Прогнозирование индексов промышленного производства с использованием продвинутых методов нейросетевого моделирования
| Название НИОКТР | Прогнозирование индексов промышленного производства с использованием продвинутых методов нейросетевого моделирования |
|---|---|
| Аннотация | 3. Актуальность, цель и задачи выполнения работы. Актуальность: Прогнозирование динамики промышленного производства остается важной задачей экономического анализа. Традиционные методы часто не учитывают влияние внешней информационной среды, в то время как современные нейросетевые модели, включая NHITS и Transformer, способны извлекать сложные закономерности даже при ограниченных данных. Дополнительно использование новостных опережающих индексов, построенных с применением больших языковых моделей (LLM), позволяет интегрировать текстовую информацию о настроениях и событиях в экономические прогнозы, повышая их точность и устойчивость. Цель: Целью работы является разработка и эмпирическая оценка нейросетевых моделей прогнозирования индексов промышленного производства с использованием опережающих новостных индексов, сформированных на основе больших языковых моделей, а также количественных макроэкономических показателей, с целью повышения точности и устойчивости прогнозов в условиях ограниченности временных данных. Задачи: 1. Обзор современных нейросетевых архитектур для прогнозирования временных рядов Иерархическая интерполяция временных рядов (Neural Hierarchical Interpolation for Time Series, NHITS); Сети Колмогорова-Арнольда (Kolmogorov-Arnold Networks, KANs); Смесь экспертных сетей KAN (Reversible Mixture of KAN – RmoK); Инвертируемый трансформер (iTransformer). 2. Влияние текстовых данных на экономические переменные Разработка подходов к использованию больших языковых моделей для извлечения из текстов экономически значимой информации. Разработака RAG (Retrieval Augmented Generation) системы для обогащения контекста новости. Разработка новостных индексов, как дополнительных высокочастотных источников информации для прогнозных моделей. 3. Моделирование и прогнозирование индексов промышленного производства Построение прогнозных моделей и проверка гипотез исследования: продвинутые нейросетевые архитектуры демонстрируют более высокую устойчивость и точность прогнозирования по сравнению с традиционными моделями; использование новостных индексов улучшает прогнозные характеристики моделей; совместное прогнозирование индексов промышленного производства снижает ошибку по сравнению с независимыми моделями. Методология исследования: методы эконометрического и нейросетевого моделирования. |
| Доступ к ОКОГУ исполнителя | False |
| Количество связанных РИД | 0 |
| Количество завершенных ИКРБС | 0 |
| Сумма бюджета | 10603.49 |
| Дата начала | 2025-01-01 |
| Дата окончания | 2025-12-31 |
| Номер контракта | 7 |
| Дата контракта | 2024-12-23 |
| Количество отчетов | 1 |
| УДК | 338:004; 330.47; 338:002.6 |
| Количество просмотров | 3 |
| Руководитель работы | Каукин Андрей Сергеевич |
| Руководитель организации | Приходько Сергей Вадимович |
| Исполнитель | ФОНД "ИНСТИТУТ ЭКОНОМИЧЕСКОЙ ПОЛИТИКИ ИМЕНИ Е.Т.ГАЙДАРА" |
| Заказчик | ФОНД "ИНСТИТУТ ЭКОНОМИЧЕСКОЙ ПОЛИТИКИ ИМЕНИ Е.Т.ГАЙДАРА" |
| Федеральная программа | — |
| Госпрограмма | — |
| Основание НИОКТР | Инициативная |
| Последний статус | 2025-06-11 13:32:26 UTC, 2025-06-11 13:32:26 UTC |
| ОКПД | Услуги, связанные с научными исследованиями и экспериментальными разработками в области экономики и предпринимательства |
| Отраслевой сегмент | — |
| Минздрав | — |
| Межгосударственная целевая программа | — |
| Ключевые слова | временные ряды; Прогнозирование; нейросетевые модели; многомодальные данные; новостные индексы; большие языковые модели (LLM); индексы промышленного производства |
| Соисполнители | — |
| Типы НИОКТР | Поисковое (ориентированные фундаментальные) исследование |
| Приоритетные направления | — |
| Критические технологии | — |
| Рубрикатор | 06.54.51 - Компьютеризация. Информатизация. Экономика информационного обслуживания |
| OECD | — |
| OESR | Экономика |
| Приоритеты научно-технического развития | ж) возможность эффективного ответа российского общества на большие вызовы с учетом возрастающей актуальности синтетических научных дисциплин, созданных на стыке психологии, социологии, политологии, истории и научных исследований, связанных с этическими аспектами научно-технологического развития, изменениями социальных, политических и экономических отношений; |
| Регистрационные номера | — |