ПРОГНОЗИРОВАНИЕ ИНФЛЯЦИИ ИА ОСНОВЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ
|
АННОТАЦИЯ 3
ВВЕДЕНИЕ 3
1 Описание инфляции и её причины 5
1.1 Понятие инфляции 5
1.2 Индекс потребительских цен как показатель инфляции 5
1.3 Определение обследуемых городов, организаций, товаров и услуг 6
1.4 Формула расчёта ежемесячного ИПЦ 9
1.5 Применение и проблемы ИПЦ как оценки уровня инфляции 11
2 Временные ряды 13
2.1 Определение временного ряда и его составляющие 13
2.2 Модели анализа и прогнозирования временных рядов 14
2.4 Рекуррентные нейронные сети 21
2.3 Архитектура LSTM 23
2.4 Структура нейронной сети 28
3 Моделирование индекса потребительских цен в России 33
3.1 Создание модели и подбор гиперпараметров 33
3.2 Описание данных 34
3.3 Томская область 35
3.4 Тюменская область 42
3.5 Новосибирская область 49
3.6 Омская область 56
3.6 Красноярский край 63
3.7 Кемеровская область 70
3.8 Прогнозирование Томской области на основании граничащих регионов 77
ЗАКЛЮЧЕНИЕ 81
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ
ВВЕДЕНИЕ 3
1 Описание инфляции и её причины 5
1.1 Понятие инфляции 5
1.2 Индекс потребительских цен как показатель инфляции 5
1.3 Определение обследуемых городов, организаций, товаров и услуг 6
1.4 Формула расчёта ежемесячного ИПЦ 9
1.5 Применение и проблемы ИПЦ как оценки уровня инфляции 11
2 Временные ряды 13
2.1 Определение временного ряда и его составляющие 13
2.2 Модели анализа и прогнозирования временных рядов 14
2.4 Рекуррентные нейронные сети 21
2.3 Архитектура LSTM 23
2.4 Структура нейронной сети 28
3 Моделирование индекса потребительских цен в России 33
3.1 Создание модели и подбор гиперпараметров 33
3.2 Описание данных 34
3.3 Томская область 35
3.4 Тюменская область 42
3.5 Новосибирская область 49
3.6 Омская область 56
3.6 Красноярский край 63
3.7 Кемеровская область 70
3.8 Прогнозирование Томской области на основании граничащих регионов 77
ЗАКЛЮЧЕНИЕ 81
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ
Исследование посвящено анализу инфляции в Томской области и территориально граничащих с ней регионов через индекс потребительских цен, поскольку Центральный Банк Российской Федерации использует ИПЦ как основной показатель инфляции.
Индекс потребительских цен является ключевым индикатором изменения цен на товары и услуги потребительской корзины в определенный период. В России ИИЦ используется для измерения уровня инфляции как на общенациональном, так и на региональном уровне.
Данный индекс играет ключевую роль в формировании денежно-кредитной политики Банка России. Ключевая ставка ЦБ РФ устанавливается с учетом динамики ИИЦ.
В 2015 году Центральный Банк России перешел к политике жесткого таргетирования инфляции, что обусловлено широким применением ИПЦ для индексации различных платежей, включая заработную плату, пособия, проценты по кредитам. Успешная реализация этой политики требует использования среднесрочных прогнозов ключевых макроэкономических показателей, в том числе прогноза ИПЦ.
Следовательно, возрастает важность своевременного и максимально точного прогнозирования значения ИПЦ на необходимое число периодов для планирования и оценки будущего состояния государственных финансов и уровня жизни населения. Данный факт определяет проблему данного исследования.
Актуальность исследования исходит из необходимости ЦБ РФ в получении точных и своевременных оценок уровня инфляции.
Цель исследования - анализ и моделирование динамики индексов потребительских цен в Томской области и территориально граничащих с ней регионов с помощью рекуррентных нейронных сетей, а также выбор оптимальных параметров модели нейросети для прогнозирования.
Задачи:
1. Изучить методологии составления ИПЦ и теоретических основ анализа временных рядов;
2. Собрать исходные данные;
3. Реализовать модель рекуррентной нейронной сети для прогнозирования ИИЦ на все товары и услуги по Томской области и территориально граничащих с ней регионов;
4. Оценить качество модели;
5. Сделать выводы о реализованных моделях.
Объект исследования - Динамика инфляции в Российской Федерации.
Предмет исследования - Прогнозирование инфляции с помощью рекуррентных нейронных сетей в Томской области и территориально граничащих с ней регионов.
Методы исследования:
1. Анализ и обобщение теоретических материалов;
2. Моделирование временного ряда ИПЦ с использованием рекуррентных нейронных сетей;
3. Сравнение моделей нейронных сетей;
4. Обобщение полученных результатов.
