Мақолада солиқ солиш жараёнида кўчмас мулкни баҳолашнинг асосий ўрни кўриб чиқилади. Солиқларни ҳисоблаш учун асос бўлган кўчмас мулк объектлари қийматини аниқлашда қўлланиладиган усул ва ёндашувлар батафсил таҳлил қилинган. Индивидуал ва оммавий баҳолаш ўртасидаги фарқлар, уларнинг ахборот ҳажми ва сифатига боғлиқ ҳолда қўлланилиши, шунингдек, ушбу ёндашувларнинг солиқ мажбуриятларининг аниқлигига таъсири муҳокама қилинади.
Шунингдек, мақолада баҳолаш усуллари ва қўллаш билан боғлиқ муаммо ҳамда қарашлар ўрганилиб, солиқ тизимининг адолатлилиги ва самарадорлигини таъминлаш учун ишончли, долзарб маълумотларнинг муҳимлиги таъкидланган. Солиқ тизимини молиялаштириш ва бу жараёнда маҳаллий бюджетларнинг ўрни масалаларига алоҳида эътибор қаратилмоқда. Тадқиқот кўчмас мулкни баҳолаш ва солиқни тартибга солиш ўртасидаги ўзаро боғлиқликни такомиллаштиришга, шунингдек, уларнинг шаффофлиги ва адолатлилигини ошириш учун жараёнларни оптималлаштиришнинг мумкин бўлган йўлларини аниқлашга қаратилган.
Ushbu maqolada Fintech texnologiyalari, avtomatlashtirish jarayonlari va inson omilining bank xizmatlari samaradorligiga ta’siri o‘rganilgan. Tadqiqotda O‘zbekiston tijorat banklari misolida raqamli transformatsiya jarayonlari tahlil qilinib, xorijiy mamlakatlar tajribasi bilan solishtirma tahlil o‘tkazildi. Natijalar shuni ko‘rsatdiki, Fintech avtomatlashtirish inson kapitali bilan uyg‘unlashgan holda qo‘llanilganda bank xizmatlari tezligi, aniqligi va mijozlar qoniqishi sezilarli darajada oshadi. Shuningdek, tadqiqotda “inson-texnologiya muvozanat modeli” konsepsiyasi ishlab chiqilib, bank tizimida samaradorlikni ta’minlovchi yangi yondashuv sifatida taklif etildi.
Ushbu maqola zamonaviy iqtisodiyotning dinamik va murakkab sharoitlarida ekonometrik modellashtirishning oʻziga xos jihatlarini oʻrganadi. Mazkur maqolada katta ma’lumotlar (big data), mashinaviy oʻrganish (machine learning) va sun’iy intellekt integratsiyasi kabi zamonaviy tendensiyalar ta’kidlangan boʻlib, ular inflyatsiya, ishsizlik, iqlim oʻzgarishi va pandemiya ta’sirini prognoz qilishda muhim rol oʻynaydi. Metodologiyada sistematik adabiyotlar tahlili qoʻllanilgan, bu esa Scopus, Web of Science, ResearchGate bazalaridagi soʻnggi 5 yillik (2020-2025) ilmiy maqolalarga tayanadi. Natijalar shuni koʻrsatadiki, ML-gibrid modellar prognoz aniqligini oshiradi (RMSE va MAE pasayishi), ammo iqlim oʻzgarishining salbiy ta’siri va ma’lumotlar noaniqligi qiyinchiliklarni keltirib chiqaradi. Xulosa va takliflarda siyosatni shakllantirishda modellarning chidamliligini oshirish, fanlararo hamkorlikni kuchaytirish va etik standartlarni joriy etish taklif etiladi, bu esa barqaror rivojlanish va iqtisodiy tiklanishga hissa qoʻshadi.
