Počet záznamov: 1
Do Machine Learning Techniques Outperform Autoregressive Distributed Lag Models in Inflation Forecasting?
Názov Do Machine Learning Techniques Outperform Autoregressive Distributed Lag Models in Inflation Forecasting? Preklad názvu Prekonávajú techniky strojového učenia autoregresívne modely s distribuovaným oneskorením v predpovedaní inflácie? Autorské údaje Bogdan Oancea, Mihaela Simionescu, Richard Pospíšil Autor Oancea Bogdan Spoluautori Simionescu Mihaela Pospíšil Richard Zdrojový dokument 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 Druh dokumentu rozpis článkov z periodík Jazyk dokumentu angličtina Krajina vydania Česká republika Heslá predvídanie * inflácia * učenie strojové * modely autoregresné * prognózy * politika menová * Európska únia Anotácia 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. Báza dát ČLÁNKY Odkazy PERIODIKÁ-Súborný záznam periodika Čísla 2025: 4
Názov súboru Veľkosť Typ prístupu Plný text PDF 1.6 MB verejne dostupné 
článok
Počet záznamov: 1