論文の概要: Predicting China's CPI by Scanner Big Data
- arxiv url: http://arxiv.org/abs/2211.16641v2
- Date: Fri, 20 Jan 2023 08:31:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:44:07.092067
- Title: Predicting China's CPI by Scanner Big Data
- Title(参考訳): ビッグデータスキャナーによる中国のcpi予測
- Authors: Zhenkun Zhou and Zikun Song and Tao Ren
- Abstract要約: 本研究は、中国アントビジネスアライアンスが提供するスーパーマーケット販売のスキャナーデータを利用する。
S-FCPIに基づく複数の機械学習モデルを構築し、数ヶ月でCPIの成長率を定量的に予測する。
S-FCPIは、CPIよりも高頻度で広い地理的次元の商品価格の変化を反映できるだけでなく、マクロ経済活動を監視するための新たな視点を提供する。
- 参考スコア(独自算出の注目度): 3.434586731142007
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scanner big data has potential to construct Consumer Price Index (CPI). This
work utilizes the scanner data of supermarket retail sales, which are provided
by China Ant Business Alliance (CAA), to construct the Scanner-data Food
Consumer Price Index (S-FCPI) in China, and the index reliability is verified
by other macro indicators, especially by China's CPI. And not only that, we
build multiple machine learning models based on S-FCPI to quantitatively
predict the CPI growth rate in months, and qualitatively predict those
directions and levels. The prediction models achieve much better performance
than the traditional time series models in existing research. This work paves
the way to construct and predict price indexes through using scanner big data
in China. S-FCPI can not only reflect the changes of goods prices in higher
frequency and wider geographic dimension than CPI, but also provide a new
perspective for monitoring macroeconomic operation, predicting inflation and
understanding other economic issues, which is beneficial supplement to China's
CPI.
- Abstract(参考訳): Scannerのビッグデータは、Consumer Price Index(CPI)を構築する可能性がある。
本研究は、中国Ant Business Alliance(CAA)が提供するスーパーマーケット販売のスキャナーデータを用いて、中国でS-FCPI(Scanner-data Food Consumer Price Index)を構築し、他のマクロ指標、特に中国のCPIによって指標信頼性が検証されている。
それだけでなく、私たちはS-FCPIに基づく複数の機械学習モデルを構築し、数ヶ月でCPIの成長率を定量的に予測し、その方向とレベルを質的に予測します。
予測モデルは、既存の研究における従来の時系列モデルよりもはるかに優れたパフォーマンスを達成する。
この研究は、中国のスキャナービッグデータを使用して価格指数を構築し、予測する方法を開拓する。
S-FCPIは、CPIよりも高頻度で広い範囲の商品価格の変化を反映できるだけでなく、マクロ経済活動の監視、インフレの予測、その他の経済問題を理解するための新たな視点を提供する。
関連論文リスト
- American Option Pricing using Self-Attention GRU and Shapley Value
Interpretation [0.0]
本稿では,ゲートリカレントユニット(GRU)と自己認識機構に基づいて,SPY(ETF)オプションの価格を予測する機械学習手法を提案する。
我々は、多層パーセプトロン(MLP)、長期記憶(LSTM)、自己注意型LSTM、自己注意型GRUの4つの異なる機械学習モデルを構築した。
論文 参考訳(メタデータ) (2023-10-19T06:05:46Z) - CSPRD: A Financial Policy Retrieval Dataset for Chinese Stock Market [61.59326951366202]
我々は、中国株式政策検索データセット(CSPRD)を導入して、新たな課題である政策検索を提案する。
CSPRDは、中国の政策コーパスの10k以上の項目から、経験豊富な専門家によってラベル付けされた700以上のパスを提供する。
我々の最高のパフォーマンスベースラインは56.1% MRR@10、28.5% NDCG@10、37.5% Recall@10、80.6% Precision@10である。
論文 参考訳(メタデータ) (2023-09-08T15:40:54Z) - Retail Demand Forecasting: A Comparative Study for Multivariate Time
Series [0.0]
本研究では,CPI(Consumer Price Index),ICS(Index of Consumer Sentiment),失業率といった,マクロ経済変数による顧客需要の時系列データを統合する。
小売需要を正確に予測するために,様々な回帰モデルと機械学習モデルを開発し,比較する。
論文 参考訳(メタデータ) (2023-08-23T06:14:02Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Chinese CLIP: Contrastive Vision-Language Pretraining in Chinese [55.95225353842118]
我々は中国語で画像とテキストのペアの大規模なデータセットを構築し、ほとんどのデータは公開データセットから取得する。
77~958万のパラメータにまたがる,複数サイズの中国製CLIPモデルを5種類開発している。
実験の結果,中国のCLIPはMUGE,Flickr30K-CN,COCO-CNの最先端性能を達成できた。
論文 参考訳(メタデータ) (2022-11-02T17:47:23Z) - Comparing Prophet and Deep Learning to ARIMA in Forecasting Wholesale
Food Prices [0.0]
イタリア食品問屋が適用した3種類の食品の販売価格を予測するために異なる手法を検討した。
ARIMAモデルを考えて、Facebookが開発したスケーラブルな予測ツールであるProphetと比較する。
この結果から, ARIMA は LSTM ニューラルネットワークと同等に動作し, CNN と LSTM を組み合わせることで, 全体的な精度が向上するが, 調整に要する時間が増大することがわかった。
論文 参考訳(メタデータ) (2021-07-23T15:13:31Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳(メタデータ) (2020-12-08T16:30:43Z) - A Deep Learning Framework for Predicting Digital Asset Price Movement
from Trade-by-trade Data [20.392440676633573]
本稿では,取引単位のデータから暗号通貨の価格変動を予測する枠組みを提案する。
このモデルは、1年近いトレードバイトレーダデータで高いパフォーマンスを達成するために訓練されている。
現実的な取引シミュレーション環境では、モデルによる予測は簡単に収益化できる。
論文 参考訳(メタデータ) (2020-10-11T10:42:02Z) - Share Price Prediction of Aerospace Relevant Companies with Recurrent
Neural Networks based on PCA [13.033705947070931]
主成分分析(PCA)とリカレントニューラルネットワークを組み合わせたハイブリッド予測モデルを提案する。
財務データ、抽出された特徴、アルゴリズム、パラメータなど、様々な要因が予測モデルの性能に影響を与える可能性がある。
開発されたアプローチは、新型コロナウイルス(COVID-19)以降の航空宇宙産業の株価を予測するために使用することができる。
論文 参考訳(メタデータ) (2020-08-26T20:16:33Z) - Superiority of Simplicity: A Lightweight Model for Network Device
Workload Prediction [58.98112070128482]
本稿では,歴史観測に基づく時系列予測のための軽量な解を提案する。
ニューラルネットワークと平均予測器という2つのモデルからなる異種アンサンブル法で構成されている。
利用可能なFedCSIS 2020チャレンジデータセットの総合的なR2$スコア0.10を達成している。
論文 参考訳(メタデータ) (2020-07-07T15:44:16Z) - Deep Stock Predictions [58.720142291102135]
本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。
次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。
カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
論文 参考訳(メタデータ) (2020-06-08T23:37:47Z)
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。