機械学習はマクロ経済予測に有用か?【JST・京大機械翻訳】

Coulombe Philippe Goulet; Leroux Maxime; Stevanovic Dalibor; Surprenant Stephane

プレプリント

J-GLOBAL ID：202202202152123929 整理番号：22P0185670

機械学習はマクロ経済予測に有用か?【JST・京大機械翻訳】

How is Machine Learning Useful for Macroeconomic Forecasting?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年08月28日プレプリントサーバーでの情報更新日： 2020年08月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,「ハウ」を加えることによって「マクロ経済予測のために「Isマシン学習利用」を超えて移動する。現在の予測文献は,特に成功したアルゴリズムで,特定の変数と層準のマッチングに焦点を合わせている。対照的に,標準マクロ計量法を超えるML利得を駆動する基礎となる特徴の有用性を研究した。著者らは,4つのいわゆる特徴(非線形性,正則化,交差検証および代替損失関数)を区別し,データ豊富およびデータ不足環境の両方でそれらの挙動を研究する。そのため,関心の「処理」効果を同定できる実験を設計した。(i)非線形性はマクロ経済予測のための真のゲーム変化者であり,(ii)標準因子モデルは最良の正則化であり,(iii)K倍交差検証は最良の実践であり,(iv)L_2はε非感受性サンプル損失に好ましい。非線形技術の予測利得は,高いマクロ経済不確実性,財政的ストレスおよび住宅気泡バーストと関連する。これは,機械学習が,不確実性と財政的摩擦の文脈で生じる重要な非線形性をほとんど捉えることによるマクロ経済予測に有用であることを示唆する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 人工知能

, , ,

前のページに戻る