Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elibrary.kdpu.edu.ua/xmlui/handle/0564/1158Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Соловйов, Володимир Миколайович | - |
| dc.date.accessioned | 2017-07-29T18:42:18Z | - |
| dc.date.available | 2017-07-29T18:42:18Z | - |
| dc.date.issued | 2015 | - |
| dc.identifier.citation | Соловйов В. М. Мережні міри складності соціально-економічних систем / В. М. Соловйов // Вісник Черкаського університету : наук. журн. № 38 (371) Серія Прикладна математика. Інформатика / МОН України, ЧНУ ім. Б. Хмельницького. – Черкаси : Видавництво ЧНУ ім. Б. Хмельницького, 2015. – С. 67-79. | uk |
| dc.identifier.issn | 2076-5886 | - |
| dc.identifier.uri | http://elibrary.kdpu.edu.ua/handle/0564/1158 | - |
| dc.identifier.uri | https://doi.org/10.31812/0564/1158 | - |
| dc.description | 1. Малинецкий Г.Г. Теория самоорганизации. На пороге IV парадигмы / Г.Г.Малинецкий // Компьютерные исследования и моделирование. – 2013. –Т.5, №3. – С.315-366. 2. Кун Т. Структура научных революцій / Т.Кун // — М.: АСТ, 2009. — 320 с. 3. Пригожин И. От существующего к возникающему: Время и сложность в физических науках / И.Пригожин. – Перевод с английского. Серия "Синергетика: от прошлого к будущему". Изд.3 URSS, 2006. - 296 с. 4. Barrat A. Dynamical processes on complex networks / Barrat A., Barthelemy M., Vespignani A. // Cambridge University Press, 2008. – 347 p. 5. Halvin S., Cohen R. Complex networks. Structure, robustness and function / Halvin S., Cohen R. // Cambridge University Press, 2010. – 238 p. 6. Albert R., Barabasi A.-L. Statistical Mechanics of Complex Networks, Rev. Mod. Phys. – 2002. -V.74. –P.47-97. [Електронний ресурс] – Режим доступу: arXiv.org/condmat/0106096. 7. Newman M., Watts D., Barabási A.-L. The Structure and Dynamics of Networks, Princeton University Press. - 2006. – 456 p. 8. Newman M. E. J. The structure and function of complex networks, SIAM Reviews. – 2003. – V.45(2). – P.167-256. [Електронний ресурс] – Режим доступу: arXiv.org/cond-mat/0303516. 9. Boccaletti S., Latora V., Moreno Y., Chavez M., Hwang D.-U. Complex networks: Structure and dynamics, Phys. Rep. – 2006, - V.424. – P.175-209. 10. Евин И.А. Введение в теорию сложных сетей. / Е.И.Евин // Математические основы и численные методы моделирования. – 2010. –Т.2, №2. – С.121-141. 11. Головач Ю. Складні мережі / Ю.Головач, О.Олемский, К. фон Фербер та ін. // Журнал фізичних досліджень. – 2006. – Т.10, № 4. – С.247-289. 12. Ландэ Д.В., Снарский А.А., Безсуднов И.В. Интернетика: Навигация в сложных сетях: модели и алгоритмы. – М.: Книжный дом «ЛИБРИКОМ», 2009. – 264 с. 13. Bianconi G. Interdisciplinary and physics challenges in network theory / G. Bianconi // Europhysics Letters. – 2015. – Vol. 11, № 5. – P.1-7. 14. Danilchuk G. Dynamics of graph spectral entropy in financial crisis / G. Danilchuk, V. Soloviev // Socio-economic aspects of economics and management. - Taunton, MA, USA. – 2015. – Vol. 2. – P. 227-234. 15. Соловйов В.М. Кількісні методи оцінки складності в прогнозуванні соціальноекономічних систем / В.М.Соловйов, К.В.Соловйова // В колект. монографії: «Прогнозування соціально-економічних процесів: сучасні підходи та перспективи». Бердянськ. - 2012.- с.141-155. 16. Соловйова В.В. Порівняльний аналіз динаміки фондового ринку України з використанням фрактальних мір складності / В.В.Соловйова, В.М.Соловйов, К.В.Соловйова // Вісник Черкаського університету, сер. «економічні науки», 2012. №33 (246). –С.51-58. 