Dominant Drivers of National Inflation
各国通货膨胀的主导驱动因素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：摘要研究具有时间依赖的国家通胀数据，并使用三十三个国家的联合样本识别宏观驱动因素。
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
各国通货膨胀的主导驱动因素
- 研究问题
- 在各国通货膨胀及相关变量具有时间依赖的情况下，如何从多变量关系中识别对国家通胀具有主导作用的驱动因素？
- 方法与思路
- 作者提出 D2ML，将适用于时间依赖数据的机器学习模型选择与图模型结合，估计协方差矩阵的逆并识别主导驱动因素。
- 材料陈述的贡献
- 摘要称在三十三个国家的数据中，美国通胀率和油价被识别为主导因素，并通过蒙特卡洛模拟展示估计量的识别表现。
- 阅读关注点
- 应核对主导驱动因素的数学定义、时间依赖处理与模型选择步骤，以及跨国数据范围和条件关联的经济解释。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明样本时期与识别条件，主导关系不能直接视为因果效应。
原文摘要
For western economies a long-forgotten phenomenon is on the horizon: rising inflation rates. We propose a novel approach christened D2ML to identify drivers of national inflation. D2ML combines machine learning for model selection with time dependent data and graphical models to estimate the inverse of the covariance matrix, which is then used to identify dominant drivers. Using a dataset of 33 countries, we find that the US inflation rate and oil prices are dominant drivers of national inflation rates. For a more general framework, we carry out Monte Carlo simulations to show that our estimator correctly identifies dominant drivers.