基于关联规则与集成机器学习的国际农产品贸易公共政策制订
机器学习
2021-11-16 v1 人工智能
综合经济学
经济学
摘要
国际经济学在增进我们对贸易成因以及商品与服务跨国自由流动后果的理解方面有着悠久历史。近期对自由贸易体制的冲击，尤其是主要经济体之间的贸易争端，以及贸易战和疫情等黑天鹅事件，提升了对改进预测以辅助政策决策的需求。人工智能方法正使经济学家能够以新方式解决此类预测问题。在本稿件中，我们提出预测并关联国际交易的食品与农产品的新方法。关联规则(AR)分析已成功应用于消费者或门店层面的经济场景，例如购物篮分析。然而，在我们的工作中，我们呈现对进出口关联及其对商品贸易流影响的分析。此外，我们开发了集成机器学习方法，以提供改进的农业贸易预测、离群事件的启示以及面向政策制定者的量化指针。
引用
@article{arxiv.2111.07508,
title = {Public Policymaking for International Agricultural Trade using Association Rules and Ensemble Machine Learning},
author = {Feras A. Batarseh and Munisamy Gopinath and Anderson Monken and Zhengrong Gu},
journal= {arXiv preprint arXiv:2111.07508},
year = {2021}
}
备注
Paper published at Elsevier's Journal of Machine Learning with Applications https://www.sciencedirect.com/science/article/pii/S2666827021000232