論文の概要: The Knowledge Graph for Macroeconomic Analysis with Alternative Big Data

• arxiv url: http://arxiv.org/abs/2010.05172v1
• Date: Sun, 11 Oct 2020 05:40:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 14:00:25.428160
• Title: The Knowledge Graph for Macroeconomic Analysis with Alternative Big Data
• Title（参考訳）: 代替ビッグデータを用いたマクロ経済分析のための知識グラフ
• Authors: Yucheng Yang, Yue Pang, Guanhua Huang, Weinan E
• Abstract要約: 知識グラフ(KG)は、従来の経済変数間のリンクだけでなく、新しい代替のビッグデータ変数で構成されている。 KGに基づく手法は,特に長期予測において,予測精度を著しく向上させる。
• 参考スコア（独自算出の注目度）: 8.130368609170555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current knowledge system of macroeconomics is built on interactions among a small number of variables, since traditional macroeconomic models can mostly handle a handful of inputs. Recent work using big data suggests that a much larger number of variables are active in driving the dynamics of the aggregate economy. In this paper, we introduce a knowledge graph (KG) that consists of not only linkages between traditional economic variables but also new alternative big data variables. We extract these new variables and the linkages by applying advanced natural language processing (NLP) tools on the massive textual data of academic literature and research reports. As one example of the potential applications, we use it as the prior knowledge to select variables for economic forecasting models in macroeconomics. Compared to statistical variable selection methods, KG-based methods achieve significantly higher forecasting accuracy, especially for long run forecasts.
• Abstract（参考訳）: 現在のマクロ経済学の知識システムは、少数の変数間の相互作用に基づいて構築されている。 ビッグデータを用いた最近の研究は、集約経済のダイナミクスを駆動する変数がはるかに多いことを示唆している。 本稿では,従来の経済変数間のリンクだけでなく,新たな代替ビッグデータ変数からなる知識グラフ(KG)を提案する。 学術論文や研究報告の膨大なテキストデータに高度な自然言語処理(NLP)ツールを適用することで,これらの新しい変数とリンクを抽出する。 潜在的な応用の例として、マクロ経済学における経済予測モデルの変数を選択するための事前知識として使用します。 統計的変数選択法と比較して、KG法は予測精度が著しく高く、特に長期予測では高い。

関連論文リスト

• Using Large Language Models for Expert Prior Elicitation in Predictive Modelling [53.54623137152208]
  本研究では,大規模言語モデル (LLM) を用いて予測モデルの事前分布を推定する手法を提案する。 本研究では,LLMがパラメータ分布を真に生成するかどうかを評価するとともに,文脈内学習と事前推論のためのモデル選択戦略を提案する。 その結果,LLMによる事前パラメータ分布は,低データ設定における非形式的先行よりも予測誤差を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-11-26T10:13:39Z)
• Natural Language Processing and Multimodal Stock Price Prediction [0.8702432681310401]
  本稿では,従来の生通貨価値の活用とは対照的に,株価変動をトレーニングデータとして活用する。 パーセンテージの変化の選択は、価格変動の重要性に関する文脈をモデルに提供することを目的としている。 この研究は、株価トレンドを予測するために、特別なBERT自然言語処理モデルを用いている。
  論文  参考訳（メタデータ） (2024-01-03T01:21:30Z)
• 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)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Meta Knowledge Condensation for Federated Learning [65.20774786251683]
  既存のフェデレートされた学習パラダイムは通常、より強力なモデルを達成するために、中央の解決器で分散モデルを広範囲に交換する。 これにより、特にデータ分散が不均一である場合、サーバと複数のクライアントの間で深刻な通信負荷が発生します。 既存のパラダイムとは違って,フェデレート学習におけるコミュニケーションコストを大幅に削減する新たな視点を導入する。
  論文  参考訳（メタデータ） (2022-09-29T15:07:37Z)
• BertNet: Harvesting Knowledge Graphs with Arbitrary Relations from Pretrained Language Models [65.51390418485207]
  本稿では,事前学習したLMから任意の関係を持つ大規模KGを抽出する手法を提案する。 関係定義の最小限の入力により、アプローチは膨大な実体対空間を効率的に探索し、多様な正確な知識を抽出する。 我々は、異なるLMから400以上の新しい関係を持つKGを収穫するためのアプローチを展開している。
  論文  参考訳（メタデータ） (2022-06-28T19:46:29Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• A Scalable Inference Method For Large Dynamic Economic Systems [19.757929782329892]
  本稿では,時間変化パラメータ自動回帰モデルを組み込む新しい変分ベイズ推論手法を提案する。 我々のモデルは、価格、個々のアクターのトランザクション、トランザクションフローの分析、価格の動きを含む大規模なブロックチェーンデータセットに適用されます。 我々は、機械学習アーキテクチャの助けを借りて、フォワードモデルに非線形性を導入することで、シンプルな状態空間モデリングをさらに改善する。
  論文  参考訳（メタデータ） (2021-10-27T10:52:17Z)
• Aggregate Learning for Mixed Frequency Data [0.0]
  本研究では,小規模地域の経済指標をリアルタイムに予測する混合時間集合学習モデルを提案する。 提案モデルでは, 労働市場状態の地域的不均一性を予測し, 急速に変化する経済状況を予測する。 このモデルは様々なタスク、特に経済分析に適用できる。
  論文  参考訳（メタデータ） (2021-05-20T08:12:43Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques [0.0]
  我々は,1994年4月から2018年12月までのいくつかのマクロ経済変数について,米国とインドについて,USD-INR外為為替レートの予測に月毎の歴史的データを用いてきた。 その結果, SVM と RNN (Long Short-Term Memory) の現代的手法は, 広く使われている Auto Regression の手法よりも優れていることが明らかになった。
  論文  参考訳（メタデータ） (2020-02-19T18:11:57Z)

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。