Page 40 - MAKРОЭКОНОМИЧЕСКИЙ АНАЛИЗ (УЧЕБНИК)
P. 40

рированные и разрозненные, требуют применения новых техно-
          логий – облачных платформ, распределённых систем хранения,
          алгоритмов  машинного  обучения,  статистического  и  экономе-

          трического софта, способного работать с огромными массивами
          и сложными типами информации. Применение таких техноло-
          гий  позволяет  исследователям  получать  макроэкономические
          оценки с более высокой частотой, чем ежеквартальные или еже-
          месячные официальные данные. Например, можно оценить ди-
          намику активности в отдельных секторах или регионах по изме-
          нениям  в  объёмах  интернет-трафика,  электронных  платежей,
          бронирований отелей или заказов такси. Такой подход даёт воз-
          можность практической оперативной макроэкономической ди-

          агностики. Ещё одним направлением использования информа-
          ционных технологий является автоматизация процесса анализа
          и подготовки данных. Традиционный макроэкономический ана-
          лиз может быть чрезвычайно трудоёмким, включать в себя сбор
          большого количества показателей из различных источников, их
          сопоставление,  очистку,  трансформацию,  сезонную  корректи-
          ровку,  дефлятирование,  сведение  к  единым  форматам.  Совре-

          менные инструменты позволяют автоматизировать эти рутин-
          ные задачи, создавать конвейеры данных (data pipelines), регу-
          лярно  обновляющие  базы,  применять  методы  ETL  (extract,
          transform, load), использовать API-interfaces для получения дан-
          ных в реальном времени, а также хранить результаты в центра-
          лизованных  аналитических  платформах .  Это  высвобождает
                                                              21
          время аналитиков для интерпретации результатов, разработки
          моделей, постановки исследовательских задач и дискуссий. Ещё
          одно важное направление – применение продвинутых статисти-

          ческих и эконометрических методов, в том числе методов ма-
          шинного обучения, для прогнозирования макроэкономических
          показателей и анализа причинно-следственных связей. Тради-
          ционные эконометрические методы, такие как регрессия, век-

          21    Стиглиц, Дж. Экономика государственного сектора. – М.: ИНФРА-М, 2022. – 720 с. (Ана-
               лиз взаимодействия государственных расходов, налогов и их влияние на платёжный
               баланс в открытой экономике.)

                                                                                      39
   35   36   37   38   39   40   41   42   43   44   45