論文の概要: The Yield Curve as a Recession Leading Indicator. An Application for Gradient Boosting and Random Forest

• arxiv url: http://arxiv.org/abs/2203.06648v1
• Date: Sun, 13 Mar 2022 12:46:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 14:01:33.057480
• Title: The Yield Curve as a Recession Leading Indicator. An Application for Gradient Boosting and Random Forest
• Title（参考訳）: 不況を先導する指標としての利回り曲線。 傾斜ブースティングとランダム森林への応用
• Authors: Pedro Cadahia Delgado, Emilio Congregado, Antonio A. Golpe, Jos\'e Carlos Vides
• Abstract要約: 我々は、米国経済不況を予測するための最も関連性の高い財務用語と、経済不況検知に関する関連するルールを検出するための方法を見出した。 後者の結果は、機械学習手法が解釈に有用であることを示す文献が増えているのとは対照的である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most representative decision tree ensemble methods have been used to examine the variable importance of Treasury term spreads to predict US economic recessions with a balance of generating rules for US economic recession detection. A strategy is proposed for training the classifiers with Treasury term spreads data and the results are compared in order to select the best model for interpretability. We also discuss the use of SHapley Additive exPlanations (SHAP) framework to understand US recession forecasts by analyzing feature importance. Consistently with the existing literature we find the most relevant Treasury term spreads for predicting US economic recession and a methodology for detecting relevant rules for economic recession detection. In this case, the most relevant term spread found is 3 month to 6 month, which is proposed to be monitored by economic authorities. Finally, the methodology detected rules with high lift on predicting economic recession that can be used by these entities for this propose. This latter result stands in contrast to a growing body of literature demonstrating that machine learning methods are useful for interpretation comparing many alternative algorithms and we discuss the interpretation for our result and propose further research lines aligned with this work.
• Abstract（参考訳）: 多くの代表的な決定ツリーアンサンブル手法は、米国経済不況を予測し、米国の経済不況を検知するための規則を生成するために、財務用語の拡散の変動の重要性を調べるために用いられてきた。 財務用語を表わした分類器を訓練するための戦略を提案し, 解釈可能性の最良のモデルを選択するために, 結果を比較した。 また,Shapley Additive exPlanations (SHAP) フレームワークを用いて,特徴の重要度を分析し,米国の景気後退予測を理解する。 既存の文献と一致して、米国経済不況を予測するための最も関連性の高い財務用語が広がり、経済不況の検出に関する関連するルールを検出するための方法論が見つかる。 この場合、最も関連する用語は3ヶ月から6ヶ月であり、経済当局によって監視されることが提案されている。 最後に、この手法は、これらのエンティティが利用できる経済不況を予測するための高揚力ルールを検出する。 後者の結果は、多くの代替アルゴリズムを比較するのに機械学習手法が有用であることを示す文献が増えているのとは対照的に、本研究の解釈を議論し、本研究に沿うさらなる研究線を提案する。

関連論文リスト

• Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
  脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。 ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。 提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
  論文  参考訳（メタデータ） (2024-07-02T03:31:21Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Inside the black box: Neural network-based real-time prediction of US recessions [0.0]
  長期記憶(LSTM)とゲートリカレントユニット(GRU)は、1967年から2021年までのアメリカの不況をモデル化するために使用される。 シェープ法は、S&P500指数のような重要なリセッション指標を3カ月間予測する。
  論文  参考訳（メタデータ） (2023-10-26T16:58:16Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Prediction-Powered Inference [68.97619568620709]
  予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。 このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。 予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
  論文  参考訳（メタデータ） (2023-01-23T18:59:28Z)
• A Data-driven Case-based Reasoning in Bankruptcy Prediction [8.134323103135173]
  本研究では,倒産予測のためのデータ駆動型ケースベース推論システムを提案する。 実験の結果,提案手法は既存の代替CBRシステムよりも優れていることがわかった。 多くの研究から、予測精度と説明可能性のトレードオフが示唆されているが、我々の発見は今後の研究の道筋を示している。
  論文  参考訳（メタデータ） (2022-11-02T07:10:09Z)
• Benchmarking Econometric and Machine Learning Methodologies in Nowcasting [0.0]
  Nowcastingは、政策立案者に対して、かなりのタイムラグで公表されたデータに対するタイムリな洞察を与える上で、重要な役割を果たす可能性がある。 本稿では、米国の四半期GDP成長の予測において、12の異なる手法の性能について検討する。 アメリカ経済史の3つの異なる期間において、パフォーマンスが評価された。
  論文  参考訳（メタデータ） (2022-05-06T15:51:31Z)
• 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)
• Economic Recession Prediction Using Deep Neural Network [26.504845007567972]
  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。
  論文  参考訳（メタデータ） (2021-07-21T22:55:14Z)
• Measuring Economic Policy Uncertainty Using an Unsupervised Word Embedding-based Method [0.0]
  経済政策の不確実性(epu)は経済研究において重要な指標であるが、不況を予測するために使用できる。 EPUインデックスは、ポリシー作成と経済に関連する予め定義されたキーワードを含むニュース記事のカウントによって計算される。 本稿では,単語埋め込み表現空間を用いて関連するキーワードを選択する教師なしテキストマイニング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-10T19:34:14Z)
• 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。

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。