Fugu-MT 論文翻訳(概要): Nowcasting in a Pandemic using Non-Parametric Mixed Frequency VARs

論文の概要: Nowcasting in a Pandemic using Non-Parametric Mixed Frequency VARs

arxiv url: http://arxiv.org/abs/2008.12706v3
Date: Tue, 1 Dec 2020 10:28:04 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 02:31:39.936365
Title: Nowcasting in a Pandemic using Non-Parametric Mixed Frequency VARs
Title（参考訳）: 非パラメトリック混合周波数VARを用いたパンデミックの流し込み
Authors: Florian Huber, Gary Koop, Luca Onorante, Michael Pfarrhofer, Josef Schreiner
Abstract要約: 回帰木モデルは、極端な観測に直面したマクロ経済学的な流れに理想的に適していると論じる。線形混合周波数VARに対して, 流し込み性能が大幅に向上した。
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: This paper develops Bayesian econometric methods for posterior inference in non-parametric mixed frequency VARs using additive regression trees. We argue that regression tree models are ideally suited for macroeconomic nowcasting in the face of extreme observations, for instance those produced by the COVID-19 pandemic of 2020. This is due to their flexibility and ability to model outliers. In an application involving four major euro area countries, we find substantial improvements in nowcasting performance relative to a linear mixed frequency VAR.
Abstract（参考訳）: 本稿では,付加回帰木を用いた非パラメトリック混合周波数VARにおける後方推定のためのベイズ計量法を開発した。我々は、レグレッションツリーモデルは、例えば2020年のCOVID-19パンデミックによって生み出されたような極端な観察に直面したマクロ経済的な流れに最適であると主張している。これは、柔軟性と異常値のモデル化能力のためである。主要ユーロ圏4カ国を対象とするアプリケーションでは,線形混合周波数VARと比較して,放送性能が大幅に向上した。

関連論文リスト

Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。我々は多種多様な高次元データにまたがって理論を検証する。
論文参考訳（メタデータ） (2024-08-08T17:27:29Z)
von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文参考訳（メタデータ） (2024-06-19T01:57:21Z)
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)
On LASSO for High Dimensional Predictive Regression [0.0]
本稿では,L_1$-penalized regression法であるLASSOを高次元線形回帰法で検討する。 LASSOの整合性は、回帰器の交叉積の偏差境界と誤差項の2つの重要な成分に基づいて決定される。機械学習とマクロ経済分野の専門知識を用いて、LASSOは失業率の予測において高いパフォーマンスを示す。
論文参考訳（メタデータ） (2022-12-14T06:14:58Z)
Performance of long short-term memory artificial neural networks in nowcasting during the COVID-19 crisis [0.0]
COVID-19パンデミックにおけるLSTMのパフォーマンスは、動的因子モデル(DFM)と比較して比較される。平均絶対誤差と根平均二乗誤差の両方の観点から、LSTMは変数/四分法の組み合わせの3分の2でより良い性能を得た。 LSTMへの解釈可能性の方法論が紹介され、付随する nowcast_lstm Python ライブラリで利用可能になった。
論文参考訳（メタデータ） (2022-03-22T16:48:41Z)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。理論的にも経験的にも二重降下現象を観察する。
論文参考訳（メタデータ） (2021-10-13T17:47:39Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)
Comparison of Traditional and Hybrid Time Series Models for Forecasting COVID-19 Cases [0.5849513679510832]
2019年12月の新型コロナウイルスの感染は、すでに世界中で数百万人を感染させ、拡大し続けています。流行のカーブが平ら化し始めた直後、多くの国が再びケースの増加を目撃し始めている。したがって、国家当局や保健当局に将来の時代の即時戦略を提供するには、時系列予測モデルの徹底的な分析が必要です。
論文参考訳（メタデータ） (2021-05-05T14:56:27Z)
Online nonparametric regression with Sobolev kernels [99.12817345416846]
我々は、ソボレフ空間のクラス上の後悔の上限を$W_pbeta(mathcalX)$, $pgeq 2, beta>fracdp$ とする。上界は minimax regret analysis で支えられ、$beta> fracd2$ または $p=infty$ の場合、これらの値は(本質的に)最適である。
論文参考訳（メタデータ） (2021-02-06T15:05:14Z)
Learning CHARME models with neural networks [1.5362025549031046]
我々はCHARME(Conditional Heteroscedastic Autoregressive Mixture of Experts)と呼ばれるモデルを考える。そこで本研究では,NNに基づく自己回帰関数の学習理論を開発した。
論文参考訳（メタデータ） (2020-02-08T21:51:02Z)

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。