В первой главе рассматривается процесс инфляции, виды инфляции по факторам, порождающим её и методологию её измерения в России. Вторая глава посвящена описанию различных методов прогнозирования временных рядов, а так же в ней более подробно останавливаются на моделях нейронных сетей и, в частности, рекуррентных нейронных сетей и ячейках LSTM в них. В третьей главе описываются реализованный алгоритм подбора оптимальных параметров нейронной сети, а также результат работы моделей с подобранными оптимальными параметрами.
Данные для исследования взяты с сайта Росстата и содержат временные ряды всех рассчитываемых видов ИПЦ как по России в целом, так и по каждому её субъекту.
Индекс потребительских цен является ключевым индикатором изменения цен на товары и услуги потребительской корзины в определенный период. В России ИИЦ используется для измерения уровня инфляции как на общенациональном, так и на региональном уровне.
Данный индекс играет ключевую роль в формировании денежно-кредитной политики Банка России. Ключевая ставка ЦБ РФ устанавливается с учетом динамики ИИЦ.
В 2015 году Центральный Банк России перешел к политике жесткого таргетирования инфляции, что обусловлено широким применением ИПЦ для индексации различных платежей, включая заработную плату, пособия, проценты по кредитам. Успешная реализация этой политики требует использования среднесрочных прогнозов ключевых макроэкономических показателей, в том числе прогноза ИПЦ.
Следовательно, возрастает важность своевременного и максимально точного прогнозирования значения ИПЦ на необходимое число периодов для планирования и оценки будущего состояния государственных финансов и уровня жизни населения. Данный факт определяет проблему данного исследования.
Актуальность исследования исходит из необходимости ЦБ РФ в получении точных и своевременных оценок уровня инфляции.
Цель исследования - анализ и моделирование динамики индексов потребительских цен в Томской области и территориально граничащих с ней регионов с помощью рекуррентных нейронных сетей, а также выбор оптимальных параметров модели нейросети для прогнозирования.
Задачи:
1. Изучить методологии составления ИПЦ и теоретических основ анализа временных рядов;
2. Собрать исходные данные;
3. Реализовать модель рекуррентной нейронной сети для прогнозирования ИИЦ на все товары и услуги по Томской области и территориально граничащих с ней регионов;
4. Оценить качество модели;
5. Сделать выводы о реализованных моделях.
Объект исследования - Динамика инфляции в Российской Федерации.
Предмет исследования - Прогнозирование инфляции с помощью рекуррентных нейронных сетей в Томской области и территориально граничащих с ней регионов.
Методы исследования:
1. Анализ и обобщение теоретических материалов;
2. Моделирование временного ряда ИПЦ с использованием рекуррентных нейронных сетей;
3. Сравнение моделей нейронных сетей;
4. Обобщение полученных результатов.
В первой главе рассматривается процесс инфляции, виды инфляции по факторам, порождающим её и методологию её измерения в России. Вторая глава посвящена описанию различных методов прогнозирования временных рядов, а так же в ней более подробно останавливаются на моделях нейронных сетей и, в частности, рекуррентных нейронных сетей и ячейках LSTM в них. В третьей главе описываются реализованный алгоритм подбора оптимальных параметров нейронной сети, а также результат работы моделей с подобранными оптимальными параметрами.
Данные для исследования взяты с сайта Росстата и содержат временные ряды всех рассчитываемых видов ИПЦ как по России в целом, так и по каждому её субъекту.
ИНЦ даёт возможность получать оперативную информацию об уровне инфляции, именно поэтому их начали применять для множества целей. Так, например ИНЦ используются:
- при дефлятировании различных показателей, например ВВН;
- при прогнозировании различных показателей;
- в бюджетной, денежно-кредитной и социальной политиках;
- при определении величины потребительской корзины в составе прожиточного минимума.
Нрогнозирование ИНЦ на среднесрочный период в условиях современных геополитических потрясений приобретает особую важность. Точное прогнозирование позволяет предприятиям и потребителям планировать свои финансовые стратегии и адаптироваться к меняющимся условиям рынка.
Нравительственные органы также могут использовать прогноз ИНЦ для разработки эффективной экономической политики, направленной на смягчение последствий инфляции и стабилизацию экономического развития. В условиях геополитической нестабильности, прогнозирование ИНЦ становится инструментом снижения рисков и обеспечения устойчивого экономического роста.
В проведённом исследовании была рассмотрена методика прогнозирования индексов потребительских цен различных областей Сибирского Федерального округа с помощью модели рекуррентной нейронной сети с ячейками LSTM. РНС, при должной настройке, способны аппроксимировать любую функцию, в частности функцию, которая описывает временной ряд ИНЦ. В исследовании были подобраны оптимальные гиперпараметры для модели прогнозирования на основе нейронных сетей, а также произведен прогноз значений индекса потребительских цен на все товары и услуги для Томской, Тюменской, Омской, Кемеровской, Новосибирской областей и Красноярского края, так же была построена модель, которая на основе значений ИНЦ вышеуказанных регионов делает прогноз на будущие значения ИНЦ Томской области. Целью исследования был анализ и моделирование динамики индексов потребительских цен в Томской области и территориально граничащих с ней областей с помощью рекуррентных нейронных сетей, а также оптимизация значений гиперпараметров модели РНС для прогнозирования. Ностроенные модели отбирались на основе метрики среднеквадратического отклонения ошибок прогноза на проверочном множестве.
