Журнал «Менеджмент и бизнес-администрирование»
№4 / 2023

Технологическое обеспечение экосистемы прогнозирования финансово-экономических показателей при управлении государственными финансами

Яковлев Н.Д.,

младший научный сотрудник Института исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

Аннотация. В работе систематизируются данные о текущем состоянии и проблемах технологического обеспечения прогнозирования финансово-экономических показателей применительно к сфере государственных финансов. В контексте построения экосистем прогнозирования экономических показателей, лежащих в основе бюджетного прогноза, систематизирована информация о преимуществах и ограничениях современных цифровых технологий и инструментальных средств при решении прикладных задач прогнозирования.

Ключевые слова: макроэкономика, прогнозирование финансово-экономических показателей, экосистемы прогнозирования, инструменты.

Technological support for the ecosystem of forecasting financial and economic indicators in public finance management

Yakovlev N.D.,

Junior Researcher, Institute for Research of Socio-Economic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia

Abstract. . The work systematizes data on the current state and problems of technological support for forecasting financial and economic indicators in relation to the field of public finance. In the context of building ecosystems for forecasting economic indicators that underlie the budget forecast, information about the advantages and limitations of modern digital technologies and tools in solving applied forecasting problems is systematized.

Keywords: macroeconomics, forecasting financial and economic indicators, forecasting ecosystems, tools.

DOI: 10.33983/2075-1826-2023-4-183-190

Библиографический список

Агаев А.Е., Жминько А.Е. Планирование и прогнозирование: сущность, виды и классификация // Вестник Алтайской академии экономики и права. — 2019. — № 2–2. — С. 215–219.
Аминов К.А., Захарова Т.И., Ляндау Ю.В., Садыкова К.В., Щекочихин И.А. Стратегическое планирование и прогнозирование показателей субъектов МСП, как инструмент социально-экономического развития Российской Федерации // Инновации и инвестиции. — 2020. — № 1. — С. 110–114.
Джеймс Г., Уиттон Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с примерами на языке R. — М.: ДМК Пресс, 2016. — 460 с.
Кабаков Р.И. R в действии. Анализ и визуализация данных на языке R. — М.: ДМК Пресс, 2013. — 580 с.
Мастицкий С.Э., Шитиков В.К. Статистический анализ и визуализация данных с помощью R. — М.: ДМК Пресс, 2015. — 496 с.
Трухачева Н.В. Математическая статистика в медико-биологических исследованиях с применением пакета Statistica. — М.: ГЭОТАР-Медиа, 2012. — 384 с.
Храмов Д.А. Сбор данных в интернете на языке R. — М.: ДМК Пресс, 2016. — 282 с.
Цыпин А.П., Сорокин А.С. Статистические пакеты программ в социально-экономических исследованиях // Азимут научных исследований: экономика и управление. — 2016. — Т. 5. — № 4 (17). — С. 379–384.
Шипунов А.Б. Наглядная статистика: используем r! — М.: ДМК Пресс, 2012. — 298 с.
Binder C.C., Sekkel R. Central bank forecasting: A survey // Journal of Economic Surveys. — 2023. DOI: 1111/joes.12554.
Cross J.L., Hou C., Poon A. Macroeconomic forecasting with large Bayesian VARs: Global-local priors and the illusion of sparsity // International Journal of Forecasting. — 2020. — Vol. 36. — № 3. — P. 899–915.
Delle Monache D., De Polis A., Petrella I. Modeling and forecasting macroeconomic downside risk. — Bank of Italy Temi di Discussione (Working Paper) № 1324. — Rome, 2021. — 100 р.
Gilliland M. The value added by machine learning approaches in forecasting // International Journal of Forecasting. — 2020. — Vol. 36. — № 1. — P. 161–166.
Goulet Coulombe P., Leroux M., Stevanovic D., Surprenant S. How is machine learning useful for macroeconomic forecasting? // Journal of Applied Econometrics. — 2022. — Vol. 37. — № 5. — P. 920–964.
Kurpayanidi K.I. On the problem of macroeconomic analysis and forecasting of the economy // Theoretical & Applied Science. — 2020. — № 3. — P. 1–6.
Little R.J.A., Rubin D.B. Statistical analysis with missing data. — John Wiley & Sons, 2019.
Nti I.K., Teimeh M., Nyarko-Boateng O., Adekoya A.F. Electricity load forecasting: a systematic review // Journal of Electrical Systems and Information Technology. — 2020. — Vol. 7. — № 1. — P. 1–19.
Peixeiro M. Time series forecasting in python. — Simon and Schuster, 2022.
Rahardja D. Statistical Computing for Time-Series Forecasts via SAS Forecast Studio // International Journal of Applied Science and Mathematics. — 2021. — Vol. 8. — № 4. — P. 38–45.
Tursun S., Tuychievich B.M., Murotovich M.F. Effects of the Global Crisis on the Economy of Uzbekistan During the Coronovirus Pandemidia and Measures to Ease IT // JournalNX. — 2020. — Vol. 6. — № 05. — P. 277–280.
Y?ld?r?m D.C., Toroslu I.H., Fiore U. Forecasting directional movement of Forex data using LSTM with technical and macroeconomic indicators // Financial Innovation. — 2021. — Vol. 7. — P. 1–36.