1. Андреев, А. (2016) ‘Прогнозирование инфляции методом комбинирования прогнозов в Банке России’, Серия докладов об экономических исследованиях, Банк России, № 14, Август. URL: https://cbr.ru/Content/Document/File/16726/wps_14.pdf (дата обращения: 21.08.2025).
2. Воронин, В. А. (2024) ‘Общественные институты и экономическое развитие: исследование взаимосвязи на примере стран Латинской Америки, Африки и Азии’, Вестник СНО Санкт-Петербургского университета. Науки об обществе, 1 (1), с. 101-117. DOI: 10.21638/spbu36.2024.107 EDN: LVHUQM
3. Горностаев, Д., Маханькова, Н., Милютин, П., Пономаренко, А. и Селезнев, С. (2024) ‘Реконструкция истории публикации ВВП России и его компонентов’, Серия докладов об экономических исследованиях, Банк России, № 124. URL:https://www.cbr.ru/StaticHtml/File/158269/wp_124.pdf (дата обращения: 21.08.2025).
4. Кобзев, А. и Андреев, А. (2021) ‘Индикаторы деловой активности и инфляции на основе мониторинга предприятий’, Аналитическая записка Банка России, c. 1-20. URL: http://www.cbr.ru/Content/Document/File/119543/analytic_note_20210322.pdf (дата обращения: 21.08.2025).
5. Крамков, В. (2023) ‘Улучшает ли учет компонентов ИПЦ качество прогнозов инфляции?’, Серия докладов об экономических исследованиях, Банк России, № 112, март. URL: https://www.cbr.ru/statichtml/file/145659/wp_112.pdf (дата обращения: 21.08.2025).
6. Латыпов, Р., Ахмедова, Э., Постолит, Э. и Микитчук, М. (2024) ‘Прогнозирование компонент инфляции методами машинного обучения’, Деньги и кредит, 83 (3), с. 23-44. URL: https://rjmf.econs.online/2024/3/bottom-up-inflation-forecasting-using-machine learning-methods/ (дата обращения: 21.08.2025). EDN: TEMGSR
7. Семитуркин, О. и Шевелёв, А. (2023) ‘Корректное сравнение предиктивных свойств моделей машинного обучения на примере прогнозирования инфляции в Сибири’, Деньги и кредит, 82 (1), с. 87-103. URL: https://rjmf.econs.online/2023/1/predictivefeatures-machine-learningmodels/(дата обращения: 21.08.2025). EDN: BANGZM
8. Янулевич, М. (2024) ‘О прогнозной силе показателя ценовых ожиданий на основе мониторинга предприятий’, Аналитическая записка Банка России, c. 1-40. URL: https://www.cbr.ru/Content/Document/File/167898/analytic_note_20241107_irkutsk.pdf (дата обращения: 21.08.2025).
9. Altug, S. and Çakmakli, C. (2016) ‘Forecasting inflation using survey expectations and target inflation:Evidence from Brazil and Turkey’, The International Journal of Forecasting, 32 (1), pp. 138-153. DOI: 10.1016/j.ijforecast.2015.03.010
10. Bańbura, M. and Modugno, M. (2014) ‘Maximum likelihood estimation of factor models on datasets with arbitrary pattern of missing data’, Journal of applied econometrics, 29 (1), pp. 133-160. DOI: 10.1002/jae.2306
11. Banbura, M., Leiva-Leon, D. and Menz, J. O. (2023) ‘Do inflation expectations improve model-based inflation forecasts?’, Working Paper Series, European Central Bank, no. 2604. URL: https://www.ecb.europa.eu/pub/pdf/scpwps/ecb.wp2604~a7dc92b529.en.pdf (дата обращения: 21.08.2025).
12. Baybuza, I. (2018) ‘Inflation Forecasting Using Machine Learning Methods’, Russian Journal of Money and Finance, 77 (4), pp. 42-59. DOI: 10.31477/rjmf.201804.42 EDN: ZAXWEP
13. Chakraborty, C. and Joseph, A. (2017) ‘Machine learning at central banks’, Working Paper, Bank of England, no. 674. URL: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3031796 (дата обращения:21.08.2025).
