Стоковые изображения от Depositphotos
Tazabek — Аналитики Евразийского фонда стабилизации и развития (ЕФСР) оценили машинное обучение при краткосрочном планировании роста ВВП.
Авторы отмечают, что одной из ключевых проблем макроэкономического прогнозирования остается отставание статистических данных от реальных процессов в экономике.
«Для анализа и прогнозирования макроэкономической динамики используются, как правило, квартальные структурные или полуструктурные модели, которые не всегда дают качественную оценку тенденций в краткосрочной перспективе», — сообщают в фонде.
Как альтернативу экономисты используют методы машинного обучения, способные работать с большими объемами данных и самостоятельно учитывать взаимосвязи между параметрами и их динамику.
Такие инструменты, однако, обладают и рядом недостатков: требуются значительные вычислительные ресурсы, также вероятность возникновения ошибок на тестовой выборке.
Чтобы оценить применимость и эффективность алгоритмов машинного обучения экономисты ЕФСР провели эксперимент по сравнению традиционных эконометрических моделей и инструментов машинного обучения при оценке темпов роста реального ВВП.
Среди моделей машинного обучения такие методы, как:
За последними событиями следите через наш Твиттер @tazabek
По сообщению сайта Tazabek