Данная работа посвящена анализу влияния зависимости международной валютно-финансовой системы на курс национальной валюты, прогнозированию валюты на три месяца вперёд. В ходе выполнения работы решались следующие задачи: 1. Проведен анализ существующих материалов, рассматривающих макропоказатели, имеющие влияние на национальную валюту. 2. Проведен анализ существующих материалов, рассматривающих метода использующиеся для прогнозирования курса валют. 3. Выбор методов для прогнозирования курса валют. 4. Эконометрическое моделирование прогнозирования курса валют с помощью автоматизированных средств Python. 5. Прогнозирование валютного курса с использованием метода машинного обучения с помощью автоматизированных средств Python. 6. Сравнительный анализ результатов используемых методов прогнозирования. Актуальность темы обусловлена необходимостью расчёта будущего курса валют и выявлением макропоказателей, которые в большей степени могут повлиять на национальную валюту. Источниками информации выступили данные по семи странам большой двадцатки.

This work is devoted to the analysis of the influence of the dependence of the international monetary and financial system on the exchange rate of the national currency, forecasting the currency for three months ahead. In the course of the work, the following tasks were solved: 1. The analysis of existing materials considering macro indicators that have an impact on the national currency is carried out. 2. The analysis of existing materials considering the methods used to predict the exchange rate is carried out. 3. The choice of methods for forecasting the exchange rate. 4. Econometric modeling of currency exchange rate forecasting using automated tools Python. 5. Forecasting the exchange rate using the machine learning method using automated tools Python. 6. Comparative analysis of the results of the forecasting methods used. The relevance of the topic is due to the need to calculate the future exchange rate and identify macro indicators that can have a greater impact on the national currency. The sources of information were data from seven G20 countries.