KNEU Logo Публікації КНЕУ імені Вадима Гетьмана Publications of KNEU named after Vadym Hetman
Switch to Ukrainian Switch to English
Modeling and Information System in Economics

Modeling and Information System in Economics

ISSN 2708-9746
Катуніна Ольга Сергіївна  
Olha Katunina  
Кваша Н. С.
N. Kvasha

Прогнозне моделювання рівня інфляції в Україні на базі інструментів машинного навчання

Forecast modeling of the inflation level in Ukraine on the basis of machine learning tools

DOI:

10.33111/mise.101.9

Анотація: Стаття присвячена актуальним питанням моделювання інфляційних процесів в Україні. Розглянуто методологічні положення та інструментарій прогнозного моделювання динаміки інфляційних процесів, проаналізовано динаміку індексу інфляції в Україні. Систематизовано наукові підходи до моделювання інфляційних процесів; обгрунтовано використання моделей аналізу динаміки індексу інфляції та сукупності факторів; розроблено структуру системи моделей для прогнозування інфляції; запропоновано використання методів науки про дані та машинного навчання для дослідження впливу макроекономічних факторів на інфляційні процеси в Україні; застосовано методи вирівнювання, згладжування, багатофакторне моделювання. Обгрунтовано використання лагових зміщень в динамічних рядах факторних змінних, що зумовлюють розвиток інфляційних процесів. Для індексу інфляції побудовано систему ARIMA — моделей, що ідентифікують стійкі авторегресійні механізми у структурі динамічного ряду, за критеріями ефективності апроксимації визначено кращу прогностичну модель. На базі методів машинного навчання побудовано систему багатофакторних лінійних прогностичних моделей із регуляризацією. Розглянуті моделі реалізовано на реальних макроекономічних даних України, що дало можливість одержати систему альтернативних математичних моделей динаміки інфляційних процесів при різних припущеннях щодо врахування загальної тенденції, циклічної та випадкової складової, наявності часових лагів та структурних зрушень, механізмів впливу на індекс інфляції низки предикторів. Запропонована система моделей є цілісним комплексом сучасних інструментів дослідження та прогнозування інфляційних процесів з метою виявлення тенденцій та закономірностей і прогнозування, а тому є затребуваною та може використовуватись на рівні державного управління, підприємствами та установами, учасниками відповідних ринків, що здійснюють економічну діяльність та проводять дослідження ринків. Розглянуті в роботі моделі є складовою макроекономічної аналітики та можуть бути ефективно впроваджені в практику дослідницької, управлінської та консалтингової діяльності.
Abstract: The article is devoted to topical issues of modeling inflation processes in Ukraine. The methodological provisions and tools of forecast modeling of the dynamics of inflation processes are considered, the dynamics of the inflation index in Ukraine is analyzed. Scientific approaches to modeling of inflationary processes are systematized; the use of models for analyzing the dynamics of the inflation index and a set of factors is substantiated; the structure of the system of models for forecasting inflation is developed; the use of data science methods and machine learning to study the impact of macroeconomic factors on inflation in Ukraine is proposed; methods of alignment, smoothing, multifactor modeling are applied. The use of lag shifts in the time series of factor variables that determine the development of inflationary processes is substantiated. A system of ARIMA models has been built for the inflation index — models that identify stable autoregressive mechanisms in the structure of the time series, the best prognostic model has been determined according to the criteria of approximation efficiency. A system of multifactor linear prognostic models with regularization is built on the basis of machine learning methods. The considered models are implemented on real macroeconomic data of Ukraine, which made it possible to obtain a system of alternative mathematical models of inflation dynamics with different assumptions to take into account the general trend, cyclical and random component, time lags and structural changes, mechanisms of influencing the inflation index of a number of predictors. The proposed system of models is a holistic set of modern tools for research and forecasting of inflation to identify trends and patterns and forecasting, and therefore is in demand and can be used at the level of government, enterprises and institutions, participants in relevant markets, economic activities and market research. The models considered in the work are a component of macroeconomic analysis and can be effectively implemented in the practice of research, management and consulting.
Ключові слова: інфляція, індекс інфляції, інфляційні процеси, економічні системи, часові ряди, машинне навчання, моделювання, прогнозування.
Key words: inflation, inflation index, inflation processes, economic systems, time series, machine learning, modeling, forecasting
УДК: 332.62(477.7):339.9
UDC: 332.62(477.7):339.9
To cite paper
In APA style
Katunina, O., & Kvasha, N. (2021). Forecast modeling of the inflation level in Ukraine on the basis of machine learning tools. Modeling and Information System in Economics, 101, 93-116. http://doi.org/10.33111/mise.101.9
In MON style
Катуніна О.С., Кваша Н.С. Прогнозне моделювання рівня інфляції в Україні на базі інструментів машинного навчання. Моделювання та інформаційні системи в економіці. 2021. № 101. С. 93-116. http://doi.org/10.33111/mise.101.9 (дата звернення: 11.04.2025).
With transliteration
Katunina, O., Kvasha, N. (2021) Prohnozne modeliuvannia rivnia infliatsii v Ukraini na bazi instrumentiv mashynnoho navchannia [Forecast modeling of the inflation level in Ukraine on the basis of machine learning tools]. Modeling and Information System in Economics, no. 101. pp. 93-116. http://doi.org/10.33111/mise.101.9 [in Ukrainian] (accessed 11 Apr 2025).
# 101 / 2021 # 101 / 2021
Download Paper
79
Views
30
Downloads
0
Cited by

