Fugu-MT 論文翻訳(概要): Econometrics of Machine Learning Methods in Economic Forecasting

論文の概要: Econometrics of Machine Learning Methods in Economic Forecasting

arxiv url: http://arxiv.org/abs/2308.10993v1
Date: Mon, 21 Aug 2023 19:19:34 GMT
ステータス: 処理完了
システム内更新日: 2023-08-23 14:16:14.655626
Title: Econometrics of Machine Learning Methods in Economic Forecasting
Title（参考訳）: 経済予測における機械学習手法の計量
Authors: Andrii Babii, Eric Ghysels, Jonas Striaukas
Abstract要約: 本稿では、経済予測のための機械学習手法の最近の進歩について調査する。調査では、現在放送、テキストデータ、パネルとテンソルデータ、高次元グランガー因果判定、時系列の相互検証、経済的な損失を伴う分類などについて取り上げている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper surveys the recent advances in machine learning method for economic forecasting. The survey covers the following topics: nowcasting, textual data, panel and tensor data, high-dimensional Granger causality tests, time series cross-validation, classification with economic losses.
Abstract（参考訳）: 本稿では、経済予測のための機械学習手法の最近の進歩について調査する。調査は、 nowcasting、textual data、panel and tensor data、high-dimensional granger causality test、time series cross-validation、classification with economic lossといったトピックをカバーしている。

関連論文リスト

Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文参考訳（メタデータ） (2024-11-03T18:01:50Z)
Transfer learning for financial data predictions: a systematic review [0.0]
金融時系列データは、正確な株価予測に重大な課題を提起する。伝統的な統計手法は、線形性や正規性といった仮定を、金融時系列の非線形の性質には適さないものとした。機械学習の方法論は、データ内の非線形関係をキャプチャすることができる。
論文参考訳（メタデータ） (2024-09-24T20:52:32Z)
Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
論文参考訳（メタデータ） (2023-12-31T16:38:32Z)
A Comprehensive Survey on Test-Time Adaptation under Distribution Shifts [143.14128737978342]
新たなパラダイムであるテスト時適応は、事前トレーニングされたモデルをテスト中にラベルのないデータに適用し、予測を行う可能性がある。このパラダイムの最近の進歩は、推論に先立って自己適応モデルのトレーニングにラベルのないデータを活用するという大きな利点を浮き彫りにしている。
論文参考訳（メタデータ） (2023-03-27T16:32:21Z)
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)
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)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
MegazordNet: combining statistical and machine learning standpoints for time series forecasting [0.4061135251278187]
MegazordNetは、時系列予測のための構造化ディープラーニングモデルと組み合わせて、金融シリーズ内の統計的特徴を探求するフレームワークである。我々は,S&P500株の終値を予測する手法の評価を行った。
論文参考訳（メタデータ） (2021-06-23T15:06:54Z)
Machine Learning Advances for Time Series Forecasting [0.0]
時系列予測のための線形と非線形の両方の選択肢を検討する。論文で検討されている非線形手法は、フィードフォワードおよびリカレントバージョンにおける浅層および深層ニューラルネットワークと、ランダムフォレストやブーストツリーなどの木に基づく手法である。機械学習の経済・金融への応用を議論し、高周波金融データによる図解を提供します。
論文参考訳（メタデータ） (2020-12-23T17:01:56Z)
A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文参考訳（メタデータ） (2020-08-02T00:09:03Z)

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。