Исследование качества прогнозов гибридных моделей ARIMA-ANN и VAR-ANN на макроэкономических данных

Данная работа посвящена исследованию прогнозной силы моделей ARIMA, VAR, Искусственных Нейронных Сетей и Гибридов перечисленных моделей на макроэкономических данных. Основная идея гибридных моделей, на которых сосредоточено внимание данной работы, заключается в скрещивании классических эконометрических моделей ARIMA и VAR с популярными в последнее время в научной литературе Искусственными Нейронными Сетями. Предполагается, что гибрид двух моделей будет давать более точные прогнозы за счет того, что разные модели смогут помогать друг другу и ловить различные закономерности в данных. Высказанная гипотеза была проверена на 12 макроэкономических рядах России и США для модели ARIMA-ANN и ее составляющих. Так же модель VAR-ANN и ее составляющие были протестированы на наборах рядов, в которые входили краткосрочная ставка процента, безработица, инфляция и ВВП России и США. Исследование позволило выявить ряд закономерностей, позволяющих говорить об успехе гибридных моделей в области прогнозирования макроэкономических данных.