Registration Number
0826U002361, PhD dissertation
Status
Доктор філософії
Date
10-07-2026
popup.evolution
.
Title
Adaptive forecasting methods in the enterprise economic security management system
Author
Oleksandr V. Shchepka,
popup.head Ruslana І. Zhovnovach
popup.head Olena V. Khadzhynova
popup.opponent Kostiantyn S. Zhadko
popup.opponent Oleksandr KALININ
popup.review Ilona O. Androshchuk
popup.review Mariia Buhaieva
popup.rada
Central Ukrainian National Technical University
Description
Дисертацію присвячено розробці теоретико-методологічних засад та прикладних рішень у сфері адаптивного прогнозування як невід'ємного елемента системи управління економічною безпекою підприємства. Дослідження мотивоване обмеженою інтеграцією економетричного інструментарію у контур управлінських рішень підприємств в умовах структурних шоків, цінової волатильності та геополітичної нестабільності, що особливо актуально для металургійних підприємств України, цикл доходності яких формується одночасно під впливом локальної кон'юнктури та глобальних товарних, валютних і фінансових індикаторів.
Метою роботи є розробка та обґрунтування концепції адаптивного прогнозування в системі управління економічною безпекою підприємства, що забезпечує підвищення якості управлінських рішень шляхом мінімізації помилок передбачення та формування диференційованих стратегій реагування на прогнозну невизначеність.
Теоретичну основу дослідження склали положення теорії економічної безпеки підприємства, економічної теорії, теорії ризику й невизначеності, теорії прийняття рішень, концепції цінності інформації та поведінкової економіки. Прикладна частина роботи спирається на методи економіко-математичного моделювання сімейства ARIMA, SARIMA, SARIMAX, сезонної декомпозиції CSD, простих рухомих середніх SMA, Фур'є-розширень та гібридних конфігурацій з алгоритмами машинного навчання. Обчислювальний апарат реалізовано мовою Python.
У першому розділі систематизовано концептуальні підходи до визначення економічної безпеки підприємства й окреслено еволюцію категорії від статичної «захищеності» до динамічної «здатності управляти в умовах невизначеності». Запропоновано авторське визначення ЕБП і виокремлено аналітично-прогностичну складову як системоутворюючу. Обґрунтовано необхідність переходу від статичних до адаптивних прогнозів. Розроблено п'ятирівневу концепцію адаптивного прогнозування, яка інтегрує теоретичний, методологічний, інструментальний, методичний та організаційно-практичний рівні і замикається через механізм управління економічною чутливістю.
У другому розділі сформовано ієрархічну систему прогнозних моделей з трьох рівнів складності. Від класичних економетричних моделей сімейства ARIMA, Фур'є-розширення для опису складної сезонності до гібридних конфігурацій з алгоритмами машинного навчання. Інструментарій адаптовано до прогнозування реалізації промислової продукції на локальних ринках та цінових індикаторів глобальних товарних і фінансових ринків. На панелі з 62 часових рядів встановлено системну перевагу класичних ARIMA-конфігурацій над моделями машинного навчання за стабільністю помилок прогнозу.
Внеском другого розділу є удосконалений модельно-методичний інструментарій прогнозування динаміки ринкових показників в контексті економічної безпеки. На відміну від відомих підходів, він реалізує формалізований сценарій побудови, автоматичного відбору та порівняльної валідації прогнозних моделей за принципом мінімальної достатньої складності із застосуванням перевірки на історичних даних з рухомим вікном на локальних ринках металопродукції та глобальних товарних і фінансових ринків. Сформовано диференційовані критерії вибору моделі залежно від характеристик ряду.
У третьому розділі виконано емпіричну верифікацію адаптивних методів прогнозування на двох рівнях. На локальному рівні дослідження проведено на масиві транзакційних даних підприємства металургійної галузі за п'ятьма номенклатурними позиціями, що дозволило обґрунтувати принцип адаптивного вибору моделі залежно від ринкового режиму (SARIMAX на повному наборі даних, SMA у періоди турбулентності). На глобальному рівні аналіз 21 часового ряду встановив диференційовані рівні прогнозованості за класами активів та зафіксував кластеризацію волатильності для 19 з 21 рядів, що обґрунтовує збільшення операційних резервів у кризові фази у 2–3 рази. На основі цих результатів розроблено систему стратегічного управління економічною чутливістю підприємства з чотирирівневою типологією реакцій на прогнозну невизначеність.
Науковим результатом третього розділу є вперше запропонована стратегічна типологія управлінських відповідей на прогнозну невизначеність, що включає чотири рівні — моніторинговий (ПН менше 8 %), адаптивний (8 ≤ ПН < 15 %), гібридний (15 ≤ ПН < 25 %) та антикризовий (ПН ≥ 25 %), прив'язані до порогових значень MAPE. На відміну від традиційних ризик-менеджерських класифікацій, побудованих на експертних та апріорних оцінках, типологія ґрунтується на об'єктивно розрахованих метриках точності прогнозу конкретного ринку і допускає динамічне переміщення підприємства між рівнями реагування залежно від ринкової кон'юнктури.
Registration Date
2026-06-08
popup.nrat_date
2026-06-08 / 2026-07-09
