| Аннотация | Систематизированы методы машинного обучения (ММО), наиболее релевантные для макроэкономики, суммированы результаты их применения для прогнозирования и наукастинга ключевых макроэкономических показателей. Показано, что, несмотря на методологический прогресс и публикации последних лет, точность на традиционных статистических данных не растет: ММО нередко превосходят наивные и стандартные бенчмарки, однако прирост точности не всегда статистически значим и заметен для практиков с учетом издержек внедрения. Отмечены три прикладные задачи, где ММО уже полезны даже на традиционных данных; при этом основной потенциал ММО раскрывается при работе с «большими» и неструктурированными данными, где они фактически незаменимы. |
|---|