机器学习能否利用经济和市场情绪捕捉经济衰退？
摘要：用市场情绪和经济指标（75个自变量）从1986年1月至2022年6月的美国经济衰退频率进行机器学习技术评估。为了解决缺失的时间序列数据点问题，使用ARIMA方法回溯解释变量。通过Boruta算法、相关矩阵和解决多重共线性问题，对高维数据集进行降维。然后，构建了各种交叉验证模型，包括概率回归方法和机器学习技术，来预测经济衰退的二元结果。考虑的方法包括Probit、Logit、Elastic Net、Random Forest、Gradient Boosting和Neural Network。最后，通过混淆矩阵、准确率和F1分数讨论了不同模型的性能，并分析了其弱点和鲁棒性的潜在原因。
作者：Kian Tehranian
论文ID：2308.16200
分类：Econometrics
分类简称：econ.EM
提交时间：2023-09-01