ИЗБАВЛЕНИЕ ОТ ИНФЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВЫХ МЕТОДОВ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В СФЕРЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Абидов А.А.; Ахраров Б.С.; Паязов М.М.; Ахмедов А.М.

doi:10.5281/zenodo.17694833

ИЗБАВЛЕНИЕ ОТ ИНФЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВЫХ МЕТОДОВ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В СФЕРЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Authors

Абидов А.А.
Ахраров Б.С.
Паязов М.М.
Ахмедов А.М.

DOI:

https://doi.org/10.5281/zenodo.17694833

Keywords:

инфляция, цифровая экономика, информационные технологии, искусственный интеллект, Big Data, адаптивная модель инфляционного равновесия

Abstract

В статье рассматривается проблема инфляции в условиях цифровой экономики и предлагается
новый подход к её снижению с использованием современных информационных технологий. На основе модели
адаптивного инфляционного равновесия показано, что интеграция Big Data, алгоритмов искусственного интеллекта
и цифровых валют центральных банков (CBDC) позволяет не только прогнозировать инфляцию, но и управлять
ею в реальном времени. Предложенная модель учитывает денежную массу в цифровом формате, инфляционные
ожидания и динамику процентных ставок, что обеспечивает формирование более устойчивой антиинфляционной
политики.

Author Biographies

Абидов А.А.

DSc, профессор кафедры «Цифровая экономика и информационные технологии»
Ташкентский Государственный Экономический Университет,г. Ташкент

Ахраров Б.С.

PhD., доцент кафедры «Современные информационные технологии»
Узбекский государственный университет мировых языков, г. Ташкент

Паязов М.М.

PhD., доцент кафедры «Информационные технологии и системы»
Profi University, г. Ташкент

Ахмедов А.М.

Старший специалист в области искусственного интеллекта
компании Unitel, г. Ташкент

References

1. Friedman, M. (1968). The Role of Monetary Policy. The American Economic Review, 58(1), pages 1-17.

2. IMF Working Paper: Digitalization and Inflation Dynamics in Emerging Markets International Monetary Fund, 2019.

URL: https://www.imf.org/-/media/Files/Publications/WP/2019/wpiea2019271-print-pdf.ashx

3. Taylor, J. B. (1993). Discretion versus Policy Rules in Practice. Carnegie-Rochester Conference Series on Public

Policy, 39, pages 195-214.

4. Woodford, M. (2003). Interest and Prices: Foundations of a Theory of Monetary Policy. Princeton University Press,

785 pp.

5. Clarida, R., Galí, J., & Gertler, M. (1999). The Science of Monetary Policy: A New Keynesian Perspective. Journal of

Economic Literature, 37(4), pages 1661-1707.

6. Sims, C. A. (2002). Solving Linear Rational Expectations Models. Computational Economics, 20(1), pages 1–20.

7. Mishkin, F.S.(2007). Inflation Dynamics. International Finance, Blackwell Publishing, vol. 10(3), pages. 317-334.

8. Blanchard, O., & Johnson, D. R. (2012). Macroeconomics. Pearson Education, 553 pp.

9. Walsh, C. E. (2010). Monetary Theory and Policy. MIT Press, 688 pp.

10. Romer, D. (2011). Advanced Macroeconomics. McGraw-Hill,

11. Mohamed F. Abd El-Aal. Analysis Factors Affecting Egyptian Inflation Based on Machine Learning Algorithms. 2023.

URL: https://aimspress.com/article/id/64f07378ba35de3f7732ac9c

12. Noha Emara, Daniela Zecheru. The Asymmetric Deflationary Effect of Digitalization on Inflation. Journal of Financial

Innovation, 10, 32 (2024). URL: https://jfin-swufe.springeropen.com/articles/10.1186/s40854-023-00545-8

13. Grant Thornton Global Insights. Fighting inflation now using digital. 2023. URL: https://www.grantthornton.global/en/

insights/articles/fighting-inflation-now-using-digital/

14. New digital currency (CBDC) monetary policy tool to stop inflation. 2023. URL: https://www.aeaweb.org/conference/2023/

program/paper/8bS83KE5

15. Impact of Price Inflation on Algorithmic Collusion Through Reinforcement Learning Agents. 2025. URL: https://www.

arxiv.org/abs/2504.05335 .

16. Daisy Intelligence. Promo & Price Optimization Case Study. URL:https://daisyintelligence.com/case-studies/promoprice-

optimization-study.html

17. Supermarket News. Harps using artificial intelligence to hone sales. URL:https://www.supermarketnews.com/finance/

harps-using-artificial-intelligence-to-hone-sales.

18. Progressive Grocer. Earth Fare Leverages AI to Optimize Promos. URL: https://progressivegrocer.com/earth-fareleverages-

ai-optimize-promos

19. Customer First Thinking. Artificial Intelligence: An Interview with Gary Saarenvirta, CEO Daisy Intelligence Corporation.

URL:https://www.customerfirstthinking.ca/interviews/artificial-intelligence-an-interview-with-gary-saarenvirta-ceodaisy-

intelligence-corporation

20. European Central Bank. A new machine learning model for inflation dynamics. 2023. URL: https://www.ecb.europa.eu/

press/research-publications/resbull/2023/html/ecb.rb231017~b910853393.en.html

21. Salvatore Federico, Giorgio Ferrari, Patrick Schuhmann. A Model for the Optimal Management of Inflation. 2019. URL:

https://arxiv.org/abs/1909.12045

22. Česká národní banka (Czech National Bank). First use of AI in inflation forecasting at the ČNB. URL: https://www.cnb.

cz/en/about_cnb/cnblog/First-use-of-AI-in-inflation-forecasting-at-the-CNB

23. Philipp F. M. Baumann, Michael Schomaker, Enzo Rossi. Estimating the Effect of Central Bank Independence on

Inflation Using LTMLE. 2020. URL: https://arxiv.org/abs/2003.02208

24. Marsh, L. C. New digital currency (CBDC) monetary policy tool to stop inflation without causing a recession // Papers

and Proceedings of the American Economic Association Annual Meeting. 2023. URL: https://www.aeaweb.org/

conference/2023/program/paper/8bS83KE5

ИЗБАВЛЕНИЕ ОТ ИНФЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВЫХ МЕТОДОВ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В СФЕРЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

ИЗБАВЛЕНИЕ ОТ ИНФЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВЫХ МЕТОДОВ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В СФЕРЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Authors

DOI:

Keywords:

Abstract

Author Biographies

Абидов А.А.

Ахраров Б.С.

Паязов М.М.

Ахмедов А.М.

References

Downloads

Published

How to Cite

Issue

Section

License