ОЕСР: МЕТОДИ МАШИННОГО НАВЧАННЯ ТА ОЦІНКА РИЗИКІВ РЕЦЕСІЇ В КРАЇНАХ ОЕСР
У блозі ECOSCOPE Організації економічного співробітництва та розвитку опублікована стаття Томаса Шало і Девіда Тернера «Doombot для оцінювання ризиків рецесії в країнах ОЕСР».
У ній автори наголошують, що передбачити, коли настане рецесія, є доволі складним завданням: економісти вже давно намагаються осягнути широкий спектр даних про фінансові та ділові цикли. Проблема коректного вибору змінних для кожної країни та часових рамок дослідження, може зробити методи машинного навчання особливо корисними для прогнозування. Нещодавнє дослідження експертів ОЕСР дозволило порівняти традиційні моделі машинного навчання, включаючи популярний LASSO, з новим алгоритмом DOOMBOT. На практиці LASSO спрощує моделі, допомагаючи підвищити їхню точність за рахунок обмеження непотрібних змінних. DOOMBOT тестує широкий спектр змінних і встановлює обмеження, щоб забезпечити кращу відповідність прогнозів ретроспективним даним. Було використано декілька алгоритмів даних для роботи з відомостями щодо економічних циклів 20-ти країн ОЕСР. DOOMBOT перевершив альтернативні інструменти та надавав більш чітке раннє попередження про глобальну фінансову кризу. Це відбулось завдяки розгортанню прогнозів і порівнянню різних країн і часових проміжків. Окрім більшої точності, прогнози DOOMBOT краще узгоджуються з економічними наративами.
Детальніше: http://surl.li/dhshoy
Фото: pixabay.com
#НРАТ_Усі_новини #НРАТ_OECD #НРАТ_ШтучнийІнтелект #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини