Реферат на тему «Современные экономико-математические методы научного исследования»

В первой главе произведена систематизация и классификация современных экономико‑математических методов с целью создания единообразной терминологической и методологической основы для последующих эмпирических исследований. Рассмотрены исторические предпосылки развития методов и выделены основные группы подходов: классические временные ряды и регрессионные модели, стохастические методы, методы машинного обучения и байесовские методы. Оценены сильные и слабые стороны каждой группы применительно к краткосрочному прогнозированию валютного курса при ограниченных объёмах данных. Проанализированы критерии выбора метода с акцентом на способность учитывать априорную информацию и выражать неопределённость параметров. В результате главы обоснована методологическая предпосылка для выбора байесовских подходов как предпочтительного направления для практической разработки модели.

Во второй главе детализированы современные экономико‑математические методы с упором на их практическое применение в задаче прогнозирования курса рубля. Описаны этапы построения байесовской регрессии: выбор объясняющих переменных (ключевая ставка, инфляция, цена нефти), формулировка априорных распределений и методы оценивания (например, MCMC). Приведена методология валидации и сопоставления результатов с ARIMA на временном промежутке 2019–2024 гг., включая выбор метрик и процедур проверки устойчивости. Проиллюстрированы предварительные преимущества байесовского подхода в выражении неопределённости оценок и устойчивости при малой выборке. Таким образом, в главе решены практические задачи разработки, оценки и интерпретации моделей, подготовлены основания для выводов и рекомендаций.

Проведённое исследование подтвердило гипотезу о том, что байесовские эконометрические методы, в частности байесовская регрессия, обеспечивают более точное и устойчивое краткосрочное прогнозирование курса рубля к доллару по сравнению с классической моделью ARIMA в условиях нестабильной экономики и ограниченного объёма данных. Сравнительный анализ на данных 2019–2024 гг. показал, что байесовская модель не только снижает среднюю абсолютную ошибку прогноза, но и позволяет количественно оценить неопределённость оценок, что критически важно для принятия решений в условиях санкционного давления и волатильности нефтяных цен. Практическая значимость работы заключается в возможности применения разработанной байесовской модели в системах финансового планирования предприятий-экспортёров и импортёров. Рекомендуется использовать полученные прогнозы для хеджирования валютных рисков и оптимизации краткосрочных финансовых стратегий, что позволит снизить потери от неожиданных колебаний курса и повысить точность бюджетного планирования. Вместе с тем, исследование выявило ряд ограничений: модель чувствительна к выбору априорных распределений и не учитывает геополитические шоки напрямую. Дальнейшее развитие подхода может включать расширение набора макроэкономических факторов, применение иерархических байесовских моделей и комбинирование с методами машинного обучения для повышения адаптивности прогнозов в условиях быстро меняющейся конъюнктуры.