ОСОБЕННОСТИ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ В СОВРЕМЕННОЙ ЭКОНОМИКЕ
DOI:
https://doi.org/10.60078/2992-877X-2025-vol3-iss8-pp104-110Аннотация
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.
Ключевые слова:
эконометрическое моделирование современная экономика машинное обучение большие данные модели DSGE прогнозирование инфляции изменение климата устойчивое развитиеБиблиографические ссылки
This article examines the specific aspects of econometric modeling in the dynamic and complex conditions of the modern economy. The paper highlights contemporary trends such as the integration of big data, machine learning, and artificial intelligence, which play a crucial role in forecasting the impacts of inflation, unemployment, climate change, and pandemics. The methodology employs a systematic literature review, drawing on scientific articles from the Scopus, Web of Science, and ResearchGate databases over the last five years (2020-2025). The results indicate that ML-hybrid models enhance forecast accuracy (with reductions in RMSE and MAE), although the adverse effects of climate change and data uncertainty pose significant challenges. The conclusions and recommendations propose increasing the robustness of models in policy formulation, strengthening interdisciplinary collaboration, and implementing ethical standards, thereby contributing to sustainable development and economic recovery.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
