Macroeconomic Forecasting Using Machine Learning: a Case of Slovakia
Hodnotíme predpovedanie výkonnosti vybraných metód strojového učenia. Podľa predchádzajúceho výskumu môžu zlepšiť výkonnosť krátkodobých prognóz. Prognózujeme priemyselnú výrobu, infláciu a nezamestnanosť na Slovensku. Porovnávame predpovedanú výkonnosť modelov pomocou strednej absolútnej chyby a ko...
Uložené v:
| Hlavný autor: | |
|---|---|
| Médium: | Kapitola |
| Jazyk: | English |
| Predmet: | |
| Tagy: |
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
|
| Shrnutí: | Hodnotíme predpovedanie výkonnosti vybraných metód strojového učenia. Podľa predchádzajúceho výskumu môžu zlepšiť výkonnosť krátkodobých prognóz. Prognózujeme priemyselnú výrobu, infláciu a nezamestnanosť na Slovensku. Porovnávame predpovedanú výkonnosť modelov pomocou strednej absolútnej chyby a koreňovej strednej štvorcovej chyby. Predpovedáme premenné pomocou techník strojového učenia súboru, ako je náhodný les, vrecovanie a posilňovanie. Okrem toho skúmame regulované modely najmenších štvorcov, ako je regresia hrebeňa, regresia lasa a modely elastických sietí. Nakoniec skúmame predpovednú výkonnosť neurónových sietí a porovnávame strednú a skrátenú strednú hodnotu modelových predpovedí s výkonnosťou jednotlivých modelov. Naše zistenia potvrdzujú, že tieto metódy môžu zlepšiť presnosť predpovedí krátkodobých predpovedí, najmä ak je k dispozícii relatívne veľký súbor údajov. Jednotlivé modely strojového učenia sa ukázali byť ešte presnejšie ako priemery modelových prognóz. |
|---|