用机器学习预测世界贸易:一种三步走的方法
陈庚辛,巴普蒂斯特·穆尼尔和塞巴斯蒂安·斯顿普纳
工作文件从法国银行
摘要:我们现在使用机器学习来预测世界贸易,区分基于树的方法(随机森林、梯度增强)和基于回归的对应方法(宏观经济随机森林、线性梯度增强)。虽然在文献中使用较少,但发现后者不仅优于基于树的技术,而且还优于更“传统”的线性和非线性技术(OLS、Markov开关、分位数回归)。它们在不同的视界和实时数据集上显著且一致地这样做。为了进一步提高使用机器学习进行预测时的性能,我们提出了一种灵活的三步方法,包括(步骤1)预选、(步骤2)因子提取和(步骤3)机器学习回归。我们发现,预选和因子提取都显著提高了基于机器学习的预测的准确性。这种三步方法还优于主要基准测试,如PCA-OLS模型、弹性网络或动态因子模型。最后,在高精度的基础上,该方法是灵活的,可以无缝扩展到世界贸易之外。
关键词: 预测;大数据;大型数据集;因子模型;预选(在EconPapers中搜索类似项目)
JEL代码: 第53页 C55级 第37页(在EconPapers中搜索类似项目)
页:49页
日期:2023
新经济学论文:此项目包含在棉结大和nep-用于
参考文献: 在CitEc上添加引用
引文: 查看EconPapers中的引文(2)
下载内容:(外部链接)
https://publications.banque-france.fr/sites/defaul ... /文档/dt917.pdf
相关工作:
工作文件:用机器学习预测世界贸易:一种三步方法(2023)![下载](/downloads_econpapers.gif)
工作文件:用机器学习预测世界贸易:一种三步方法(2023)![下载](/downloads_econpapers.gif)
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.repec.org/repec:bfr:banfra:917
访问统计信息用于本文
更多论文在来自的工作文件中法国银行法国银行小香槟街31号实验室-49-1404 75049巴黎。联系方式:EDIRC公司.
Michael brassart维护的系列书目数据().