Адаптивные методы прогнозирования позволяют предсказать в краткосрочной перспективе динамику показателей, что нередко приобретает важное значение в условиях динамичности и высокой степени изменчивости экономической конъюнктуры. Проведен сравнительный анализ различных адаптивных походов к прогнозированию спроса, выделены их ограничения и преимущества. Предложена авторская гибридная архитектура для прогнозирования спроса в условиях нестабильной рыночной среды, основанная на концепции пространства состояний с иерархической коррекцией. Предложенная архитектура объединяет макроэкономический контур и микроэкономические показатели в едином пространстве состояний, что позволяет совместно обрабатывать разнородные сигналы: макроэкономические шоки и операционные микроиндикаторы, между которыми в стандартных моделях обычно приходится выбирать. Статистическую основу образует векторная модель коррекции ошибок, фиксирующая устойчивые долгосрочные зависимости; нелинейные паттерны обрабатывают LSTM-сети и градиентный бустинг.
Adaptive forecasting methods enable short-term forecasting of indicator dynamics, which is often crucial in dynamic and highly volatile economic environments. A comparative analysis of various adaptive approaches to demand forecasting is conducted, highlighting their limitations and advantages. A proprietary hybrid architecture for demand forecasting in an unstable market environment is proposed, based on the concept of a state space with hierarchical correction. The proposed architecture combines macroeconomic data and microeconomic indicators in a single state space, enabling the joint processing of disparate signals: macroeconomic shocks and operational microindicators, which in standard models typically require a choice. The statistical foundation is formed by a vector error correction model that captures stable long-term dependencies; nonlinear patterns are processed by LSTM networks and gradient boosting.