Агропродовольственные системы все больше подвержены экономической нестабильности, вызванной действием широкого спектра факторов, проблемы с идентификацией которых затрудняют предсказуемость их функционирования. Статья направлена на формирование теоретико-методических основ нейросетевого прогнозирования агропродовольственных систем. Методологической базой исследования послужили теория интеграции в приложении к предприятиям агропромышленного сектора и системный подход. Использовался комплекс общенаучных и специальных методов, включая элементы статистического анализа. Предложена авторская трактовка понятия «агропродовольственная система» как совокупности взаимосвязанных экономических субъектов, охватывающих весь цикл производства, хранения, переработки, распределения и потребления продуктов питания, объединенных и взаимодействующих между собой на основе экономических отношений и обеспечивающих достижение индивидуальных и совокупных системных эффектов. Сформирована структурная схема интеграции и взаимодействия элементов агропродовольственной системы, включающих экономические субъекты сельского хозяйства и продовольственного сектора, вертикально интегрированные структуры, домашние хозяйства населения. Обоснован концептуальный подход к систематизации эндогенных и экзогенных факторов прогнозирования. Экзогенные факторы были классифицированы как факторы первого и второго уровня по отношению к экономическим субъектам в зависимости от оказываемого влияния. Анализ особенностей проявления экзогенных факторов в функционировании агропродовольственной системы РФ выявил ее нестабильность, связанную с высокой волатильностью факторов данного типа, что определяет актуальность построения прогностических моделей на основе нейронных сетей. Результаты исследования способствуют более глубокому пониманию влияния различных факторов на параметры функционирования агропродовольственной системы и помогают разрабатывать соответствующие методы прогнозирования с использованием нейронных сетей.
Проблема прогнозирования уровня безработицы в Республике Беларусь остается актуальной в условиях динамично изменяющейся экономической среды. Традиционные методы прогнозирования, основанные на официальной статистике, зачастую не учитывают оперативные изменения на рынке труда, что снижает их точность. В то же время данные поисковых запросов доказали свою эффективность в качестве опережающих индикаторов в других странах, однако, их применение в Беларуси остается неизученным. Статья посвящена оценке возможности использования данных поисковых запросов для повышения точности прогнозирования уровня безработицы в Республике Беларусь. Методологическую основу исследования сформировали теоретические положения макроэкономики и модели SARIMA, VAR и SARIMAX. Методы включали декомпозицию временных рядов, тест Дики – Фуллера для оценки стационарности, дифференцирование, стандартизацию данных и тест Грейнджера на причинность. Информационную базу составили данные Национального статистического комитета Республики Беларусь об уровне безработицы за 2015–2024 гг. и данные о поисковых запросах Google, связанные с поиском работы. Выявлено, что модель SARIMAX с включением данных о поисковых запросах превосходит классические модели прогнозирования безработицы, демонстрируя минимальные ошибки. Согласно этой модели, прогнозные значения уровня безработицы показали тенденцию к снижению, что отражает устойчивую динамику улучшения ситуации на рынке труда Республики Беларусь. Полученные результаты подчеркивают значимость комбинирования традиционных данных с цифровыми метриками для повышения точности прогнозов, а также открывают перспективы для дальнейших исследований в области применения интернет-данных для социально-экономического анализа, включая разработку более совершенных моделей прогнозирования безработицы