論文の概要: Interpreting and predicting the economy flows: A time-varying parameter
global vector autoregressive integrated the machine learning model
- arxiv url: http://arxiv.org/abs/2209.05998v1
- Date: Sun, 31 Jul 2022 06:24:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 21:30:27.240930
- Title: Interpreting and predicting the economy flows: A time-varying parameter
global vector autoregressive integrated the machine learning model
- Title(参考訳): 経済フローの解釈と予測:機械学習モデルを統合した時変パラメータグローバルベクトル自己回帰
- Authors: Yukang Jiang, Xueqin Wang, Zhixi Xiong, Haisheng Yang, Ting Tian
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The paper proposes a time-varying parameter global vector autoregressive
(TVP-GVAR) framework for predicting and analysing developed region economic
variables. We want to provide an easily accessible approach for the economy
application settings, where a variety of machine learning models can be
incorporated for out-of-sample prediction. The LASSO-type technique for
numerically efficient model selection of mean squared errors (MSEs) is
selected. We show the convincing in-sample performance of our proposed model in
all economic variables and relatively high precision out-of-sample predictions
with different-frequency economic inputs. Furthermore, the time-varying
orthogonal impulse responses provide novel insights into the connectedness of
economic variables at critical time points across developed regions. We also
derive the corresponding asymptotic bands (the confidence intervals) for
orthogonal impulse responses function under standard assumptions.
- Abstract(参考訳): 本稿では,発達した地域経済変数の予測と分析を行うための時変パラメータグローバルベクトル自己回帰(TVP-GVAR)フレームワークを提案する。
私たちは、さまざまな機械学習モデルをサンプル外予測に組み込むことができる経済アプリケーション設定に、容易にアクセス可能なアプローチを提供したいと思っています。
平均二乗誤差(MSE)の数値的効率的なモデル選択のためのLASSO型手法を選択する。
提案手法は,すべての経済変数において説得力のある試料内性能を示すとともに,異なる周波数の経済インプットを持つ比較的高精度な試料外予測を示す。
さらに、時間変化による直交インパルス応答は、先進地域の臨界点における経済変数の連結性に関する新たな洞察を与える。
また、標準仮定の下での直交インパルス応答関数に対する対応する漸近バンド(信頼区間)も導出する。
関連論文リスト
- Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳(メタデータ) (2025-02-11T19:24:09Z) - BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。
我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
論文 参考訳(メタデータ) (2024-11-09T05:40:32Z) - Optimizing Sales Forecasts through Automated Integration of Market Indicators [0.0]
本研究では、顧客需要予測を改善するために市場指標を自動的に選択・統合するデータ駆動技術の可能性を検討する。
探索的手法を採用することで、国内GDP成長などのマクロ経済時系列をtextitNeural Prophet や textitSARIMAX 予測モデルに統合する。
外部情報を組み込むことで予測が大幅に向上できることが示せる。
論文 参考訳(メタデータ) (2024-05-15T08:11:41Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳(メタデータ) (2023-04-07T23:51:07Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳(メタデータ) (2023-03-28T00:23:23Z) - 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) - 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) - Markdowns in E-Commerce Fresh Retail: A Counterfactual Prediction and
Multi-Period Optimization Approach [29.11201102550876]
半パラメトリック構造モデルを構築し、価格の弾力性を学習し、対物需要を予測する。
本稿では,有限販売地平線上での消耗品全体の利益を最大化するために,多周期動的価格アルゴリズムを提案する。
提案されたフレームワークは、よく知られたeコマースの新鮮な小売シナリオであるFreshippoにうまくデプロイされている。
論文 参考訳(メタデータ) (2021-05-18T07:01:37Z) - Deep Learning for Individual Heterogeneity: An Automatic Inference
Framework [2.6813717321945107]
本研究では,機械学習を用いた推定と推定手法を開発し,経済モデルを強化する。
経済モデルの構造に合わせてネットワークアーキテクチャを設計する方法を示す。
我々は、新しい影響関数計算に基づいて推論を得る。
論文 参考訳(メタデータ) (2020-10-28T01:41:47Z) - 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)
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。