Международный научно-образовательный электронный журнал «образование и наука в XXI веке». Выпуск №25 (том 2)

Название 
публикации:
«O`ZBEKISTONDA 
MAKROIQTISODIY 
KO`RSATKICHLARNI 
EKONOMETRIK 
USULLAR 
YORDAMIDA 
PROGNOZLASH» 
Annotatsiya 
Ushbu tadqiqot ishi O'zbekiston iqtisodiyoti uchun makroiqtisodiy prognozlashda 
machine learning ayrim metodlari, jumladan, LASSO, Ridge, Random Forest, Gradient 
Boosting tarmoqlarini ishlatishni taklif qiladi. Ushbu ilmiy ish makroiqtisodiy 
prognozlashda machine learning usullarini O`zbekiston iqtisodiyoti uchun qo'llash bo'yicha 
dastlabki urinishlardan biridir. Empirik tadqiqotlar shuni ko'rsatadiki, Random Forest va 
Boosting modeli YaIM o'sishini prognoz qilishda avtoregressiya va ARIMA kabi an'anaviy 
modellardan yomon natija ko`rsatmadi. Ushbu ishning asosiy natijasi – machine learning 
usullaridan foydalangan holda, O'zbekistonda iqtisodiy ko'rsatkichlarni yanada aniq 
prognozlash imkoniyati mavjudligini ko`rsatish. 
Kalit so`zlar:
 makroiqtisodiy prognozlash, makroiqtisodiy barqarorlik, ekonometrki 
usullar, avtoregressiya, YaIM o`sishi 
 
 
Theme: Forecasting Uzbekistan economy using econometric models 
 
Authors: 
Azimov Utkirbek Qilich o`g`li, Master’s student in TSUE 
Erkinov Javlon Dilshod o`g`li, Master’s student in TSUE 
Abstract 
This paper proposes a new type of solution for Uzbekistan economy using several 
machine learning methods: LASSO, Ridge, Random Forest, Gradient Boosting. This paper 
is one of the first attempts to apply machine learning methods to the macroeconomic 
forecasting in Uzbekistan. The present empirical study demonstrates that the Random 
Forest and the Boosting model are at least as good at inflation and GDP growth forecasting 
as more traditional models, such as autoregression and ARIMA. The main result of this 
paper is the confirmation of the possibility of more accurate forecasting of economic 
indicators in Uzbekistan using machine learning methods. 

---

780 
Key words:
macroeconomic forecasting, macroeconomic stability, ecnometric 
models, autoregression, GDP growth 
 

---

781