Структура магистерской диссертации включает в себя введение, три главы, заключение, список использованных источников. В первой главе рассмотрены понятие и сущность прибыли, характеристика ее видов, процесс ее формирования, а также этапы и характеристика методов планирования и прогнозирования прибыли на предприятии. Во второй главе проведен анализ финансово-хозяйственной деятельности ООО «УЭХК-ТЕЛЕКОМ» за 2017–2019 гг., рассчитана плановая прибыль на предстоящий отчетный период (2021 год) с использованием основных методов планирования. В третей главе выявлены проблемы и представлены направления развития, оптимизации, совершенствования системы планирования и прогнозирования прибыли ООО «УЭХК-ТЕЛЕКОМ». В заключении сформулированы выводы по проведенному исследованию. / The structure of the master's thesis includes an introduction, three chapters, a conclusion, a list of sources used. The first chapter discusses the concept and essence of profit, the characteristics of its types, the process of its formation, as well as the stages and characteristics of the methods of planning and forecasting profits at the enterprise. The second chapter analyzes the financial and economic activities of OOO UEHK-TELECOM for 2017–2019, calculates the planned profit for the upcoming reporting period (2021) using the main planning methods. In the third chapter, problems are identified and directions of development, optimization, improvement of the planning and profit forecasting system of OOO UEHK-TELECOM are presented. In the conclusion, the conclusions of the study are formulated.

В работе решается актуальная бизнес-задача проектирования алгоритма прогнозирования сырья для производственного косметического предприятия на базе машинного обучения, модель экстремального градиентного бустинга (XGBoost), продемонстрировавшая высокую точность и стабильность прогнозов. Собраны наборы данных, проведен анализ и исследованы методы прогнозирования спроса и сырья, включая модели прогнозирования ARIMA, SARIMA, Хольта-Винтерса, Prophet и различные модели машинного обучения. Использовались метрики: MAE, MSE и MAPE, R2. Статистические модели и модели на основе нейронных сетей, такие как LSTM, показали менее стабильные результаты, чем машинное обучение. Разработан комплексный алгоритм прогнозирования сырья, включающий этапы прогнозирования спроса и расчета потребности в сырье. Прототип алгоритма реализован с использованием Streamlit. Предложены рекомендации по внедрению алгоритма, включая интеграцию с существующими системами и расчет экономической эффективности. / The work solves the current business problem of designing a raw material forecasting algorithm for a cosmetics manufacturing enterprise based on machine learning, the extreme gradient boosting model (XGBoost), which has demonstrated high accuracy and stability of forecasts. Collected data sets, analyzed and researched demand and raw material forecasting methods including ARIMA, SARIMA, Holt-Winters, Prophet and various machine learning models. Metrics used: MAE, MSE and MAPE, R2. Statistical and neural network models such as LSTM have shown less consistent results than machine learning. A comprehensive algorithm for forecasting raw materials has been developed, including the stages of forecasting demand and calculating the need for raw materials. The algorithm prototype is implemented using Streamlit. Recommendations are offered for the implementation of the algorithm, including integration with existing systems and calculation of economic efficiency.

The rapid development and the transformation of the market relations provoke the volatility of the external environment of the enterprise. This determines the need to forecast financial and economic indicators, one of which is revenue. The purpose of the master's thesis is the development of revenue forecasting methodology, which will be useful in business analytics. The theoretical and applied issues of revenue forecasting are presented in the thesis. The following sources of information were used in the study: legal acts, papers in the Russian Science Citation Index (Elibrary resource), the educational literature, and corporate statistics on the subject of the research. The methodology of revenue forecasting, which includes methodological principles and stages of forecasting revenues, was proposed. The way of predicted estimates verification on the basis of ex-post forecast is the peculiarity of proposed methodology. The methodology was tested at the enterprise and the projected revenue estimates were obtained. The test confirmed the correctness of the proposed methodology. In conclusion directions for improving this methodology were presented. / Стремительное развитие и постоянная трансформация рыночных отношений, провоцирующие волатильность вешней среды предприятия, определяют необходимость прогнозирования ключевых финансово-экономических показателей, одним из которых является выручка. Целью магистерской диссертации является разработка методики прогнозирования выручки предприятия, которая будет являться вспомогательным инструментарием в прикладной бизнес-аналитике. В работе рассматриваются теоретические и прикладные вопросы прогнозирования выручки. В качестве источников информации использовались нормативно-правовые акты, база публикаций Российского индекса научного цитирования, представленная на ресурсе Elibrary, учебно-методическая литература, данные корпоративной статистики. В ходе написания магистерской диссертации была разработана методика прогнозирования выручки предприятия, включающая в себя методические принципы и этапы прогнозирования выручки. Особенностью методики является верификация прогнозных оценок методом ex-post. В результате апробации разработанной методики были получены прогнозные оценки выручки конкретного предприятия, которые подтвердили корректность предложенных подходов прогнозированию. В заключение были определены направления совершенствования разработанной методики.

