Number of the records: 1
Do Machine Learning Techniques Outperform Autoregressive Distributed Lag Models in Inflation Forecasting?
Title Do Machine Learning Techniques Outperform Autoregressive Distributed Lag Models in Inflation Forecasting? Translation Prekonávajú techniky strojového učenia autoregresívne modely s distribuovaným oneskorením v predpovedaní inflácie? Author info Bogdan Oancea, Mihaela Simionescu, Richard Pospíšil Author Oancea Bogdan Co-authors Simionescu Mihaela Pospíšil Richard Source document Prague Economic Papers : Reviewed Scientific Journal of Economics, Financial Economics and Financial Markets Dealing with Modelling and Empirical Analysis. Vol. 34, no. 4 (2025), pp. 495-558. - Prague : Prague University of Economics and Business, 2025. ISSN 2336-730X DOI 10.18267/j.pep.898 Document kind schedule of articles from periodics Language English Country of Edition Czech Republic Keywords predvídanie * inflácia * učenie strojové * modely autoregresné * prognózy * politika menová * Európska únia Annotation Po pandémii Covid-19 čelilo Rumunsko a ďalšie krajiny strednej a východnej Európy (SVE) jednej z najvyšších mier inflácie v Európskej únii, čo vyvolalo naliehavú potrebu presných krátkodobých prognóz pre usmerňovanie menovej politiky. Štúdia porovnáva moderné metódy strojového učenia (ML) – neurónové siete s dlhou krátkodobou pamäťou (LSTM), náhodné lesy (RF) a podpornú vektorovú regresiu (SVR) – s tradičnými autoregresívnymi modelmi s distribuovaným oneskorením (ARDL) pri prognózovaní Harmonizovaného indexu spotrebiteľských cien. S využitím štvrťročných údajov pre Rumunsko (2006Q1 – 2023Q4) a mesačných údajov pre deväť ekonomík SVE (2006M1 – 2025M3) autori do analýzy zahrnuli ukazovatele nezamestnanosti a sentimentu odvodené zo správ Rumunskej centrálnej banky a Indexu ekonomického sentimentu (ESI) Európskej komisie. Zistenia zdôrazňujú, že hoci pokročilé ML modely dokážu zachytiť nelineárnu dynamiku a zmeny režimov, tradičné ekonometrické nástroje stále poskytujú cennú robustnosť, najmä v kontextoch riadených sentimentom. Celkovo integrácia strojového učenia, ekonometrických prístupov a analýzy sentimentu ponúka spoľahlivejší súbor nástrojov na krátkodobé prognózovanie inflácie v podmienkach ekonomickej neistoty. Database ARTICLES References PERIODIKÁ-Súborný záznam periodika Numbers 2025: 4
File name Size Typ prístupu Plný text PDF 1.6 MB publicly available 
article
Number of the records: 1