Прогнозирование инвестиций в основной капитал
https://doi.org/10.26425/1816-4277-2022-7-145-154
Аннотация
В статье детализированы вопросы прогнозирования инвестиций в основной капитал. Рассмотрены теоретические аспекты (зарубежный опыт) использования различных форм прогнозных моделей на основе анализа иностранной научной литературы. Практически реализованы два разных метода прогнозирования на примере построения мультипликативной и ARIMA моделей. Сформулированы ежеквартальные прогнозы стоимости инвестиций в основной капитал на 2022–2023 гг. по Российской Федерации. Сравнение результатов моделирования показало, что расчетные значения по обеим моделям хорошо описывают динамику показателя, прогнозные значения различаются. В связи с этим построен усредненный (комбинированный) прогноз на основе результатов прогнозирования по обоим реализуемым методам. Результаты исследования могут быть использованы в практической деятельности государственных и муниципальных органов, менеджментом предприятий для поквартального прогнозирования инвестиций в основной капитал.
Об авторе
А. М. Терехов
Российский государственный университет правосудия (Приволжский филиал)
Россия
Россия
Терехов Андрей Михайлович - Канд. экон. наук, доц. каф. гуманитарных и социально-экономических дисциплин
Нижний Новгород
Список литературы
1. Hodgins C.D., Tanner J.E. Forecasting nonresidential building construction. Canadian Journal of Economics. 1973;6(1):79–89.
2. Killingsworth R.A. Preliminary investigation into formulating a demand forecasting model for industrial construction. Cost Engineering. 1990;32(8):11–15.
3. Tang J.C.S., Karasudhi P., Tachopiyagoon P. Thai construction industry: demand and projection. Construction Management and Economics. 1990;8(3):249–257.
4. Akintoye A., Skitmore M. Models of UK private sector quarterly construction demand. Construction Management and Economics. 1994;12(1):3–13.
5. Tse R.Y.C., Ho C.W., Ganesan S. Matching housing supply and demand: an empirical study of Hong Kong’s market. Construction Management and Economics. 1999;17(5):625–633.
6. Ng S.T., Skitmore M., Wong K.F. Genetic algorithm and linear regression for private housing demand forecast. Building and Environment. 2008;43(6):1171–1184.
7. Goh B.H., Teo H.P. Forecasting construction industry demand, price and productivity in Singapore: the Box-Jenkins approach. Construction Management and Economics. 2000;18(5):607–618.
8. Fullerton T.M., Laaksonen M.M., West C.T. Regional multi-family housing start forecast accuracy. International Journal of Forecasting. 2001;17(2):171–180.
9. Jiang S., Yang C., Guo J., Ding Z. ARIMA forecasting of China’s coal consumption, price and investment by 2030. Energy Sources, Part B: Economics, Planning, and Policy. 2018;13:190–195. http://dx.doi.org/10.1080/15567249.2017.1423413
10. Sen P., Roy M., Pal P. Application of ARIMA for forecasting energy consumption and GHG emission: a case study of an Indian pig iron manufacturing organization. Energy. 2016;116:1031–1038. https://doi.org/10.1016/j.energy.2016.10.068
11. Yeboah S., Ohene M., Wereko T.B. Forecasting aggregate and disaggregate energy consumption using ARIMA models: a literature survey. Journal Statistical Economics Methods. 2012;1(2):71–79.
12. Al-Abdulrazag B.A. The determinants of private construction investment in Jordan: an empirical study (1972–1996). Damascus University Journal. 2003;19:15–35.
13. Ng S.T., Fan R.Y.C., Wong J.M.W. An econometric model for forecasting private construction investment in Hong Kong. Construction Management and Economics. 2011;29(5):519–534. https://doi.org/10.1080/01446193.2011.570356
14. Brüggemann R. Sources of German unemployment: a structural vector error correction analysis. Empirical Economics. 2006;31(2):409–431.
15. Tan H.B., Baharumshah A.Z. Dynamic causal chain of money, output, interest rate and prices in Malaysia: evidence based on vector error-correction modelling analysis. International Economic Journal. 1999;13(1):103–120.
16. Van Aarle B., Boss M., Hlouskova J. Forecasting the Euro exchange rate using vector correction models. Review of World Economics. 2000;136(2):232–258.
17. Mayasami R.C., Koh T.S. A vector error correction model of the Singapore stock market. International Review of Economics and Finance. 2000;9(1):79–96.
18. Brissimis S.N., Vlassopoulos T. The interaction between mortgage financing and housing prices in Greece. Journal of Real Estate Finance and Economics. 2009;39(2):146–164.
19. Green K.C., Armstrong J.S. Simple versus Complex Forecasting: The Evidence. Journal of Business Research. 2015;68(8):1678–1685. http://dx.doi.org/10.1016/j.jbusres.2015.03.026
20. Baghestani H. Forecasts of growth in US residential investment: accuracy gains from consumer home-buying attitudes and expectations. Applied Economics. 2021;52:3744–3758. DOI: https://doi.org/10.1080/00036846.2021.1885613
21. Mohseni S., Brent A.C., Kelly S., Browne W.N. Demand response-integrated investment and operational planning of renewable and sustainable energy systems considering forecast uncertainties: A systematic review. Renewable and Sustainable Energy Reviews. 2022;158:112095. https://doi.org/10.1016/j.rser.2022.112095
Рецензия
Для цитирования:
Терехов А.М. Прогнозирование инвестиций в основной капитал. Вестник университета. 2022;1(7):145-154. https://doi.org/10.26425/1816-4277-2022-7-145-154
For citation:
Terekhov A.M. Forecasting investments in fixed assets. Vestnik Universiteta. 2022;1(7):145-154. (In Russ.) https://doi.org/10.26425/1816-4277-2022-7-145-154
Просмотров:
418
Послать статью по эл. почте 