Большие данные: новые методы в эконометрике

В настоящее время компьютеры участвуют во многих экономических операциях и могут фиксировать связанные с ними данные, которые затем можно обрабатывать и анализировать. Традиционные статистические и эконометрические методы, такие как регрессионный анализ, часто работают хорошо, однако большие массивы данных создают специфические проблемы, для решения которых могут потребоваться другие инструменты. Во-первых, сам объем данных может требовать более мощных средств их обработки. Во-вторых, потенциальных предикторов может быть больше, чем допустимо использовать при оценивании, поэтому необходимо применять некоторую процедуру отбора переменных. В-третьих, большие массивы данных могут позволять выявлять более гибкие зависимости, чем простые линейные модели. Методы машинного обучения, такие как деревья решений, метод опорных векторов, нейронные сети, глубокое обучение и другие подобные методы, могут обеспечивать более эффективное моделирование сложных взаимосвязей. В этой статье я опишу несколько таких инструментов для обработки и анализа больших данных. Я считаю, что эти методы обладают значительным потенциалом и должны быть более широко известны и использоваться экономистами.