面向混合频率数据的聚合学习
机器学习
2021-05-21 v1 机器学习
摘要
2007-2009 年金融危机和当前的 COVID-19 疫情等大规模突发性经济冲击会迅速改变经济环境。在此情形下，利用替代数据进行实时经济分析的重要性日益凸显。搜索查询和位置数据等替代数据比通常以月度聚合形式发布的官方统计更接近实时且更为丰富。我们利用替代数据的时空粒度，提出一种混合频率聚合学习（MF-AGL）模型，用于实时预测较小区域的经济指标。我们将该模型应用于现实问题：预测与失业率密切相关的求职申请人数。我们发现所提模型能够预测（i）劳动力市场状况的区域异质性以及（ii）快速变化的经济状态。该模型可应用于多种任务，尤其是经济分析。
引用
@article{arxiv.2105.09579,
title = {Aggregate Learning for Mixed Frequency Data},
author = {Takamichi Toda and Daisuke Moriwaki and Kazuhiro Ota},
journal= {arXiv preprint arXiv:2105.09579},
year = {2021}
}