IQ Media. Теперь понятно

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование её уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств.

Специально для телеграм-канала «Небрехня» разбираемся, как машинное обучение может более точно прогнозировать уровень инфляции.

Особенно актуальным прогнозирование стало после перехода России к режиму таргетирования инфляции в 2014 году. Это означает, что Банк России устанавливает конкретные цели по уровню инфляции и использует различные инструменты для их достижения. Обычно для её прогнозирования используются данные такие как индекс потребительских цен, уровень безработицы, курсы валют и ставка ЦБ.

На данных из Поволжья экономисты из НИУ ВШЭ проверили, какая модель точнее предсказывает региональную инфляцию: традиционные эконометрические модели временных рядов или современные методы или современные методы машинного обучения (метод опорных векторов, градиентный бустинг и случайный лес).

Самым точным инструментом оказалась модель градиентного бустинга — метод машинного обучения, который последовательно строит и объединяет несколько простых моделей. Особенно эффективно она показала себя в точности долгосрочных прогнозов. Так при прогнозировании на 24 месяца точность модели градиентного бустинга превосходит модель временных рядов на 77,7%.

Однако, как отмечают исследователи, традиционные эконометрические модели всё ещё играют важную роль в краткосрочных прогнозах и не должны быть полностью исключены из арсенала аналитиков.

В рамках исследования также были выявлены особенности предсказания инфляции для разных регионов. Например, сезонность инфляции была характерна для Пермского края, Нижегородской, Пензенской и Саратовской областей, а в Республике Татарстан важным фактором оказался конкретный месяц прогноза.

По мнению экономистов, комбинирование методов эконометрического моделирования и машинного обучения может существенно повысить точность прогнозов региональной инфляции. Это особенно важно в условиях высокой неопределённости и быстро меняющейся экономической среды.

@dlyaponimaniya

www.group-telegram.com/jp/iqm_teperponyatno.com/1734

903 viewsJul 26 at 12:29

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование её уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств.

Специально для телеграм-канала «Небрехня» разбираемся, как машинное обучение может более точно прогнозировать уровень инфляции.

Особенно актуальным прогнозирование стало после перехода России к режиму таргетирования инфляции в 2014 году. Это означает, что Банк России устанавливает конкретные цели по уровню инфляции и использует различные инструменты для их достижения. Обычно для её прогнозирования используются данные такие как индекс потребительских цен, уровень безработицы, курсы валют и ставка ЦБ.

На данных из Поволжья экономисты из НИУ ВШЭ проверили, какая модель точнее предсказывает региональную инфляцию: традиционные эконометрические модели временных рядов или современные методы или современные методы машинного обучения (метод опорных векторов, градиентный бустинг и случайный лес).

Самым точным инструментом оказалась модель градиентного бустинга — метод машинного обучения, который последовательно строит и объединяет несколько простых моделей. Особенно эффективно она показала себя в точности долгосрочных прогнозов. Так при прогнозировании на 24 месяца точность модели градиентного бустинга превосходит модель временных рядов на 77,7%.

Однако, как отмечают исследователи, традиционные эконометрические модели всё ещё играют важную роль в краткосрочных прогнозах и не должны быть полностью исключены из арсенала аналитиков.

В рамках исследования также были выявлены особенности предсказания инфляции для разных регионов. Например, сезонность инфляции была характерна для Пермского края, Нижегородской, Пензенской и Саратовской областей, а в Республике Татарстан важным фактором оказался конкретный месяц прогноза.

По мнению экономистов, комбинирование методов эконометрического моделирования и машинного обучения может существенно повысить точность прогнозов региональной инфляции. Это особенно важно в условиях высокой неопределённости и быстро меняющейся экономической среды.

@dlyaponimaniya

BY IQ Media. Теперь понятно