机器学习在国际贸易趋势预测中的应用
计量经济学
2019-10-09 v1 机器学习
摘要
国际贸易政策近来因限制必要商品（如钢铁、铝、大豆和牛肉）的跨境交换而受到关注。由于贸易深刻影响就业与工资，预测未来贸易模式是全球政策制定者的高度优先事项。传统经济模型旨在成为可靠的预测器，而我们考量机器学习(ML)技术可带来更优预测以辅助政策决策的可能性。开放政府数据提供了驱动算法所需的燃料，这些算法可解释并预测贸易流以指导政策。本文收集的数据描述了国际贸易交易及通常相关的经济因素。所部署的机器学习(ML)模型包括：用于预测未来贸易模式的ARIMA、GBoosting、XGBoosting和LightGBM，以及依据经济因素对国家进行K-Means聚类的模型。与短期主观（直线）预测和中期（聚合）预测不同，ML方法为单个商品提供了一系列数据驱动且可解释的预测。本文介绍并评估了模型、其结果及政策的预测质量。
引用
@article{arxiv.1910.03112,
title = {Application of Machine Learning in Forecasting International Trade Trends},
author = {Feras Batarseh and Munisamy Gopinath and Ganesh Nalluru and Jayson Beckman},
journal= {arXiv preprint arXiv:1910.03112},
year = {2019}
}
备注
Presented at AAAI FSS-19: Artificial Intelligence in Government and Public Sector, Arlington, Virginia, USA