Оценка поворотных точек индикаторов деловой активности Банка России с применением методов машинного обучения

Деньги и кредит. 2026. Т. 85. № 2.

Зверева В. А., Крупкина А. С., Андреев А. В., Семитуркин О. Н., Кудаева М. С.

В статье разработана методика определения пороговых значений индикаторов деловой активности для идентификации фаз делового цикла. Исследование основано на ежемесячных данных мониторинга предприятий Банка России с января 2009 по сентябрь 2025 гг., охватывающих свыше 15 тысяч компаний. В работе проведен сравнительный анализ качества классификационных моделей машинного обучения: Bagging, Random Forest, XGBoost, AdaBoost, GradientBoost, CatBoost, ExtraTrees, SVM, Voting Classifier, Dynamic Ensemble Selection (KNORAE, KNORAU, METADES, DESP, DESRRC). Наиболее важными среди опросных данных оказались фактические оценки спроса на продукцию, бизнес-климата в целом и показатели, характеризующие планы по изменению объемов производства на ближайшие три месяца. Робастность моделей была проверена с использованием 4 видов разметки фаз делового цикла, в том числе с использованием фильтра Bry-Boschan. Полученные пороговые значения позволяют формализовать экспертные суждения, повысить прозрачность и обоснованность выводов о фазе делового цикла на основе опросных данных Банка России. 

Ключевые слова: денежно-кредитная политика, экономический цикл, опросы предприятий, экономическая активность, economic activities classification, business surveys of entrepreneurs, Machine learning algorithms, Bank of Russia monetary policy, economic cycles and crisis, анализ данных и машинное обучение