Прогнозирование инфляции с помощью методов машинного обучения

Иван Байбуза, Мюнхенский университет Людвига – Максимилиана

Цитирование: Baybuza, I. (2018). Inflation Forecasting Using Machine Learning Methods. Russian Journal of Money and Finance, 77(4), pp. 42–59.
doi: 10.31477/rjmf.201804.42

Аннотация
Прогнозирование инфляции является важной практической задачей. В данной статье предложено решение этой задачи для России с помощью нескольких базовых методов машинного обучения: LASSO, Ridge, Elastic Net, случайный лес и бустинг. Несмотря на то что эти методы были разработаны еще к началу 2000-х гг., в профессиональной литературе, связанной с прогнозированием инфляции вообще и российской инфляции в частности, долгое время они оставались практически незамеченными. Данная работа – одна из первых попыток применения некоторых методов машинного обучения к прогнозированию инфляции в России. По результатам эмпирического исследования делается вывод о том, что модель случайного леса и модель бустинга как минимум не хуже предсказывают инфляцию, чем более традиционные модели, такие как случайное блуждание и авторегрессия. Главным результатом данной работы является подтверждение возможности более точного прогнозирования инфляции в России с помощью методов машинного обучения.

Ключевые слова: прогноз инфляции, машинное обучение, бустинг, случайный лес
JEL Codes: C53, E37

текст статьи

приложение

× Закрыть