基于机器学习的四阶段商业周期预测：美国与欧元区案例研究
机器学习
2024-06-17 v2 机器学习
摘要
理解商业周期对于构建经济稳定性、指导商业规划和信息投资决策至关重要。商业周期指经济活动随时间出现的反复模式的扩张与收缩。经济分析本质上具有复杂性，纳入诸多因素（如宏观经济指标、政治决策）。这种复杂性使得在确定当前经济状态和预测未来几个月的走向时难以完全考虑所有变量。本研究旨在探讨机器学习模型在自动分析经济状态方面的能力，以实现对商业周期阶段（扩张、放缓、衰退和复苏）的预测，分别针对美国和欧元区。我们比较了三种不同的机器学习方法来分类商业周期的阶段，其中多项逻辑回归 (Multinomial Logistic Regression, MLR) 取得了最佳结果。具体而言，MLR 通过实现欧元区的 Top1 准确率为 65.25% 和 Top2 准确率为 84.74%，以及美国的 Top1 准确率为 75% 和 Top2 准确率为 92.14%，取得了最佳成绩。这些结果表明机器学习技术有潜力准确预测商业周期，从而有助于在经济和金融领域做出明智的决策。
引用
@article{arxiv.2405.17170,
title = {Forecasting Four Business Cycle Phases Using Machine Learning: A Case Study of US and EuroZone},
author = {Elvys Linhares Pontes and Mohamed Benjannet and Raymond Yung},
journal= {arXiv preprint arXiv:2405.17170},
year = {2024}
}