TL;DR
- چکیده:.
- ما یک ویژگی پویایی تصادفی در میانگین (SVM) عامل پویا برای رگرسیونهای خودکار برداری (VARs) ایجاد می.
- کنیم که یک جزء SVM را در ساختار نوسانات تصادفی عامل پویا تعبیه میکند.
چه اتفاقی افتاد
چکیده:. ما یک ویژگی پویایی تصادفی در میانگین (SVM) عامل پویا برای رگرسیونهای خودکار برداری (VARs) ایجاد می.
کنیم که یک جزء SVM را در ساختار نوسانات تصادفی عامل پویا تعبیه میکند. تعداد کمیاز عوامل نوسان پنهان،.
حرکات رایج را در واریانسهای شرطی ثبت میکنند،. در حالی که نوسانات وارد میانگین شرطی VAR میشوند.
این مشخصات اجازه میدهد تا عدم قطعیت متغیر با زمان بر پویایی اقتصاد کلان از طریق لحظه. های دوم و نتایج مورد انتظار تأثیر بگذارد و در عین حال انعطاف پذیری را در پانلهای.
بزرگ حفظ کند. ما یک الگوریتم مونت کارلو زنجیره مارکوف کارآمد را برای تخمین در این محیط با ابعاد بالا و.
غیر گاوسی میسازیم. با استفاده از دادههای سه ماهه روی بیست متغیر از پایگاه داده FRED-QD،.
عملکرد پیشبینیکننده را با مدل VAR نوسانات تصادفی معیار مقایسه میکنیم. مشخصات SVM فاکتور پویا ارائه میدهد پیش بینیهای برتر برای متغیرهای بیشتر در خلال اختلالات کلان.
اقتصادی مانند بحران مالی جهانی 2008. نتایج نشان میدهد که اجازه دادن به نوسانات برای ورود به میانگین،.
یک کانال انتقال مهم در پویایی اقتصاد کلان را جذب میکند. صفحه، 27 شکل، 22 جدول روش شناسی (stat.
ME); اقتصاد سنجی (econ. EM) استناد بهعنوان: (یا v1 [stat.
ME] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Daichi Hiraki [مشاهده ایمیل] [v1] دوشنبه،. 6 آوریل 2026،.
08:. 49:.
41 UTC (16,. 928 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.