論文の概要: Aggregate Learning for Mixed Frequency Data
- arxiv url: http://arxiv.org/abs/2105.09579v1
- Date: Thu, 20 May 2021 08:12:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 19:30:22.468334
- Title: Aggregate Learning for Mixed Frequency Data
- Title（参考訳）: 混合周波数データの集約学習
- Authors: Takamichi Toda, Daisuke Moriwaki, Kazuhiro Ota
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large and acute economic shocks such as the 2007-2009 financial crisis and
the current COVID-19 infections rapidly change the economic environment. In
such a situation, the importance of real-time economic analysis using
alternative datais emerging. Alternative data such as search query and location
data are closer to real-time and richer than official statistics that are
typically released once a month in an aggregated form. We take advantage of
spatio-temporal granularity of alternative data and propose a
mixed-FrequencyAggregate Learning (MF-AGL)model that predicts economic
indicators for the smaller areas in real-time. We apply the model for the
real-world problem; prediction of the number of job applicants which is closely
related to the unemployment rates. We find that the proposed model predicts (i)
the regional heterogeneity of the labor market condition and (ii) the rapidly
changing economic status. The model can be applied to various tasks, especially
economic analysis
- Abstract（参考訳）: 2007-2009年の金融危機や現在の新型コロナウイルス感染など、大規模で急性の経済ショックは、経済環境を急速に変化させる。
このような状況下では、代替データを用いたリアルタイム経済分析の重要性が高まっている。
検索クエリや位置情報などの代替データは、一般に1ヶ月に1回、集計形式でリリースされる公式統計よりもリアルタイムに近い。
本稿では,代替データの時空間的粒度を生かした混合周波数集約学習(mf-agl)モデルを提案する。
実世界の問題,失業率と密接な関係を持つ求職者の数を予測するために,本モデルを適用した。
提案モデルは,労働市場条件の地域的不均一性を予測し,(ii)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
関連論文リスト
- A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning [0.0]
農業経済からより多様化した産業やサービスベースのシステムへの移行は、経済発展の重要な要因である。
低所得国と中所得国(LMIC)では、データの不足と信頼性の欠如が、このプロセスの正確な評価を妨げる。
本稿では,ベイジアン階層モデリング,機械学習に基づくデータ計算,因子分析を統合することで,これらの課題に対処する新しい統計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-25T08:39:41Z) - Predict the Future from the Past? On the Temporal Data Distribution
Shift in Financial Sentiment Classifications [22.991534849932016]
我々は、時間的データ分散シフトの下で、財務感情分析システムに関する実証的研究を行う。
微調整モデルでは,時間分布シフトの存在下での一般的な性能劣化に悩まされることがわかった。
本稿では,時間的財務感情分析のための時系列モデリングとアウト・オブ・ディストリビューション検出を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2023-10-19T09:59:52Z) - Fast Model Debias with Machine Unlearning [54.32026474971696]
ディープニューラルネットワークは多くの現実世界のシナリオでバイアスのある振る舞いをする。
既存のデバイアス法は、バイアスラベルやモデル再トレーニングのコストが高い。
バイアスを特定し,評価し,除去するための効率的なアプローチを提供する高速モデル脱バイアスフレームワーク(FMD)を提案する。
論文 参考訳（メタデータ） (2023-10-19T08:10:57Z) - Retail Demand Forecasting: A Comparative Study for Multivariate Time
Series [0.0]
本研究では,CPI(Consumer Price Index),ICS(Index of Consumer Sentiment),失業率といった,マクロ経済変数による顧客需要の時系列データを統合する。
小売需要を正確に予測するために,様々な回帰モデルと機械学習モデルを開発し,比較する。
論文 参考訳（メタデータ） (2023-08-23T06:14:02Z) - Finding Regularized Competitive Equilibria of Heterogeneous Agent
Macroeconomic Models with Reinforcement Learning [151.03738099494765]
労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。
本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-24T17:16:27Z) - Interpreting and predicting the economy flows: A time-varying parameter
global vector autoregressive integrated the machine learning model [0.0]
本稿では,先進地域経済変数の予測と分析を行うための時間変化パラメータグローバルベクトル自己回帰フレームワークを提案する。
提案したモデルが,すべての経済変数における説得力のあるインサンプルと,異なる周波数の経済入力を持つ比較的高精度なアウト・オブ・サンプル予測を示す。
論文 参考訳（メタデータ） (2022-07-31T06:24:15Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - 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) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳（メタデータ） (2022-01-03T17:00:17Z) - Word embeddings for topic modeling: an application to the estimation of
the economic policy uncertainty index [0.0]
経済不確実性の定量化は、GDPのようなマクロ経済変数の予測の鍵となる概念である。
経済政策の不確実性指数(EPU)は、不確実性を定量化する最もよく使われる新聞ベースの指標である。
本稿では,デジタルニュースのトピックモデリングを高速かつ効率的に行うEPUインデックスを推定する手法を提案する。
論文 参考訳（メタデータ） (2021-10-29T19:31:03Z) - Low-Rank Temporal Attention-Augmented Bilinear Network for financial
time-series forecasting [93.73198973454944]
ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。
近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。
本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
論文 参考訳（メタデータ） (2021-07-05T10:15:23Z)
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。