Прогнозування державного боргу України з урахуванням фактора циклічності

Прогнозування державного боргу України з урахуванням фактора циклічності Зважене науково обґрунтоване управління економічними процесами країни передбачає не тільки аналіз існуючих даних про результати розвитку економіки, але і прийняття рішень на перспективу. А це, у свою чергу, вимагає наявності інформації про ймовірні шляхи розвитку процесу чи явища, тобто його прогнозування. Статистичне спостереження в соціально-економічних дослідженнях зазвичай здійснюють регулярно через рівні проміжки часу і результати представляють у вигляді часових рядів хt,, де t = 1, 2, …, n. За інструмент статистичного прогнозування часових рядів слугують трендові регресійні моделі, параметри яких оцінюються відповідно до наявної статистичної бази, а потім основні тенденції екстраполюють на заданий інтервал часу. Статистичне прогнозування макроекономічних явищ та процесів здійснюється шляхом розробки та тестування великої кількості моделей для кожного часового ряду з подальшим визначенням найбільш оптимальної. При моделюванні сезонності у статистичних дослідженнях вирізняють два типи коливань: мультиплікативні й адитивні. У випадку мультиплікативних розмах сезонних відхилень змінюється в часі пропорційно рівню тренда і відображається у статистичній моделі множенням. У випадку адитивності сезонності передбачається, що амплітуда сезонних відхилень постійна і не залежить від рівня тренда. Проблема методології прогнозування макроекономічних явищ та процесів займає чільне місце в наукових працях як вітчизняних і закордонних вчених, як: А. Єріна, О. Черняк, Дж. Бокс (Box G. E. P.), Г. Дженкінс (Jenkins G. M.), Д. Джерджофф (Georgoff D. M.), Р. Мердік (Murdick R. G.) та ін. Методологія моделювання динаміки макроекономічних показників досить ґрунтовно досліджена вітчизняними авторами, зокрема в аспекті статистичного моделювання та прогнозування [36; 37; 39; 141–143]. Закордонними дослідниками зроблено значний внесок у побудову класифікацій методів прогнозування та методик прийняття рішення про вибір оптимального методу прогнозування [169]. Американськими вченими Дж. Боксом та Г. Дженкінсом у другій половині 20-го століття було розроблено новий метод прогнозування часових рядів, який набув широкого застосування в практиці. Використання процесів Бокса – Дженкінса дає змогу побудувати досить точну й адекватну модель прогнозу на короткостроковий період, проте через нестаціонарність ARIMA-процесів для побудови більш точного довгострокового прогнозу цей метод потребує доопрацювання.