14. Diebold, F. X. and Mariano, R. S. (2002) ‘Comparing Predictive Accuracy’, Journal of Business and Economic Statistics, 20 (1), pp. 134-144. DOI: 10.1198/073500102753410444 EDN: FNILOB
15. Fulton, C. and Hubrich, K. (2021) ‘Forecasting US Inflation in Real Time’, Econometrics, 9 (4), 36. DOI: 10.3390/econometrics9040036 EDN: YDQKOX
16. Hansson, J., Jansson, P. and Löf, M. (2005) ‘Business survey data: Do they help in forecasting GDP growth?’, International Journal of Forecasting, 21 (2), pp. 377-389. DOI: 10.1016/j.ijforecast.2004.11.003
17. Harvey, D., Leybourne, S. and Newbold, P. (1997) ‘Testing the Equality of Prediction Mean Squared Errors’, International Journal of Forecasting, 13 (2), pp. 281-291. DOI: 10.1016/S0169-2070(96)00719-4 EDN: AINUIP
18. Hastie, T., Tibshirani, R. and Friedman, J. (2009) ‘Overview of Supervised Learning’, in The Elements of Statistical Learning: Data Mining, Inference, and Prediction, pp. 9-41. DOI: 10.1007/978-0-387-84858-7_2
19. Havranek, T. and Rusnák, M. (2013) ‘Transmission Lags of Monetary Policy: A Meta-Analysis’, International Journal of Central Banking, 9 (4), 39-76. URL: https://www.ijcb.org/journal/ijcb13q4a2.pdf (дата обращения: 21.08.2025).
20. Hyndman, R. J. and Khandakar, Y. (2008) ‘Automatic Time Series Forecasting: The forecast Package for R’, Journal of Statistical Software, 27 (3), pp. 1-22. URL: http://hdl.handle.net/ (дата обращения: 21.08.2025). DOI: 10.18637/jss.v027.i03
21. Ing, C. K. (2003) ‘Multistep Prediction in Autoregressive Processes’, Econometric Theory, 19 (2), pp. 254-279. URL: https://www.jstor.org/stable/3533353 (дата обращения: 21.08.2025). EDN: ECJPJD
22. Krstajic, D., Buturovic, L. J., Leahy, D. E. and Thomas, S. (2014) ‘Cross-validation pitfalls when selecting and assessing regression and classification models’, Journal of Cheminformatics, 6 (1), p. 10. DOI: 10.1186/1758-2946-6-10 EDN: BLULUX
23. Lehmann, R. (2023) ‘The Forecasting Power of the ifo Business Survey’, Journal of Business Cycle Research,19, pp. 43-94. DOI: 10.1007/s41549-022-00079-5 EDN: PMMGSE
24. Mamedli, M. and Shibitov, D. (2021) ‘Forecasting Russian Cpi with Data Vintages аnd Machine Learning Techniques’, Bank of Russia. URL: https://www.cbr.ru/StaticHtml/File/120016/wp-apr21_e.pdf (дата обращения: 01.09.2024).
25. Marcellino, M., Stock, J. H. and Watson, M. W. (2006) ‘A comparison of direct and iterated multistep AR methods for forecasting macroeconomic time series’, Journal of Econometrics, 135 (1), pp. 499-526. DOI: 10.1016/j.jeconom.2005.07.020
26. Mayer, D. G. and Butler, D. G. (1993) ‘Statistical validation’, Ecological Modelling, 68 (1-2), pp. 21-32. DOI: 10.1016/03043800(93)90105-2
27. Pavlov, E. (2020) ‘Forecasting Inflation in Russia Using Neural Networks’, Russian Journal of Money and Finance, 79, pp. 57-73. DOI: 10.31477/rjmf.202001.57 EDN: BUPVFE
28. Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V. and Gulin, A. (2018) ‘CatBoost: Unbiased boosting with categorical features’, Advances in Neural Information Processing Systems, 31. https://dl.acm.org/doi/abs/. DOI: 10.5555/3327757.3327770 EDN: NRYEVS
29. Stock, J. H., and Watson, M. W. (2007) ‘Why Has U.S. Inflation Become Harder to Forecast?’, Journal of Money, Credit and Banking, 39 (1), pp. 3-33. DOI: 10.1111/j.1538-4616.2007.00014.x
30. Styrin, K. (2019) ‘Forecasting Inflation in Russia Using Dynamic Model Averaging’, Russian Journal of Money and Finance, 78 (1), pp. 3 18. DOI: 10.31477/rjmf.201901.03 EDN: ZAXWFV