УДК 330.43:004.657
DOI: 10.36871/ek.up.p.r.2025.03.02.002
Авторы
Камила Багаудиновна Дахкильгова,
Чеченский государственный университет им. А. А. Кадырова, Грозный, Российская Федерация
Венера Казбековна Аюпова,
Университет управления «ТИСБИ», Казань, Российская Федерация
Султан Ризуанович Гаунов,
Кабардино-Балкарский государственный университет им. Х. М. Бербекова, Нальчик, Российская Федерация
Аннотация
Современные экономические кризисы развиваются с высокой скоростью и сложностью, что требует новых методов прогнозирования и раннего выявления рисков. Использование технологий больших данных позволяет анализировать сложные экономические процессы в режиме реального времени, выявлять скрытые паттерны кризисов и предсказывать возможные макроэкономические потрясения. Применение машинного обучения, нейросетевых моделей и обработки высокочастотных финансовых данных значительно повышает точность прогнозирования кризисных сценариев, позволяя принимать упреждающие меры. В статье исследуется роль больших данных в выявлении нестабильности, рассматриваются основные источники информации, методы аналитики и ограничения алгоритмических предсказаний. Анализируются успешные примеры использования больших данных центральными банками и финансовыми регуляторами, а также перспективы интеграции предсказательных моделей в экономическую политику.
Ключевые слова
большие данные, экономический кризис, прогнозирование, машинное обучение, нейросети, макроэкономический анализ, финансовые рынки, антикризисная политика, высокочастотные данные, предиктивная аналитика
