Наукастинг темпов роста стоимостных объемов экспорта и импорта России по товарным группам

Аннотация

В работе рассматривается ряд моделей машинного обучения и эконометрики, а именно: Elastic Net, Random Forest, XGBoost и SSVS применительно к наукастингу (оценке на текущий период) большого набора данных о долларовых стоимостных объемах российского экспорта и импорта по товарным группам. Мы используем лаги объемов товарных групп экспорта и импорта, биржевые цены на некоторые товары и другие переменные, в связи с чем проблема проклятия размерности встает достаточно остро. Используемые нами модели достаточно популярны и хорошо себя зарекомендовали при прогнозировании в условиях наличия проклятия размерности, когда количество параметров модели превышает число наблюдений. Наиболее качественной моделью оказывается взвешенная модель методов машинного обучения, которая превосходит базовую модель ARIMA в наукастинге объемов как экспорта, так и импорта. Согласно тесту Диболда – Мариано, в случае самых крупных товарных групп модели зачастую удается получить более качественный наукаст относительно модели ARIMA. Полученные оценки оказываются достаточно близки к историческим прогнозам Банка России, построенным в сопоставимых условиях.