Econometrics of Machine Learning Methods in Economic Forecasting
经济预测中机器学习方法的计量经济学综述AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接以经济预测和即时预测为主题，同时讨论时间序列交叉验证与格兰杰检验，因此支持预测与即时预测及时间序列分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
经济预测中机器学习方法的计量经济学综述
- 研究问题
- 机器学习用于经济预测时有哪些近期方法进展，如何处理即时预测、文本及多维数据，并解决时间依赖下的模型评估问题？
- 方法与思路
- 作者以文献综述形式覆盖即时预测、文本数据、面板与张量数据、高维格兰杰因果检验、时间序列交叉验证及经济损失下的分类。
- 材料陈述的贡献
- 摘要明确提供经济预测机器学习方法的专题梳理，将数据类型、动态检验与评估方法纳入讨论，但未陈述新的估计量或比较结论。
- 阅读关注点
- 应核对各主题覆盖的文献范围、预测评估如何避免信息泄漏，以及经济损失如何进入分类决策；摘要未说明具体推荐方法。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收。摘要仅列出综述主题，不能据此判断覆盖完整性、实证效果或某类方法的优越性。
原文摘要
This paper surveys the recent advances in machine learning method for economic forecasting. The survey covers the following topics: nowcasting, textual data, panel and tensor data, high-dimensional Granger causality tests, time series cross-validation, classification with economic losses.