Перспективы использования векторных авторегрессий в экономическом прогнозировании

Аннотация

Предмет: одним из новых и перспективных направлений современного экономического краткосрочного прогнозирования является использование векторных авторегрессий. Опыт успешного применения таких моделей на практике весьма не велик, хотя все исследователи отмечают, что за моделями – будущее экономической прогностики. Проблемы построения и использования в краткосрочном экономическом прогнозировании векторных авторегрессий рассматриваются в данной статье. Цель: целью настоящего исследования является выявление проблем, которые мешают внедрению векторных авторегрессий в практику экономического прогнозирования и определение путей их преодоления. Дизайн исследования: в статье рассматриваются направления использования векторных авторегрессий в современных научных исследованиях и на практике; показывается несоответствие этих результатов богатым возможностям векторных авторегрессий; выявляется основная проблема – нелинейный рост сложности задачи с ростом размерности вектора авторегрессии; предлагается в качестве альтернативы использовать комплексную форму векторных авторегрессий; на практическом примере демонстрируется преимущество векторных авторегрессий в векторной форме по сравнению с векторными авторегрессиями действительных переменных. Результаты: в статье показывается, как вычислить нелинейный рост сложности задачи с ростом размерности вектора моделируемых показателей и насколько снижается размерность задачи, если её представить в форме авторегрессии комплексных переменных. На практическом и условных примерах демонстрируется снижение размерности модели, если её представить в комплексной форме. Для того чтобы подтвердить значимость полученных результатов, приводится пример моделирования и краткосрочного прогнозирования восьми основных индексов Московской биржи в период с 24.02.2022 по 13.05.2022. На этой базе были построены модели векторной авторегрессии и комплекснозначные векторные модели авторегрессии, осуществлён сравнительный анализ точности аппроксимации ими исходных рядов и сравнительный анализ точности краткосрочного экономического прогнозирования. Результаты подтверждают научную значимость моделей авторегрессии в комплексной форме.