COVID-19 危机期间长短期记忆人工神经网络在临近预报中的性能:UNCTAD 研究论文第 74 号

报告地区:日本
发布时间:2021年11月19日
COVID-19 大流行表明决策者越来越需要及时估计宏观经济变量。 贸发会议之前的一篇研究论文研究了长短期记忆人工神经网络 (LSTM) 是否适合进行这种性质的经济临近预报。在这里,将 LSTM 在 COVID-19 大流行期间的性能与该领域常用的方法动态因子模型 (DFM) 的性能进行了比较和对比。 三个独立的变量,即全球商品出口价值和数量以及全球服务出口,对 2020 年第二、第三和第四季度以及 2021 年第一和第二季度的实际数据年份和绩效进行了即时预测。 在平均绝对误差和均方根误差方面,LSTM 在三分之二的变量/季度组合中获得了更好的性能,并且显示出更渐进的预测演变,更一致的叙述和更小的修订。 此外,在随附的 nowcast_lstm Python 库中引入并提供了一种向 LSTM 引入可解释性的方法,该库现在也可用于 R、MATLAB 和 Julia。...
COVID-19 危机期间长短期记忆人工神经网络在临近预报中的性能:UNCTAD 研究论文第 74 号pdf预览版
COVID-19 危机期间长短期记忆人工神经网络在临近预报中的性能:UNCTAD 研究论文第 74 号pdf完整版

试浏览已结束,继续查看需

查看全文
回到顶部
公众号
联系我们