Машинное обучение и рецессии: сразу по 20 странам.
Очередное применение машинного обучения (МО, ноябрь 2024). Авторы показывают, что наиболее успешным алгоритмом для прогнозов рецессий в 20 странах ОЭСР является "жесткий алгоритм" МО. Он сначала по историческим данным выбирает лучшие наборы переменных, а затем по ним строит предсказания. Такой алгоритм превосходит всё остальное, что они попробовали, в том числе индивидуальные модели для отдельных стран.
Вывод: опять МО значительно улучшают прогнозы. "Ансамбли моделей" обязаны включать МО как один из инструментов.
#ML #Recessions #AI
Очередное применение машинного обучения (МО, ноябрь 2024). Авторы показывают, что наиболее успешным алгоритмом для прогнозов рецессий в 20 странах ОЭСР является "жесткий алгоритм" МО. Он сначала по историческим данным выбирает лучшие наборы переменных, а затем по ним строит предсказания. Такой алгоритм превосходит всё остальное, что они попробовали, в том числе индивидуальные модели для отдельных стран.
Вывод: опять МО значительно улучшают прогнозы. "Ансамбли моделей" обязаны включать МО как один из инструментов.
#ML #Recessions #AI
CEPR
The role of economic judgement in enhancing machine learning models for recession prediction: Insights from 20 OECD countries
Accurately forecasting recessions remains a critical issue in macroeconomic analysis. This column introduces a new machine learning algorithm to predict recession risks for 20 OECD countries over quarterly horizons up to two years. The Doombot algorithm tests…
Ничего себе завершение ЧМ шахмат в блиц! Карлсен и Непомнящий делят золото. А Лагно завоевала вторую бронзу.
Выдающиеся успехи россиян!
#Chess #Russia
Выдающиеся успехи россиян!
#Chess #Russia
Chess-Results
Chess-Results Server Chess-results.com - FIDE Open World Blitz Championships 2024 - Knockout
Chess-Results.com is a powerful and dedicated server only for chess-results. The tournament archive of chess-results.com contains more than 40.000 tournaments from around the world.
Ходи всегда, ходи везде!
Как вы знаете, физическая активность "в целом" полезна для самочувствия. Авторы мета-анализа (2023) проверили по 17 крупным исследованиям (около 227 тыс. человек) в выборках западных стран, как отражается количество шагов на вероятности смертности от всех причин и от кардиоваскулярных (КВ). Причём длина исследования - до 11 лет после замеров.
Результаты:
1) люди довольно мало ходят. Медиана шагов в день по всей выборке близка к 5000;
2) смертность от всех причин: в сравнении с нулевой группой людей (медиана шагов в день 3867), группа 1 (Q1, медиана шагов 5537), группа 2 (Q2, медиана шагов 7370), и группа 3 (Q3, медиана шагов 11 529) показывали снижение вероятности смертности (на 48%, 55%, и 67% соответственно). То есть в Q1 по сравнению с базовой вероятность снижалась почти вдвое;
3) смертность от КВ причин: в сравнении с нулевой группой (медиана шагов 2337) следующие три группы (Q1 с медианой 3982, Q2 с медианой 6661, и Q3 с медианой 10 413) показывали снижение вероятности смертности (на 16%, 49%, и 77% соответственно);
4) нюанс в том, что для "молодых" (меньше 60 лет) в границах 7000-13000 шагов снижение вероятности более быстрое, поэтому может быть выгодно ходить даже больше 10 тыс. шагов;
5) интенсивность не играет существенной роли - важно количество шагов, а не то, что ходьба по лестнице. Равнина годится.
Вывод: видимо, хотя бы 6000 шагов уже даёт снижение вероятности смертности вдвое, а увеличение активности улучшает ситуацию. Если делаете 10 тыс. шагов в день - то больше вклад в здоровье!
#Health
Как вы знаете, физическая активность "в целом" полезна для самочувствия. Авторы мета-анализа (2023) проверили по 17 крупным исследованиям (около 227 тыс. человек) в выборках западных стран, как отражается количество шагов на вероятности смертности от всех причин и от кардиоваскулярных (КВ). Причём длина исследования - до 11 лет после замеров.
Результаты:
1) люди довольно мало ходят. Медиана шагов в день по всей выборке близка к 5000;
2) смертность от всех причин: в сравнении с нулевой группой людей (медиана шагов в день 3867), группа 1 (Q1, медиана шагов 5537), группа 2 (Q2, медиана шагов 7370), и группа 3 (Q3, медиана шагов 11 529) показывали снижение вероятности смертности (на 48%, 55%, и 67% соответственно). То есть в Q1 по сравнению с базовой вероятность снижалась почти вдвое;
3) смертность от КВ причин: в сравнении с нулевой группой (медиана шагов 2337) следующие три группы (Q1 с медианой 3982, Q2 с медианой 6661, и Q3 с медианой 10 413) показывали снижение вероятности смертности (на 16%, 49%, и 77% соответственно);
4) нюанс в том, что для "молодых" (меньше 60 лет) в границах 7000-13000 шагов снижение вероятности более быстрое, поэтому может быть выгодно ходить даже больше 10 тыс. шагов;
5) интенсивность не играет существенной роли - важно количество шагов, а не то, что ходьба по лестнице. Равнина годится.
Вывод: видимо, хотя бы 6000 шагов уже даёт снижение вероятности смертности вдвое, а увеличение активности улучшает ситуацию. Если делаете 10 тыс. шагов в день - то больше вклад в здоровье!
#Health
ML в применении к текстам: готовые пакеты.
Авторы статьи (ноябрь 2024) попробовали помочь нам с анализом текстов. Основная идея - сделать пакет в Питоне, который позволяет быстро собрать из текстов что-то "факторное", в том числе для макрофинансовых моделей прогнозов и объяснения доходностей. Они выложили пакеты - будем разбираться, как это работает. Особенно интересно было бы применять для российских новостей, и отдельно для ТГ.
Моя цель - применять такое для прогнозов макро, но наверняка постепенно это выстроится в более широкую линейку анализа текстов и выводов из них. Другой пример про новости также демонстрирует пользу от подобной информации.
#Forecasts #Python #News #Texts #AI
Авторы статьи (ноябрь 2024) попробовали помочь нам с анализом текстов. Основная идея - сделать пакет в Питоне, который позволяет быстро собрать из текстов что-то "факторное", в том числе для макрофинансовых моделей прогнозов и объяснения доходностей. Они выложили пакеты - будем разбираться, как это работает. Особенно интересно было бы применять для российских новостей, и отдельно для ТГ.
Моя цель - применять такое для прогнозов макро, но наверняка постепенно это выстроится в более широкую линейку анализа текстов и выводов из них. Другой пример про новости также демонстрирует пользу от подобной информации.
#Forecasts #Python #News #Texts #AI
NBER
Textual Factors: A Scalable, Interpretable, and Data-driven Approach to Analyzing Unstructured Information
We introduce a general approach for analyzing large-scale text-based data, combining the strengths of neural network language processing and generative statistical modeling to create a factor structure of unstructured data for downstream regressions typically…