Предметом исследования является методика оценки шумовой компоненты во временных рядах и ее удаление, выделение тренда и колебаний c различными периодами, вводится понятие Т-ε и Т-h-ε почти периодов для конечных рядов. В основу анализа положено требование гладкости функции, представляющей исходные данные и имеющей производные до четвертого порядка включительно и выделение почти периодов на основе функций типа Альтера – Джонсона. Отдельно выделяется тренд длины периодов, выявленных в данных ряда колебаний. Алгоритм решения задачи основан на минимизации отклонений рассчитываемых значений от гладкой функции при условии соответствия отклонений от исходных данных уровню шума. Для выявления колебательной составляющей и тренда почти периодов используется модифицированная функция Альтера – Джонсона. Предлагаемая методика и алгоритмы оценки и устранения шума в данных позволяют обоснованно определить уровень шума в данных, удалить из данных шумовую компоненту, выявить почти периоды в данных в смысле введенных в статье определений, выделить в данных трендовую и колебательную составляющие, выявить, при необходимости, тренд изменения почти периодов.

Abstract: The subject of research is the method of estimating the noise component in the time series and its removal, the selection of the trend and fluctuations with different periods, the concept of T-ε and T-h-ε almost periods for the final series is introduced. The analysis is based on the requirement of smoothness of a function representing the original data and having derivatives up to the fourth order inclusive and the allocation of almost periods based on functions of the Alter-Johnson type. Separately, the trend of the length of the periods identified in the data of a number of fluctuations. The algorithm for solving the problem is based on minimizing the deviations of the calculated values from the smooth function, provided that the deviations from the source data correspond to the noise level. To identify the oscillatory component and the trend of almost periods, the modified Alter-Johnson function is used. The proposed methodology and algorithms for estimating and eliminating noise in the data allow us to reasonably determine the noise level in the data, remove the noise component from the data, identify almost the periods in the data in the sense of the definitions introduced in the article, highlight the trend and oscillation components in the data, identify, if necessary, the trend of changes almost periods.