УДК 004.8:338.012.2
DOI: 10.36871/ek.up.p.r.2025.12.06.020

Авторы

Елена Борисовна Казаринова,
Российский университет дружба народов имени Патриса Лумумбы, Москва, Российская Федерация
Али Анварович Халидов,
Казанский государственный энергетический университет, Казань, российская Федерация
Мадина Сосламбековна Кочкарова,
Северокавказская государственная академия, Черкесск, Российская Федерация

Аннотация

В статье исследуется применение современных архитектур нейронных сетей для анализа временных рядов и прогнозирования экономического роста на примере российской экономики в условиях высокой волатильности и внешних шоков (финансовый кризис 2014–2015 гг., пандемия COVID‑19, санкционные ограничения 2022–2025 гг.). На основе критического обзора традиционных эконометрических подходов (ARIMA, SARIMA, VAR, GARCH) и существующих приложений машинного обучения показано, что классические модели систематически завышают ошибки прогноза в периоды структурных сдвигов, тогда как рекуррентные нейронные сети (RNN, LSTM, GRU) и модели на основе механизма attention демонстрируют существенно высшую точность благодаря способности улавливать нелинейные зависимости и долгосрочные паттерны.
Предложена авторская гибридная архитектура LSTM-GRU с механизмом multi-head self-attention, дополненная внешними регрессорами (цены на нефть Brent, индекс геополитических рисков GPR, индекс санкций, реальный эффективный курс рубля, индекс физического объема ВВП по видам экономической деятельности). Модель обучена и протестирована на квартальных данных Росстата, Банка России и международных источников за период 2005Q1–2025Q2 (включая актуальные данные за 2024–2025 гг., отражающие восстановительный рост ВВП России на уровне +3,9% в 2024 г. и прогнозируемые +2,8–3,3% в 2025 г.).

Ключевые слова

нейронные сети, прогнозирование экономического роста, временные ряды, LSTM, GRU, механизм attention, гибридные модели глубокого обучения, макроэкономическое прогнозирование, экономика России, внешние шоки, санкции

Список литературы

  1. Влияние информационных технологий на развитие национальной экономики Российской Федерации / И. Н. Макаров, В. А. Симонова, М.В. Бузулуцкая [и др.] // Экономика и управление: проблемы, решения. — 2024. — Т. 9, № 6(147). — С. 97–103. — EDN VEJEWY.
  2. Галимуллин Н. Р. Метапрограммирование и его роль в современных языках программирования // Экономика и управление: проблемы, решения. — 2024. — Т. 7, № 9(150). — С. 82–91. — DOI 10.36871/ek.up. p. r.2024.09.07.011.— EDN EGENKV.
  3. Галимуллин Н. Р. Роль искусственного интеллекта в цифровой трансформации банковской системы // Экономика и управление: проблемы, решения. — 2025. — Т. 2, № 3(156). — С. 142–150. — DOI 10.36871/ ek.up. p. r.2025.03.02.018. — EDN RWCITW.
  4. Гарбузова Т. Г. Инновационные технологии в обеспечении устойчивого социальноэкономического развития / Т. Г. Гарбузова, О. П. Шевченко, Т. Е. Новикова // Экономика и управление: проблемы, решения. — 2025. — Т. 8, № 7(160). — С. 173–184. — EDN CSOAPI.
  5. Мерзлякова Г. В. Вместе с республикой: роль классического университета в социальноэкономическом развитии региона // 100‑летие государственности Удмуртии: исторические вехи и перспективы развития: сб. материалов Форума. — 2020. — С. 5–11.
  6. Морозова О. С. Роль университетов странчленов Евразийского экономического союза в расширении межрегионального сотрудничества // Межрегиональные и межгородские связи на Евразийском пространстве в условиях системных изменений мирового порядка: сб. материалов Междунар. науч.-практ. конф. — Тюмень, 2024. — С. 29–30.
  7. Нуртдинов И. И. Тенденции изменения вектора развития лизингового рынка в условиях санкций / И. И. Нуртдинов, О. А. Шипшова // Вестник Российского университета кооперации. — 2023. — № 3(53). — С. 68–71. — EDN AQASFE.
  8. Панченко В. Е. Роль университетов в формировании и развитии инновационной системы региона, страны, мирового экономического пространства // Современная экономика: проблемы и решения. — 2019. — № 2 (110). — С. 101–110.
  9. Плутенко А. Д. Современная роль университета в подготовке кадров для социальноэкономического развития Амурской области / А.Д. Плутенко, А.В.Лейфа, А. Г.Масловская // Уровень жизни населения регионов России.— 2017. — № 2 (204). — С. 106–112.
  10. Роль цифровых платформ в создании новых бизнес-моделей и экономических экосистем / О. В. Косникова, А.Л. Золкин, В.С. Тормозов, Т. Г. Гарбузова // Экономика и управление: проблемы, решения. — 2025. — Т. 3, № 1(154). — С. 168–175. — EDN SHCKLA.