| Title: | Сравнительный анализ методов прогнозирования экспорта какао-продуктов |
| Other Titles: | Comparative analysis of forecasting methods for cocoa products export |
| Authors: | Татарчук, В. А. |
| Keywords: | материалы конференций;машинное обучение;эконометрическое моделирование;модели коррекции ошибок;LASSO-регрессия;прогнозирование экспорта;структурные сдвиги;какао-продукты |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Татарчук, В. А. Сравнительный анализ методов прогнозирования экспорта какао-продуктов = Comparative analysis of forecasting methods for cocoa products export / В. А. Татарчук // 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. 522–525. |
| Abstract: | В условиях волатильности мировых цен на какао-бобы прогнозирование экспортной выручки становится критически важным для адаптации стратегий предприятий. В работе проведен сравнительный анализ двух подходов: модели машинного обучения с L1-регуляризацией (LASSO) и эконометрической модели коррекции ошибок (ECM) для прогнозирования стоимости экспорта какао-продуктов Республики Беларусь. Выявлен структурный сдвиг в динамике ряда с 2022 года. Показано, что ECM, учитывающая долгосрочные равновесные связи между показателями, обеспечивает более интерпретируемый и устойчивый прогноз в условиях нарушения стационарности, тогда как LASSO демонстрирует более высокую точность в краткосрочном периоде. |
| Alternative abstract: | In the face of global cocoa price volatility, forecasting export revenue is critical for adapting business strategies. This paper presents a comparative analysis of two approaches for forecasting the value of cocoa products exports from the Republic of Belarus: a machine learning model with L1-regularization (LASSO) and an econometric error correction model (ECM). A structural break in the time series dynamics since 2022 is identified. It is shown that LASSO provides higher short-term forecasting accuracy, while ECM offers better interpretability and stability under non-stationary conditions. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/65414 |
| Appears in Collections: | Актуальные вопросы экономики и информационных технологий : материалы 62-й научной конференции аспирантов, магистрантов и студентов (2026)
|
