• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
25 июля
НИУ ВШЭ
184

В НИУ ВШЭ показали эффективность машинного обучения при прогнозировании инфляции

4.3

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах.

Инфляция и ее прогноз для Пермского края / ©Bukina T., Kashin D. (2024) Prognozirovanie regional'noy inflyatsii: ekonometricheskie modeli ili metody mashinnogo obucheniya? HSE Economic Journal

Исследование проводилось на примере субъектов Приволжья. Результаты опубликованы в журнале HSE Economic Journal. Для экономики важно прогнозирование инфляции, особенно оно стало актуальным 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.

Для прогнозирования инфляции используются различные данные: индекс потребительских цен, уровень безработицы, курсы валют и ставка ЦБ. Чтобы систематизировать эти данные для прогноза, экономисты из НИУ ВШЭ в Перми использовали данные Единой межведомственной информационно-статистической системы (ЕМИСС).

Основная цель исследователей была в том, чтобы определить, какая модель точнее прогнозирует региональную инфляцию: традиционные эконометрические модели временных рядов или современные методы машинного обучения. В исследовании анализируются данные по 14 субъектам Приволжского федерального округа с января 2010 года по декабрь 2022 года. Для анализа использовались программные среды R Studio и Python: прогнозирование временных рядов проводилось в R Studio, а модели машинного обучения, включая метод опорных векторов, градиентный бустинг и случайный лес, реализовывались в Python. Прогнозы выполнялись на тестовых выборках, что позволило избежать переобучения моделей и получить более точные оценки.

Авторы выбрали метод кросс-валидации с тестовыми выборками одинакового размера. Это позволяет моделям обучаться на данных одного периода и тестироваться на другом, что обеспечивает стабильность и точность прогнозов.

«Для обеспечения точной работы методов машинного обучения необходимо выбрать оптимальные гиперпараметры в моделях. Гиперпараметры отличаются от других параметров моделей тем, что устанавливаются до начала обучения и определяют спецификацию модели. Для выбора оптимальных гиперпараметров в работе используется кросс-валидация. При кросс-валидации временных рядов тренировочные данные идут строго перед тестовыми, они не пересекаются, как при работе со стандартными данными», — отмечает доцент факультета социально-экономических и компьютерных наук НИУ ВШЭ — Пермь Татьяна Букина.

Исследование показало, что модель градиентного бустинга является наиболее точной среди всех рассмотренных моделей машинного обучения для прогнозирования региональной инфляции. Она обеспечивает более точные прогнозы, чем авторегрессионные модели на большем числе периодов. Так, на горизонтах прогнозирования в 3, 6, 21 и 24 месяца модель градиентного бустинга превосходит базовую модель AR(1) на 20,3, 16,2, 72,5 и 77,7 процентв соответственно. Модель AR(1) — статистическая модель, используемая для анализа и прогнозирования временных рядов, — основана на предположении, что текущее значение временного ряда зависит от его предыдущего значения с добавлением некоторой случайной ошибки.

Модель случайного леса и метод опорных векторов также показали точные прогнозы на длительных горизонтах в 21 и 24 месяца и оказались лучше модели AR(1) на 72,5 и 77,7 процента соответственно. Случайный лес объединяет множество решающих деревьев для повышения точности и устойчивости прогнозов, затем с помощью регрессии усредняет ответы или выбирает наиболее частое значение данных. Метод опорных векторов находит оптимальную линию, разделяющую данные, и минимизирует ошибки.

Авторы считают, что их результат подтвердил: методы машинного обучения могут быть эффективными для прогнозирования инфляции на разных временных горизонтах.
Татьяна Букина отмечает: «Наше исследование показало, что для долгосрочных прогнозов машинное обучение предлагает более надежные инструменты. Однако традиционные эконометрические модели все еще играют важную роль в краткосрочных прогнозах и не должны быть полностью исключены из арсенала аналитиков. Комбинирование методов эконометрического моделирования и машинного обучения может существенно повысить точность прогнозов региональной инфляции. Это особенно важно в условиях высокой неопределенности и быстро меняющейся экономической среды».

В рамках исследования также получилось выделить особенности предсказания инфляции для разных регионов. Например, в моделях машинного обучения сезонность инфляции была характерна только для Пермского края, Нижегородской, Пензенской и Саратовской областей. В Республике Татарстан важным фактором оказался конкретный месяц, на который рассчитывался прогноз.

Среднее значение инфляции за три предыдущих месяца оказалось значимым фактором в моделях для Республики Мордовия, Нижегородской и Ульяновской областей, а также для Чувашской Республики в модели случайного леса.

