АНАЛИЗ ВНЕШНЕЙ ТОРГОВЛИ ЗЕРНОВЫМИ И МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В ПОДДЕРЖКЕ ПРИНЯТИЯ РЕШЕНИЙ АГРОПРОДОВОЛЬСТВЕННОГО ЭКСПОРТА
Gespeichert in:
| Titel: | АНАЛИЗ ВНЕШНЕЙ ТОРГОВЛИ ЗЕРНОВЫМИ И МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В ПОДДЕРЖКЕ ПРИНЯТИЯ РЕШЕНИЙ АГРОПРОДОВОЛЬСТВЕННОГО ЭКСПОРТА |
|---|---|
| Verlagsinformationen: | ООО Цифра, 2024. |
| Publikationsjahr: | 2024 |
| Schlagwörter: | 2. Zero hunger, machine learning, decision support, 8. Economic growth, внешняя торговля, foreign trade, поддержка принятия решений, машинное обучение, зерновые, grains |
| Beschreibung: | Согласно мировым рейтингам, по результатам 2022 года Россия заняла семнадцатое место среди основных экспортеров продовольствия в мире. Показатель экспорта вырос более чем в пять раз за десять с небольшим лет. Одним из ключевых направлений агропродовольственного экспорта является экспорт зерновых, в том числе пшеницы. В связи со стратегической значимостью зерновых, как во внешнеэкономической деятельности, так и для экономики страны в целом, представляет интерес ее анализ и поиск современных подходов поддержки принятия решений в этой сфере. Одним из них, наряду с классическими статистическими методами, выступают методы машинного обучения. Целью проведенного исследования является сравнительный анализ внешней торговли зерновыми и определение возможности использования методов машинного обучения в поддержке принятия решений агропродовольственного экспорта зерновых. Проведен классический статистический анализ структуры мирового и Российского экспорта зерновых, проанализированы динамика средних мировых цен на зерновые, динамика доли крупнейших стран импортеров российских зерновых.Методы машинного обучения были использованы в задаче классификации стран импортеров зерновых в разрезе импорта зерновых из России и предсказанию, в какую экспортную российскую категорию попадет страна. Были определены две модели: базовый классификатор GradientBoostingClassifier и ансамблевая модель StackingClassifier, которые показали наилучшую производительность с точки зрения метрик и кривых обучения. Проведен анализ результатов классификации с точки зрения применимости их для поддержки принятия решений агропродовольственного экспорта. According to world rankings, Russia ranked seventeenth among the world's major food exporters in 2022. The export indicator has grown more than five times in more than a decade. One of the key areas of agrifood exports is the export of cereals, including wheat. Due to the strategic importance of grains, both in foreign economic activity and for the country's economy as a whole, it is of interest to analyse it and search for modern approaches to support decision-making in this area. One of them, along with classical statistical methods, are machine learning methods. The aim of this study is to analyse the comparative analysis of foreign trade in cereals and to determine the possibility of using machine learning methods in decision-making support of agrifood export of cereals. The classical statistical analysis of the structure of world and Russian grain exports has been carried out, the dynamics of average world prices for grains and the dynamics of the share of the largest countries importing Russian grains have been analysed.Machine learning methods were used in the task of classifying grain importing countries in terms of grain imports from Russia and predicting which Russian export category a country would fall into. Two models were identified: the base classifier GradientBoostingClassifier and the ensemble model StackingClassifier, which showed the best performance in terms of metrics and learning curves. The classification results were analysed in terms of their applicability to agrifood export decision support. Международный научно-исследовательский журнал, Выпуск 4 (142) 2024 |
| Publikationsart: | Article |
| Sprache: | Russian |
| DOI: | 10.23670/irj.2024.142.9 |
| Rights: | CC BY |
| Dokumentencode: | edsair.doi...........cb3d7e3146589d3f2e112c69efd55ce8 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | Согласно мировым рейтингам, по результатам 2022 года Россия заняла семнадцатое место среди основных экспортеров продовольствия в мире. Показатель экспорта вырос более чем в пять раз за десять с небольшим лет. Одним из ключевых направлений агропродовольственного экспорта является экспорт зерновых, в том числе пшеницы. В связи со стратегической значимостью зерновых, как во внешнеэкономической деятельности, так и для экономики страны в целом, представляет интерес ее анализ и поиск современных подходов поддержки принятия решений в этой сфере. Одним из них, наряду с классическими статистическими методами, выступают методы машинного обучения. Целью проведенного исследования является сравнительный анализ внешней торговли зерновыми и определение возможности использования методов машинного обучения в поддержке принятия решений агропродовольственного экспорта зерновых. Проведен классический статистический анализ структуры мирового и Российского экспорта зерновых, проанализированы динамика средних мировых цен на зерновые, динамика доли крупнейших стран импортеров российских зерновых.Методы машинного обучения были использованы в задаче классификации стран импортеров зерновых в разрезе импорта зерновых из России и предсказанию, в какую экспортную российскую категорию попадет страна. Были определены две модели: базовый классификатор GradientBoostingClassifier и ансамблевая модель StackingClassifier, которые показали наилучшую производительность с точки зрения метрик и кривых обучения. Проведен анализ результатов классификации с точки зрения применимости их для поддержки принятия решений агропродовольственного экспорта.<br />According to world rankings, Russia ranked seventeenth among the world's major food exporters in 2022. The export indicator has grown more than five times in more than a decade. One of the key areas of agrifood exports is the export of cereals, including wheat. Due to the strategic importance of grains, both in foreign economic activity and for the country's economy as a whole, it is of interest to analyse it and search for modern approaches to support decision-making in this area. One of them, along with classical statistical methods, are machine learning methods. The aim of this study is to analyse the comparative analysis of foreign trade in cereals and to determine the possibility of using machine learning methods in decision-making support of agrifood export of cereals. The classical statistical analysis of the structure of world and Russian grain exports has been carried out, the dynamics of average world prices for grains and the dynamics of the share of the largest countries importing Russian grains have been analysed.Machine learning methods were used in the task of classifying grain importing countries in terms of grain imports from Russia and predicting which Russian export category a country would fall into. Two models were identified: the base classifier GradientBoostingClassifier and the ensemble model StackingClassifier, which showed the best performance in terms of metrics and learning curves. The classification results were analysed in terms of their applicability to agrifood export decision support.<br />Международный научно-исследовательский журнал, Выпуск 4 (142) 2024 |
|---|---|
| DOI: | 10.23670/irj.2024.142.9 |