МОДЕЛИ СЦЕНАРНОГО ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ КРИЗИСОВ НА ОСНОВЕ ГИБРИДНОГО ПОДХОДА

Аннотация

В рамках данной статьи рассматривается предложенный авторами полупараметрический метод макроэкономического прогнозирования в периоды резких изменений в экономике. Подбор блоков данных производится на основе методов кластеризации, наиболее близких к текущим экономическим условиям. Основным методом кластеризации является метод ближайшего соседа. Временные ряды делятся на блоки, а затем к самому последнему блоку наблюдений осуществляется подбор наиболее близкого блока, что отражает идею согласования направленных движений рядов. В качестве базовой модели прогнозирования авторами используется модель ARIMA. Показаны преимущества подхода к прогнозированию во время великой рецессии – экономического спада 2008 г. для таких переменных, как инфляция, безработица и реальные личные доходы. Предложенный метод превосходит параметрические линейные, нелинейные, одномерные и многомерные  альтернативные методы за период 2007–2019 гг. В статье приведены расчеты, полученные в результате компьютерного эксперимента с использованием языка Python для данных инфляции и цен на нефть за указанный период. Представленный подход в перспективе может использоваться в интеллектуальных методах машинного обучения, таких как нейронные сети.