Отримано 04.11.2024, Доопрацьовано 21.02.2025, Прийнято 25.03.2025
Метою дослідження було проаналізувати перспективи розвитку української економіки з урахуванням циклічності та коливань економічних процесів, які спровоковані як еволюційними тенденціями, так і коливаннями форс-мажорних обставин. Побудова моделі кластерного аналізу дала змогу визначити пріоритетні види економічної діяльності та довести значущість їх впливу на економічний розвиток країни. Аналіз тенденцій розвитку економіки та її пріоритетних видів економічної діяльності досліджено для двох періодів розвитку: нормального та форс-мажорного. Дослідження показало, що економічні процеси в країні мають нелінійні траєкторії розвитку. Тому для прогнозування розвитку економіки країни використовувалися метод спектрального аналізу та метод адаптивного прогнозування. Аналіз нелінійності розвитку пріоритетних видів економічної діяльності показав їх вплив на хвилеподібний характер розвитку національної економіки. «Сільське, лісове та рибне господарство», «Переробна промисловість» та «Оптова та роздрібна торгівля; Ремонт автотранспортних засобів і мотоциклів» були визначені як найбільш домінуючі види економічної діяльності за результатами кластерного аналізу. Аналіз розвитку циклічних складових за допомогою спектрального аналізу підтвердив існування коінтеграційних ефектів, коли циклічні компоненти в резонансних точках кризи посилюють загальноекономічну кризу. Визначено локальні точки біфуркації як кризові точки національної економіки та доведено, що вони спровоковані економічними коливаннями її пріоритетних видів економічної діяльності. У результаті було розроблено три основні сценарії управління національною економікою – сценарій підтримки, сценарій кризи та сценарій зростання; для кожного сценарію розроблено загальні рекомендації щодо регулювання національної економіки
види економічної діяльності; цикл; часові ряди; адаптивна модель прогнозування; сценарій розвитку
[1] Adair, P., & Nezhyvenko, O. (2021). Tugan-Baranovsky’s business cycle theory and French economists: Inspiration and legacy. Scientific Papers NaUKMA. Economics, 6(1), 3-7. doi: 10.18523/2519-4739.2021.6.1.3-7.
[2] Ahmadova, E. (2021). Identification of a cyclical component in the socio-economic development of Azerbaijan. SSRN. doi: 10.2139/ssrn.3936446.
[3] Babirath, J., Malec, K., Schmitl, R., Maitah, K., & Maitah, M. (2020). Forecasting based on spectral time series analysis: Prediction of the Aurubis stock price. Investment Management and Financial Innovations, 17(4), 215-227. doi: 10.21511/imfi.17(4).2020.20.
[4] Bosi, S., & Ha-Huy, T. (2024). Long-run cycles in a growth model with natural externalities. Environmental Modeling & Assessment, 29, 201-221. doi: 10.1007/s10666-023-09926-w.
[5] Brandt, A., & Manzoni, S. (2020). Introduction to spectral and correlation analysis: Basic measurements and methods. In R. Allemang & P. Avitabile (Eds.), Handbook of experimental structural dynamics (pp. 1-30). New York: Springer. doi: 10.1007/978-1-4939-6503-8_7-1.
[6] Dobrovolska, O., Kolotilina, O., & Ostapenko, M. (2024). Forecasting macroeconomic dynamics in Ukraine: The impact of a full-scale war. SocioEconomic Challenges, 8(3), 211-237. doi: 10.61093/sec.8(3).211-237.2024.
[7] Fair, R.C. (2025). Macroeconomic modeling: The cowles commission approach. Cambridge: The MIT Press. doi: 10.7551/mitpress/15639.001.0001.
[8] Husenova, A., Aliyeva, T., & Rzayeva, U. (2022). Investigation of the relationship between the dynamics of GDP and economic sentiment index. Eastern-European Journal of Enterprise Technologies, 5(13(119)), 60-72. doi: 10.15587/1729-4061.2022.265656.
[9] International Monetary Fund. (2024). World economic outlook 2024 apr. Steady but slow: Resilience amid divergence. Washington: International Monetary Fund.
