| DC Field | Value | Language |
|---|
| dc.contributor.author | Рогут, В. Ю. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-08-07T07:37:10Z | - |
| dc.date.available | 2026-08-07T07:37:10Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Рогут, В. Ю. Прогнозирование инфляции с использованием метода скользящего среднего = Inflation forecasting using the moving average method / В. Ю. Рогут // Актуальные вопросы экономики и информационных технологий : сборник материалов докладов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 363–366. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/65318 | - |
| dc.description.abstract | В работе рассматривается задача краткосрочного прогнозирования инфляции на основе статистических методов анализа временных рядов. В качестве основного инструмента используется метод скользящего среднего с окнами из 3 и 5 значений, что позволяет оценить влияние длины окна на сглаживание колебаний и точность прогноза. Программная реализация модели выполнена на языке Go с использованием статистики Белстата по инфляции за 2025 год, представленной в формате CSV. Проведена оценка точности прогноза путём сравнения рассчитанных значений с фактическими данными. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | инфляция | en_US |
| dc.subject | временные ряды | en_US |
| dc.subject | скользящее среднее | en_US |
| dc.subject | краткосрочное прогнозирование | en_US |
| dc.subject | статистический анализ | en_US |
| dc.subject | Белстат | en_US |
| dc.title | Прогнозирование инфляции с использованием метода скользящего среднего | en_US |
| dc.title.alternative | Inflation forecasting using the moving average method | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This paper examines the problem of short-term inflation forecasting using statistical methods of time series analysis. The primary tool used is a moving average method with windows of 3 and 5 values, allowing us to assess the impact of window length on fluctuation smoothing and forecast accuracy. The model is implemented in Go using Belstat inflation statistics for 2025, presented in CSV format. Forecast accuracy is assessed by comparing the calculated values with actual data. | en_US |
| Appears in Collections: | Актуальные вопросы экономики и информационных технологий : материалы 62-й научной конференции аспирантов, магистрантов и студентов (2026)
|
