Статья посвящена применению моделей временных рядов и алгоритмов машинного обучения для прогнозирования расходов в рамках государственных программ. Постановка задачи актуальна в условиях цифровой трансформации государственного управления и необходимости повышения эффективности бюджетного планирования, особенно на региональном уровне, где традиционные подходы к прогнозированию кассового исполнения расходов сталкиваются с устойчивыми качественными ограничениями.
Научная новизна и качество аргументации
Научная новизна работы заключается в системном сопоставлении классических моделей временных рядов и современных алгоритмов машинного обучения применительно к задачам прогнозирования бюджетного финансирования государственных программ. Авторы выявляют особенности прогнозирования кассового исполнения расходов на региональном уровне, исследуют зарубежный опыт применения различных моделей и выделяют преимущества и ограничения подходов для российской практики. Предложен подход к построению архитектуры прогностической системы, что переводит обсуждение из плоскости отдельных алгоритмов в плоскость целостной информационно-аналитической инфраструктуры. Аргументация выстроена последовательно, понятийный аппарат согласуется с теорией прогнозирования и эконометрики.
Практическая реализуемость и итоговая оценка
Практическая значимость статьи определяется возможностью использования её результатов при проектировании прогностических подсистем региональных финансовых органов и при формировании требований к информационно-аналитическим продуктам в сфере бюджетного планирования. Предложенная архитектура поддерживает интеграцию данных и методов, что важно для масштабирования решений в условиях разнородной отчётности. Работа отличается структурной завершённостью, логичностью изложения и прикладной направленностью, что делает её полезной для исследователей и практиков в сфере бюджетного планирования и государственного финансового управления.
Статья рекомендуется к публикации в научном журнале.