17. Соловйов В.М. Використання масштабно-залежних показників Ляпунова для дослідження складності фінансово-економічних систем / В.М.Соловйов, І.О.Стратійчук // Наука і економіка, науково-теоретичний журнал Хмельницького економічного університету, 2012. №4 (28), т2. -С.88-93. 18. Соловйов В.М. Рекурентні міри як метод кількісної оцінки складності / В.М.Соловйов, А.В.Батир // Вісник КНУТД, 2012, №5, с.254-257. 19. Соловйов В.М. Ентропія Тсалліса і неекстенсивні міри складності економічних систем / В.М.Соловйов, О.А.Сердюк // В колект. монографии «Модели оценки и анализа сложных социально- экономических систем».-Х.: ИД «ИНЖЕК», 2013.- С. 146-157. 20. Рибчинська О.М. Нереверсивні міри складності / О.М.Рибчинська, В.М.Соловйов, Д.М.Чабаненко // В колект. монографії «Інформаційні технології та моделювання в економіці: на шляху до міждисциплінарності».- Черкаси: Брама-Україна, 2013. – С. 100-108. 21. Дербенцев В.Д. Синергетичні та еконофізичні методи дослідження динамічних та структурних характеристик економічних систем: [Монографія] / В.Д. Дербенцев, О.А. Сердюк, В.М. Соловйов, О.Д. Шарапов – Черкаси: Брама-Україна, 2010. – 300 с. 22. Donner R.V. Recurrence-based time series analysis by means of complex network methods / R.V. Donner, M. Small, J.F. Donges, N. Marwan et.al. // [Електронний ресурс] – Режим доступу: arXiv:1010.6032v1 [nlin.CD] 25 Oct 2010. 23. Lacasa L. From time series to complex networks: The visibility graph / L. Lacasa, B. Luque, F. Ballesteros et.al. // PNAS. -2008. – V. 105, No 13. – P. 4972-4975. 24. Соловйов В.М. / В.М.Соловйов, О.А.Сердюк // В колект. монографії «Прикладні аспекти прогнозування розвитку складних соціально-економічних систем». – Бердянськ: Видавець Ткачук О. В, 2015. – С.149-164. 25. Індекси фондових ринків / [Електронний ресурс]. – Режим доступу: http:// finance.yahoo.com 26. Gephi [Електронний ресурс]. – Режим доступу : https://gephi.org/ | - |
| dc.description.abstract | З позицій міждисциплінарних теорій самоорганізації та синергетики проаналізовано сучасні підходи до моделювання соціально-економічних систем. Показано, що мережна парадигма складності є тим підґрунтям, на якому можна будувати прогностичні моделі складних систем. Розглянуто три підходи для перетворення часового ряду або сукупності часових рядів у мережу: рекурентний, кореляційний та метод графу видимості. Для отриманих мереж розраховані динамічні спектральні і топологічні міри складності. На прикладі щоденних значень фондового індексу S&P 500 за період 1984-2016рр. показано, що більшість з розрахованих мір складності поводять себе характерним чином у періоди часу, що характеризують різні фази поведінки і стани фондового ринку. Цей факт пропонується використовувати для моніторингу та прогнозування критичних та кризових явищ у складних соціально-економічних системах. | uk |
| dc.language.iso | uk | uk |
| dc.publisher | Видавництво ЧНУ ім. Б. Хмельницького | uk |
| dc.subject | теорія самоорганізації | uk |
| dc.subject | синергетика | uk |
| dc.subject | складні мережі | uk |
| dc.subject | міри складності | uk |
| dc.subject | часові ряди | uk |
| dc.subject | фондовий ринок | uk |
| dc.subject | криза | uk |
| dc.title | Мережні міри складності соціально-економічних систем | uk |
| dc.type | Article | uk |
| Розташовується у зібраннях: | Кафедра інформатики та прикладної математики | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| 67_79-1.pdf | Стаття | 963.08 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.