MOSES: макроэкономическое прогнозирование на основе синтеза моделей и текстовой информации

Аннотация

Работа посвящена применению байесовского прогнозного синтеза для наукастинга валового внутреннего продукта (ВВП) и прогнозирования инфляции в России. Новизна исследования заключается в следующем: 1) байесовский прогнозный синтез используется для комбинирования широкого спектра методов машинного обучения, а также байесовских векторных авторегрессий со смешанной частотой данных; 2) при прогнозировании применяются индексы тональности текстов Банка России, Европейского центрального банка и Федеральной резервной системы США; 3) оценивается влияние сезонной корректировки на ошибки прогнозирования моделей градиентного бустинга и нейронных сетей. Результаты показывают, что наиболее точные наукасты ВВП России обеспечивает кубическая байесовская векторная авторегрессия. При прогнозировании инфляции в России предложенный метод комбинирования моделей превосходит авторегрессию первого порядка, байесовское усреднение моделей, ансамблевые и нейросетевые методы. Сезонная корректировка приводит к занижению среднеквадратических ошибок прогнозирования нейронных сетей. Результаты устойчивы на винтажах данных, опубликованных в течение трех месяцев после тестового периода, и статистически значимы согласно тесту Диболда – Мариано.