Ushbu maqolada neyron tarmoqlarning ekonometriya va moliyaviy qaror qabul qilishdagi o‘rni, shuningdek, ularning shaxsiy moliya, avtomatlashtirish va inson-kompyuter o‘zaro aloqasiga ta’siri ko‘rib chiqiladi. Inson miyasi tuzilmasidan ilhomlangan neyron tarmoqlar ushbu sohalarda samaradorlik, aniqlik va qaror qabul qilish qobiliyatlarini yaxshilash orqali inqilob qilish imkoniyatiga ega. Shaxsiy moliyada ular McCulloch-Pitts neyron kabi avtomatlashtirilgan modellar yordamida byudjetlash, jamg‘arma va xarajatlarni boshqarishni optimallashtirishi mumkin. Sog‘liqni saqlash sohasida esa neyron tarmoqlar diagnostika imkoniyatlarini yaxshilaydi va prognozli davolashni ta’minlaydi. Maqolada, shuningdek, neyron tarmoqlarning ekonometriyada moliyaviy o‘zgarishlarni tahlil qilish, firibgarlikni aniqlash va risklarni samarali boshqarishdagi qo‘llanishi yoritiladi. Shu bilan birga, algoritmik qaror qabul qilishda ma’lumotlarning maxfiyligi, xavfsizligi va tarafkashlikka oid muammolar ham ko‘rib chiqilib, mas’uliyatli rivojlantirish zarurligi ta’kidlanadi. Umuman olganda, maqola neyron tarmoqlarni ekonometriya modellari va moliyaviy tizimlarga integratsiya qilish foydalari zamonaviy yutuqlar uchun juda katta va zarur ekanligini ko‘rsatadi.
Чизиқли моделлар икки ёки ундан ортиқ ўзгарувчилар ўртасидаги муносабатни кўрсатиш учун ишлатиладиган кучли економетрик восита бўлган. Кўпгина тадқиқотлар, шунингдек, чизиқли бўлмаган ҳолатлар учун чизиқли яқинлашувдан фойдаланади, чунки у ҳали ҳам ҳақиқий натижаларни кўрсатиши мумкин. ОЛС усули боғлиқ ва мустақил ўзгарувчилар муносабатларининг чизиқли бўлишини талаб қилади, гарчи кўплаб тадқиқотлар ҳатто чизиқли бўлмаган ҳолатлар учун ҳам ОЛС яқинлашувидан фойдаланади. Ушбу тадқиқотда биз чизиқли регрессияларда, агар муносабатлар чизиқли бўлмаса, интервалларни баҳолашнинг муқобил усули, юклаш усулини киритамиз. Маълумотлар чизиқли бўлмаган муносабатларга ега бўлса, биз анъанавий ва юклаш ишонч оралиқларини солиштирамиз. Ҳақиқий параметрларни билишимиз кераклиги сабабли, биз симуляция тадқиқотини ўтказамиз. Тадқиқот натижаларимиз шуни кўрсатадики, агар хато атамаси ноодатий шаклга ега бўлса, юклаш оралиғи тақсимот тахмини ва кенгроқ интервалли кенглиги туфайли анъанавий усулдан устун бўлади.
ОЛС регрессиялари нуқта ва интервалларни холис ва самарали баҳолаш учун бир қатор фаразларга эга. Тасодифий йўқолган маълумотлар (МНАР) чизиқли регрессияни баҳолашда жиддий муаммоларни келтириб чиқариши мумкин. Ушбу тадққотда биз МНАР маълумотлари билан ОЛС ишонч оралиғи баҳоларининг ишлашини баҳолаймиз. Биз, шунингдек, бундай маълумотлар ҳолатлари учун восита сифатида юклашни таклиф қиламиз ва анъанавий ишонч оралиқларини боотстрап билан солиштирамиз. Ҳақиқий параметрларни билишимиз кераклиги сабабли, биз симуляция тадқиқотини ўтказамиз. Тадқиқот натижалари шуни кўрсатадики, иккала ёндашув ҳам ўхшаш оралиқ ўлчамига эга ўхшаш натижаларни кўрсатади. Боотстрап жуда кўп ҳисоб-китобларни талаб қилишини ҳисобга олиб, анъанавий усулларни МНАР ҳолатида ҳам қўллаш тавсия этилади.
