論文の概要: Modelling Global Trade with Optimal Transport

• arxiv url: http://arxiv.org/abs/2409.06554v1
• Date: Tue, 10 Sep 2024 14:31:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-11 17:11:30.010435
• Title: Modelling Global Trade with Optimal Transport
• Title（参考訳）: 最適輸送による世界貿易のモデル化
• Authors: Thomas Gaskin, Marie-Therese Wolfram, Andrew Duncan, Guven Demirel,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.638332186726632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global trade is shaped by a complex mix of factors beyond supply and demand, including tangible variables like transport costs and tariffs, as well as less quantifiable influences such as political and economic relations. Traditionally, economists model trade using gravity models, which rely on explicit covariates but often struggle to capture these subtler drivers of trade. In this work, we employ optimal transport and a deep neural network to learn a time-dependent cost function from data, without imposing a specific functional form. This approach consistently outperforms traditional gravity models in accuracy while providing natural uncertainty quantification. Applying our framework to global food and agricultural trade, we show that the global South suffered disproportionately from the war in Ukraine's impact on wheat markets. We also analyze the effects of free-trade agreements and trade disputes with China, as well as Brexit's impact on British trade with Europe, uncovering hidden patterns that trade volumes alone cannot reveal.
• Abstract（参考訳）: グローバル貿易は、輸送コストや関税のような具体的な変数を含む供給と需要を超えた複雑な要素が混ざり合っており、政治的・経済的関係のような定量的な影響は少ない。 伝統的に、経済学者は重力モデルを使って貿易をモデル化し、これは明示的な共変量に依存するが、貿易の微妙な要因を捉えるのに苦労することが多い。 本研究では,データから時間依存のコスト関数を学習するために,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用いる。 このアプローチは、自然な不確実性定量化を提供しながら、伝統的な重力モデルを精度で一貫して上回る。 我が国の枠組みをグローバルな食料・農業貿易に適用すると、世界の南部は、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が分かる。 我々はまた、自由貿易協定と中国との貿易紛争の影響、およびブレグジットがヨーロッパとのイギリス貿易に与える影響を分析し、貿易量だけでは明らかにできない隠されたパターンを明らかにする。

関連論文リスト

• Cross-border Commodity Pricing Strategy Optimization via Mixed Neural Network for Time Series Analysis [46.26988706979189]
  クロスボーダー商品の価格設定は、企業の競争力と市場シェアを決定する。 時系列データは商品価格において非常に重要であり、市場のダイナミクスやトレンドを明らかにすることができる。 本稿では,ハイブリッドニューラルネットワークモデルCNN-BiGRU-SSAに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-22T03:59:52Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• International Trade Flow Prediction with Bilateral Trade Provisions [16.439847893333642]
  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。
  論文  参考訳（メタデータ） (2024-06-23T22:13:40Z)
• 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)
• 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)
• Analysis of risk propagation using the world trade network [0.0]
  パーソナライズされたPageRank(PPR)を用いて構築された貿易ネットワークと直接取引ネットワークを比較した。 我々の研究は、しばしば見過ごされてきた間接的・長期的関係の重要性を強調している。
  論文  参考訳（メタデータ） (2022-07-11T08:58:23Z)
• Fine-tuning Global Model via Data-Free Knowledge Distillation for Non-IID Federated Learning [86.59588262014456]
  フェデレートラーニング(Federated Learning, FL)は、プライバシ制約下での分散学習パラダイムである。 サーバ内のグローバルモデル(FedFTG)を微調整するデータフリー知識蒸留法を提案する。 私たちのFedFTGは最先端(SOTA)のFLアルゴリズムよりも優れており、FedAvg、FedProx、FedDyn、SCAFFOLDの強化のための強力なプラグインとして機能します。
  論文  参考訳（メタデータ） (2022-03-17T11:18:17Z)
• Simulating Using Deep Learning The World Trade Forecasting of Export-Import Exchange Rate Convergence Factor During COVID-19 [0.0]
  本研究では,Long-Short Term Memoryを用いてグローバル取引を予測する。 時系列分析は、特定の資産、セキュリティ、経済が時間とともにどのように変化するかを確認するのに役立つ。
  論文  参考訳（メタデータ） (2022-01-23T18:34:55Z)
• Public Policymaking for International Agricultural Trade using Association Rules and Ensemble Machine Learning [0.0]
  自由貿易体制、特に主要経済間の貿易紛争に対する近年の衝撃は、政策決定を伝えるための予測の改善の必要性を高めている。 我々は、国際的に取引された食料・農業商品を予測し、関連付ける新しい方法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T02:58:03Z)
• Toward Understanding the Influence of Individual Clients in Federated Learning [52.07734799278535]
  フェデレーションラーニングにより、クライアントはプライベートデータを中央サーバーに送信することなく、グローバルモデルを共同でトレーニングできます。 em-Influenceという新しい概念を定義し、パラメータに対するこの影響を定量化し、このメトリクスを推定する効果的な効率的なモデルを提案しました。
  論文  参考訳（メタデータ） (2020-12-20T14:34:36Z)

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。