論文の概要: Public Policymaking for International Agricultural Trade using
Association Rules and Ensemble Machine Learning
- arxiv url: http://arxiv.org/abs/2111.07508v1
- Date: Mon, 15 Nov 2021 02:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-17 03:53:29.727222
- Title: Public Policymaking for International Agricultural Trade using
Association Rules and Ensemble Machine Learning
- Title(参考訳): アソシエーションルールとアンサンブル機械学習を用いた国際農業貿易の公共政策作成
- Authors: Feras A. Batarseh, Munisamy Gopinath, Anderson Monken, Zhengrong Gu
- Abstract要約: 自由貿易体制、特に主要経済間の貿易紛争に対する近年の衝撃は、政策決定を伝えるための予測の改善の必要性を高めている。
我々は、国際的に取引された食料・農業商品を予測し、関連付ける新しい方法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: International economics has a long history of improving our understanding of
factors causing trade, and the consequences of free flow of goods and services
across countries. The recent shocks to the free trade regime, especially trade
disputes among major economies, as well as black swan events, such as trade
wars and pandemics, raise the need for improved predictions to inform policy
decisions. AI methods are allowing economists to solve such prediction problems
in new ways. In this manuscript, we present novel methods that predict and
associate food and agricultural commodities traded internationally. Association
Rules (AR) analysis has been deployed successfully for economic scenarios at
the consumer or store level, such as for market basket analysis. In our work
however, we present analysis of imports and exports associations and their
effects on commodity trade flows. Moreover, Ensemble Machine Learning methods
are developed to provide improved agricultural trade predictions, outlier
events' implications, and quantitative pointers to policy makers.
- Abstract(参考訳): 国際経済は、貿易を引き起こす要因や、国全体の商品やサービスの自由な流れの結果について理解を深めてきた長い歴史がある。
自由貿易体制への最近の衝撃、特に主要経済間の貿易紛争、そして貿易戦争やパンデミックのような黒い白鳥の出来事は、政策決定を伝えるための予測の改善の必要性を高めている。
AIの手法により、経済学者はそのような予測問題を新しい方法で解決することができる。
本稿では,食品と農産物の国際取引を予測・関連付ける新しい手法を提案する。
アソシエーション・ルール(ar)分析は、市場バスケット分析のような消費者や店舗レベルでの経済シナリオに対してうまく展開されている。
しかし,本研究では,輸入・輸出関係の分析と商品貿易フローへの影響について述べる。
さらに、農業貿易予測の改善、アウトリーチイベントの影響、政策立案者への量的ポインタを提供するために、エンサンブル機械学習手法を開発した。
関連論文リスト
- Accurate prediction of international trade flows: Leveraging knowledge
graphs and their embeddings [2.849988619791745]
本稿では,国際貿易のモデリングに知識グラフを組み込んだ手法を提案する。
従来の機械学習手法とKG埋め込み、例えば決定木やグラフニューラルネットワークの統合についても検討する。
本研究は,予測精度を向上させる可能性を示し,知識表現における説明可能性の埋め込みに関する洞察を提供する。
論文 参考訳(メタデータ) (2023-10-17T11:28:30Z) - Causality-Aided Trade-off Analysis for Machine Learning Fairness [11.149507394656709]
本稿では,機械学習パイプラインにおける公平度パラメータと他の重要な指標とのトレードオフを解析するための原理的手法として因果解析を用いる。
本稿では、正確な因果発見を容易にするためのドメイン固有最適化と、確立された因果推論手法に基づくトレードオフ解析のための統一されたインターフェースを提案する。
論文 参考訳(メタデータ) (2023-05-22T14:14:43Z) - Simulating Using Deep Learning The World Trade Forecasting of
Export-Import Exchange Rate Convergence Factor During COVID-19 [0.0]
本研究では,Long-Short Term Memoryを用いてグローバル取引を予測する。
時系列分析は、特定の資産、セキュリティ、経済が時間とともにどのように変化するかを確認するのに役立つ。
論文 参考訳(メタデータ) (2022-01-23T18:34:55Z) - 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) - DeepAg: Deep Learning Approach for Measuring the Effects of Outlier
Events on Agricultural Production and Policy [4.800161917503703]
我々は,econometricsを用いた新しいフレームワーク,すなわちDeepAgを提案し,Deep Learning (DL) を用いた異常事象検出の効果を測定した。
我々は,Long Short-Term Memory(LSTM)ネットワークと呼ばれるDL技術を用いて商品生産を高精度に予測する。
本稿では,公共政策に対するDeepAgの影響,政策立案者や農家への洞察,農業生態系における経営決定について述べる。
論文 参考訳(メタデータ) (2021-10-22T20:55:33Z) - Building a Foundation for Data-Driven, Interpretable, and Robust Policy
Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。
RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文 参考訳(メタデータ) (2021-08-06T01:30:41Z) - The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning [126.37520136341094]
機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。
AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
論文 参考訳(メタデータ) (2021-08-05T17:42:35Z) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳(メタデータ) (2021-01-28T05:52:18Z) - Panel: Economic Policy and Governance during Pandemics using AI [0.0]
外乱はサプライチェーン全体の不確実性を生じさせ、その悪影響を軽減するための政策対応を介入する。
人工知能(AI)手法は、異常事象における結果をよりよく理解する機会を提供する。
AIを採用することで、サプライチェーンに沿った意思決定サプライヤー、ファーマー、プロセッサ、問屋、小売業者にガイダンスを提供することができる。
論文 参考訳(メタデータ) (2020-10-20T22:09:59Z) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳(メタデータ) (2020-10-19T06:28:05Z) - Adversarial Attacks on Machine Learning Systems for High-Frequency
Trading [55.30403936506338]
逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。
攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。
本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
論文 参考訳(メタデータ) (2020-02-21T22:04:35Z)
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。