論文の概要: International Trade Flow Prediction with Bilateral Trade Provisions

• arxiv url: http://arxiv.org/abs/2407.13698v1
• Date: Sun, 23 Jun 2024 22:13:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 08:07:30.745855
• Title: International Trade Flow Prediction with Bilateral Trade Provisions
• Title（参考訳）: 国際貿易フロー予測と二国間貿易規定
• Authors: Zijie Pan, Stepan Gordeev, Jiahui Zhao, Ziyi Meng, Caiwen Ding, Sandro Steinbach, Dongjin Song,
• Abstract要約: 本稿では、説明可能な機械学習と分解モデルを組み合わせた2段階のアプローチを提案する。 第1段階では、有効変数選択のためにSHAP Explainerを使用し、PTAのキープロビジョニングを識別する。 第2段階では、Facterization Machineモデルを使用して、これらの規定が貿易フローに与える影響を相互に分析する。
• 参考スコア（独自算出の注目度）: 16.439847893333642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel methodology for predicting international bilateral trade flows, emphasizing the growing importance of Preferential Trade Agreements (PTAs) in the global trade landscape. Acknowledging the limitations of traditional models like the Gravity Model of Trade, this study introduces a two-stage approach combining explainable machine learning and factorization models. The first stage employs SHAP Explainer for effective variable selection, identifying key provisions in PTAs, while the second stage utilizes Factorization Machine models to analyze the pairwise interaction effects of these provisions on trade flows. By analyzing comprehensive datasets, the paper demonstrates the efficacy of this approach. The findings not only enhance the predictive accuracy of trade flow models but also offer deeper insights into the complex dynamics of international trade, influenced by specific bilateral trade provisions.
• Abstract（参考訳）: 本稿では、国際貿易環境における優先貿易協定(PTA)の重要性の高まりを強調し、国際貿易フローを予測するための新たな手法を提案する。 この研究は、グラビティ・モデル・オブ・トレードのような伝統的なモデルの限界を認識し、説明可能な機械学習と分解モデルを組み合わせた2段階のアプローチを導入している。 第1段階では、有効変数選択のためにSHAP Explainerを使用し、PTAの主要な規定を識別し、第2段階ではファクトリゼーションマシンモデルを使用して、これらの規定の貿易フローに対する相互相互作用効果を分析する。 包括的データセットを解析することにより,本手法の有効性を実証する。 この結果は、貿易フローモデルの予測精度を高めるだけでなく、特定の二国間貿易規定の影響を受けて、国際貿易の複雑なダイナミクスに関する深い洞察を与える。

関連論文リスト

• Enhancing Exchange Rate Forecasting with Explainable Deep Learning Models [1.5474412217744966]
  伝統的な予測モデルは、交換レートデータの本質的な複雑さと非線形性に対処する際にしばしば混乱する。 本研究では,RSM/USD交換率の予測精度を高めるため,LSTM,CNN,トランスフォーマーベースアーキテクチャなどの高度なディープラーニングモデルの適用について検討する。
  論文  参考訳（メタデータ） (2024-10-25T01:29:54Z)
• MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
  テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。 本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
  論文  参考訳（メタデータ） (2024-10-12T07:02:33Z)
• Modelling Global Trade with Optimal Transport [1.638332186726632]
  最適なトランスポートとディープニューラルネットワークを使用して、データから時間依存のコスト関数を学習する。 我々は、世界の南部が、ウクライナの小麦市場への影響で戦争から不釣り合いに苦しんだことを示している。 また、中国との自由貿易協定や貿易紛争の影響も分析する。
  論文  参考訳（メタデータ） (2024-09-10T14:31:03Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Cumulative Distribution Function based General Temporal Point Processes [49.758080415846884]
  CuFunモデルは、累積分布関数(CDF)を中心に回転するTPPに対する新しいアプローチを表す 提案手法は従来のTPPモデリングに固有のいくつかの重要な問題に対処する。 コントリビューションには、先駆的なCDFベースのTPPモデルの導入、過去の事象情報を将来の事象予測に組み込む方法論の開発が含まれている。
  論文  参考訳（メタデータ） (2024-02-01T07:21:30Z)
• Federated Learning with Projected Trajectory Regularization [65.6266768678291]
  フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。 連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。 本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-22T02:12:08Z)
• Accurate prediction of international trade flows: Leveraging knowledge graphs and their embeddings [2.849988619791745]
  本稿では,国際貿易のモデリングに知識グラフを組み込んだ手法を提案する。 従来の機械学習手法とKG埋め込み、例えば決定木やグラフニューラルネットワークの統合についても検討する。 本研究は,予測精度を向上させる可能性を示し,知識表現における説明可能性の埋め込みに関する洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-17T11:28:30Z)
• Causality-Aided Trade-off Analysis for Machine Learning Fairness [11.149507394656709]
  本稿では,機械学習パイプラインにおける公平度パラメータと他の重要な指標とのトレードオフを解析するための原理的手法として因果解析を用いる。 本稿では、正確な因果発見を容易にするためのドメイン固有最適化と、確立された因果推論手法に基づくトレードオフ解析のための統一されたインターフェースを提案する。
  論文  参考訳（メタデータ） (2023-05-22T14:14:43Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• Constraint-Based Inference of Heuristics for Foreign Exchange Trade Model Optimization [13.26093613374959]
  我々は,高いレートの取引信号を持つ2つのデータセットを開発する。 3つの低マージン機器と6つのOHLC粒度の10年間のForex価格データの機械学習シミュレーションを行う。 その結果,各計器粒度対に最も最適な貿易パラメータの具体的かつ再現可能なリストを作成した。
  論文  参考訳（メタデータ） (2021-05-11T00:36:02Z)

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。