基于深度学习时间序列模型的财政危机预测分析

周明Matt和王满仓

国际经济与金融杂志2019年，第11卷，第5期，21

摘要：财政危机可能对经济造成严重损害。值得注意的是，关于何时以及如何发生的研究非常有限。本文利用1970年至2015年180多个国家的社会经济数据，构建了一个财政危机风险指标体系，探讨了危机与GDP增长率、通货膨胀率、FDI、外债利息等指标之间的关系。基于深度神经网络的时间序列模型进行预测分析，以了解危机前后的政策和经济动态。我们发现，除了通货膨胀之外，发达经济体的财政危机还与外国直接投资净流出和人均GDP密切相关，而发展中国家的GDP增长率和外国直接投资的净流入是关键因素。低收入发展中国家是重目标，外国直接投资净流入、债务结构和利息是主要贡献者。

日期：2019
参考文献： 查看EconPapers中的参考 从CitEc查看完整的参考列表
引文： 查看EconPapers中的引文(2)通过RSS源跟踪引文

下载内容：（外部链接）
http://www.ccsenet.org/journal/index.php/ijef/article/download/0/0/39069/39834（应用程序/pdf）
http://www.ccsenet.org/journal/index.php/ijef/article/view/0/39069（文本/html）

相关工作：
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 RIS公司（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repc.org/repec:ibn:ijefaa:v:11:y:2019:i:5:p:21

访问统计信息对于本文

更多文章《国际经济与金融杂志》加拿大科学和教育中心联系方式：EDIRC公司.
加拿大科学与教育中心维护的系列书目数据().