В условиях цифровой трансформации государственного управления и необходимости повышения эффективности бюджетного планирования актуальной становится задача разработки и внедрения интеллектуальных методов прогнозирования объемов бюджетного финансирования. На основе анализа авторы выделяют особенности прогнозирования кассового исполнения расходов по государственным программам в России на региональном уровне, которые снижают качество и эффективность прогнозирования в настоящее время. В статье рассматриваются некоторые теоретические и прикладные аспекты применения моделей временных рядов и алгоритмов машинного обучения для прогнозирования расходов в рамках государственных программ. Исследуется зарубежный опыт применения различных моделей, выявлены преимущества и ограничения различных подходов для российской практики. Предлагается подход к построению архитектуры прогностической системы на основе ГИИС «Электронный бюджет» и современных моделей.
In the context of the digital transformation of public administration and the need to improve the efficiency of budget planning, the development and implementation of intelligent methods for forecasting budget financing volumes has become a pressing issue. Based on the analysis, the authors highlight the specific features of forecasting cash execution of expenditures under government programs in Russia at the regional level, which currently reduce the quality and effectiveness of forecasting. The article examines some theoretical and applied aspects of using time series models and machine learning algorithms to forecast expenditures under government programs. International experience with various models is examined, and the advantages and limitations of various approaches for Russian practice are identified. An approach to building a forecasting system architecture based on the Electronic Budget State Information System (GIIS) and modern models is proposed.