The aim of this dissertation is to develop an ensemble algorithm for short-term electricity consumption forecasting and to assess the impact of meteorological factors and other features on the quality of the model. The work addresses issues related to improving the accuracy of electricity consumption forecasting using open meteorological data through ensemble machine learning methods and hyperparameter tuning algorithms. A review and analysis of existing methods for time series forecasting are conducted, taking into account the specific characteristics of electricity consumption time series forecasting. Additionally, a machine learning algorithm is developed using various factors as features for model training. The developed algorithm is tested on electricity consumption data from the Siberian Regional Dispatch Office. / Целью диссертационной работы является разработка ансамблевого алгоритма для краткосрочного прогнозирования электропотребления и оценка влияния на качество модели метеофакторов н других признаков. В работе рассматриваются вопросы повышения точности прогнозирования электропотребления с использованием открытых метеорологических данных с применением ансамблевых методов машинного обучения, и алгоритма подбора гиперпараметров моделей. В работе проведен обзор и анализ существующих методов для прогнозирования временных рядов с учетом особенностей прогнозирования временного ряда электропотребления. Также в работе разработан алгоритм машинного обучения с использованием различных факторов в качестве признаков для обучения моделей. Разработанный алгоритм протестирован на данных электропотребления в зоне ответственности ОДУ Сибири.

No description available.

No description available.

Описаны методы прогнозирования нагрузки удостоверяющего центра, т. е. колчиества присланных заявок в удостоверяющий центр. / The methods of prdiction the load of the certifying center are described, that is the number of sent applications to the certifying center.

Final qualifying work (master's thesis) is devoted to the study of planning and forecasting system financial results of credit organizations. The subject of the study is the methodological and methodical problems of planning and forecasting efficiency, rationalization of the structure of the strategic plan. The main purpose of the master's thesis is to develop and scientific substantiation of theoretical and methodological provisions about planning and forecasting financial results activity of banks, identify problems in the existing system and propose ways to solve them. In conclusion, the recommendations for improving the financial planning and forecasting system. / Выпускная квалификационная работа (магистерская диссертация) посвящена исследованию системы планирования и прогнозирования финансовых результатов кредитных организаций. Предметом исследования выступают методологические и методические проблемы эффективности планирования и прогнозирования, рационализации структуры стратегического плана. Основной целью магистерской диссертации является разработка и научное обоснование теоретических и методических положений о планировании и прогнозировании финансовых результатов деятельности банка, выявлении проблем в существующей системе и предложении путей их решения. В заключении обозначены рекомендации по совершенствованию системы финансового планирования и прогнозирования.

In this work, a comparative analysis of basic models with classical methods was carried out, a conclusion was formed on the possibility of practical application of basic models for forecasting time series. In the first part of the work, a theoretical analysis of the available literature on the topic of the study was carried out, the main features of modern basic models were studied. In the second chapter of the work, a scheme of the experiments was presented. A list of classical forecasting methods used in the study is provided, the process of their automated training using the AutoGluon framework is described. Among the basic models, the following were selected: Chronos, TimeGPT and Lag-Llama. The Chronos model was used only in the mode without examples, and the Time-GPT and Lag-Llama models, in addition, were evaluated after fine-tuning. To conduct the assessment, reference data sets from the Monash Repository were selected. In the third chapter of the work, the obtained results were interpreted and recommendations for the use of basic models in forecasting were formulated. / В данной работе был проведен сравнительный анализ базисных моделей с классическими методами, сформирован вывод о возможности практического применения базисных моделей для прогнозирования временных рядов. В первой части работы был проведен теоретический анализ доступной литературы по теме исследования, изучены основные особенности современных базисных моделей. Во второй главе работы была представлена схема проводившихся экспериментов. Приведен перечень классических методов прогнозирования, используемых в исследовании, описан процесс их автоматизированного обучения с применением фреймворка AutoGluon. Среди базисных моделей были выбраны: Chronos, TimeGPT и Lag-Llama. Модель Chronos использовалась только в режиме без примеров, а модели Time-GPT и Lag-Llama, помимо этого, оценивались после точной настройки. Для проведения оценки были выбраны эталонные наборы данных из Monash Repository. В третьей главе работы была проведена интерпретация полученных результатов, сформулированы рекомендации по использованию базисных моделей в прогнозировании.

The aim of this work is to develop a method for constructing an optimal dynamic topology of a 6/10 kV distribution network using a network sectioning algorithm (operation of switching devices) based on load forecasting to achieve the best indicators in terms of quality, reliability, and reduction of technological losses. / Целью работы является разработка метода построения оптимальной динамической топологии распределительной сети 6/10 кВ с применением алгоритма секционирования сети (работы коммутационных аппаратов) на основе прогноза нагрузки для достижения наилучших показателей по качеству, надежности, снижению технологических потерь.