ПРОГНОЗИРОВАНИЕ ИНФЛЯЦИИ: СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ SARIMA, PROPHET И LSTM

Учет сезонности, тренда и нелинейных колебаний инфляции одновременно остается сложной задачей при построении надежных прогнозов. Цель исследования состояла в сопоставлении точности моделей SARIMA, Prophet и LSTM при прогнозировании временного ряда в едином ретроспективном испытании и в определении границ их применимости. Дизайн исследования представлял собой сравнительное ретроспективное исследование временных рядов; методология включала спектральный анализ, сезонное преобразование, временную валидацию моделей машинного обучения и прогнозирование. Все модели проверялись по единому принципу разделения ряда и одинаковым критериям оценки, что обеспечило непосредственную сопоставимость результатов. В первой расчетной таблице для SARIMA получены RMSE 0,84, MAE 0,61 и MAPE 0,47 %, для Prophet соответственно 1,02, 0,76 и 0,59 %, а для LSTM — 0,79, 0,56 и 0,43 %. При итоговой временной валидации SARIMA показала RMSE 0,842, MAE 0,611 и MAPE 5,74 %, Prophet — 0,917, 0,684 и 6,31 %, тогда как LSTM достигла 0,768, 0,552 и 5,08 %. Преимущество LSTM указывает на полезность нелинейного рекуррентного представления, но выявленное ранжирование необходимо повторно проверять на скользящих окнах и при структурных сдвигах. Научный вклад заключается в сопоставлении моделей по единому протоколу временной валидации, который отделяет устойчивость прогноза от особенностей конкретного периода. Полученный подход создает методическую основу для последующего объединения моделей и включения экзогенных макроэкономических факторов.

Authors

Publication Details

Journal
Zenodo (CERN European Organization for Nuclear Research)
Published
2026-11-18
DOI
https://doi.org/10.5281/zenodo.24350328
Primary Topic
Forecasting Techniques and Applications
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
article

ПРОГНОЗИРОВАНИЕ ИНФЛЯЦИИ: СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ SARIMA, PROPHET И LSTM

Ruxsora Bahromjon qizi Xolmurodova
2 links
Zenodo (CERN European Organization for Nuclear Research)
Forecasting Techniques and Applications
article

ПРОГНОЗИРОВАНИЕ ИНФЛЯЦИИ: СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ SARIMA, PROPHET И LSTM

Ruxsora Bahromjon qizi Xolmurodova
article en

Abstract

Учет сезонности, тренда и нелинейных колебаний инфляции одновременно остается сложной задачей при построении надежных прогнозов. Цель исследования состояла в сопоставлении точности моделей SARIMA, Prophet и LSTM при прогнозировании временного ряда в едином ретроспективном испытании и в определении границ их применимости. Дизайн исследования представлял собой сравнительное ретроспективное исследование временных рядов; методология включала спектральный анализ, сезонное преобразование, временную валидацию моделей машинного обучения и прогнозирование. Все модели проверялись по единому принципу разделения ряда и одинаковым критериям оценки, что обеспечило непосредственную сопоставимость результатов. В первой расчетной таблице для SARIMA получены RMSE 0,84, MAE 0,61 и MAPE 0,47 %, для Prophet соответственно 1,02, 0,76 и 0,59 %, а для LSTM — 0,79, 0,56 и 0,43 %. При итоговой временной валидации SARIMA показала RMSE 0,842, MAE 0,611 и MAPE 5,74 %, Prophet — 0,917, 0,684 и 6,31 %, тогда как LSTM достигла 0,768, 0,552 и 5,08 %. Преимущество LSTM указывает на полезность нелинейного рекуррентного представления, но выявленное ранжирование необходимо повторно проверять на скользящих окнах и при структурных сдвигах. Научный вклад заключается в сопоставлении моделей по единому протоколу временной валидации, который отделяет устойчивость прогноза от особенностей конкретного периода. Полученный подход создает методическую основу для последующего объединения моделей и включения экзогенных макроэкономических факторов.

Zenodo (CERN European Organization for Nuclear Research)
Forecasting Techniques and Applications
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Laika access coming soon