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...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Capítulo de libro |
| Lenguaje: | inglés |
| Materias: | |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | 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. |
|---|