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: 処理完了
- 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
- 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 [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - Augmented Bilinear Network for Incremental Multi-Stock Time-Series
Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。
本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。
この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文 参考訳(メタデータ) (2022-07-23T18:54:10Z) - 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) - 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) - A Scalable Inference Method For Large Dynamic Economic Systems [19.757929782329892]
本稿では,時間変化パラメータ自動回帰モデルを組み込む新しい変分ベイズ推論手法を提案する。
我々のモデルは、価格、個々のアクターのトランザクション、トランザクションフローの分析、価格の動きを含む大規模なブロックチェーンデータセットに適用されます。
我々は、機械学習アーキテクチャの助けを借りて、フォワードモデルに非線形性を導入することで、シンプルな状態空間モデリングをさらに改善する。
論文 参考訳(メタデータ) (2021-10-27T10:52:17Z) - 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) - Aggregate Learning for Mixed Frequency Data [0.0]
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。
論文 参考訳(メタデータ) (2021-05-20T08:12:43Z) - 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。