経済時系列分析：計量経済モデルと機械学習からのアプローチ

ビッグデータ、急速に変化する市場、ますます複雑化する経済関係の状況において、経済および金融予測ツールに対する需要は劇的に変化しています。

この点は、金融アカデミーと国際数学研究訓練センターが主催し、Cu Thu Thuy博士とホアン・フー・ソン理学士の講演によって明確に実証されました。

ディスカッションでは、従来の時系列モデルの包括的な概要が示されただけでなく、さらに重要な点として、最新の機械学習技術を使用して計量経済モデルをアップグレードするという新たな前進が強調されました。

セミナーの導入部分では、トレンド、季節性、サイクル、定常性、ノイズなどの時系列の特性や、ARIMA、SARIMA、ARDL、ECM、VAR/VECM、GARCH などの従来のモデルを体系化します。

*理学修士のホアン・フー・ソン氏が、時系列分析における機械学習モデルに関するセミナーで講演しました。*

これらのツールは、優れた解釈力、標準化された理論的枠組み、低い計算コスト、小規模データへの適合性など、明確な利点を備えており、数十年にわたって計量経済学研究の基盤を形成してきました。

今日の金融市場は、高い不確実性、多くのショック、そして長期的な依存関係を伴う多様な構造の中で機能しています。変数とデータソースの数は、高頻度データから非構造化データに至るまで急速に拡大しています。このような環境では、従来の仮定（定常性、正規分布、線形性など）はもはや適切ではなく、従来のモデルの精度にはある程度の限界が生じています。そして、機械学習は現代的かつ最新のアプローチの一つです。

本セミナーでは、機械学習の基礎知識と、MLP、RNN、LSTM、Bi-LSTM、Stacked LSTMといった時系列分析における機械学習、ニューラルネットワーク、ディープラーニングの役割について概説します。機械学習は、従来の線形モデルとは異なり、従来の計量経済モデルの限界を克服し、非線形関係のモデリング、長期的な依存関係の記憶、データ系列内のパターンの自動学習などを可能にします。

*Cu Thu Thuy博士が計量経済学と機械学習に関するセミナーで講演しました。*

さまざまなモデルによるビットコインとVN-Indexの価格予測実験の発表を通じて、LSTMモデルは、データに大量のノイズがある場合でもRMSE、MAE、MAPEエラーが低いことが証明されました。また、LSTMモデルを通じて、予測データの経済的性質も反映され、経済および金融予測における機械学習とディープラーニングの明確な利点が実証されました。

セミナーで特に注目されたのは、計量経済学と機械学習は対立するものではなく、互いに補完し、高め合うものであるという点です。計量経済学は理論的枠組み、因果構造、そして政策解釈能力を提供します。一方、機械学習は強力な計算能力、非線形モデリング、ビッグデータ処理能力、そしてノイズ耐性を提供します。

この組み合わせにより、VAR-LSTM、ハイブリッド状態空間 + ディープラーニング、時系列変換などの新世代モデルが生まれ、国際的な研究トレンドになりつつあります。

さらに、セミナーでのプレゼンテーションと議論では、機械学習とディープラーニングのためのインフラとデータへの投資の重要性も確認されました。

研究施設は、アーキテクチャ、現実世界の問題を解決する際のモデルの計算効率、そして高品質の国際出版物の目標に直接影響を与えるからです。

セミナーでは、線形モデルのみに依存する研究からディープラーニングモデルの活用へ、小規模データセットから大規模データセットへ、記述的分析から高精度な予測へと研究の考え方が変化していることが確認されました。

これは、金融アカデミーの数理経済学、金融と銀行、データ分析、データサイエンスの分野にとって重要な方向性です。

出典: https://daibieunhandan.vn/phan-tich-chuoi-thoi-gian-kinh-te-tiep-can-tu-mo-hinh-kinh-te-luong-va-hoc-may-10399890.html