Структурное подразделение: Лаборатория макроэкономического прогнозирования (Турунцева М.Ю.)
Руководитель работ: Турунцева Марина Юрьевна - к.э.н., зав. лабораторией макроэкономического прогнозирования ИПЭИ
Сроки выполнения: 2019 год.
Актуальность исследования: Прогнозирование макроэкономических временных рядов является важной задачей для проведения экономической политики. Классическими методами прогнозирования являются модели ARIMA, для которых сначала определяется порядок интегрированности временного ряда, а затем строится ARMA модель. В последнее время получило большое значение прогнозирования при наличии данных высокой размерности, то есть когда число переменных намного больше числа наблюдений. В этом случае невозможно оценить параметры, и необходимо использовать так называемые методы понижения размерности. Среди таких методов, кроме известного метода главных компонент, можно отметить регрессии с регуляризацией (например, LASSO регрессии), а также методы так называемого машинного обучения (случайные леса и др.). При появлении всё большего количества данных необходимо стараться учитывать их все для возможного улучшения прогнозов.
Основная цель исследования: Основной целью данной научно-исследовательской работы является разработка методических подходов к прогнозированию российских показателей социально-экономического развития на основе методов для данных высокой размерности.
Основные фундаментальные и прикладные задачи, решаемые в рамках исследования:
Изучить методы прогнозирования на основе моделей для данных высокой размерности:
- Изучить методы сокращения размерности на основе информационных критериев;
- Изучить методы сокращения размерности на основе метода главных компонент (в том числе современные модификации);
- Изучить методы сокращения размерности на основе методов с регуляризацией и их теоретические свойства
- Изучить методы прогнозирования на основе моделей, основанных на деревьях, а также непараметрические подходы;
- Прочие проблемы при прогнозировании на основе данных высокой размерности, в том числе при нестационарности этих данных;
- Провести анализ качественных свойств прогнозов временных рядов:
- анализ прогнозов по методам для данных высокой размерности;
- анализ прогнозов при неопределенности относительно стационарности данных;
- Провести анализ эмпирических свойств прогнозов рядов российских макроэкономических показателей социально-экономического развития, полученных на основе нелинейных методов анализа.