УДК 338.27
DOI: 10.36871/ek.up.p.r.2026.06.06.030

Авторы

Артём Валерьевич Чечета,
АНО ВО «Московский Гуманитарно-экономический университет»
Алина Терентьевна Романова,
РУТ (МИИТ); АО «ИЭРТ»

Аннотация

В статье исследуется процесс цифровизации экономического прогнозирования как ключевое направление трансформации аналитических инструментов в условиях цифровой экономики. Цель работы – выявить этапы эволюции экономического прогнозирования, определить роль цифровых технологий в трансформации прогнозных моделей и установить границы их эффективности. В основе исследования – методы системного и сравнительного анализа, экономико-статистический и логикотеоретический подходы. Показано, что цифровизация расширяет аналитические возможности за счет использования больших данных, машинного обучения и искусственного интеллекта, однако не устраняет фундаментальные ограничения, связанные с неопределенностью социально-экономических процессов, качеством данных и институциональной средой. Обоснована необходимость комбинированного подхода, предполагающего интеграцию цифровых технологий с традиционными методами и экспертной оценкой.

Ключевые слова

экономическое прогнозирование, цифровизация, большие данные, машинное обучение, искусственный интеллект, эффективность прогнозов, цифровая экономика, границы эффективности

Список литературы

  1. Клейнер Г. Б. Системная экономика: шаги развития : монография / Г. Б. Клейнер. – М. : Научная библиотека, 2021. – 746 с.
  2. Иващенко Н. П. Трансформация методов экономического прогнозирования в условиях цифровой экономики / Н. П. Иващенко, А. А. Энговатова, Е. А. Королева // Вестник Московского университета. Серия 6: Экономика. – 2022. – № 3. – С. 25-48.
  3. Макаров В. Л. Искусственный интеллект и агент-ориентированные модели: новый подход к прогнозированию социально-экономического развития / В. Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко // Экономика и математические методы. – 2024. – Т. 60, № 1. – С. 5-18.
  4. Горбачев В. А. Nowcasting российской экономики с использованием данных поисковых запросов и высокочастотных индикаторов / В. А. Горбачев, С. В. Смирнов // Вопросы экономики. – 2023. – № 5. – С. 45-67.
  5. Varian H. R. Big Data and Economics: A New Era of Prediction / H. R. Varian // Journal of Economic Perspectives. – 2024. – Vol. 38, No. 2. – P. 3-28.
  6. Athey S. Machine Learning Methods for Economic Prediction / S. Athey, G. W. Imbens // Annual Review of Economics. – 2021. – Vol. 13. – P. 381-408.
  7. Agrawal A. Prediction Machines: The Simple Economics of Artificial Intelligence / A. Agrawal, J. Gans, A. Goldfarb. – Updated Edition. – Boston : Harvard Business Review Press, 2022. – 320 p.
  8. Садовничий В. А. Моделирование и прогнозирование глобального и регионального развития в условиях нестабильности / В. А. Садовничий, А. А. Акаев, А. В. Коротаев, С. Ю. Малков. – М. : ЛЕНАНД, 2023. – 480 с.
  9. Floridi L. A Unified Framework of Five Principles for AI in Society / L. Floridi, J. Cowls // AI & Society. – 2024. – Vol. 39, No. 1. – P. 15-29.
  10. Полтерович В. М. Кризис прогнозирования и перспективы развития экономической науки / В. М. Полтерович // Журнал Новой экономической ассоциации. – 2023. – № 3 (59). – С. 210-218.
  11. Гордеев Д. Ю. Методы оценки качества финансовых прогнозов в цифровой экономике / Д. Ю. Гордеев // Финансовый бизнес. – 2025. – № 8. – С. 123-128.
  12. Wang L. Application of Time Series Models in Forecasting the Efficiency of Regional Digital Economy Development / L. Wang // Journal of Applied Science and Engineering. – 2024. – Vol. 27, No. 8. – P. 2971-2979.
  13. Segovia J. A. Meteorological Variables Forecasting System Using Machine Learning and OpenSource Software / J. A. Segovia, J. F. Toaquiza, J. R. Llanos, D. R. Rivas // Electronics. – 2023. – Vol. 12, No. 4. – P. 1007.
  14. Hu Z. Ant Colony Optimization and Reinforcement Learning-Based System for Digital Economy Trend Prediction and Decision Support / Z. Hu // Informatica. – 2025. – Vol. 49, No. 13.
  15. Lan X. A Decision-Support Framework for Economic Growth Forecasting under Smart Finance: Integrating Dynamic GMM, Threshold Regression, and Machine Learning Optimization / X. Lan // Decision Making: Applications in Management and Engineering. – 2025.
  16. Сорос Дж. Алхимия финансов / Дж. Сорос. – М. : Диалектика, 2021. – 416 с.
  17. Талеб Н. Н. Черный лебедь. Под знаком непредсказуемости / Н. Н. Талеб. – М. : КоЛибри, 2022. – 736 с.