用于十年期世界经济展望预测的递归深度学习框架
机器学习
2024-10-18 v3 人工智能
摘要
国内生产总值（GDP）是宏观经济学中应用最广泛的指标，也是衡量一个国家经济产出的主要工具。由于世界经济的多样性和复杂性，已使用了广泛的模型，但在面对如大流行病和战争等灾难性世界事件的突发变化时，进行十年期 GDP 预测存在挑战。深度学习模型非常适合于时间序列建模和时间序列预测。在本文中，我们开发了一个深度学习框架来预测世界经济在未来十年的 GDP 增长率。我们使用 Penn World Table 作为数据源，涵盖 COVID-19 大流行之前的 13 个国家，如澳大利亚、中国、印度和美国。我们提出了一种递归深度学习框架来预测未来十年的 GDP 增长率。我们测试了主流的深度学习模型，并将其结果与传统计量经济模型在选定的发达和发展中国家进行比较。我们的十年期预测显示，大多数发达国家将在五年内（2020—2024）经历经济增长放缓、停滞甚至衰退。此外，我们的模型预测表明，只有中国、法国和印度将经历稳定的 GDP 增长。
引用
@article{arxiv.2301.10874,
title = {Recursive deep learning framework for forecasting the decadal world economic outlook},
author = {Tianyi Wang and Rodney Beard and John Hawkins and Rohitash Chandra},
journal= {arXiv preprint arXiv:2301.10874},
year = {2024}
}