Настоящая статья анализирует применение динамических эконометрических моделей в экономике, в частности, современные тенденции последних лет. Эти модели (например, DSGE, VAR и динамические панельные модели) выступают в качестве основных инструментов для оценки экономической динамики, воздействия шоков и анализа политики, с повышением точности за счет интеграции машинного обучения (ML) и больших данных. В методологии применен систематический обзор литературы, в рамках которого проанализированы несколько исследовательских работ из престижных журналов. Результаты показывают, что модели DSGE обеспечивают макроэкономические прогнозы с RMSE в диапазоне 0,15–0,25, модели VAR оценивают воздействия шоков, а интеграция ML повышает точность на 20–25%, хотя имеются ограничения, связанные с вычислительной сложностью и неопределенностью данных. В заключении подчеркивается роль моделей в формировании экономической политики, с предложениями по углублению интеграции ML, расширению использования больших данных и преодолению ограничений.