Anything in here will be replaced on browsers that support the canvas element

Свежие записи

Архив новостей

Опубликована статья по результатам работы научной группы Фонда «Институт “Вега”»

Участниками научной группы «Веги» «Факторный анализ и прогнозирование временных рядов» опубликована статья в последнем номере научного журнала Банка России «Деньги и кредит»:

Латыпов Р., Ахмедова Е., Постолит Е., Микитчук М. (2024). Прогнозирование компонент инфляции методами машинного обучения // Деньги и кредит. Т. 83. N 3. С. 22–44.

Из аннотации:

С задачей прогнозирования инфляции методы машинного обучения справляются не хуже, а зачастую и лучше подходов, основанных на классических эконометрических моделях. Однако, несмотря на наличие временных рядов по ценам для всех товаров и услуг, являющихся отдельными компонентами потребительской корзины, для которой рассчитывается индекс потребительских цен (ИПЦ), и на то, что методы машинного обучения работают точнее с ростом объема данных, в большинстве работ покомпонентные данные ИПЦ не используются. Исследований, посвященных прогнозированию ИПЦ путем агрегации прогнозов индексов цен для отдельных категорий товаров и услуг (bottom-up approach), немного, и на их основании нельзя однозначно утверждать, будет ли агрегированный прогноз точнее, чем прогноз ИПЦ, не использующий покомпонентные данные. Мы показываем на российских данных, что в зависимости от горизонта прогнозирования покомпонентный агрегированный прогноз инфляции может быть до 1,5 раза точнее. Даже при использовании таких ставших уже классическими моделей машинного обучения, как градиентный бустинг или регрессии с регуляризацией, преимущество статистически значимо на горизонтах до полугода. Каждую компоненту инфляции и на каждый горизонт мы прогнозируем отдельной моделью независимо от остальных компонент и от остальных горизонтов.

Поделитесь этой записью!

Anything in here will be replaced on browsers that support the canvas element

Свежие записи

Архив новостей