magistrsko delo
Tilen Kavčič (Avtor), Tomaž Hovelja (Mentor)

Povzetek

Zaradi velike zaskrbljenosti glede inflacije v razvitih gospodarstvih so natančne napovedi stopenj inflacije bistvenega pomena za dobro informirane odločitve o fiskalni in monetarni politiki. To magistrsko delo analizira uporabo različnih modelov za boljše napovedovanje kratko, srednje in dolgoročnih sprememb inflacije. Opredeljene so tradicionalne metode, kot je model SARIMAX, ter sodobni modeli, ki temeljijo na umetni inteligenci in ekonometriji. Predlagan je model, ki temelji na nevronskih mrežah z dolgim kratkoročnim spominom. Določen je tudi osnovni model AR(1). Vzpostavljen je zanesljiv okvir za ocenjevanje definiranih modelov. Ta vključuje testiranje modelov z uporabo navzkrižnega preverjanja časovnih vrst na podatkih treh različnih gospodarstev. Analiza v vseh modelih prikaže pomanjkanja. Najbolje se osnovnemu modelu približa SARIMAX, medtem ko LSTM izraža potencial pri napovedovanju z večjo količino podatkov. Univerzalno napovedovanje inflacije ostaja nerešeno vprašanje, dokler raziskovalcem ne bodo na voljo obsežni makroekonomski in mikroekonomski podatki z modeli, učinkovitimi v tem okolju.

Ključne besede

napovedovanje inflacije;napovedni modeli;ekonometrija;računalništvo in informatika;magisteriji;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [T. Kavčič]
UDK: 004.8:338.27:336.748.12(043.2)
COBISS: 181837059 Povezava se bo odprla v novem oknu
Št. ogledov: 79
Št. prenosov: 18
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Inflation forecasting with long short-term memory neural networks
Sekundarni povzetek: Given the high inflation concerns in advanced economies, accurate forecasts of inflation rates are essential for well-informed fiscal and monetary policy decisions. This master's thesis analyses the use of different inflation forecasting models to better predict short, medium and long term changes. Traditional methods such as the SARIMAX model are identified, as well as modern models based on artificial intelligence and econometrics. A model based on neural networks with long short-term memory is proposed. AR(1) model is defined as a baseline. A reliable framework for the evaluation of defined models is established. It includes model testing using time series cross-validation on data from three different economies. The analysis shows deficiencies in all models. SARIMAX comes closest to the baseline model, while LSTM shows potential in forecasting with a larger amount of data. Universal inflation forecasting remains an open question until researchers have access to comprehensive macroeconomic and microeconomic data with models that work in this environment.
Sekundarne ključne besede: inflation forecating;inflation;artificial intelligence;neural networks;predictive models;LSTM;computer science;computer and information science;master's degree;Nevronske mreže (računalništvo);Umetna inteligenca;Inflacija;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 1000471
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 68 str.
ID: 22331029