Прогнозирование спроса на товары первой необходимости в России в условиях экономической нестабильности на основе моделей временных рядов и машинного обучения

Исследование посвящено разработке методологии прогнозирования спроса на товары первой необходимости в Российской Федерации в условиях повышенной экономической нестабильности, включая периоды макроэкономических шоков, инфляционного давления и изменения потребительского поведения. Анализируются данные Федеральной службы государственной статистики (Росстат), Центрального банка Российской Федерации, Министерства экономического развития РФ, а также используются сведения отраслевых докладов и аналитических обзоров потребительского рынка. Особое внимание уделяется влиянию санкционных ограничений, колебаний курсов валют и государственной политики поддержки населения на динамику спроса. Проводится сравнительный анализ применимости различных моделей временных рядов (ARIMA, GARCH) и методов машинного обучения (LSTM, Prophet) для повышения точности прогнозов, учитывая специфику российского рынка товаров первой необходимости и законодательные акты, регулирующие торговую деятельность.

Комплексная прогностическая модель спроса на товары первой необходимости, включающая интеграцию эконометрических методов и алгоритмов машинного обучения, а также аналитический обзор факторов, оказывающих доминирующее влияние на потребительскую активность в условиях экономической нестабильности в РФ, представленный в виде интерактивной панели управления (дашборда) с возможностью визуализации различных сценариев развития.

Актуальность данного исследования обусловле непрерывным воздействием на российскую экономику комплекса как внутренних, так и внешних факторов, детерминирующих существенную волатильность потребительского спроса. В условиях геополитической напряженности и усиления санкционного давления на Российскую Федерацию, а также в контексте перманентной трансформации глобальных экономических связей, задача эффективного прогнозирования спроса на жизненно важные товары приобретает стратегическое значение для обеспечения продовольственной безопасности, стабилизации цен, формирования адекватной государственной политики и минимизации рисков для населения.

Разработка и апробация усовершенствованной методологии прогнозирования спроса на товары первой необходимости в Российской Федерации, основанной на синергии моделей временных рядов и машинного обучения, с целью повышения точности прогнозов в условиях экономической нестабильности.

Задачи:

1. Систематизировать теоретические основы и методологические подходы к прогнозированию спроса на товары первой необходимости в условиях экономической неопределенности, анализируя как классические эконометрические методы, так и современные алгоритмы машинного обучения, применимые в российских реалиях.

2. Провести ретроспективный анализ динамики спроса на ключевые группы товаров первой необходимости в РФ за последние 5-7 лет, выявив основные факторы, детерминирующие его колебания в периоды экономической турбулентности, и проанализировав государственные программы и регулятивные меры, направленные на стабилизацию потребительского рынка.

3. Разработать и адаптировать комплекс прогностических моделей, включающий методы временных рядов (ARIMA, SARIMA, GARCH) и алгоритмы машинного обучения (LSTM, Prophet), для прогнозирования спроса на товары первой необходимости в Российской Федерации, учитывая специфику доступности данных Росстата и иных ведомств.

4. Выполнить сравнительный анализ точности и эффективности разработанных моделей на основе реальных данных российского рынка, предложив практические рекомендации по их применению для государственных органов и экономических субъектов, обеспечивающих социально-значимые товары.