論文の概要: Macroeconomic Predictions using Payments Data and Machine Learning

• arxiv url: http://arxiv.org/abs/2209.00948v1
• Date: Fri, 2 Sep 2022 11:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-05 12:13:38.265350
• Title: Macroeconomic Predictions using Payments Data and Machine Learning
• Title（参考訳）: 支払いデータと機械学習を用いたマクロ経済予測
• Authors: James T.E. Chapman and Ajit Desai
• Abstract要約: 本研究の目的は,非伝統的かつタイムリーなデータによって政策立案者がほぼリアルタイムで重要なマクロ経済指標を正確に推定する洗練されたモデルを提供できることを示すことである。 我々は、機械学習モデルにおける過度な適合と解釈可能性の課題を軽減し、ポリシー使用の有効性を改善するための、一連の計量的ツールを提供する。 支払いデータ、非線形手法、クロスバリデーション(クロスバリデーション)アプローチを備えた当社のモデルは、新型コロナウイルス(COVID-19)の期間中に上昇するマクロ経済の予測精度を最大40%向上させるのに役立ちます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the economy's short-term dynamics -- a vital input to economic agents' decision-making process -- often uses lagged indicators in linear models. This is typically sufficient during normal times but could prove inadequate during crisis periods. This paper aims to demonstrate that non-traditional and timely data such as retail and wholesale payments, with the aid of nonlinear machine learning approaches, can provide policymakers with sophisticated models to accurately estimate key macroeconomic indicators in near real-time. Moreover, we provide a set of econometric tools to mitigate overfitting and interpretability challenges in machine learning models to improve their effectiveness for policy use. Our models with payments data, nonlinear methods, and tailored cross-validation approaches help improve macroeconomic nowcasting accuracy up to 40\% -- with higher gains during the COVID-19 period. We observe that the contribution of payments data for economic predictions is small and linear during low and normal growth periods. However, the payments data contribution is large, asymmetrical, and nonlinear during strong negative or positive growth periods.
• Abstract（参考訳）: 経済の短期的ダイナミクス(経済エージェントの意思決定プロセスへの重要なインプット)を予測するには、しばしばリニアモデルでラッジ指標を使用する。 これは通常では十分だが、危機期には不十分である。 本稿では,非伝統的かつタイムリーな小売や問屋支払いなどのデータに対して,非線形機械学習手法を用いて,政策立案者に対して,重要マクロ経済指標をほぼリアルタイムに高精度に推定する高度なモデルを提供することを目的とする。 さらに,機械学習モデルにおける過剰フィッティングと解釈可能性の課題を軽減し,ポリシー利用の有効性を向上させるための計量的ツールのセットを提供する。 支払いデータ、非線形手法、および調整済みのクロスバリデーションアプローチを用いたモデルによって、マクロ経済の現在のキャスティング精度が最大40%向上し、新型コロナウイルス(covid-19)期間に高まった。 経済予測に対する支払いデータの寄与は,低成長期および正常成長期において小さく直線的である。 しかし、支払いデータの寄与は、強い負または正の成長期間において大きく非対称で非線形である。

関連論文リスト

• Non-linear Phillips Curve for India: Evidence from Explainable Machine Learning [0.0]
  私たちは、インドにおける見出しインフレーションの予測と説明に機械学習手法を使用します。 ヘッドラインインフレはインフレ予想によって引き起こされ、その後過去のインフレとアウトプットギャップが続き、供給ショックは降雨以外は限界的な影響しか与えない。 これらの結果は、予測精度を改善し、インフレーションデータの複雑な非線形ダイナミクスを明らかにする機械学習モデルの能力を強調し、政策立案者にとって貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-04-06T16:17:36Z)
• Advancing GDP Forecasting: The Potential of Machine Learning Techniques in Economic Predictions [0.0]
  本稿では,GDP,特にLSTMネットワークの予測におけるリカレントニューラルネットワークの有効性について検討する。 我々は1995年から2023年までの四半期ルーマニアのGDPデータセットを使用し、LSTMネットワークを構築し、シリーズの次の4つの値に予測する。 機械学習モデルは予測精度と柔軟性の点で従来の計量モデルより一貫して優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-02-27T06:28:13Z)
• Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals [0.0]
  在庫価格予測のためのディープラーニングモデルと従来の統計手法の比較分析は、ナイジェリア証券取引所のデータを用いている。 深層学習モデル、特にLSTMは、データの複雑な非線形パターンをキャプチャすることで従来の手法より優れている。 この結果は、金融予測と投資戦略を改善するための深層学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-09-29T11:20:20Z)
• Enhancing Multistep Prediction of Multivariate Market Indices Using Weighted Optical Reservoir Computing [3.4442963880376203]
  重み付き光貯水池計算システムを用いて,革新的な株価指数予測手法を提案し,実験的に実証した。 我々は、マクロ経済データと技術指標を組み合わせた基本的な市場データを構築し、株式市場のより広い振る舞いを捉える。
  論文  参考訳（メタデータ） (2024-08-01T15:41:08Z)
• 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)
• Orthogonal Uncertainty Representation of Data Manifold for Robust Long-Tailed Learning [52.021899899683675]
  長い尾の分布を持つシナリオでは、尾のサンプルが不足しているため、モデルが尾のクラスを識別する能力は制限される。 モデルロバストネスの長期的現象を改善するために,特徴埋め込みの直交不確実性表現(OUR)とエンドツーエンドのトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2023-10-16T05:50:34Z)
• Dynamic Term Structure Models with Nonlinearities using Gaussian Processes [0.0]
  本稿では,ガウス型DTSMの一般化されたモデリング構成を提案する。 我々は,モデル非線形性に先立ってガウス過程を導入する,独自の連続モンテカルロ推定および予測スキームを構築した。 実際の経済活動とは異なり、コアインフレーションの場合、線形モデルと比較すると、非線形モデルの適用は、考慮された成熟度全体にわたる経済的価値の統計的に有意な上昇をもたらすことが分かる。
  論文  参考訳（メタデータ） (2023-05-18T14:24:17Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• 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)
• 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)
• How is Machine Learning Useful for Macroeconomic Forecasting? [0.0]
  標準的なマクロ計量法よりもMLゲインを駆動する基礎的特徴の有用性について検討する。 我々は, いわゆる4つの特徴(非線形性, 正規化, クロスバリデーション, 代替損失関数)を区別し, データリッチ環境とデータ貧弱環境の両方でそれらの挙動を研究する。 このことは機械学習が不確実性や金銭的摩擦の文脈で発生する重要な非線形性を主に捉え、マクロ経済予測に有用であることを示唆している。
  論文  参考訳（メタデータ） (2020-08-28T04:23:52Z)
• Precise Tradeoffs in Adversarial Training for Linear Regression [55.764306209771405]
  本稿では,ガウス的特徴を伴う線形回帰の文脈における対人訓練の役割を,正確かつ包括的に理解する。 我々は,同時代のミニマックス対逆訓練手法によって達成された標準/ロバスト精度とそれに対応するトレードオフを正確に特徴づける。 逆行訓練アルゴリズムの理論は、様々な要因(トレーニングデータのサイズや品質、モデルの過度化など)がこれらの2つの競合するアキュラシー間のトレードオフにどのように影響するかを厳密に研究する上で役立ちます。
  論文  参考訳（メタデータ） (2020-02-24T19:01:47Z)

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。