ЗАСТОСУВАННЯ ВЕКТОРНИХ АВТОРЕГРЕСІЙНИХ МОДЕЛЕЙ ДЛЯ АНАЛІЗУ ДИНАМІКИ ТА ПРОГНОЗУВАННЯ МАКРОЕКОНОМІЧНИХ ПРОЦЕСІВ В УКРАЇНІ

Анотація

У статті здійснено комплексний аналіз та оцінювання ефективності застосування векторних авторегресійних моделей для моделювання та прогнозування макроекономічних процесів в Україні. Обґрунтовано, що в умовах високого рівня невизначеності та структурних трансформацій традиційні економетричні підходи часто мають обмежену здатність до врахування складних взаємозв’язків, що знижує точність прогнозів. Натомість використання векторних авторегресійних моделей дозволяє досліджувати динамічні взаємозалежності між змінними, розглядаючи їх як єдину систему ендогенних показників.

На основі офіційних статистичних даних сформовано інформаційну базу дослідження, що включає показники валового внутрішнього продукту, індексу споживчих цін, кредитної ставки та реального ефективного обмінного курсу. За допомогою побудови матриці кореляцій Пірсона ідентифіковано ключові емпіричні патерни, зокрема критично високу пряму залежність між валовим внутрішнім продуктом, споживчими витратами та імпортом, що вказує на структурну вразливість економіки та проблему мультиколінеарності. Також виявлено потужний ефект переносу валютного курсу на внутрішню інфляцію та стагфляційні маркери, де зростання цін пригнічує промислове виробництво. Додатково проведено графічний аналіз траєкторій розвитку індикаторів, який дозволив візуалізувати синхронність їхнього руху та виявити суттєві структурні злами, спричинені кризовими шоками 2014 – 2015 та 2022 років.

Методологія дослідження передбачала перехід до стаціонарних часових рядів через логарифмічне диференціювання, стабільність яких підтверджена розширеним тестом Дікі- Фуллера. Якість побудованої векторної авторегресійної моделі перевірено методом бектестингу на тестових даних за 2024 – 2025 роки. Розрахована середня абсолютна відсоткова похибка, яка склала 1,29% для індексу споживчих цін та 4,4% для валового внутрішнього продукту підтверджує високу точність та доцільність використання обраного інструментарію. Сформований прогноз на 2026 – 2028 роки вказує на поступове сповільнення інфляції до 5% та стабільне зростання номінального валового внутрішнього продукту.


