<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>Студии</title>
<link>http://hdl.handle.net/10610/3</link>
<description/>
<pubDate>Tue, 17 Nov 2026 16:24:19 GMT</pubDate>
<dc:date>2026-11-17T16:24:19Z</dc:date>
<item>
<title>Емпирична оценка на модели за прогнозиране на търсенето при ценови промени: от класически статистически подходи към алгоритми с машинно обучение</title>
<link>http://hdl.handle.net/10610/5365</link>
<description>Емпирична оценка на модели за прогнозиране на търсенето при ценови промени: от класически статистически подходи към алгоритми с машинно обучение
Митков, Иван
В съвременната търговия на дребно честите ценови промени – както намаления (промоции), така и увеличения, са основен двигател на пазарната динамика и представляват критично предизвикателство за управлението на запасите. В настоящата публикация се извършва сравнителен анализ на пет различни класа модели за прогнозиране на търсенето на бързооборотни стоки в условията на висока ценова волатилност. Обхващат се класически статистически модел (SARIMAX), базови модели на машинното обучение (линейна регресия), ансамблови модели (Random Forest) и специализирани адитивни (Prophet) и невронно-мрежови модели (NeuralProphet). Прилага се методология на Rolling Origin Evaluation, при която прогнозите се генерират за хоризонти от 7, 14 и 21 дни след настъпването на три последователни ценови промени. Резултатите, оценени чрез медианна абсолютна грешка (MedAE) и средна абсолютна процентна грешка (MAPE), категорично показват, че нелинейните модели, базирани на невронни мрежи (NeuralProphet) и ансамбли (Random Forest), постигат значително по-висока точност спрямо останалите подходи. Изводите потвърждават хипотезата, че способността за моделиране на нелинейни зависимости и използването на авторегресионни (lagged) компоненти са ключови за успешното прогнозиране на търсенето в динамична ценова среда.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/10610/5365</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Корпоративна социална отговорност във фармацевтичната индустрия в България: състояние, практики и предизвикателства</title>
<link>http://hdl.handle.net/10610/5364</link>
<description>Корпоративна социална отговорност във фармацевтичната индустрия в България: състояние, практики и предизвикателства
Александров, Георги
Настоящата студия анализира корпоративната социална отговорност (КСО) във фармацевтичната индустрия в България чрез изследване на теоретичните модели на социалната отговорност, международните стандарти (UNGC, GRI, ISO 26000, ESG) и спецификите на фармацевтичния сектор като силно регулирана, обществено чувствителна и технологично интензивна индустрия. Емпиричното изследване обхваща всички компании, вписани в регистъра на Изпълнителната агенция по лекарствата (ИАЛ), които притежават разрешение за дейност „Производство“ на активни вещества или лекарствени форми. На основата на разработена петстепенна скала за КСО/ESG зрялост се оценяват 12 производствени компании, които представляват основното ядро на фармацевтичния производствен капацитет в страната. Резултатите разкриват отчетливи различия в степента на интегриране на КСО, наличие на политики, прозрачност и докладване. Изследването допринася с аналитична рамка и емпирична оценка за развитието на устойчиви политики във фармацевтичния сектор и създава основа за последващи изследвания и регулаторни решения.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/10610/5364</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Въздействие на дигиталната трансформация на търговията върху моделите на потребителско поведение: Емпирично изследване на онлайн покупките на български потребители</title>
<link>http://hdl.handle.net/10610/5332</link>
<description>Въздействие на дигиталната трансформация на търговията върху моделите на потребителско поведение: Емпирично изследване на онлайн покупките на български потребители
Петрова, Симеонка; Мидова, Петранка; Маринов, Иван; Иванова, Зоя; Кабакчиева, Цветелина; Вълчева, Елена; Василев, Веселин; Томов, Йоан; Стефанов, Йордан; Георгиев, Преслав
Дигиталната трансформация предефинира императивите на търговията. Моделира следващо еволюционно равнище на търговски бизнес и ново взаимодействие с потребителите. Целта на студията е, чрез теоретично интерпретиране на концептуални постановки емпирично да се апробира разработена методическа рамка за изследване въздействието на дигиталната трансформация на търговията върху моделите на потребителско поведение при онлайн покупка и на база получените резултати да се формулират по-значими изводи и обобщения. Реализацията на целта се свежда до принадлежащи задачи. Необходимите емпирични данни са събрани през месеците юни – юли 2025 г. Респонденти на изследването са 154 български потребители, които използват интернет за извършване на онлайн покупки на стоки или услуги. Многоаспектността на проучваната проблематика налага поставяне на конкретен аналитичен фокус върху моделите на потребителско поведение при онлайн покупка на артикули от стоковата група на облеклото. В проведеното изследване приложение намират методите на извършване на дескриптивен анализ, хи-квадрат анализ (Chi-square Test), методът на t-теста, Тестът на Шапиро-Уилк (Shapiro-Wilk Test), методът на линейната регресия и корелация. Теоретико-практическата полезност на получените резултати е в по-доброто оценяване на настъпващите вариации в моделите на поведение на български потребители при онлайн покупка, включително на облекло, в дигитална среда.
</description>
<pubDate>Thu, 01 Jan 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/10610/5332</guid>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Предиктивно и каузално моделиране на мултитъч атрибуция в дигитална среда</title>
<link>http://hdl.handle.net/10610/5331</link>
<description>Предиктивно и каузално моделиране на мултитъч атрибуция в дигитална среда
Кръстевич, Тодор
Във все по-сложната екосистема на дигиталния маркетинг определянето на инкременталния принос на различните маркетингови канали към конверсията на потребителите остава фундаментално нерешен проблем. Предмет на настоящото проучване е процесът на мултитъч атрибуция в дигитална среда, а негов обект е предсказуемият и каузален подход към оценката на приноса на каналите. Основната цел е да се разработи цялостна рамка за мултитъч атрибуция, която интегрира вероятностно моделиране (вериги на Марков), машинно обучение (XGBoost) и каузални методи (стойности на Шапли, контрафактуален анализ), за да се осигури по-точна и интерпретируема оценка на влиянието на каналите. Като част от проучването беше изградена и тествана хибридна модел на система върху реални данни за пътуването на потребителите, а нейната ефективност беше сравнена с тази на традиционните евристични модели. Резултатите показват значителни разлики от евристичните подходи и подчертават по-високата предсказуема точност на методите, базирани на машинно обучение (обща точност = 0,984; AUC = 0,846), докато прилагането на обясними AI техники увеличава прозрачността на атрибуцията. Теоретично, проучването комбинира каузални модели, усилващо обучение и интерпретируемост в моделирането на атрибуцията, свързвайки иконометричната теория с анализа на данни, а от гледна точка на управлението предлага възпроизводима рамка за оптимизация на ресурсите и вземане на решения на базата на данни.
</description>
<pubDate>Thu, 01 Jan 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/10610/5331</guid>
<dc:date>2026-01-01T00:00:00Z</dc:date>
</item>
</channel>
</rss>
