BiHRNN——用于通胀预测的双向层次递归神经网络
机器学习
2025-03-05 v1 综合经济学
计算金融
经济学
摘要
通胀预测指导利率、投资和工资的决策，在经济稳定中发挥关键作用。然而，由于动态因素以及消费者价格指数(CPI)的分层结构——将商品和服务组织成多个类别——通胀预测具有挑战性。我们提出双向层次递归神经网络(BiHRNN)模型，通过利用分层结构实现跨层次的双向信息流动来应对这些挑战。对RNN参数的信息性约束可在所有层次上提升预测精度，避免统一模型的低效。我们在来自美国、加拿大和挪威的通胀数据集上对BiHRNN进行验证，通过训练、调优超参数并尝试各种损失函数。我们的结果表明，BiHRNN显著优于传统RNN模型，双向体系结构在实现 improved 预测精度方面发挥了关键作用。
引用
@article{arxiv.2503.01893,
title = {BiHRNN -- Bi-Directional Hierarchical Recurrent Neural Network for Inflation Forecasting},
author = {Maya Vilenko},
journal= {arXiv preprint arXiv:2503.01893},
year = {2025}
}
备注
Master's thesis. Under the supervision of Dr. Noam Koeningstein. 40 pages