ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Аналіз взаємозв’язку між факторами ризику країни та ефективністю логістики за допомогою Баєсових мереж
Дмитришин Л. І., Петришак П. В.

Дмитришин Л. І., Петришак П. В. Аналіз взаємозв’язку між факторами ризику країни та ефективністю логістики за допомогою Баєсових мереж. Бізнес Інформ. 2025. №1. C. 160–171.
https://doi.org/10.32983/2222-4459-2025-1-160-171

Розділ: Економіко-математичне моделювання

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 332.1+656

Анотація:
Мета статті полягає в тому, щоб кількісно дослідити залежності між факторами ризику країни та показниками Індексу ефективності логістики (Logistic Performance Index – LPI). У статті проведено аналіз досліджень, що вивчають зв’язок між ефективністю логістики та соціально-економічними факторами на рівні країни, в тому числі ризиками країни. Встановлено, що залишається невивченим, як різні фактори ризику країни можуть впливати на різні показники ефективності логістики. Оцінку LPI представлено як середньозважену величину за шістьма показниками: митниця, інфраструктура, міжнародні відправлення, логістична компетентність та якість, своєчасність і відстеження. Для представлення ризику країни обрано такі його фактори: інвестиційний, економічний, фінансовий, політичний, екологічний та корупційний ризики. Проведений кореляційний аналіз дав змогу встановити, що всі фактори ризику країни можуть бути не однаково важливими стосовно різних показників LPI. Тому для визначення відносної важливості факторів ризику країни щодо різних показників LPI запропоновано використати Баєсові мережі довіри (Bayesian Belief Networks – BBN). Такий вибір методу зумовлений тим, що інші методи не здатні ефективно моделювати й аналізувати різні сценарії «що-якщо» в умовах імовірнісної мережі. Саме BBN перевершує їх завдяки своїй здатності аналізу прямого та зворотного умовного зв’язку. Визначення структури Баєсової мережі здійснено на основі вбудованих алгоритмів програмного середовища Hugin. Навчання структури виконано за допомогою різних алгоритмів: PC, NPC, Greedy search-and-score, Chow-Liu tree, Naive Bayes та ін. Встановлено, що з найвищою точністю даний набір даних описує алгоритм Баєса з доповненим деревом (TAN). За даним алгоритмом визначено розподіли ймовірностей окремих ризиків, що впливають на LPI, та критично важливі показники LPI. Побудована Баєсова мережа була проаналізована на низьку та високу результативність окремих показників LPI, щоб отримати уявлення про профіль ризику країн. Зокрема, досліджено зворотне поширення впливу окремих ризиків на показники LPI у випадку зниження ризиків, а також зворотне поширення впливу LPI та логістичної компетентності та якості на окремі види ризиків країн. Результати цього дослідження можуть бути корисні при розподілі обмежених ресурсів на критичні фактори ризику на основі конкретного профілю ризику країни.

Ключові слова: логістика, логістична мережа, ризик країни, фактори ризику, Баєсова мережа, програмне середовище Hugin.

Рис.: 8. Табл.: 3. Бібл.: 14.

Дмитришин Леся Ігорівна – доктор економічних наук, професор, завідувач кафедри, кафедра економічної кібернетики, Прикарпатський національний університет імені Василя Стефаника (вул. Шевченка, 57, Івано-Франківськ, 76018, Україна)
Email: [email protected]
Петришак Павло Васильович – аспірант, кафедра економічної кібернетики, Прикарпатський національний університет імені Василя Стефаника (вул. Шевченка, 57, Івано-Франківськ, 76018, Україна)
Email: [email protected]

Список використаних у статті джерел

Дмитришин Л. І., Петришак П. В. Дослідження взаємозв’язку між факторами ризику країни та ефективністю логістичних мереж. Current scientific goals, approaches and challenges: III International Scientific and Theoretical Conference (Рига, Латвійська Республіка, 17 січня 2025 р.). SCIENTIA, 2025. С. 37-40.
Волоснікова Н. М. Управління ефективністю функціонування логістичної системи підприємства на мікро- та макроекономічному рівні. Дослідження та оптимізація економічних процесів «Оптимум–2020» : труди XVI Міжнародної науково-практичної конференції (м. Харків, 2–4 грудня 2020 р.). Харків, 2020. С. 175–177. URL: https://repository.kpi.kharkov.ua/server/api/core/bitstreams/977f4c89-9529-4c7d-87e3-435855e3c8c2/content
Мельникова К. В. Ефективність діяльності логістичних систем. Бізнес Інформ. 2021. № 12. С. 283–287. DOI: https://doi.org/10.32983/2222-4459-2021-12-283-287
Зубров С. М., Молчанов О. В. Ефективний логістичний менеджмент в умовах глобальних ризиків та трансформацій для України. Економіка: реалії часу. 2024. № 3. С. 104–112. DOI: 10.15276/ETR.03.2024.10
Павлова Г. Є., Бабій І. В., Воловик Д. В. Становлення логістики на рівні міжнародних економічних відносин. Innovation and Sustainability. 2022. № 2. С. 139–146. DOI: https://doi.org/10.31649/ins.2022.2.139.146
Qazi A., Simsekler M. C. E., Formaneck S. Impact assessment of country risk on logistics performance using a Bayesian belief network model. Kybernetes. 2022. Vol. 52. Iss. 5. P. 1620–1642. DOI: https://doi.org/10.1108/K-08-2021-0773
Gocer А., Ozpeynirci O., Semiz M. Logistics performance index-driven policy development: An application to Turkey. Transport Policy. 2022. Vol. 124. P. 20–32. DOI: https://doi.org/10.1016/j.tranpol.2021.03.007
Logistics Performance Index (LPI). World Bank. URL: https://lpi.worldbank.org/
Country Risk Information. AM Best. URL: https://www3.ambest.com/ratings/cr/crisk.aspx
A Global View: Interactive ESG Index Risk Map. Global Risk Profile Corruption. URL: https://risk-indexes.com/esg-index/
Interactive Global Corruption Index Risk Map. Risk Watch Initiative. URL: https://risk-indexes.com/global-corruption-index/
Spirtes P., Glymour C., Scheines R. Causation, Prediction, and Search. 2nd ed. MIT Press. Adaptive Computation and Machine Learning, 2000. 568 р.
NPC Algorithm. HUGIN GUI. URL: https://download.hugin.com/webdocs/manuals/9.2/htmlhelp/pages/Manual/Algorithms/NPC_Algorithm.html
Chow K., Liu C. N. Approximating Discrete Probability Distributions with Dependence Trees. IEEE Transsctions on Information Theory. 1968. Vol. 14. Iss. 3. Р. 462–467. DOI: 10.1109/TIT.1968.1054142

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру