@ARTICLE{26543120_905436203_2024, 
	author = {Т. В. Букина and Д. В. Кашин}, 
	keywords = {, прогнозирование, региональная инфляция, машинное обучение, градиентный бустинг, случайный лесэконометрическое моделирование},
	title = {Прогнозирование региональной инфляции: эконометрические модели или методы машинного обучения?},
	journal = {Экономический журнал ВШЭ},
	year = {2024},
	volume = {28},
	number = {1},
	pages = {81-107},
	url = {https://ej.hse.ru/2024-28-1/905436203.html},
	publisher = {},
	abstract = {В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования - определить модель, которая точнее остальных прогнозирует региональ­ную инфляцию. В работе производится сравнение инструментов машинного обучения - метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, - моделями, которые чаще используются для прогнозирования общероссийской инфляции. По результатам исследования выявлены ключевые макроэкономические показатели, наиболее существенно влияющие на региональную инфляцию. В тройку таких для каждого региона ПФО входит значение инфляции в прошлом месяце, среднее значение инфляции и номер месяца. Показано, что модели машинного обучения не хуже справляются с задачей прогнозирования региональной инфляции на длительных временных периодах, в то время как эконометрические модели достаточно точно прогнозируют на краткосрочных временных горизонтах.},
	annote = {В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования - определить модель, которая точнее остальных прогнозирует региональ­ную инфляцию. В работе производится сравнение инструментов машинного обучения - метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, - моделями, которые чаще используются для прогнозирования общероссийской инфляции. По результатам исследования выявлены ключевые макроэкономические показатели, наиболее существенно влияющие на региональную инфляцию. В тройку таких для каждого региона ПФО входит значение инфляции в прошлом месяце, среднее значение инфляции и номер месяца. Показано, что модели машинного обучения не хуже справляются с задачей прогнозирования региональной инфляции на длительных временных периодах, в то время как эконометрические модели достаточно точно прогнозируют на краткосрочных временных горизонтах.}
}