跳到正文
← 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:摘要明确以加纳通胀的机器学习时间序列预测为主要研究目标。

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…

关注这篇论文的作者
Ashley Obeng

加纳通胀预测:机器学习对经济稳定与增长策略的潜在作用

研究问题
如何利用机器学习和时间序列预测理解加纳通胀走势,并为经济稳定与增长相关决策提供预测信息和数据分析支持?
方法与思路
摘要拟使用覆盖 2010—2022 年的数据,运用适合时间序列预测的机器学习模型预测未来通胀,但未明确模型及实施细节。
材料陈述的贡献
摘要主要陈述以机器学习辅助通胀预测和经济治理的研究目标,未报告预测误差、基准比较或已经实现的政策效果。
阅读关注点
应核对数据来源与频率、变量和模型选择、样本外预测设计、信息泄漏控制,以及预测改善能否支撑所述政策用途。
阅读边界
这是 arXiv 预印本,同行评审与期刊接收均未核实;摘要偏重研究意图,无法据此判断预测准确性或经济稳定与增长效果。

原文摘要

Inflation remains a persistent challenge for many African countries. This research investigates the critical role of machine learning (ML) in understanding and managing inflation in Ghana, emphasizing its significance for the country's economic stability and growth. Utilizing a comprehensive dataset spanning from 2010 to 2022, the study aims to employ advanced ML models, particularly those adept in time series forecasting, to predict future inflation trends. The methodology is designed to provide accurate and reliable inflation forecasts, offering valuable insights for policymakers and advocating for a shift towards data-driven approaches in economic decision-making. This study aims to significantly advance the academic field of economic analysis by applying machine learning (ML) and offering practical guidance for integrating advanced technological tools into economic governance, ultimately demonstrating ML's potential to enhance Ghana's economic resilience and support sustainable development through effective inflation management.

笔记与分组
相关领域论文