Какие методы машинного обучения наиболее эффективны для прогнозирования инфляции?

По результатам исследования, опубликованного в журнале HSE Economic Journal, модель градиентного бустинга считается наиболее точной среди всех моделей машинного обучения для прогнозирования региональной инфляции. naked-science.ru Она обеспечивает более точные прогнозы, чем авторегрессионные модели, на большем числе периодов. naked-science.ru

Также для прогнозирования инфляции эффективны модель случайного леса и метод опорных векторов. naked-science.ru www.kommersant.ru

Случайный лес объединяет множество решающих деревьев для повышения точности и устойчивости прогнозов, затем с помощью регрессии усредняет ответы или выбирает наиболее частое значение данных. naked-science.ru www.kommersant.ru Метод опорных векторов находит оптимальную линию, разделяющую данные, и минимизирует ошибки. naked-science.ru www.kommersant.ru

Однако, по мнению исследователей из НИУ ВШЭ, традиционные эконометрические модели всё ещё играют важную роль в краткосрочных прогнозах и не должны быть полностью исключены из арсенала аналитиков. naked-science.ru Комбинирование методов эконометрического моделирования и машинного обучения может существенно повысить точность прогнозов инфляции. naked-science.ru

Важно учитывать, что каждый регион имеет свою специфику, связанную с экономической структурой, наличием природных ресурсов и географическим положением. naked-science.ru Эти факторы объясняют различия в динамике инфляции и по важным макроэкономическим показателям. naked-science.ru