Українська
Отримано 03.12.2023, Доопрацьовано 05.03.2024, Прийнято 18.04.2024
Динамічне моделювання тіньової економіки стає невід'ємною складовою сучасної економічної аналітики. Воно дозволяє враховувати складні взаємозв'язки та динаміку явища тіньової економіки, що є критичним для аналізу її впливу на глобальні фінансові та економічні процеси в країні та поза її межами. Використання даних в режимі реального часу та інтелектуальних алгоритмів допомагає виявляти зміни та тенденції, що є ключовим для прогнозування та управління у змінному економічному середовищі. Метою цього дослідження є розгляд та структурування чотирьох типів динамічних математичних моделей, спрямованих на аналіз та прогнозування явищ тіньової економіки України з метою вдосконалення політики та стратегій управління, які мають на меті зменшення негативного впливу явища неформальної економічної діяльності на економіку України та суспільство. В результаті проведеного дослідження було розглянуто головні методи таких динамічних моделей: агентні моделі (ABM), динамічні стохастичні моделі загальної рівноваги (DSGE), макроекономічні моделі, моделі часових рядів; а також, як вони пов’язані з тіньовою економікою, а також був проведений порівняльний аналіз застосування цих типів моделей для моделювання тіньової економіки
тіньова економіка; математичне моделювання; динамічні моделі; економетричні методи; часові ряди
[1] Fève, P., Moura, A., & Pierrard, O. (2019). Shadow banking and financial regulation: A small-scale DSGE perspective. Journal of Economic Dynamics and Control, 101, 130-144. doi: 10.1016/j.jedc.2019.02.001.
[2] Costa Junior, C.J., Garcia-Cintado, A.C., & Usabiaga, C. (2021). Fiscal adjustments and the shadow economy in an emerging market. Macroeconomic Dynamics, 25(7), 1666-1700. doi: 10.1017/S1365100519000828.
[3] Hokamp, S., & Seibold, G. (2014). How much rationality tolerates the shadow economy? – an agent-based econophysics approach. In B. Kamiński & G. Koloch (Eds.), Advances in social simulation. Advances in intelligent systems and computing (Vol. 229, pp. 109-120). Springer. doi: 10.1007/978-3-642-39829-2_11.
[4] Dell’Anno, R., Gómez-Antonio, M., & Pardo, A. (2007). The shadow economy in three Mediterranean countries: France, Spain and Greece. A MIMIC approach. Empirical Economics, 33, 51-84. doi: 10.1007/s00181-006-0084-3.
[5] Dybka, P., et al. (2019). Currency demand and MIMIC models: Towards a structured hybrid method of measuring the shadow economy. International Tax and Public Finance, 26, 4-40. doi: 10.1007/s10797-018-9504-5.
[6] Gasparėnienė, L., Remeikienė, R., Ginevičius, R., & Schieg, M. (2018). Adoption of MIMIC model for estimation of digital shadow economy. Technological and Economic Development of Economy, 24(4), 1453-1465. doi: 10.3846/20294913.2017.1342287.
[7] Boitan, I.A., & Ștefoni, S.E. (2023). Digitalization and the shadow economy: Impact assessment and policy implications for EU countries. Eastern European Economics, 61(2), 152-180. doi: 10.1080/00128775.2022.2102508.
[8] Alm, J., & Embaye, A. (2013). Using dynamic panel methods to estimate shadow economies around the world, 1984-2006. Public Finance Review, 41(5), 510-543. doi: 10.1177/1091142113482353.
[9] Miroshnychenko, H.O. (2011). Modeling the dynamic equilibrium of the economic system. Efektyvna ekonomika, 7.
[10] De Grauwe, P. (2010). The scientific foundation of dynamic stochastic general equilibrium (DSGE) models. Public Choice, 144, 413-443. doi: 10.1007/s11127-010-9674-x.
[11] Colacito, R., Engle, R.F., & Ghysels, E. (2011). A component model for dynamic correlations. Journal of Econometrics, 164(1), 45–59. https://doi.org/10.1016/j.jeconom.2011.02.013
[12] Lukianenko, I.H. (2003). Dynamic macroeconomic models: A new conceptual approach. Kyiv: KM “Academia”.
English