  1. Лукʼяненко І. Г. Методологічні підходи до моделювання інфляційних процесів / І. Г. Лукʼяненко // Наукові записки. Економічні науки. − 2009. — Т. 94. — С. 58–64.
  2. Грабчук О. М. Прогнозування рівня інфляції в Україні: індетерміністський погляд/ Економічний вісник, 2020, №3 с. 27-34
  3. Мирончук В. М. Прогнозування інфляції в Україні: багатофакторна економетрична модель / В. М. Мирончук, Ю. К. Чубар // Інфраструктура ринку. — 2018. — Вип. 8. — С. 161–166. 116
  4. Пістунов І. М. Прогнозування інфляції в Україні на 2018 рік / І. М. Пістунов, К. О. Удовицька // Глобальні та національні проблеми економіки. − 2018. − Вип. 22. − С. 1058–1065.
  5. Аверкина М. Ф. Моделювання рівня інфляції в Україні / М. Ф. Аверкина, Д. К. Каток [Електронний ресурс] // Державне управління: удосконалення і розвиток. − 2018. − № 5. − Режим доступу: http://www.dy.nayka.com.ua/pdf/5_2018/3.pdf.
  6. Голюк В. Я. Аналіз динаміки та причин інфляції в Україні в 1991– 2016 рр. / В. Я. Голюк, В. В. Подвальна// Науковий вісник Херсонського державного університету. — Серія «Економічні науки». − 2017. − Вип. 24, ч. 2. − С. 69–72.
  7. Дербенцев В.Д., Великоіваненко Г.І., Даценко Н.В. Застосування методів машинного навчання до прогнозування часових рядів криптовалют. Нейро-нечіткі технології моделювання в економіці. 2019. № 8. С. 65–93.
  8. Zheng A., Casari A. Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists. 1st Edition. O’Reilly Media; March 2018 — 325 p.
  9. Nielsen A. Practical Time Series Analysis: Prediction with Statistics and Machine Learning. O’Reilly Media, 2019. — 500 p.
  10. Катунина О.С. Прогнозное факторное моделирование индексов фондового рынка. Бізнес Інформ. 2017. № 11. С. 197–202.
  11. Вітлінський В.В., Катуніна О.С. Моделювання динамічних факторних систем макроекономічних показників деяких країн. Науковий журнал “Наукові записки Національного університету “Острозька академія” серія “Економіка”“, 2019, №13(41), с. 88-97.
  12. Офіційний сайт Міністерства фінансів України. [Електронний ресурс]. URL: https://minfin.com.ua/ 13.Everette S. Gardner Jr. Exponential smoothing: The state of the art // Journal of forecasting. — 1985. — Т. 4, № 1. — С. 1-28.
  13. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление: Пер. с англ. // Под ред. В. Ф. Писаренко. — М.: Мир, 1974, кн. 1. — 406 с.
  14. Песаран М., Слейтер Л. Динамическая регрессия: теория и алгоритмы. М.: Изд-вл “Финансы и статистика”. 1984. — 310 с.
  15. Hyndman, R.J., & Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia.
  16. Galit Shmueli, Kenneth C. Lichtendahl Jr; Practical Time Series Forecasting with R: A Hands-On Guide [2nd Edition] (Practical Analytics) Paperback — July 19, 2016