基于混合神经网络的跨境商品定价策略优化：时间序列分析视角
机器学习
2024-08-23 v1 计算工程、金融与科学
综合经济学
经济学
摘要
在全球贸易背景下，跨境商品定价很大程度上决定了企业的竞争力和市场份额。然而，现有方法往往不够灵活和精确，难以有效应对动态的国际市场。时间序列数据在商品定价中具有重要意义，可以揭示市场动态和趋势。因此，我们提出了一种基于混合神经网络模型CNN-BiGRU-SSA的方法。目标是通过深入分析和优化时间序列数据，实现对跨境商品定价策略的准确预测和优化。我们的模型在多个数据集上进行了实验验证。结果显示，我们的方法在UNCTAD、IMF、WITS和中国海关等数据集上取得显著的性能优势。例如，在UNCTAD数据集上，我们的方法将MAE降低至4.357，RMSE降低至5.406，R2提升至0.961，显著优于其他模型。在IMF和WITS数据集上，我们的方法也取得了类似的优异性能。这些实验结果验证了该方法在跨境商品定价领域的有效性和可靠性。总体而言，本研究为企业制定更合理和有效的跨境商品定价策略提供了重要参考，从而提升了市场竞争力和盈利能力。同时，我们的方法也为深度学习在国际贸易和经济战略优化等领域的应用奠定了基础，这具有重要的理论和实践意义。
引用
@article{arxiv.2408.12115,
title = {Cross-border Commodity Pricing Strategy Optimization via Mixed Neural Network for Time Series Analysis},
author = {Lijuan Wang and Yijia Hu and Yan Zhou},
journal= {arXiv preprint arXiv:2408.12115},
year = {2024}
}
备注
30 pages