Прогнозування макроекономічних показників методами машинного навчання

Abstract

UK: Об’єкт дослідження – процес прогнозування макроекономічних індикаторів. Предмет дослідження – методи та моделі машинного навчання для аналізу макроекономічних часових рядів. Мета роботи – розроблення та реалізація моделей прогнозування макроекономічних показників України із застосуванням алгоритмів машинного навчання. У роботі досліджено динаміку валового внутрішнього продукту, базового індексу споживчих цін та рівня безробіття за 2020–2025 роки. Для показників із достатнім та безперервним часовим рядом побудовано прогнозні моделі на основі алгоритмів Random Forest, Gradient Boosting та багатошарового перцептрону. Оцінювання якості моделей здійснювалося за метриками MAE, RMSE та MAPE. За результатами порівняння найкращу точність продемонструвала модель Random Forest, яка була використана для формування прогнозу базового індексу споживчих цін на 2025 рік. EN: Object of the study – the process of forecasting macroeconomic indicators. Subject of the study – machine learning methods and models for analyzing macroeconomic time series. The purpose of the work is to develop and implement models for forecasting Ukraine’s macroeconomic indicators using machine learning algorithms. The study analyzes the dynamics of gross domestic product, core consumer price index and unemployment rate for the period 2020–2025. Forecasting models based on Random Forest, Gradient Boosting and multilayer perceptron algorithms were developed for indicators with sufficient and continuous time series. Model performance was evaluated using MAE, RMSE and MAPE metrics. The results show that the Random Forest model provides the highest forecasting accuracy and was used to generate the forecast of the core consumer price index for 2025.