論文の概要: The Macroeconomy as a Random Forest

• arxiv url: http://arxiv.org/abs/2006.12724v3
• Date: Thu, 4 Mar 2021 22:08:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 23:26:18.611143
• Title: The Macroeconomy as a Random Forest
• Title（参考訳）: ランダム林としてのマクロ経済
• Authors: Philippe Goulet Coulombe
• Abstract要約: 線形マクロ方程式において、進化するパラメータを柔軟にモデル化するために、標準機械学習(ML)ツールを適用するアルゴリズムを開発した。 このアプローチは、多くの代替案よりも明確な予測ゲインをもたらし、2008年の失業率の急激な上昇を予測し、インフレのためにうまく機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: I develop Macroeconomic Random Forest (MRF), an algorithm adapting the canonical Machine Learning (ML) tool to flexibly model evolving parameters in a linear macro equation. Its main output, Generalized Time-Varying Parameters (GTVPs), is a versatile device nesting many popular nonlinearities (threshold/switching, smooth transition, structural breaks/change) and allowing for sophisticated new ones. The approach delivers clear forecasting gains over numerous alternatives, predicts the 2008 drastic rise in unemployment, and performs well for inflation. Unlike most ML-based methods, MRF is directly interpretable -- via its GTVPs. For instance, the successful unemployment forecast is due to the influence of forward-looking variables (e.g., term spreads, housing starts) nearly doubling before every recession. Interestingly, the Phillips curve has indeed flattened, and its might is highly cyclical.
• Abstract（参考訳）: マクロ経済ランダムフォレスト(MRF, Macroeconomic Random Forest)は,線形マクロ方程式の進化パラメータを柔軟にモデル化するための機械学習ツールである。 主な出力である一般化時変パラメータ(gtvps)は、多くの一般的な非線形性(threshold/switching, smooth transition, structural breaks/change)をネストし、洗練された新しいものを可能にする多用途デバイスである。 このアプローチは多くの代替案よりも明確な予測ゲインをもたらし、2008年の失業の劇的な増加を予測し、インフレのためにうまく機能する。 ほとんどのMLベースの方法とは異なり、MRFはGTVPを介して直接解釈可能である。 例えば、失業率予測の成功は、不況のたびにほぼ倍増する前向きの変数(例えば、用語の拡散、住宅の開始)の影響によるものである。 興味深いことに、フィリップス曲線は確かに平坦であり、そのポテンシャルは非常に巡回的である。

関連論文リスト

• A Stochastic Approach to Bi-Level Optimization for Hyperparameter Optimization and Meta Learning [74.80956524812714]
  我々は,現代のディープラーニングにおいて広く普及している一般的なメタ学習問題に対処する。 これらの問題は、しばしばBi-Level Optimizations (BLO)として定式化される。 我々は,与えられたBLO問題を,内部損失関数が滑らかな分布となり,外損失が内部分布に対する期待損失となるようなii最適化に変換することにより,新たな視点を導入する。
  論文  参考訳（メタデータ） (2024-10-14T12:10:06Z)
• Nowcasting Madagascar's real GDP using machine learning algorithms [0.0]
  マダガスカルにおける国内総生産(GDP)の予測能力について検討する。 線形正則回帰(Ridge,Lasso,Elastic-net)、次元減少モデル(主成分回帰)、k-nearest neighborsアルゴリズム(k-NN回帰)を含む一般的な回帰モデルを訓練した。 我々は,根平均二乗誤差(RMSE),平均絶対誤差(MAE),平均絶対パーセンテージ誤差(MAPE)を算出し,各モデルの流速精度を測定した。
  論文  参考訳（メタデータ） (2023-12-24T20:40:54Z)
• Bayesian Nonlinear Regression using Sums of Simple Functions [0.0]
  本稿では,マクロ経済学における大規模データセットに適用可能な新しいベイズ機械学習モデルを提案する。 シミュレーションでは, 精度の高い点と密度の予測が得られた。
  論文  参考訳（メタデータ） (2023-12-04T13:24:46Z)
• Generative Fractional Diffusion Models [53.36835573822926]
  我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。 実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
  論文  参考訳（メタデータ） (2023-10-26T17:53:24Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Time varying regression with hidden linear dynamics [74.9914602730208]
  線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。 反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
  論文  参考訳（メタデータ） (2021-12-29T23:37:06Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Can Machine Learning Catch the COVID-19 Recession? [0.0]
  パンデミック時に予測する最も有望な道は、機械学習(ML)手法を用いて一般的な非線形性を実現することである。 しかし、すべての非線形MLメソッドが似ているわけではない。 例えば、通常の木や森林のような)外挿を許可しないものや、あるものは許可しない。 前例のない時代におけるMLベースの予測のこのその他の重要な側面は、広範囲にわたる擬似サンプルエクササイズで研究されている。
  論文  参考訳（メタデータ） (2021-03-01T18:47:46Z)
• Cauchy-Schwarz Regularized Autoencoder [68.80569889599434]
  変分オートエンコーダ(VAE)は、強力で広く使われている生成モデルのクラスである。 GMMに対して解析的に計算できるCauchy-Schwarz分散に基づく新しい制約対象を導入する。 本研究の目的は,密度推定,教師なしクラスタリング,半教師なし学習,顔分析における変分自動エンコーディングモデルの改善である。
  論文  参考訳（メタデータ） (2021-01-06T17:36:26Z)
• How is Machine Learning Useful for Macroeconomic Forecasting? [0.0]
  標準的なマクロ計量法よりもMLゲインを駆動する基礎的特徴の有用性について検討する。 我々は, いわゆる4つの特徴(非線形性, 正規化, クロスバリデーション, 代替損失関数)を区別し, データリッチ環境とデータ貧弱環境の両方でそれらの挙動を研究する。 このことは機械学習が不確実性や金銭的摩擦の文脈で発生する重要な非線形性を主に捉え、マクロ経済予測に有用であることを示唆している。
  論文  参考訳（メタデータ） (2020-08-28T04:23:52Z)
• Macroeconomic Data Transformations Matter [0.0]
  低次元線形回帰設定では、予測子の線形変換/組合せを考えると、予測は変化しない。 これはまさに機械学習(ML)マクロ経済予測環境のファブリックである。 従来の要因はほとんど常に予測因子として含めるべきである。
  論文  参考訳（メタデータ） (2020-08-04T17:34:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。