ОСОБЕННОСТИ МОДЕЛИРОВАНИЯ ПРАВИЛ МОНЕТАРНОЙ ПОЛИТИКИ НА ОСНОВЕ ГИБРИДНЫХ РЕГРЕССИОННЫХ МОДЕЛЕЙ С НЕЙРОННЫМ КОМПОНЕНТОМ

В статье рассмотрены возможности и специфика моделирования экономических явлений при помощи класса моделей, объединяющих элементы эконометрических регрессий и искусственных нейронных сетей. Этот класс моделей содержит авторегрессионные нейросети (AR-NN), регрессии плавного перехода (STR/STAR), многорежимные регрессии плавного перехода (MRSTR, MRSTAR) и регрессии плавного перехода с нейронными коэффициентами (NCSTR, NCSTAR). Наличие нейросетевого компонента позволяет моделям этого класса достичь высокой эмпирической правдоподобности, в том числе воспроизводить сложные нелинейные взаимосвязи. С другой стороны, регрессионный аппарат расширяет возможности интерпретации полученных результатов. На примере многорежимного монетарного правила приведен один из случаев спецификации и интерпретации подобной модели. В частности, смоделировано и проинтерпретировано принципы управления обменным курсом гривны, вступающие в силу при переходе экономики из сравнительно стабильного в кризисное состояние.