Методы использования искусственного интеллекта для прогнозирования инфляции и повышения гибкости денежно-кредитной политики

Обложка

Цитировать

Полный текст

Аннотация

стабильность финансовой системы в значительной степени зависит от способности точно прогнозировать инфляционные тенденции, что в периоды глобальной неопределенности и экономических колебаний становится особенно актуальным. Инновационные методики, основанные на искусственном интеллекте (ИИ), вносят переворотные нововведения, на порядок повышая эффективность анализа и прогнозирования экономических явлений, и тем самым превосходят обыденные эконометрические методы. В целях обеспечения своевременной и адаптивной денежно-кредитной политики, Центробанки все чаще прибегают к инструментам ИИ. Это позволяет оперативно корректировать экономические стратегии в ответ на макроэкономические изменения, минимизируя тем самым возможные риски, связанные с волатильностью рынка. Целью исследования стало изучение методов искусственного интеллекта для повышения точности прогнозирования инфляции и повышения гибкости денежно-кредитной политики, а также анализ их применения в макроэкономическом контексте. В рамках исследования были поставлены следующие задачи: анализ существующих методов ИИ и их потенциала в прогнозировании инфляции; оценка точности прогнозов по сравнению с традиционными эконометрическими моделями; разработка классификации методов ИИ по их применимости для краткосрочных и долгосрочных прогнозов; выявление преимуществ и ограничений каждого метода в контексте гибкости денежно-кредитной политики. Автором статьи была рассмотрена научная литература, изучены различные модели ИИ, вроде нейронных сетей, алгоритма «случайный лес», методов текстового анализа и развитых гибридных систем, а также проведено сравнение с классическими эконометрическими моделями. Интеграция ИИ открывает перед денежно-кредитной политикой широкие перспективы. Она обеспечивает возможность модифицировать экономические инструменты в соответствии с актуальными трендами, улучшая прогностические возможности. В ходе исследования было выявлено, что гибридные модели ИИ, совмещающие анализ макроэкономических трендов и поведенческих факторов, а также использование big data, могут внести существенный вклад в интерпретацию инфляционных динамик.

