Для проведения эффективной денежно-кредитной политики центральным банкам необходимо обладать полной и актуальной информацией о состоянии экономической и потребительской активности в стране, а также предсказывать их дальнейшую динамику с целью выстраивания эффективной стратегии. Как правило, для целей экономического анализа используются данные, предоставляемые органами государственной статистики, но они зачастую носят сильно запаздывающий характер. Для эффективного анализа и прогнозирования экономических показателей в мировой практике также принято использовать данные опросов предприятий об экономической конъюнктуре, проводимых центральными банками или специализированными агентствами. Эти данные могут выступать в качестве предикторов для общепринятых статистических показателей и помогать прогнозировать их динамику. В представленной работе авторы, во-первых, обобщают мировой и российский опыт по прогнозированию экономической активности с использованием данных опросов агентов бизнеса. Во-вторых, на основе моделей парной и множественной линейной регрессии, а также динамических факторных моделей исследуют точность прогнозирования экономических показателей без и с включением данных опросов предприятий Банка России. Сформулированная в начале исследования гипотеза о том, что индикаторы, полученные на основе данных опросов предприятий, значимо улучшают качество прогнозов показателей экономической и потребительской активности по Российской Федерации, рассчитываемых Росстатом, в целом подтверждается. Авторы приходят к выводу, что показатели мониторинга предприятий Банка России действительно значительно улучшают качество прогноза. Результаты исследования могут быть использованы при формировании прогнозных значений денежно-кредитной политики.
В настоящей статье рассматриваются вопросы использования данных мониторинга предприятий Банка России для повышения точности прогноза инфляции по России в краткосрочном периоде. Актуальность исследования определена высоким значением точности прогноза по инфляции для корректного применения доступного регулятору инструментария денежно-кредитной политики. Данные мониторинга могут обладать значительными предиктивными свойствами, поскольку аккумулируют прогнозные оценки осведомленных хозяйствующих субъектов, обладающих релевантной информацией о будущей динамике цен. Вместе с этим все большее значение приобретают исследования, использующие прогнозирование показателей инфляции посредством методов машинного обучения вместо классических эконометрических моделей. В представленной работе реализуется проверка прогностической силы данных мониторинга предприятий через метод сравнения ошибок вневыборочного прогноза индекса потребительских цен в псевдореальном времени для набора моделей эконометрического анализа и машинного обучения с разными информационными множествами - с индикаторами мониторинга и без них. Сравнение ошибок моделей с разными информационными множествами позволило оценить общий вклад данных мониторинга в прогностическую силу моделей. При сравнении метрик точности моделей применялся тест Диболда - Мариано, скорректированный для маленьких выборок. В результате моделирования были получены эмпирические аргументы, поддерживающие наличие у индикаторов мониторинга полезных предиктивных свойств. Добавление индикаторов, как правило, приводит к снижению ошибки вневыборочного прогноза индекса потребительских цен, особенно при прогнозировании на период до трех месяцев. Результат зависит от выбора модели, в среднем модели прямого прогноза с регуляризацией лучше раскрывают предиктивные свойства данных мониторинга. Высокую точность демонстрирует покомпонентный метод прогнозирования индекса потребительских цен, основанный на использовании отраслевой статистики. В целом индикаторы из мониторинга предприятий могут рассматриваться в качестве опережающих и использоваться на этапе краткосрочного прогнозирования.