×

Wasserstein指数生成模型:自动生成时间序列指数,并应用于经济政策不确定性。 (英语) 兹比尔1429.91248

小结:我提出了一种新的方法,即Wasserstein指数生成模型(WIG),用于自动生成公众情绪指数。为了验证该模型的有效性,给出了一个用于生成经济政策不确定性(EPU)指数的应用程序。

MSC公司:

91B82号 统计方法;经济指标与措施
91B84号 经济时间序列分析
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Azqueta-Gavaldón,A.,《利用无监督机器学习开发基于新闻的经济政策不确定性指数》,《经济评论》。莱特。,158, 47-50 (2017) ·Zbl 1396.91399号
[2] 贝克,S.R。;布鲁姆,N。;Davis,S.J.,《衡量经济政策不确定性》,Q.J.Econ。,131, 4, 1593-1636 (2016)
[3] 布莱,D.M。;Ng,A.Y。;Jordan,M.I.,《潜在迪里克莱分配》,J.Mach。学习。决议,1993年1月3日至1022年1月(2003年)·Zbl 1112.68379号
[4] 卡斯特尔诺沃,E。;Tran,T.D.,用谷歌搜索一下!基于谷歌趋势的美国和澳大利亚经济不确定性指数。莱特。,161, 149-153 (2017)
[5] Cuturi,M.,《Sinkhorn distances:lightspeed computation of optimal transport》,(Burges,C.J.C.;Bottou,L.;Welling,M.;Ghahramani,Z.;Weinberger,K.Q.,《神经信息处理系统进展》,第26卷(2013),Curran Associates,Inc.),2292-2300
[6] 吉雷利,C。;佩雷斯,J.J。;Urtasun,A.,西班牙新经济政策不确定性指数,Econom。莱特。,182, 64-67 (2019)
[7] Kingma,D.P.,Ba,J.,2015年。亚当:一种随机优化方法。参加:学习代表国际会议。国际解放卢旺达民主共和国。
[8] Mikolov,T。;Chen,K。;Corrado,G。;Dean,J.,向量空间中单词表示的有效估计(2013)
[9] Paszke,A。;毛重,S。;钦塔拉,S。;Chanan,G。;杨,E。;德维托,Z。;林,Z。;Desmaison,A。;安提瓜,L。;Lerer,A.,《pytorch中的自动区分》(NIPS-W(2017))
[10] Saltzman,B。;Yung,J.,识别不同类型不确定性的机器学习方法,经济学。莱特。,171, 58-62 (2018)
[11] Schmitz,医学硕士。;海茨,M。;Bonneel,N。;Ngolè,F。;Coeurjolly,D。;库图里,M。;佩雷,G。;Starck,J.-L.,Wasserstein字典学习:基于最优传输的无监督非线性字典学习,SIAM J.Imaging Sci。,11, 1, 643-678 (2018) ·兹比尔1437.94027
[12] Shiller,R.J.,叙事经济学,Amer。经济。版次:107、4、967-1004(2017)
[13] 维拉尼,C.,《最佳交通主题》,数学研究生课程(2003年),美国数学学会·Zbl 1106.90001号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。