Economic Nowcasting with Long Short-term Memory Artificial Neural Networks (LSTM)：UNCTAD Research Paper No. 62

近年来，人工神经网络 (ANN) 已成为各种领域和学科众多进步的催化剂。然而，它们对经济的影响相对较小。 一种人工神经网络，长短期记忆网络 (LSTM)，特别适合处理经济时间序列。在这里，与动态因子模型 (DFM) 相比，评估了架构的性能和特性，动态因子模型 (DFM) 目前是经济临近预报领域的流行选择。 发现 LSTM 在三个独立变量的临近预报中产生优于 DFM 的结果；全球商品出口价值和数量，以及全球服务出口。其他优势包括它们能够处理各种时间频率中的大量输入特征。一个缺点是无法将输入特征的贡献归因于模型输出，这对所有 ANN 都是通用的。 为了通过避免对任何深度学习库知识的需求来促进对该方法的持续应用研究，使用 PyTorch 开发了一个随附的 Python 库：https://pypi.org/project/nowcast-lstm/。...
Economic Nowcasting with Long Short-term Memory Artificial Neural Networks (LSTM)：UNCTAD Research Paper No. 62pdf预览版
Economic Nowcasting with Long Short-term Memory Artificial Neural Networks (LSTM)：UNCTAD Research Paper No. 62pdf完整版