[10] Kosarchyn, M. (2023). Global financial cycle: Impact on Ukraine. Development Management, 22(4), 16-24. doi: 10.57111/devt/4.2023.16.
[11] Li, C. (2024). Driving growth amidst challenges: Chinas economic focus for 2024. Advances in Economics, Management and Political Sciences, 87, 223-228. doi: 10.54254/2754-1169/87/20241023.
[12] Li, X., & He, Z. (2023). Nature and causes of economic fluctuations: Evidence from the U.S. based on a nonlinear autoregressive integrated process. International Journal of Empirical Economics, 2(3), article number 2350010. doi: 10.1142/S2810943023500105.
[13] Mykhailov, V., & Kulynych, R. (2023). Socio-economic cycles: Theoretical interpretation and statistical evaluation. Herald of Khmelnytskyi National University. Economic Sciences, 324(6), 413-423. doi: 10.31891/2307-5740-2023-324-6-65.
[14] OECD. (n.d.). Retrieved from https://www.oecd.org/en/data.html.
[15] Pasichnyk, T.O. (2024). The theoretical and methodological aspects of economic growth and economic development. The Problems of Economy, 2(60), 213-222. doi: 10.32983/2222-0712-2024-2-213-222.
[16] Petrakos, G., Sfakianakis, G., Vavoura, C., & Vavouras, I. (2023). An empirical investigation of the interactions between governance and economic growth in the case of Greece. Theoretical Economics Letters, 13, 1684-1697. doi: 10.4236/tel.2023.137097.
[17] Prymostka, O., & Chub, P. (2021). Evolution of theories of cyclical economic development. Business Navigator, 2(63), 17-22. doi: 10.32847/business-navigator.63-3.
[18] Rădulescu, V., Gâf-Deac, I., Loredana Popescu, M., & Dima, C. (2024). Business cycle dynamics in the Romanian economy: Phases and developments. European Journal of Sustainable Development, 13(4), 47-56. doi: 10.14207/ejsd.2024.v13n4p47.
[19] Rayevnyeva, O., Brovko, О., & Rui, S. (2023a). Computer-mathematical modeling of the influence of the macro-environment on the economic behavior of the enterprise. In 2023 7th international symposium on multidisciplinary studies and innovative technologies (pp. 1-6). Ankara: IEEE. doi: 10.1109/ISMSIT58785.2023.10304994.
[20] Rayevnyeva, O., Stryzhychenko, K., & Matúšová, S. (2023b). Impact of migration processes on GDP. Engineering Proceedings, 39(1), article number 86. doi: 10.3390/engproc2023039086.
[21] Sievidova, I., Susidenko, O., & Holovko, O. (2024). Logical modeling of economic reforms in Ukraine. Collection of Scientific Papers “Scientific Notes”, 37(4), 148-155. doi: 10.33111/vz_kneu.37.24.04.13.089.095.
[22] State Statistics Service of Ukraine. (n.d.). Retrieved from http://www.ukrstat.gov.ua.
[23] Statista. (n.d.). Retrieved from https://www.statista.com.
[24] Tkacova, A., & Gavurova, B. (2023). Economic sentiment indicators and their prediction capabilities in business cycles of EU countries. Oeconomia Copernicana, 14(3), 977-1008. doi: 10.24136/oc.2023.029.
[25] UNESCO Institute for Statistics. (n.d.). Retrieved from https://uis.unesco.org/.
[26] Wang, G., & Kong, W. (2023). Research on the path of stable economic growth. Frontiers in Business Economics and Management, 8(1), 62-65. doi: 10.54097/fbem.v8i1.5846.
[27] World Bank. (n.d.). Retrieved from https://www.worldbank.org/en/home.
[28] World Development Indicators. (n.d.). Retrieved from https://databank.worldbank.org/source/world-development-indicators.
[29] Zhe, S. (2024). Analysis of policy options based on data-driven economic cycles and industrial structure upgrading. Salud Ciencia y Tecnología – Serie de Conferencias, 3, article number 796. doi: 10.56294/sctconf2024796.