Резервуарные вычисления для макроэкономического прогнозирования на основе данных смешанной частотности
Reservoir computing for macroeconomic forecasting with mixed-frequency data
2023-12-07
SCID: 54.1/feqxyzpt
Discuss with AI
рост ВВП СШАмакроэкономическое прогнозированиеданные смешанной частотымногочастотная сеть с эхосостояниемрезервуарные вычисления
Figures from the paper
Abstract (AI)
Макроэкономическое прогнозирование в последнее время начало активно использовать методы, способные работать с крупномасштабными наборами данных и рядами с неодинаковыми периодами публикации. Модели выборки данных смешанной частотности (MIDAS) и динамические факторные модели (DFM) являются двумя основными современными подходами к моделированию рядов неоднородной частотности. Мы предлагаем новую платформу, получившую название многочастотной сети с эхосостояниями (MFESN), основанную на относительно новой парадигме машинного обучения — резервуарных вычислениях. Сети с эхосостояниями (ESN) представляют собой рекуррентные нейронные сети, сформулированные как нелинейные системы в пространстве состояний со случайными коэффициентами состояния, при этом оцениванию подлежит только отображение наблюдений. MFESN значительно эффективнее DFM и может включать множество рядов, в отличие от моделей MIDAS, подверженных проклятию размерности. Все методы сравниваются в рамках обширных упражнений по многошаговому прогнозированию, ориентированных на темпы роста ВВП США. Мы обнаруживаем, что модели MFESN обеспечивают более высокое или сопоставимое качество по сравнению с MIDAS и DFM при значительно меньших вычислительных затратах.
Key Findings
1
По сравнению с динамическими факторными моделями MFESN значительно эффективнее вычислительно и может обрабатывать большое количество временных рядов.
2
В масштабных многошаговых прогнозах роста ВВП США MFESN обеспечивает более высокую или сопоставимую точность по сравнению с MIDAS и динамическими факторными моделями при существенно меньших вычислительных затратах.
3
MFESN позволяет использовать множество рядов смешанной частоты, избегая ограничений размерности, характерных для моделей MIDAS.
4
MFESN представляет сеть с эхо-состояниями как нелинейную модель пространства состояний со случайными рекуррентными коэффициентами, оценивая только отображение наблюдений.
5
В работе предложена многочастотная сеть с эхо-состояниями (MFESN) — структура на основе резервуарных вычислений для прогнозирования макроэкономических данных с неодинаковой частотой публикации.
Research Object
Рост ВВП США при использовании макроэкономических временных рядов смешанной частоты
Research Subject
Эффективность многошагового прогнозирования и вычислительная эффективность методов резервуарных вычислений по сравнению с MIDAS и динамическими факторными моделями
Publication Details
Publication Date
2023-12-07
Journal
Publisher
ISSN
Cited by
31
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest