В статье представлена комплексная методология прогнозирования макроэкономических показателей для долгосрочного планирования в проектном финансировании. Целью исследования является разработка системы стохастических симуляций, способной генерировать правдоподобные сценарии экономического развития с учетом взаимосвязей различных экономических параметров. Методология включает два ключевых компонента: алгоритм выбора значимых предикторов на основе разреженных графов и минимального дерева Штейнера, а также систему стохастических симуляций, интегрирующую модель CIR++ с методом Монте-Карло. Автором разработан эффективный алгоритм построения регрессионных моделей, учитывающий структурные взаимосвязи экономических показателей. Материалом исследования послужили исторические данные по широкому спектру макроэкономических показателей России: ВВП, инфляция, процентные ставки, индексы цен на недвижимость, показатели просроченной задолженности по кредитам. Результаты применения методологии демонстрируют высокую точность прогнозирования на исторических данных и интуитивно понятное поведение в долгосрочной перспективе. Валидация моделей основана на концептуальной обоснованности, системном анализе выходных данных и проверке бизнес-смысла, что соответствует специфике генерации долгосрочных сценариев. Представлена методика калибровки гиперпараметров алгоритма PCST и описано моделирование экстремальных сценариев для оценки хвостовых рисков. Система способна генерировать вероятностные сценарии с горизонтом до 30 лет, что позволяет оценивать различные аспекты рисков, включая экстремальные сценарии. Модульная архитектура системы обеспечивает гибкость и адаптивность к различным экономическим условиям. Результаты исследования имеют практическую значимость для управления рисками в финансовых институтах и стратегического планирования в проектном финансировании.