Використання нейронних мереж для прогнозування економічного зростання

Abstract

У цій роботі досліджено методи прогнозування економічного зростання в умовах глобальної економічної нестабільності з використанням нейронних мереж. Традиційні економетричні моделі мають значні обмеження у врахуванні нелінійних та динамічних змін, тому в роботі запропоновано застосування багатошарового перцептрону (MLP) для аналізу складних взаємозв'язків між макроекономічними показниками. Модель, оптимізована за допомогою алгоритму Adam і сценарного підходу, дозволяє побудувати прогнози економічного зростання за трьома сценаріями: оптимістичним, песимістичним і ймовірним. Висока адаптивність нейронних мереж робить їх ефективним інструментом для прогнозування макроекономічних показників України, враховуючи сучасні виклики, пов’язані з військовою агресією та нестабільністю на світових ринках.

This paper investigates methods of forecasting economic growth in in the context of global economic instability using neural networks. Traditional econometric models have significant limitations in accounting for nonlinear and and dynamic changes, so the paper proposes the use of a multilayer perceptron (MLP) to analyze complex relationships between macroeconomic indicators. The model, optimized using the Adam algorithm and the scenario approach, allows us to build economic growth forecasts under three scenarios: optimistic, pessimistic and probable. The high adaptability of neural networks makes them an effective tool for for forecasting Ukraine's macroeconomic indicators, taking into account the current challenges associated with military aggression and instability in global markets.