<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Інтелектуальні системи управління ризиками на європейських енергетичних ринках

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

Альтернативна назва

Intelligent risk management systems in european energy markets

Анотація

На основі алгоритмів машинного навчання запропоновано метод прогнозування ризиків на європейських енергетичних ринках. Робота спрямована на розробку інтелектуальних систем управління ризиками, які використовують передові технології штучного інтелекту для оцінки та мінімізації потенційних загроз. Використовуючи історичні дані та актуальні тренди ринку, представлено комплексний підхід до визначення цінової волатильності ризикованих зон на енергетичних ринках. Дослідження демонструє, як штучний інтелект може підвищити ефективність рішень, прийнятих керівниками на енергетичних ринках, та забезпечити більш стійке управління ресурсами в умовах зростаючої невизначеності. Результати показують, що використання комплексних алгоритмів машинного навчання та аналізу даних може значно підвищити точність прогнозування ризиків та сприяти прийняттю обґрунтованих управлінських рішень.
Based on machine learning algorithms, a method for predicting risks in the European energy markets has been proposed. The work is aimed at developing intelligent risk management systems that utilize advanced artificial intelligence technologies for assessing and minimizing potential threats. Utilizing historical data and current market trends, a comprehensive approach to identifying price volatility and risk zones in the energy markets is presented. The study demonstrates how artificial intelligence can enhance the effectiveness of decisions made by managers in the energy markets and ensure more sustainable resource management in conditions of increasing uncertainty. The results show that the use of complex machine learning algorithms and data analysis can significantly improve the accuracy of risk prediction and contribute to the adoption of well-founded managerial decisions.

Опис

Тип документа

Мова

Посилання на публікацію

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Поплавський О. А., Сорока О. І., Літвін М. О., Поплавський А. В. Інтелектуальні системи управління ризиками на європейських енергетичних ринках // Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2024. № 1. С. 233-239. URI: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/698.

Зібрання

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (1)

  1. 1. Lin, J., Jia, S., & Deng, J. (2017). Smart risk management with financial big data. 2017 IEEE/SICE International Symposium on System Integration (SII). DOI:10.1109/SII.2017.8279189 2. Karthik V, K. (2023). Applications of Machine Learning in Predictive Analysis and Risk Management in Trading. International Journal of Innovative Research in Computer Science and Technology. DOI: 10.55524/ijircst.2023.11.6.4. 3. Aziz, S., & Dowling, M. (2018). Machine Learning and AI for Risk Management. Disrupting Finance. DOI: 10.1007/978-3-030-02330-0_3 4. Fei Wu, Dayong Zhang, Qiang Ji. (2021). Systemic risk and financial contagion across top global energy companies. Energy Economics, 97, 105221. DOI: 10.1016/J.ENECO.2021.105221 5. M. Naeem, Faruk Balli, S. Shahzad, A. Bruin. (2020). Energy commodity uncertainties and the systematic risk of US industries. Energy Economics, 85, 104589. DOI: 10.1016/j.eneco.2019.104589 6. Li, R.-P., Mukaidono, M., & Turksen, I. B. (2002). A fuzzy neural network for pattern classification and feature selection. Fuzzy Sets and Systems, 130(1), 101-108. DOI: 10.1016/S0165-0114(02)00050-7 7. Giacinto, G., & Roli, F. (2001). Design of effective neural network ensembles for image classification purposes. Image and Vision Computing, 19(9-10), 699-707. DOI: 10.1016/S0262-8856(01)00045-2 8. Arsenault, H.H., Sheng, Y., Jouan, A., & Lejeune, C. (1988). Improving The Performance Of Neural Networks. Photonics West - Lasers and Applications in Science and Engineering. DOI:10.1117/12.944103 9. Poplavskyi, Oleksandr. (2024). Modern methods of risk management in Ukrainian energy markets. Management of Development of Complex Systems 10. Cho, S.-B. (1999). Pattern recognition with neural networks combined by genetic algorithm. Fuzzy Sets and Systems, 103(1), 339-347. DOI: 10.1016/S0165-0114(98)00232-2 11. Kaklauskas, A., Dzemyda, G., Tupėnaitė, L., Voitau, I., Kurasova, O., Naimaviciene, J., Rassokha, Y., & Kanapeckiene, L. (2018). Artificial Neural Network-Based Decision Support System for Development of an Energy-Efficient Built Environment. Energies, 11(8), 1994. DOI: 10.3390/EN11081994 12. Pinto, T., Sousa, T., Praça, I., Vale, Z., & Morais, H. (2016). Support Vector Machines for decision support in electricity markets' strategic bidding. Neurocomputing, 172, 438-445. DOI: 10.1016/j.neucom.2015.03.102.