Найти в Дзене
13 подписчиков

🫤У нас всё серьезно


• В свежем номере журнала "Деньги и кредит" мы обнаружили статью, она доступна по ссылке:

https://rjmf.econs.online/2024/3/bottom-up-inflation-forecasting-using-machine-learning-methods/

• В ней мы раскрываем методы, которые используем для прогнозирования инфляции, и делимся своими результатами

❔В чем наша мотивация?

• В российской литературе и среди практиков мы почти не обнаружили сторонников покомпонентного прогнозирования инфляции

• Метрики точности прогнозов либо скрываются глубоко в приложениях к статьям, либо неинтерпретируемы, либо не демонстрируются совсем

=> нет интуиции, насколько точно консенсус умеет прогнозировать инфляцию

❔Что мы делаем?

• Мы отдельно прогнозируем 82 укрупненные компоненты ИПЦ, агрегируя прогнозы в индекс, и сравниваем с прогнозами только ИПЦ

❔Какие наши результаты и выводы?

💡Они следующие:

i) качество прогнозов на отложенной выборке вырастает до 1.5 раз на коротких горизонтах (до 6 месяцев) в терминах RMSE, а улучшение статистически значимо даже на тестовой выборке небольшого размера

ii) сложнее всего прогнозировать плодоовощи и международный туризм – показываем, насколько точно можно прогнозировать каждую из укрупненных компонент, и представляем декомпозицию ошибки прогноза индекса по компонентам ИПЦ

iii) градиентный бустинг справился лучше всех (но мы не использовали более продвинутые методы, например, нейросетевые)

iv) длительность вычислений (около месяца непрерывной работы компьютера) потребовала оптимизировать процесс перебора гиперпараметров и подбор экзогенных переменных, что мы и сделали (см. Tree-structured Parzen Estimator и Orthogonal Matching Pursuit)

@xtxixty
🫤У нас всё серьезно • В свежем номере журнала "Деньги и кредит" мы обнаружили статью, она доступна по ссылке: https://rjmf.econs.
1 минута