Данная статья исследует специфические аспекты эконометрического моделирования в динамичных и сложных условиях современной экономики. В работе подчеркиваются современные тенденции, такие как интеграция больших данных (big data), машинного обучения (machine learning) и искусственного интеллекта, которые играют ключевую роль в прогнозировании влияния инфляции, безработицы, изменения климата и пандемий. В методологии применяется систематический анализ литературы, опирающийся на научные статьи из баз данных Scopus, Web of Science и ResearchGate за последние пять лет (2020-2025). Результаты показывают, что гибридные модели на основе ML повышают точность прогнозирования (снижение RMSE и MAE), однако негативные эффекты изменения климата и неопределенность данных создают значительные трудности. В выводах и рекомендациях предлагается повышение устойчивости моделей в формировании политики, усиление междисциплинарного сотрудничества и внедрение этических стандартов, что способствует устойчивому развитию и экономическому восстановлению.