机器学习能否利用经济与市场情绪捕捉经济衰退？
计量经济学
2023-09-01 v1
摘要
定量模型是政策制定者和投资者的重要决策因素。以高准确度和可靠性预测经济衰退将对社会极为有益。本文评估了利用市场情绪和经济指标（七十五个解释变量，1986年1月至2022年6月月度频率）预测美国经济衰退的机器学习技术。为解决时间序列数据点缺失问题，使用自回归积分滑动平均（ARIMA）方法对解释变量进行回推。分析首先使用 Boruta 算法、相关矩阵并解决多重共线性问题，将高维数据集降维至仅最重要特征。随后，构建多种交叉验证模型，包括概率回归方法与机器学习技术，以预测衰退二值结果。所考虑的方法有 Probit、Logit、Elastic Net、Random Forest、Gradient Boosting 和 Neural Network。最后，基于混淆矩阵、准确率和 F1 分数讨论了不同模型的性能及其薄弱与稳健的潜在原因。
引用
@article{arxiv.2308.16200,
title = {Can Machine Learning Catch Economic Recessions Using Economic and Market Sentiments?},
author = {Kian Tehranian},
journal= {arXiv preprint arXiv:2308.16200},
year = {2023}
}
备注
The full dataset is available from the corresponding authors on reasonable request