New trends in the analysis and modeling of the flows of international capital

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Significant changes in the global economy caused by the unstable geopolitical situation and extraordinary macroeconomic conditions dictate the need to create new approaches to analytics. One of the most volatile components of cross-border capital flows is direct foreign investments.
The authors analyzed current trends and approaches to forecasting of direct foreign investments. As result of the research, a model based on modern mathematical methods was developed. This article presents and describes the architecture of intelligent forecasting of foreign direct investment based on the compositional method of machine learning. The authors highlight the key advantages of the developed approach in comparison with traditional forecasting methods.

About the authors

Valeriy Viktorovich Ivanov

Far Eastern Branch of the Russian Foreign Trade Academy of the Ministry of Economic Development of the Russian Federation

Email: vivanov13@mail.ru

Yuriy Karenovich Sarkisyants

Far Eastern Branch of the Russian Foreign Trade Academy of the Ministry of Economic Development of the Russian Federation

Email: Ysark98@gmail.com

References

  1. 1. Буклемишев О. В. Структурная трансформация российский экономики и экономическая политика // Проблемы прогнозирования. – 2023. – № 4. – c. 42-53. – doi: 10.47711/0868-6351-199-42-53.
  2. 2. Московцева Л.В., Кисова А.Е., Митрофанова О.Н. Роль иностранных инвестиций в устойчивом развитии экономики России // Экономика, предпринимательство и право. – 2022. – № 10. – c. 2795-2806. – doi: 10.18334/epp.12.10.116315.
  3. 3. Кудряшов А. Л. Прямые иностранные инвестиции в финансовую систему России в условиях санкционного давления // Вестник евразийской науки. – 2023. – № 1.
  4. 4. Лыткин С.О. Привлечение прямых иностранных инвестиций: проблемы и пути решения в условиях санкций // Экономика, предпринимательство и право. – 2022. – № 6. – c. 1841-1854. – doi: 10.18334/epp.12.6.114815.
  5. 5. Мусатова М.М., Лугачева Л.И. Взаимосвязи динамики фондов прямых инвестиций и макроиндикаторов: зарубежный опыт моделирования // Российское предпринимательство. – 2018. – № 12. – c. 3625-3636. – doi: 10.18334/rp.19.12.39653.
  6. 6. Панков Н.Н. Регрессионная модель инвестиций в основной капитал с динамическими структурными параметрами // Информация и инновации. – 2021. – № 1. – c. 29-39. – doi: 10.31432/1994-2443-2021-16-1-29-39.
  7. 7. Терехов А.М. Прогнозирование инвестиций в основной капитал // Вестник университета. – 2022. – № 1(7). – c. 145-154. – doi: https://doi.org/10.26425/1816-4277-2022-7-145-154.
  8. 8. Драпкин И. М., Мариев О. С., Галенкова А. Д. Институциональные факторы активизации привлечения прямых иностранных инвестиций в экономику развивающихся стран // Экономика региона. – 2019. – № 3. – c. 952-966. – doi: 10.17059/2019-3-24.
  9. 9. Leitão Nuno Carlos A Gravity Model Analysis of Portuguese Foreign Direct Investment // Economies. – 2023. – № 11. – p. 237. – doi: https://doi.org/10.3390/economies11090237 Parse.
  10. 10. Кабанов С.С., Францева-Костенко Е.Е. Циклическая теория экономического развития и ее актуальность для прогнозирования экономики России // Креативная экономика. – 2023. – № 1. – c. 129-148. – doi: 10.18334/ce.17.1.116903.
  11. 11. Татузов В.Ю. Динамика прямых иностранных инвестиций: анализ ипрогнозирование (с использованием длинных волн). ВЭО России. научная конференция. –февраль 2023 г. [Электронный ресурс]. URL: https://www.imemo.ru/files/File/ru/conf/2023/Tatuzov-16022023.pdf (дата обращения: 05.11.2023).
  12. 12. Татузов В.Ю. Прямые иностранные инвестиции и западноевропейская интеграция: некоторые циклические факторы // Вестник Московского университета. – 2021. – № 3. – c. 3-19. – doi: 10.38050/01300105202131.
  13. 13. Платежный баланс, международная инвестиционная позиция и внешний долг Российской Федерации. Банк России. [Электронный ресурс]. URL: https://cbr.ru/statistics/macro_itm/svs/p_balance/ (дата обращения: 10.11.2023).
  14. 14. Переобучение (overtraining). [Электронный ресурс]. URL: https://wiki.loginom.ru/articles/overtraining.html (дата обращения: 03.11.2023).
  15. 15. Мета-обучение. Итмоurl. [Электронный ресурс]. URL: https://neerc.ifmo.ru/wiki/index.php?title=Мета-обучение#:~:text=Мета-обучение(англ.,%3A%20задачи%20описываются%20мета-признаками (дата обращения: 20.10.2023).
  16. 16. Feed-forward neural network. Stanford University. [Электронный ресурс]. URL: https://cs.stanford.edu/people/eroberts/courses/soco/projects/neural-networks/Architecture/feedforward.html (дата обращения: 08.09.2023).
  17. 17. Уткин Л.В. Композиционные методы машинного обучения. [Электронный ресурс]. URL: https://levutkin.github.io/files/Machine_Learning_LTU_7.pdf (дата обращения: 20.11.2023).

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2026 Ivanov V.V., Sarkisyants Y.K.