Данная статья исследует специфические аспекты эконометрического моделирования в динамичных и сложных условиях современной экономики. В работе подчеркиваются современные тенденции, такие как интеграция больших данных (big data), машинного обучения (machine learning) и искусственного интеллекта, которые играют ключевую роль в прогнозировании влияния инфляции, безработицы, изменения климата и пандемий. В методологии применяется систематический анализ литературы, опирающийся на научные статьи из баз данных Scopus, Web of Science и ResearchGate за последние пять лет (2020-2025). Результаты показывают, что гибридные модели на основе ML повышают точность прогнозирования (снижение RMSE и MAE), однако негативные эффекты изменения климата и неопределенность данных создают значительные трудности. В выводах и рекомендациях предлагается повышение устойчивости моделей в формировании политики, усиление междисциплинарного сотрудничества и внедрение этических стандартов, что способствует устойчивому развитию и экономическому восстановлению.
Точное прогнозирование валютного курса имеет важное практическое значение для развивающихся и пограничных рынков. Это обусловлено тем, что на таких рынках валютные курсы характеризуются высокой волатильностью и могут существенно колебаться под воздействием девальвационного давления, внешних экономических шоков, различий в уровнях инфляции и неопределённости на финансовых рынках. В данной статье для прогнозирования обменного курса доллара США к узбекскому суму применены модели ARIMA–eGARCH–Монте-Карло. Исследование основано на ежедневных данных обменного курса USD/UZS за период с января 2018 года по апрель 2026 года. На первом этапе были рассчитаны логарифмические доходности валютного курса, а их стационарность проверена с использованием тестов ADF, Phillips–Perron и KPSS. Затем для оценки средней динамики доходностей обменного курса была использована модель ARIMA, а для анализа кластеризации волатильности и асимметричных шоков проведено сравнительное исследование моделей семейства GARCH, включая sGARCH, eGARCH и gjrGARCH. По результатам оценки наиболее адекватной моделью была признана eGARCH(1,1).На следующем этапе на основе выбранной модели методом Монте-Карло были выполнены 50 000 сценарных симуляций для прогнозирования обменного курса на 252 торговых дня. Полученные результаты позволили сформировать вероятностные сценарии динамики курса USD/UZS на предстоящий год. Согласно базовому медианному прогнозу, ожидаемый курс составил 12 518 сумов за один доллар США, тогда как 90%-й прогнозный интервал находился в диапазоне от 11 621 до 13 218 сумов. Результаты исследования свидетельствуют о том, что девальвационные шоки оказывают существенное влияние на динамику курса USD/UZS, а применение вероятностных сценариев обеспечивает более эффективную оценку будущего обменного курса по сравнению с традиционными точечными прогнозами. Предложенный подход имеет практическую значимость для Центрального банка, коммерческих банков, экспортно-импортных предприятий и риск-менеджеров при оценке валютных рисков и проведении стресс-тестирования.
В данной статье на основе показателей динамики объемов электроснабжения в Республике Узбекистан за 2010-2023 годы, а также за период с 2010 по 2017 годы и далее составлены математические модели. Определены прогнозные показатели на период с 2024 по 2030 год. Также проанализирована динамика роста объемов электроснабжения за исследуемый период.
В данной статье на основе динамики производства электроэнергии и валового внутреннего продукта в Республике Узбекистан построены математические модели на период 2010-2023 гг. и далее до 2017 г. Определены прогнозные показатели на период с 2024 по 2030 годы. Также был проведен эконометрический анализ влияния производства электроэнергии на ВВП за исследуемый период.
В данной статье рассматривается потребление овощей населением Узбекистана и уровень его развития. Определено потребление овощей на душу населения в Узбекистане. На основе инерционного и модернизационного сценариев прогнозируется изменение объемов ежедневного потребления овощей населением.
В данной статье рассматриваются такие этапы, как определение нелинейных трендов временных рядов, математическое моделирование, нахождение и прогнозирование уравнений тренда с помощью методов регрессии. В частности, с учетом сложной динамики экономических процессов проанализированы преимущества экспоненциальных, логарифмических и полиномиальных моделей. На практических примерах рассмотрены критерии точности и погрешности результатов прогнозирования.
Особое место в экономике Узбекистана занимают домашние хозяйства в системе махалли. В последние годы впечатляет динамика роста производства сельскохозяйственной продукции, которое население производит в своих хозяйствах в махаллях. В связи с этим, в статье с использованием эконометрических методов осуществлен прогноз перспектив производства продукции растениеводства и животноводства в домашних хозяйствах.
В данной статье исследуются вопросы моделирования и прогнозирования пространственного распределения городского населения на основе технологий географических информационных систем (ГИС). В ходе исследования на примере города Ташкента проведен геопространственный анализ плотности размещения населения, процессов урбанизации и демографических изменений. С использованием современного программного обеспечения ГИС - ArcGIS, QGIS и библиотек Python разработаны модели прогнозирования пространственного распределения населения. В результате подготовлен прогноз географического распределения городского населения на 2025-2035 годы и разработаны практические рекомендации для градостроительного планирования.