Конфигурация рекуррентных нейронных сетей с ячейками LSTM, полученная в ходе выполнения данного исследования, показывает стабильный результат для всех регионов, которые использовались в работе. Однако стоит отметить необходимость подгонки модели под каждый из регионов для более точной аппроксимации и последующего прогноза значений индекса. Так же стоит заметить достаточно высокую ошибку при прогнозировании, что является достаточно плохим результатом, чтобы заключить о нецелесообразности использования рекуррентных нейронных сетей для использования их в качестве единственного способа прогноза будущей динамики ИПЦ на все товары и услуги. Однако в качестве одной из моделей, участвующих в ансамбле моделей для прогноза будущих значений ИПЦ, РНС с ячейкой LSTM могут значительно улучшить общую работу ансамбля моделей.
Однако стоит отметить, что в современных геополитических условиях прогнозирование ИПЦ может быть ограничено вплоть до полной невозможности. Ввиду того, что на некоторые товары спрос, а соответственно и цены, необоснованно растут, резко меняется потребительское поведение, нарушается сбор данных об уровне цен в регионах РФ, ужесточается денежно-кредитная политика.
Полученные результаты могут быть использованы для дальнейших исследований в области прогнозирования индекса потребительских цен с помощью альтернативных методов нейронных сетей или их ансамблей.
- при дефлятировании различных показателей, например ВВН;
- при прогнозировании различных показателей;
- в бюджетной, денежно-кредитной и социальной политиках;
- при определении величины потребительской корзины в составе прожиточного минимума.
Нрогнозирование ИНЦ на среднесрочный период в условиях современных геополитических потрясений приобретает особую важность. Точное прогнозирование позволяет предприятиям и потребителям планировать свои финансовые стратегии и адаптироваться к меняющимся условиям рынка.
Нравительственные органы также могут использовать прогноз ИНЦ для разработки эффективной экономической политики, направленной на смягчение последствий инфляции и стабилизацию экономического развития. В условиях геополитической нестабильности, прогнозирование ИНЦ становится инструментом снижения рисков и обеспечения устойчивого экономического роста.
В проведённом исследовании была рассмотрена методика прогнозирования индексов потребительских цен различных областей Сибирского Федерального округа с помощью модели рекуррентной нейронной сети с ячейками LSTM. РНС, при должной настройке, способны аппроксимировать любую функцию, в частности функцию, которая описывает временной ряд ИНЦ. В исследовании были подобраны оптимальные гиперпараметры для модели прогнозирования на основе нейронных сетей, а также произведен прогноз значений индекса потребительских цен на все товары и услуги для Томской, Тюменской, Омской, Кемеровской, Новосибирской областей и Красноярского края, так же была построена модель, которая на основе значений ИНЦ вышеуказанных регионов делает прогноз на будущие значения ИНЦ Томской области. Целью исследования был анализ и моделирование динамики индексов потребительских цен в Томской области и территориально граничащих с ней областей с помощью рекуррентных нейронных сетей, а также оптимизация значений гиперпараметров модели РНС для прогнозирования. Ностроенные модели отбирались на основе метрики среднеквадратического отклонения ошибок прогноза на проверочном множестве.
Конфигурация рекуррентных нейронных сетей с ячейками LSTM, полученная в ходе выполнения данного исследования, показывает стабильный результат для всех регионов, которые использовались в работе. Однако стоит отметить необходимость подгонки модели под каждый из регионов для более точной аппроксимации и последующего прогноза значений индекса. Так же стоит заметить достаточно высокую ошибку при прогнозировании, что является достаточно плохим результатом, чтобы заключить о нецелесообразности использования рекуррентных нейронных сетей для использования их в качестве единственного способа прогноза будущей динамики ИПЦ на все товары и услуги. Однако в качестве одной из моделей, участвующих в ансамбле моделей для прогноза будущих значений ИПЦ, РНС с ячейкой LSTM могут значительно улучшить общую работу ансамбля моделей.
Однако стоит отметить, что в современных геополитических условиях прогнозирование ИПЦ может быть ограничено вплоть до полной невозможности. Ввиду того, что на некоторые товары спрос, а соответственно и цены, необоснованно растут, резко меняется потребительское поведение, нарушается сбор данных об уровне цен в регионах РФ, ужесточается денежно-кредитная политика.
Полученные результаты могут быть использованы для дальнейших исследований в области прогнозирования индекса потребительских цен с помощью альтернативных методов нейронных сетей или их ансамблей.
