用机器学习算法理解大衰退
综合经济学
2020-01-08 v1 物理与社会
经济学
摘要
Nyman与Ormerod(2017)表明，随机森林的机器学习技术有潜力对衰退给出早期预警。将该法应用于一小组金融变量并尽可能复现真实的先验预测情形，自1990年以来的四步超前预测精度明显优于专业预测者实际所作预测。此处我们扩展分析，考察各解释变量对2000年代末大衰退的贡献。我们将私营部门债务拆解为家庭与非金融公司两部分。我们发现家庭与非金融公司债务均为大衰退的关键决定因素。我们发现解释模型中存在相当程度的非线性。相反，公共部门债务对GDP之比似乎贡献甚微。其虽在大衰退中急剧上升，但那是经济活动骤降的后果而非原因。我们对美国与英国均得到类似结果。
引用
@article{arxiv.2001.02115,
title = {Understanding the Great Recession Using Machine Learning Algorithms},
author = {Rickard Nyman and Paul Ormerod},
journal= {arXiv preprint arXiv:2001.02115},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1701.01428