論文の概要: The Remittance Blueprint: Data-driven Intelligence for Sri Lanka

• arxiv url: http://arxiv.org/abs/2606.28190v2
• Date: Tue, 30 Jun 2026 07:47:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 13:50:27.710323
• Title: The Remittance Blueprint: Data-driven Intelligence for Sri Lanka
• Title（参考訳）: The Remittance Blueprint: Sri Lankaのデータ駆動インテリジェンス
• Abstract要約: この研究は、スリランカの32年間(1994-2025年)の移住と送金を分析した。 結果は、送金の流入は主に外的マクロ経済変数、特に為替レートのダイナミクスと国内指標よりも世界的な原油価格によって引き起こされることを示している。
• 参考スコア（独自算出の注目度）: 1.4340451629409516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study analyzes Sri Lankan migration and remittances over 32 years (1994-2025). Using a 384-month harmonized dataset, we apply exploratory data analysis, stationarity corrected time-series modeling (ADF, Johansen, VAR/VECM), and supervised learning. Results reveal remittance inflows are primarily driven by external macroeconomic variables, specifically exchange rate dynamics and global oil prices, rather than domestic indicators. Impulse response analysis confirms the asymmetric impact of currency depreciation and oil price shocks. Predictively, multivariate machine learning models outperform traditional univariate approaches; Ridge Regression achieves a 73.8% accuracy improvement over SARIMA (Annualized RMSE: USD 494.8 Mn). The optimized framework projects 2026 remittances at USD 9,001 million under stable conditions. These findings highlight the structural dependence of remittances on global economies, emphasizing the need for robust exchange rate policies, skilled migration, and formal financial channels to enhance long-term economic resilience.
• Abstract（参考訳）: この研究は、スリランカの32年間(1994-2025年)の移住と送金を分析した。 384ヶ月の調和データセットを用いて、探索データ分析、定常補正時系列モデリング(ADF, Johansen, VAR/VECM)、教師あり学習を適用する。 結果は、送金の流入は主に外的マクロ経済変数、特に為替レートのダイナミクスと国内指標よりも世界的な原油価格によって引き起こされることを示している。 インパルス応答解析は、通貨の減価償却と原油価格ショックの非対称的な影響を確認する。 リッジ回帰はSARIMA (Annualized RMSE: USD 494.8 Mn)よりも73.8%の精度で改善されている。 最適化されたフレームワークは、安定した条件下で、2026の送金を9,001万USDで計画している。 これらの知見は、世界経済への送金の構造的依存を強調し、長期的な経済回復力を高めるために、堅牢な為替レート政策、熟練した移住、正式な金融チャネルの必要性を強調した。

