Одной из важнейших проблем современной экономики является безработица. Она представляет собой сложное и противоречивое макроэкономическое явление экономической жизни.
Безрабoтица — наличие в стране людей, составляющих часть экономически активного населения, которые способны и желают трудиться по найму, но не могут найти работу.
На уровень безработицы оказывают влияние различные факторы, такие как: уровень заработной платы, уровень налогов, страхование на случай безработицы, ВВП. Например, известен закон Оукена [1], который говорит о том, что снижение темпа роста ВВП на 2 % приводит к повышению уровня безработицы на 1 %. К последствиям безработицы
относятся:
• Снижение доходов;
• Потеря квалификации;
• Экономические последствия;
• Ухудшение криминогенной ситуации;
• Ухудшение динамики роста интереса населения к труду;
• Снижение уровня обеспеченности домохозяйств
В данной работе для прогнозирования количества безработных были рассмотрены классические модели прогнозирования временных рядов (модели ARIMA, ADL, Holt, Holt-Winters, линейная регрессия), а также методы, основанные на применении нейронных сетей: многослойный перцептрон и рекуррентная нейронная сеть.
Для оценки моделей строился прогноз на 2 года вперед. Были измерены средняя квадратичная ошибка модели и средний процент ошибки модели.
По результатам можно сказать, что модели, основанные на нейронных сетях справляются с прогнозированием временных рядов не хуже, чем классические модели прогнозирoвания
