| Аннотация | При краткосрочном прогнозировании экономических процессов активно используют модели авторегрессии AR(p) и их многочисленные модификации. При этом не всегда удается добиться необходимой точности прогноза, поэтому ученые, занимающиеся экономическим прогнозированием, продолжают разрабатывать новые методы и подходы для того, чтобы с их помощью повысить точность своих прогнозов. Один из перспективных подходов в этом направлении связан с использованием элементов теории функций комплексной переменной в моделировании экономики (комплекснозначная экономика). В статье показано, как, используя комплекснозначные авторегрессионные модели, повысить точность краткосрочного экономического прогнозирования. Рассматриваются свойства и возможность практического применения в краткосрочном экономическом прогнозировании двух моделей: модели комплекснозначной авторегрессии, к действительной части которой относится прогнозируемый показатель, а к мнимой – время, в которое этот показатель наблюдался (модель CTAR(p)), и модели, к действительной части которой относится прогнозируемый показатель, а к мнимой части – текущая ошибка прогноза CARE(p). Показывается, что классическая модель авторегрессии действительных переменных AR(p) является частным случаем каждой из этих двух моделей. Основной акцент в статье делается на изучении свойств модели ReCARE(p). Теоретически обосновывается, что эта модель точнее прогнозирует краткосрочную экономическую динамику, чем модель AR(p). Это показывается на практических примерах. Поэтому рекомендуется в тех случаях, в которых уместны модели авторегрессии, использовать новую модель ReCARE(p) как более точную. Показывается, что на основе этой базовой модели можно разработать новые модели краткосрочного прогнозирования, аналогичные моделям ARMA(p, q) и ARIMA(p, d, q), от которых следует ожидать повышенной точности краткосрочных экономических моделей. |
|---|