Неформальная экономика остается устойчивым и многомерным явлением, особенно в развивающихся регионах, где ее динамика определяется сочетанием институциональных ограничений и внешних шоков.

Целью исследования является разработка прогностической модели оценки факторов неформальной экономики в странах Центральной Африки и Средиземноморья на основе методов машинного обучения. Методологическая основа исследования включает применение современных алгоритмов машинного обучения, таких как Random Forest, XGBoost, Support Vector Regression (SVR) и Elastic Net, с использованием вложенной кросс-валидации (5-fold) и байесовской оптимизации гиперпараметров. Эмпирическую базу составили панельные данные по 28 странам (12 стран Центральной Африки и 16 стран Средиземноморья) за период 2005-2023 гг. В качестве зависимой переменной использовалась доля занятости в неформальном секторе, а в качестве факторов институциональные показатели (качество регулирования, социальные расходы, образование) и внешние детерминанты (прямые иностранные инвестиции, денежные переводы, открытость торговли, геополитический риск). Анализ важности признаков показывает, что качество институтов и охват социальной защитой являются доминирующими внутренними предикторами, в то время как волатильность торговли и приток денежных переводов выступают в качестве критически важных внешних переменных. Random Forest (R² = 0,983; MAPE = 2,57%) и SVR (R² = 0,982; MAPE = 2,17%) также подтвердили высокую точность прогнозирования. Установлено, что среди факторов наибольшее влияние оказывает индекс геополитического риска (до 0,86 по корреляции), а также институциональные показатели качество регулирования (до -0,96) и социальные расходы (до -0,93). Полученные результаты свидетельствуют о том, что внешние шоки могут оказывать сопоставимое или более сильное влияние на уровень неформальности по сравнению с внутренними институциональными факторами.