関連論文リスト

• Foundation Models to Unlock Real-World Evidence from Nationwide Medical Claims [31.673662680042337]
  管理的クレームは、医療利用、支出、診断、処置、医薬品の詳細なコーディングの経時的記録を提供する。 2008年から2022年にかけてのMarketScanの医療イベント438億件について、ゼロからトレーニングした生成トランスフォーマーReClaimを紹介します。
  論文  参考訳（メタデータ） (2026-05-04T15:38:31Z)
• A satellite foundation model for improved wealth monitoring [45.63770015866594]
  貧困統計は社会政策を導くが、多くの低所得国や中所得国では、これらのデータを収集する国勢調査や家庭調査は費用がかかる。 ここでは、Tempovについて紹介する。Tempovは、300万の両時間ランドサットペアの自己監督によって事前訓練された衛星基盤モデルであり、パラメータ効率の細かい微調整をスパースサーベイラベルに適用する。 このモデルは大規模で高解像度の富のマッピングと動的測定を可能にし、観測されたラベル、レトロスペクティブのヒンドキャスティング、decadal change trackingのあと10年間、ゼロショットのストリームキャストを含む。
  論文  参考訳（メタデータ） (2026-04-25T06:37:51Z)
• Macroeconomic Forecasting for the G7 countries under Uncertainty Shocks [0.0]
  我々はSims Zha Bayesian VARを変数付きで拡張し、ドメインインフォームド収縮と4つの新聞ベースの不確実性ショックを組み込む。 このフレームワークは構造的解釈性を改善し、次元性を緩和し、経験的にガイドされた正規化を課す。
  論文  参考訳（メタデータ） (2025-10-27T14:01:41Z)
• Neural ARFIMA model for forecasting BRIC exchange rates with long memory under oil shocks and policy uncertainties [0.0]
  為替レートのダイナミクスの主な要因は、世界経済政策の不確実性、米国株市場のボラティリティ、米国の金融政策の不確実性、原油価格の上昇率、国固有の短期金利差などである。 本稿では,ARFIMAの長期記憶表現とニューラルネットワークの非線形学習能力を組み合わせたニューラル自己回帰分節統合型移動平均モデルを提案する。 NARFIMAはBRIC交換率の予測において,最先端の統計モデルや機械学習モデルよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-08T13:49:48Z)
• ProteuS: A Generative Approach for Simulating Concept Drift in Financial Markets [44.76567557906836]
  適応アルゴリズムの開発と検証における根本的な問題は、現実世界の財務データに基礎的な真理が欠如していることである。 本稿では,事前定義された構造破壊を伴う半合成財務時系列を生成するための新しいフレームワークProteuSを紹介する。 生成されたデータの解析によってタスクの複雑さが確認され、異なる市場状態間の大きな重複が明らかになる。
  論文  参考訳（メタデータ） (2025-08-30T21:01:47Z)
• Interpreting Fedspeak with Confidence: A LLM-Based Uncertainty-Aware Framework Guided by Monetary Policy Transmission Paths [30.982590730616746]
  連邦準備制度が使用するスタイル化され、しばしばニュアンスな言語である「Fedspeak」は、暗黙の政策信号と戦略的スタンスを符号化している。 我々はFedspeakを解析・解釈するための不確実性を考慮したフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-11T14:04:59Z)
• PREIG: Physics-informed and Reinforcement-driven Interpretable GRU for Commodity Demand Forecasting [27.542312745632458]
  PreIGは、商品需要予測に適した新しいディープラーニングフレームワークである。 このモデルは、Gated Recurrent Unit(GRU)アーキテクチャを物理インフォームドニューラルネットワーク(PINN)の原則と一意に統合する。
  論文  参考訳（メタデータ） (2025-07-29T11:38:07Z)
• Advancing Exchange Rate Forecasting: Leveraging Machine Learning and AI for Enhanced Accuracy in Global Financial Markets [0.0]
  この調査は、Yahoo Financeから引用した2018年から2023年までのUSD/BDTの為替レートデータを活用している。 LSTM(Long Short-Term Memory)ニューラルネットワークが採用され、99.449%の精度を実現している。 方向性予測にはグラディエント・ブースティング(GBC)が適用され、1万ドルの初期資本に対して40.82%の利益率を示すバックテストが行われた。 この研究は歴史的傾向を分析し、BDT/USDレートが0.012から0.009に低下していることを示し、正常化された日々のリターンを取り入れてボラティリティを捉えている。
  論文  参考訳（メタデータ） (2025-06-11T15:22:07Z)
• ML-Based Bidding Price Prediction for Pay-As-Bid Ancillary Services Markets: A Use Case in the German Control Reserve Market [45.62331048595689]
  本稿では,ドイツ支配予備市場を中心に,従量制サービス市場における入札価格の予測手法を提案する。 サポートベクトル回帰、決定木、k-Nearest Neighborsなど、さまざまな機械学習モデルを評価し、ベンチマークモデルと比較する。 分析の結果,提案手法はベースラインモデルと比較して27.43%から37.31%に改善することが示された。
  論文  参考訳（メタデータ） (2025-03-21T15:21:43Z)
• 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)
• Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques [0.0]
  我々は,1994年4月から2018年12月までのいくつかのマクロ経済変数について,米国とインドについて,USD-INR外為為替レートの予測に月毎の歴史的データを用いてきた。 その結果, SVM と RNN (Long Short-Term Memory) の現代的手法は, 広く使われている Auto Regression の手法よりも優れていることが明らかになった。
  論文  参考訳（メタデータ） (2020-02-19T18:11:57Z)

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。