Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • På svenska
  • In English
  • Kirjaudu
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Kaisu etusivu
  • Suomen Pankki
  • Bank of Finland Research Discussion Papers
  • Näytä viite
  •  
  • Suomen Pankki
  • Bank of Finland Research Discussion Papers
  • Näytä viite

Toward robust early-warning models: A horse race, ensembles and model uncertainty

Kohti robusteja malleja kriisien ennakoinnissa: menetelmien vertailu, aggregointi ja epävarmuus
Holopainen, Markus; Sarlin, Peter (04.03.2015)

Avaa tiedosto
BoF_DP_1506.pdf (1.206Mt)
Lataukset: 

Holopainen, Markus
Sarlin, Peter

Julkaisusarja

Bank of Finland Research Discussion Papers

Numero

6/2015

Julkaisija

Bank of Finland

2015

Tekijänoikeudet
Näytä kaikki kuvailutiedot

Julkaisun pysyvä osoite on

https://urn.fi/URN:NBN:fi:bof-201503041097
Tiivistelmä
This paper presents first steps toward robust early-warning models. We conduct a horse race of conventional statistical methods and more recent machine learning methods. As early-warning models based upon one approach are oftentimes built in isolation of other methods, the exercise is of high relevance for assessing the relative performance of a wide variety of methods. Further, we test various ensemble approaches to aggregating the information products of the built early-warning models, providing a more robust basis for measuring country-level vulnerabilities. Finally, we provide approaches to estimating model uncertainty in early-warning exercises, particularly model performance uncertainty and model output uncertainty. The approaches put forward in this paper are shown with Europe as a playground.
 
Tässä työssä otetaan ensi askeleita kohti robusteja malleja kriisien ennakoinnissa. Tutkimuksessa vertaillaan tavanomaisia tilastollisia menetelmiä ja uudempia koneoppimisen menetelmiä. Tämän tutkimuksen yhtäaikainen vertailu menetelmien suhteellisesta suorituskyvystä on relevantti, koska yksittäisiä ennakointimenetelmiä käytetään usein erillään muista menetelmistä. Lisäksi työssä testataan menetelmien eri aggregointitapoja yhdistämällä tietoa eri menetelmien signaaleista yhteen lopulliseen malliin, joka tuo robustimman tavan estimoida maakohtaisia haavoittuvuuksia. Lopuksi esitetään kaksi lähestymistapaa ennakointimallien epävarmuuden arvioimiseksi. Tässä tarkastellaan erityisesti mallien suorituskyvyn epävarmuutta ja mallien signaalien epävarmuutta. Tämän paperin menetelmiä sovelletaan eurooppalaiseen aineistoon.
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuvuodetJulkaisijatJEL-luokituksetSivukartta

Aineiston tallentajille

Kirjaudu sisäänRekisteröidy
Tietosuojaseloste
Saavutettavuusseloste
Suomen Pankin kirjasto
PL 160
00101 Helsinki
Puh. 09 183 2661
Sijainti: Rauhankatu 19, Helsinki

Palvelun tuottaja
Kansalliskirjasto