Каждый регион имеет свою специфику, связанную с экономической структурой, наличием природных ресурсов и географическим положением. Эти факторы объясняют различия в динамике инфляции и по важным макроэкономическим показателям.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Национальный исследовательский университет «Высшая школа экономики» — один из крупнейших и самых востребованных вузов России. В университете учится 54 тысячи студентов и работает почти 4,5 тысячи учёных и преподавателей. НИУ ВШЭ ведёт фундаментальные и прикладные исследования в области социально-экономических, гуманитарных, юридических, инженерных, компьютерных, физико-математических наук, а также креативных индустрий. В университете действуют 47 центров превосходства, или международных лабораторий. Вышка объединяет ведущих мировых исследователей в области изучения мозга, нейротехнологий, биоинформатики и искусственного интеллекта. Университет входит в первую группу программы «Приоритет-2030» в направлении «Исследовательское лидерство». Кампусы НИУ ВШЭ расположены в четырех городах — Москве, Санкт-Петербурге, Нижнем Новгороде и Перми, а также в цифровом пространстве — «Вышка Онлайн».
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Вчера, 14:41
Елизавета Александрова

На новых изображениях сверхмассивной черной дыры в нашей Галактике ее ближайшие окрестности выглядят не так, как на опубликованном в 2022 году известном снимке.

Вчера, 14:05
Березин Александр

Когда в Штатах отодвинули фон Брауна — американская космонавтика испытала сильнейший упадок в считаные годы. Сходный быстрый упадок испытал советский космос после смерти Королева. Сегодня глава NASA хочет нанести удар по Маску. Можно ли спрогнозировать, насколько быстро американский космос в этом случае потеряет свои нынешние, безусловно доминирующие над Россией и Китаем позиции?

7 часов назад
Evgenia

То, насколько классический компьютер сможет воссоздать определенное квантовое состояние, описывается свойством под названием «магия». Ученые из США выяснили, существует ли резкий переход между состоянием «можем обойтись обычным компьютером» и «подойдет только квантовый».

26 октября
Юлия Трепалина

Финансовое благополучие человека зависит от разных факторов. Новое крупное исследование на примере норвежских жителей показало, как изменения в структуре семьи и смена поколений сказываются на благосостоянии людей.

25 октября
МАИ

Инженерная компания из Дубая LEAP71 сообщила, что спроектированный нейронной сетью Noyron и напечатанный в 3D-формате из меди ракетный двигатель успешно прошел первые испытания на полигоне в Великобритании. Возможно ли это — рассказал эксперт МАИ, старший преподаватель кафедры «Космические системы и ракетостроение» Иван Рудой.

26 октября
Татьяна

В саге о норвежском конунге Сверрире есть эпизод о набеге на замок Сверресборг в Тронхейме в 1197 году. Нападавшие разграбили и сожгли все строения внутри, и видимо, чтобы отравить воду, сбросили в колодец мертвое тело, завалив его валунами. Останки несчастного обнаружили в 1938 году во время археологических раскопок. Сейчас генетики извлекли его ДНК и выяснили происхождение, косвенно подтвердив события, описанные более восьми столетий назад.

14 октября
Алиса Гаджиева

Полторы тысячи лет назад климат в Северном полушарии резко изменился. В Дании так похолодало, что там стало невозможно заниматься сельским хозяйством. Авторы нового исследования считают, что именно этот период был прообразом Фимбульвинтера — зимы, предшествующей Рагнарёку.

15 октября
Татьяна

Сейчас Япония привлекает людей со всего мира, но так было не всегда. На протяжение десяти тысяч лет архипелаг оставался изолированным от остального мира, пока туда не начали прибывать первые «мигранты» с континента. Это показал генетический анализ останков человека эпохи Яёй.

25 октября
МАИ

Инженерная компания из Дубая LEAP71 сообщила, что спроектированный нейронной сетью Noyron и напечатанный в 3D-формате из меди ракетный двигатель успешно прошел первые испытания на полигоне в Великобритании. Возможно ли это — рассказал эксперт МАИ, старший преподаватель кафедры «Космические системы и ракетостроение» Иван Рудой.

[miniorange_social_login]

Комментарии

Написать комментарий
Подтвердить?
Подтвердить?
Причина отклонения
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Жалоба отправлена

Мы обязательно проверим комментарий и
при необходимости примем меры.

Спасибо
Аккаунт заблокирован!

Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.

Понятно
Что-то пошло не так!

Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.

Понятно
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно
Ваше сообщение получено

Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.

Понятно