黑箱之内：基于神经网络的美国经济衰退实时预测
计量经济学
2024-05-24 v3 机器学习
摘要
长短期记忆网络（LSTM）与门控循环单元（GRU）被用于从1967年至2021年对美国衰退进行建模。其预测表现与传统线性模型进行了比较。样本外表现表明LSTM与GRU可应用于衰退预测，尤其适用于较长期的预测。Shapley加性解释（SHAP）方法被应用于两类模型。基于SHAP的不同权重分配意味着此类神经网络具有捕捉商业周期非对称性与非线性的能力。SHAP方法给出了关键的衰退指标，例如用于最长3个月短期预测的标普500指数，以及用于最长12个月长期预测的期限利差。这些发现对其他解释方法（如局部可解释模型无关解释（LIME）与边际效应）具有稳健性。
引用
@article{arxiv.2310.17571,
title = {Inside the black box: Neural network-based real-time prediction of US recessions},
author = {Seulki Chung},
journal= {arXiv preprint arXiv:2310.17571},
year = {2024}
}