Об авторах

В. Н Самонин

Российский новый университет

ORCID iD: 0009-0008-1949-1539

Список литературы

  1. Medeiros M., Vasconcelos G., Veiga A., Zilberman E. ?Forecasting Inflation in a DataRich Environment: The Benefits of Machine Learning Methods // Journal of Business and Economic Statistics. 2019. № 39 (1). P. 98 – 119. https://doi.org/10.1080/07350015.2019.1637745
  2. Paranhos L. ?Predicting Inflation with Neural Networks // arXiv Preprint. 2021. arXiv:2104.03757. https://doi.org/10.48550/arXiv.2104.03757
  3. Almosova A., Andresen N. ?Nonlinear Inflation Forecasting with Recurrent Neural Networks // Journal of Forecasting. 2023. № 42 (1). P. 240 – 259. https://doi.org/10.1002/for.2901
  4. Araujo G.S., Gaglianone W.P. ?Machine Learning Methods for Inflation Forecasting in Brazil: New Contenders Versus Classical Models // Latin American Journal of Central Banking. 2023. № 4 (2). P. 100087. https://doi.org/10.1016/j.latcb.2023.100087
  5. Шуляк Е. Макроэкономическое прогнозирование с использованием данных из социальных сетей // Деньги и кредит. 2020. № 81 (4). С. 86 – 112. URL: https://rjmf.econs.online/upload/iblock/d66/Makroekonomicheskoye-prognozirovaniye-s-ispolzzovaniyem-dannykh-sotsialqnykh-setey.pdf
  6. Семитуркин О., Шевелев А. Корректное сравнение прогностических характеристик моделей машинного обучения: Пример прогнозирования темпов инфляции в Сибири // Деньги и кредит. 2023. № 82 (1). С. 87 – 103. URL: https://rjmf.econs.online/upload/iblock/16d/Korrektnoye-sravneniye-prediktivnykh-svoystv-modeley-mashinnogo-obucheniya-na-primere-prognozirovaniya-inflyatsii-v-Sibiri.pdf
  7. Bo H., Niu X., Wang J. Wind Speed Forecasting System Based on the Variational Mode Decomposition Strategy and Immune Selection Multi-Objective Dragonfly Optimization Algorithm // IEEE Access. 2019. № 7. P. 178063 – 178081. https://doi.org/10.1109/ACCESS.2019.2957062
  8. Chen Z. Advancing macroeconomic models through artificial intelligence integration // Applied and Computational Engineering. 2024. № 77. Pp. 43 – 48. https://doi.org/10.54254/2755-2721/77/20240649
  9. Udo W., Toromade A.S., Chieezie N.R. AI-powered economic forecasting: challenges and opportunities in a data-driven world // Computer Science & IT Research Journal. 2022. № 3 (3). P. 74 – 91. https://doi.org/10.51594/csitrj.v3i3.1452
  10. ASM A.A., Judijanto L., Tooy D., Putra P., Hermansyah M., Kumalasanti M., Agit A. Integration of Artificial Intelligence and Macro-Economic Analysis: A Novel Approach with Distributed Information Systems // EAI Endorsed Scal Inf Syst [Internet]. 2023. № 11 (2). https://doi.org/10.4108/eetsis.4452
  11. Damasevicius R. Progress, Evolving Paradigms and Recent Trends in Economic Analysis // Financial Economics Letters. 2023. № 2 (2). P. 14. https://doi.org/10.58567/fel02020004
  12. Kumeno F. Software Engineering Challenges for Machine Learning Applications: A Literature Review // Intelligent Decision Technologies. 2019. № 13 (4). P. 463 – 476. https://doi.org/10.3233/IDT-190160
  13. Ishengoma F.R., Shao D., Alexopoulos C., Saxena S., Nikiforova A. Integration of artificial intelligence of things (AIoT) in the public sector: drivers, barriers and future research agenda // Digital Policy, Regulation and Governance. 2022. № 24 (5). P. 449 – 462. https://doi.org/10.1108/DPRG-06-2022-0067
  14. Jung J., Patnam M., Ter-Martirosyan A. An Algorithmic Crystal Ball: Forecast-based on Machine Learning // IMF Working Paper. 2018. № 18/230. 34 p. URL: https://www.imf.org/en/Publications/WP/Issues/2018/11/01/An-Algorithmic-Crystal-Ball-Forecasts-based-on-Machine-Learning-46288
  15. Байбуза И. Прогнозирование инфляции с помощью методов машинного обучения // Деньги и кредит. 2018. № 77 (4). С. 42 – 59. https://doi.org/10.31477/rjmf.201804.42
  16. Яковлева К. Оценка экономической активности на основе текстового анализа // Деньги и кредит. 2018. № 77 (4). С. 26 – 41. https://doi.org/10.31477/rjmf.201804.26
  17. Павлов Е. Прогнозирование инфляции в России с помощью нейронных сетей // Деньги и кредит. 2020. № 79 (1). С. 57 – 73. https://doi.org/10.31477/rjmf.202001.57
  18. Barkan O., Benchimol J., Caspi I., Hammer A., Koenigstein N. Forecasting CPI Inflation Components with Hierarchical Recurrent Neural Networks // International Journal of Forecasting. 2023. № 39 (3). P. 1145 – 1162. https://doi.org/10.1016/j.ijforecast.2022.04.009
  19. Ozgur O., Akko? U. Inflation Forecasting in an Emerging Economy: Selecting Variables with Machine Learning Algorithms // International Journal of Emerging Markets. 2021. https://doi.org/10.1108/IJOEM-05-2020-0577
  20. Mamedli M., Shibitov D. Forecasting Russian CPI with Data Vintages and Machine Learning Techniques // The Bank of Russia Working Paper Series. 2021. № 70. URL: https://cbr.ru/eng/ec_research/forecasting-russian-cpi-with-data-vintages-and-machine-learning-techniques/
  21. Астраханцева И.А., Герасимов А.С., Астраханцев Р.Г. Прогнозирование региональной инфляции с помощью алгоритмов машинного обучения // Известия ВУЗов ЭФиУП. 2022. № 4 (54). С. 6 – 13. https://doi.org/10.6060/ivecofin.2022544.620
  22. Джункеев У. Прогнозирование инфляции в России на основе градиентного бустинга и нейронных сетей // Деньги и Кредит. 2024. № 83 (1). С. 53 – 76. URL: https://rusbonds.ru/rb-docs/analytics/Prognozirovaniye-inflyatsii-v-Rossii-na-osnove-gradiyentnogo-bustinga-i-neyronnykh-setey.pdf

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).