Page 236 - MAKРОЭКОНОМИЧЕСКИЙ АНАЛИЗ (УЧЕБНИК)
P. 236

Это расширяет анализ объектов и позволяет говорить не толь-
          ко о наиболее вероятной траектории, но и о диапазоне возмож-
          ных  исходов.  Пятнадцатый  элемент –  постоянное  обновление,

          переоценка и валидация. Анализ объектов макроэкономическо-
          го моделирования – процесс динамичный. По мере накопления
          новых данных, появления новых теоретических идей, измене-
          ния структурных характеристик экономики или трансформации
          глобальной среды важно возвращаться к модели, переоценивать
          параметры, обновлять уравнения, добавлять или исключать объ-
          екты. Модель, адекватная десять лет назад, может оказаться не-
          пригодной для текущих  условий .  Этот  итеративный  процесс
                                                   117
          позволяет поддерживать актуальность и практическую ценность
          моделирования, а значит, и анализируемых объектов. Шестнад-
          цатый аспект – прозрачность и воспроизводимость результатов.
             Современные требования к научным исследованиям включа-
          ют открытый доступ к данным, публикуемым кодам, описанию
          методологии.  Анализ  объектов  модели  должен  быть  прозрач-

          ным, чтобы сторонние исследователи могли воспроизвести ре-
          зультаты, проверить их надежность, при необходимости найти
          ошибки  или  предложить  улучшения.  Это  повышает  доверие  к
          модели,  расширяет  круг  специалистов,  способных  критически
          оценить ее объекты, и обеспечивает эволюцию методологии.
             Семнадцатый  принцип  –  возможность  использования  ме-
          тодов машинного обучения и больших данных. Традиционные
          эконометрические  методы,  безусловно,  остаются  основой,  но

          с  развитием  вычислительной  техники  и  появлением  больших
          массивов,  данных  экономисты  могут  применять  продвинутые
          методы статистики и машинного обучения. Эти методы позво-
          ляют  выявлять  сложные  нелинейные  зависимости,  учитывать
          большое количество потенциальных объектов и факторов, улуч-
          шать  прогнозную точность.  Несмотря  на  это,  важно  не терять
          связь с экономической теорией: машинное обучение может по-


          117    Gujarati,  D.  N.,  &  Porter,  D.  C.  (2016).  “Basic  Econometrics”.  5  th  Edition.  McGraw-Hill
               Education.

                                                                                     235
   231   232   233   234   235   236   237   238   239   240   241