Посилання

1. Coulombe P. G., Leroux M., Stevanovic D., Surprenant S. How is Machine Learning Useful for Macroeconomic Forecasting? Journal of Applied Econometrics. 2022. Vol. 37, No. 5. P. 920–964. DOI: https://doi.org/10.1002/jae.2910
2. Щербініна С.О., Шевченко О.М. Штучний інтелект в економіко-математичному моделюванні сценаріїв розвитку підприємництва в Україні. Економічний простір. 2025, No. 201. P. 241–245. DOI: https://doi.org/10.30838/EP.201.241-245 (
3. Blanchard O. On the Future of Macroeconomic Models. Oxford Review of Economic Policy. 2018. 34, No. 1/2. P. 43–54. URL: https://www.jstor.org/stable/48539406
4. Sengupta S., Chakraborty T., Singh S. K. Forecasting CPI Inflation Under Economic Policy and Geopolitical Uncertainties. International Journal of Forecasting. 2025. Vol. 41, No. 3. P. 953–981. DOI: https://doi.org/10.1016/j.ijforecast.2024.08.005
5. Otto P., Doğan O., Taşpınar S. A Dynamic Spatiotemporal Stochastic Volatility Model with an Application to Environmental Risks. Econometrics and Statistics. 2024. Vol. 30. P. 112–130. DOI: https://doi.org/10.1016/j.ecosta.2023.11.002
6. Sims C. A. Macroeconomics and Reality. Econometrica. 1980. Vol. 48, No. 1. P. 1–48. DOI: https://doi.org/10.2307/1912017
7. Lütkepohl H. New Introduction to Multiple Time Series Analysis. Berlin: Springer-Verlag, 2005. 764 p. DOI: https://doi.org/10.1007/978-3-540-27752-1
8. Giannone D., Lenza M., Primiceri G. E. Prior Selection for Vector Autoregressions. Review of Economics and Statistics. 2015. Vol. 97, No. 2. P. 436–451. DOI: https://doi.org/10.1162/REST_a_00483
9. Wołoszyn J., Bukowski S. The Impact of AI on Economic Modelling // European Research Studies Journal. 2025. Vol. 28, No. 1. P. 640–660. DOI: https://doi.org/10.35808/ersj/3927
10. Ameziane K., Benyacoub B. Exchange Rate Volatility Effect on Economic Growth Under Different Exchange Rate Regimes: New Evidence from Emerging Countries Using Panel CS-ARDL Model. Journal of Risk and Financial Management. 2022. Vol. 15, No. 11. Art. 499. DOI: https://doi.org/10.3390/jrfm15110499
11. Grui A., Lysenko R. Nowcasting Ukraine's GDP Using a Factor-Augmented VAR (FAVAR) Model. Visnyk of the National Bank of Ukraine. 2017. No. 242. P. 5–13. DOI: https://doi.org/10.26531/vnbu2017.242.005
12. Takahashi Y., Otaka K., Kato N. Potential Applications of Generative AI in Economic Simulations. Bank of Japan Research LAB. 2025. Vol. 25, No. 1. P. 1–15. URL: https://www.boj.or.jp/en/research/wps_rev/lab/lab25e01.htm
13. Kole E., Dijk D. Moments, Shocks and Spillovers in Markov-Switching VAR Models. Tinbergen Institute Discussion Paper. 2023. No. TI 2021-080/III. DOI: https://doi.org/10.2139/ssrn.3924951
14. Lukianenko I., Nasachenko M., Tokarchuk T. Estimating Inflation and Inflation Expectations Based on a Markov-Switching Vector Autoregression Approach: Case of Ukraine. Financial and Credit Activity: Problems of Theory and Practice. 2025. Vol. 3, No. 62. P. 163–174. DOI: https://doi.org/10.55643/fcaptp.3.62.2025.4724
15. Shapovalenko N. A BVAR Model for Forecasting Ukrainian Inflation and GDP. Visnyk of the National Bank of Ukraine. 2021. No. 251. P. 14–36. DOI: https://doi.org/10.26531/vnbu2021.251.02
16. Kramar V., Chepyha B. Anchoring Firms’ Inflation Expectations in Ukraine: Assessing Shock and Level Anchoring with a VAR Approach. Visnyk of the National Bank of Ukraine (Occasional Paper). 2025. No. 2025/06. DOI: https://doi.org/10.26531/vnbu2025.op06
17. Aastveit K. A., Bjørnland H. C., Cross J. L. Global VAR Models for Open Economies: A New Perspective on Trade and Inflation. Journal of International Economics. 2024. Vol. 147. P. 103–120. DOI: https://doi.org/10.1016/j.jinteco.2023.103856
18. Faryna O., Simola H. How Trade Composition Affects Sensitivity to Foreign Shocks: Applying a Global VAR Model to Ukraine. Visnyk of the National Bank of Ukraine. 2019. No. 247. P. 4–18. DOI: https://doi.org/10.26531/vnbu2019.247.01
19. Grui A., Vdovychenko A., Gurnytska S., Myronova L. Anchoring of Inflation Expectations in Ukraine: Evidence from Firm-Level and Macro Data. National Bank of Ukraine Working Paper. 2023. No. 2023/02. DOI: https://doi.org/10.26531/nbubwp2023-02
20. Vavra J. Non-linear Macroeconomic Dynamics and Regime Switching in Emerging Markets. Springer Economics. 2025. Vol. 12, No. 1. P. 88–114. DOI: https://doi.org/10.1007/s40503-024-00123-x
21. Abdel Wahed M. Hybrid Econometric and Machine Learning Approaches for Robust Anomaly Detection. Robust Methods for Anomaly Detection in Econometrics / Ed. by M. Rahmouni. IGI Global Scientific Publishing, 2026. P. 209–246. DOI: https://doi.org/10.4018/979-8-3373-8297-5.ch007
22. Ковбатюк М., Семенюк Д. Порівняльний аналіз трендових методів прогнозування економічних показників на прикладі економіки України. Таврійський науковий вісник. Серія: Економіка. 2025. No. 24. P. 111–120. DOI: https://doi.org/10.32782/2708-0366/2025.24.11
23. World Bank Open Data : вебсайт. URL: https://data.worldbank.org
24. International Financial Statistics : вебсайт / IMF. URL: https://data.imf.org
25. Офіційне інтернет-представництво Національного банку України : вебсайт. URL: https://bank.gov.ua
26. Державна служба статистики України : вебсайт. URL: http://www.ukrstat.gov.ua