| Аннотация | В работе проведен анализ точности моделей наукастинга и краткосрочного прогнозирования годовых темпов роста квартального ВВП для 33 развивающихся стран за период с 1 квартала 2013 г. по IV квартал 2023 г. Исследование оценивает вневыборочную точность различных моделей (MIDAS-, MFBVAR-, DFM-модели, модели с регуляризацией, а также классической парной регрессии и авторегрессии первого порядка) на последних 12 точках (3 года). Результаты демонстрируют, что MIDAS-модели, особенно модификации с экспоненциальными лагами Алмон и ограничениями на основе распределения Гомпертца, обеспечивают наивысшую точность для 70% стран благодаря гибкости агрегации месячных данных. Также было выявлено, что ключевым фактором точности является учет особенностей экономической структуры: ресурсозависимые страны достигают минимальных ошибок через сырьевые и экспортные показатели, тогда как диверсифицированные экономики полагаются на финансовые показатели. В условиях высокой волатильности простые методы (авторегрессия и регуляризация) превосходят сложные модели, снижая среднюю абсолютную ошибку (MAE) до 58% за счет устойчивости к шумам. Рост горизонта прогнозирования приводит к увеличению ошибок на 30-50%. Исследование показывает плотную корреляцию между волатильностью ВВП и средней абсолютной ошибкой прогноза, что подчеркивает сложность прогнозирования в нестабильных условиях. Результаты исследования формируют основу для адаптивных систем прогнозирования, актуальных для центральных банков и аналитических агентств в условиях глобальной экономической неопределенности. |
|---|