УДК 37
DOI: 10.36871/ek.up.p.r.2026.03.08.017

Авторы

Ахмед Магомедович Гачаев,
ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова»

Аннотация

Cтатья посвящена исследованию методологических и прикладных аспектов применения вероятностно-статистического инструментария в задачах прогнозирования макроэкономических показателей, что в условиях возрастающей неопределенности внешней среды, нелинейности динамики экономических процессов и необходимости обоснования управленческих решений на различных уровнях экономической политики приобретает статус одной из центральных проблем современной эконометрической науки. В работе обосновывается тезис о том, что традиционные детерминистские подходы к прогнозированию, базирующиеся на экстраполяции трендов и использовании структурных моделей с фиксированными параметрами, демонстрируют ограниченную эффективность при столкновении с эффектами структурных сдвигов, асимметрией распределения макроэкономических шоков и наличием нелинейных взаимодействий между агрегированными переменными, что обусловливает необходимость обращения к более гибкому вероятностному аппарату, способному не только генерировать точечные оценки, но и количественно оценивать неопределенность прогноза в форме доверительных интервалов, прогнозных распределений и сценарных вероятностей.

Ключевые слова

теория вероятностей, математическая статистика, макроэкономическое прогнозирование, эконометрика

Список литературы

  1. Айвазян С.А. Эконометрическое прогнозирование макроэкономических показателей: методы и модели. – М.: ЦЭМИ РАН, 2018. – 286 с.
  2. Арутюнов А.Л. Исследование временных рядов с помощью стохастических и детерминированных динамических моделей с учетом передаточных функций для прогнозирования экономических показателей // Теория и практика институциональных преобразований в России. – М.: ЦЭМИ РАН, 2016. – Вып. 37. – С. 29–38.
  3. Базилевский М.П. Моделирование трендов временных рядов со структурными изменениями с помощью многослойных модульных регрессий // Российский журнал кибернетики. – 2024. – Т. 5, № 3. – С. 34–41.
  4. Васильев А.А. Применение М-оценок для прогнозирования коротких временных рядов экономических показателей на основе среднего значения уровней // Учет и статистика. – 2018. – № 4 (52). – С. 28–36.
  5. Канторович Г.Г. Анализ временных рядов: статистические методы и приложения в экономике. – М.: Издательский дом Высшей школы экономики, 2021. – 352 с.
  6. Мисюра В.В., Богачева М.В., Мисюра Е.В. Интервальное прогнозирование временных рядов с использованием порядковых статистик // Journal of Physics: Conference Series. – 2021. – Т. 2131, № 2. – С. 022110.
  7. Орлов А.И. Теория вероятностей и математическая статистика в экономике: методологические аспекты // Экономика и математические методы. – 2016. – Т. 52, № 3. – С. 85–95.
  8. Пересецкий А.А. Байесовские методы в эконометрике и прогнозировании // Прикладная эконометрика. – 2019. – Т. 53, № 1. – С. 112–135.
  9. Тамбиева Д.А. Методы нелинейной динамики в исследованиях экономических временных рядов // Известия Российского государственного педагогического университета им. А.И. Герцена. – 2008. – № 11 (65). – С. 123–128.
  10. Эконометрическое прогнозирование макроэкономических показателей: методы и модели / под ред. С.А. Айвазяна. – М.: ЦЭМИ РАН, 2018. – 286 с.