Fugu-MT 論文翻訳(概要): Economic Recession Prediction Using Deep Neural Network

論文の概要: Economic Recession Prediction Using Deep Neural Network

arxiv url: http://arxiv.org/abs/2107.10980v1
Date: Wed, 21 Jul 2021 22:55:14 GMT
ステータス: 処理完了
システム内更新日: 2021-07-26 14:12:42.845007
Title: Economic Recession Prediction Using Deep Neural Network
Title（参考訳）: ディープニューラルネットワークを用いた経済活動予測
Authors: Zihao Wang, Kun Li, Steve Q. Xia, Hongfu Liu
Abstract要約: 本稿では,米国における景気後退の開始と終了を予測するための最も正確なモデルとして,オートエンコーダを用いたBi-LSTMの深層学習手法を同定する。我々は、さまざまな機械学習モデルの能力を比較して、サンプル内とサンプル外の両方で優れた予測を生成するために、一般的なマクロおよびマーケットコンディション機能を採用する。
参考スコア（独自算出の注目度）: 26.504845007567972
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We investigate the effectiveness of different machine learning methodologies in predicting economic cycles. We identify the deep learning methodology of Bi-LSTM with Autoencoder as the most accurate model to forecast the beginning and end of economic recessions in the U.S. We adopt commonly-available macro and market-condition features to compare the ability of different machine learning models to generate good predictions both in-sample and out-of-sample. The proposed model is flexible and dynamic when both predictive variables and model coefficients vary over time. It provided good out-of-sample predictions for the past two recessions and early warning about the COVID-19 recession.
Abstract（参考訳）: 異なる機械学習手法による経済サイクル予測の有効性について検討する。我々は,米国における景気後退の開始と終了を予測するための最も正確なモデルとして,Bi-LSTMとAutoencoderのディープラーニング手法を同定する。予測変数とモデル係数が時間とともに変化する場合,提案モデルは柔軟かつ動的である。過去2回の景気後退と、新型コロナウイルス(COVID-19)の景気後退について早期に警告した。

関連論文リスト

GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets [0.0]
マーケットのボラティリティを計測し、予測する新しいハイブリッドなDeep Learningモデルを提案する。他の時系列モデルと比較すると、GINNは決定係数(R2$)、平均正方形誤差(MSE)、平均絶対誤差(MAE)の点で優れたサンプル外予測性能を示した。
論文参考訳（メタデータ） (2024-09-30T23:53:54Z)
Learning Augmentation Policies from A Model Zoo for Time Series Forecasting [58.66211334969299]
本稿では,強化学習に基づく学習可能なデータ拡張手法であるAutoTSAugを紹介する。限界サンプルを学習可能なポリシーで強化することにより、AutoTSAugは予測性能を大幅に改善する。
論文参考訳（メタデータ） (2024-09-10T07:34:19Z)
Machine Learning for Economic Forecasting: An Application to China's GDP Growth [2.899333881379661]
本稿は、中国における四半期ごとのGDP成長を予測するために、さまざまな機械学習モデルを用いている。これらのモデルのパフォーマンスの違いに寄与する要因を分析します。
論文参考訳（メタデータ） (2024-07-04T03:04:55Z)
Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文参考訳（メタデータ） (2024-02-12T16:15:25Z)
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)
Forecasting and stabilizing chaotic regimes in two macroeconomic models via artificial intelligence technologies and control methods [0.3670422696827526]
経済における重要な課題の1つは、将来の経済変数の値に対する経済エージェントの期待を予測することである。数学的モデルの振る舞いはカオスを含む不規則であり、予測力を低下させる。 2つの経済モデルの振舞いの状況を調査し、不規則な力学を同定する。
論文参考訳（メタデータ） (2023-02-20T11:55:15Z)
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)
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)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文参考訳（メタデータ） (2020-10-27T17:54:12Z)
Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文参考訳（メタデータ） (2020-10-15T16:39:26Z)

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。