Fan charts in era of big data and learning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F24%3A00581659" target="_blank" >RIV/67985556:_____/24:00581659 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11320/24:10482537 RIV/00216208:11230/24:10482537

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S1544612324000333?dgcid=author" target="_blank" >https://www.sciencedirect.com/science/article/pii/S1544612324000333?dgcid=author</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.frl.2024.105003" target="_blank" >10.1016/j.frl.2024.105003</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Fan charts in era of big data and learning

Popis výsledku v původním jazyce

We propose how to construct big data-driven macroeconomic fan charts, using machine learning methods to reflect the information in 216 relevant economic variables. Such data-rich fan charts do not rely on restrictive model assumptions and allow the exploration of non-Gaussian, asymmetric, heavy-tailed data and their non-linear interactions. By allowing complex patterns to be learned from a data-rich environment, our fan charts are useful for decision making that depends on the uncertainty of a potentially large number of economic variables — most public policy issues.

Název v anglickém jazyce

Fan charts in era of big data and learning

Popis výsledku anglicky

We propose how to construct big data-driven macroeconomic fan charts, using machine learning methods to reflect the information in 216 relevant economic variables. Such data-rich fan charts do not rely on restrictive model assumptions and allow the exploration of non-Gaussian, asymmetric, heavy-tailed data and their non-linear interactions. By allowing complex patterns to be learned from a data-rich environment, our fan charts are useful for decision making that depends on the uncertainty of a potentially large number of economic variables — most public policy issues.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

<a href="/cs/project/GX19-28231X" target="_blank" >GX19-28231X: Dynamické modely pro digitální finance</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Finance Research Letters

ISSN

1544-6123

e-ISSN

1544-6131

Svazek periodika

61

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

7

Strana od-do

105003

Kód UT WoS článku

001170311200001

EID výsledku v databázi Scopus

2-s2.0-85183570255