ТЕОРЕТИЧНІ ТА ПРИКЛАДНІ АСПЕКТИ ВИКОРИСТАННЯ МАШИННОГО НАВЧАННЯ В АНАЛІЗІ ЕКОНОМІЧНИХ ДАНИХ

Анотація

У статті досліджено можливості застосування методів машинного навчання та штучного інтелекту для прогнозування економічних і макроекономічних показників в умовах зростання обсягів даних і складності економічних процесів. Предметом дослідження є сучасні алгоритми машинного навчання, зокрема ансамблеві методи, глибокі нейронні мережі та підходи debiased machine learning, які використовуються для аналізу часових рядів і високовимірних економічних даних. Метою роботи є оцінка ефективності зазначених методів порівняно з традиційними економетричними моделями та визначення їх переваг і обмежень у практиці економічного прогнозування. Методологічну основу дослідження становлять методи економетричного аналізу, машинного навчання, крос-валідації та порівняльної оцінки прогнозної точності моделей. У роботі узагальнено результати сучасних наукових досліджень щодо застосування випадкових лісів, градієнтного бустингу, нейронних мереж і факторних моделей у прогнозуванні макроекономічних показників. Показано, що методи машинного навчання здатні підвищувати точність прогнозів за рахунок урахування нелінійних залежностей і складних взаємозв’язків між змінними, однак потребують значних обсягів якісних даних і ретельного контролю перенавчання. Практична цінність отриманих результатів полягає у можливості використання запропонованих підходів для підтримки прийняття рішень у макроекономічному аналізі, фінансовому прогнозуванні та розробці економічної політики. Зроблено висновок про доцільність поєднання класичних економетричних методів із сучасними алгоритмами машинного навчання з метою підвищення надійності та інтерпретованості прогнозів