В монографии предлагаются методы решения таких проблем, связанных с моделированием временных рядов макроэкономических процессов, как проблема выбора длины окна наблюдений, проблема определения уровня значимости предикторов и достоверного интервального
прогноза при проведении процедуры спецификации, проблема вычисления интервального прогноза для моделей класса ARIMA, проблема несогласованности прогнозов и др. Представленные методы построения многофакторной линейной регрессии с распределенными лагами
позволяют качественно улучшить прогностический потенциал классических регрессионных моделей при сохранении надежности доверительных интервалов, а также расширить экспликативные возможности регрессионных уравнений. Данные методы могут быть с успехом
использованы для построения моделей макроэкономических процессов с целью их краткосрочного, среднесрочного и долгосрочного прогнозирования. Получаемые прогнозы обладают более высокой точностью по сравнению с прогнозами, рассчитанными по уже существующим
методам, а также имеют надежные доверительные интервалы. Полученные модели и прогнозы могут быть использованы для принятия оптимальных управленческих решений органами государственной власти и управления. Также результаты работы могут использоваться в
учебном процессе вузов при создании и совершенствовании дисциплин "Эконометрика", "Моделирование макроэкономических процессов" и др.
Ключевые слова: временные ряды, макроэкономические процессы, ARIMA, взвешивание моделей, доверительный интервал, уровень значимости предикторов, функциональные взаимосвязи, регрессионные модели, степени свободы, выбор длины окна наблюдений