Прогнозирование инфляции в России с помощью TVP-модели с байесовским сжатием параметров

Аннотация
В статье подчеркивается актуальность вопросов совершенствования методологического инструментария макроэкономического прогнозирования, при этом в качестве важного аргумента указывается, что, к примеру, при использовании большого числа предикторов инфляции на не слишком длинных выборках возникает риск так называемого переобучения прогнозной модели. Дается обзор отечественных исследований по прогнозированию инфляции в России и обосновывается целесообразность использования при прогнозировании инфляции модели c байесовским сжатием меняющихся во времени параметров на основе априорного иерархического гамма-нормального распределения. Модели такого типа позволяют учитывать возможную нелинейность воздействия объясняющих переменных на инфляцию и одновременно бороться с проблемой переобучения. Обосновывается выбор системы статистических показателей, используемой для прогнозирования месячной инфляции в России в период 2011-2022 гг. В работе показано, что на коротких горизонтах прогнозирования (от одного до трех месяцев) байесовская модель со сжатием меняющихся во времени параметров с широким набором предикторов инфляции превосходит свой линейный аналог, линейную и байесовскую модель авторегрессии без предикторов, а также наивные модели инфляции (случайное блуждание) по качеству предсказания, измеряемому средней абсолютной и среднеквадратичной ошибками. На горизонте шести месяцев наилучшей по точности прогнозирования является авторегрессионная модель без предикторов с байесовским сжатием параметров. С ростом горизонта прогнозирования (до одного года) статистические различия в точности прогнозов конкурирующих моделей инфляции в России уменьшаются. Разработанная методика может быть использована Банком России и органами исполнительной власти для оперативной оценки прогнозных значений инфляции до конца года с целью выявления рисков отклонения инфляции от целевого уровня и разработки предупреждающих мер экономической политики.