Bridging Dynamic Factor Models and Neural Controlled Differential Equations for Nowcasting GDP

要約

国内総生産（GDP）成長率は経済状況の重要な指標であるため、国内総生産（GDP）のナウキャスティングは政策決定にとって極めて重要です。
ダイナミック ファクター モデル (DFM) は、不規則または欠落しているマクロ経済指標を処理できる機能とその解釈可能性により、GDP ナウキャスティングに政府機関で広く採用されています。
しかし、DFM は 2 つの主な課題に直面しています。i) 突然の景気後退や好景気などの経済的不確実性を捉えることができないこと、ii) 混合周波数データから不規則なダイナミクスを捉えることの限界です。
これらの課題に対処するために、ニューラル制御微分方程式 (NCDE) と DFM を統合する新しい GDP ナウキャスティング フレームワークである NCDENnow を紹介します。
この統合により、不規則な時系列のダイナミクスが効果的に処理されます。
NCDENow は、i) DFM を活用した因子抽出、ii) NCDE を使用した動的モデリング、および iii) 回帰による GDP 成長予測の 3 つの主要モジュールで構成されています。
韓国と英国の 2 つの実際の G​​DP データセットに基づく 6 つのベースラインに対して NCDENnow を評価し、その強化された予測機能を実証します。
私たちの経験的な結果は私たちの方法を支持しており、NCDEをナウキャスティングモデルに統合することの大きな可能性を強調しています。
コードとデータセットは https://github.com/sklim84/NCDENow_CIKM2024 で入手できます。

要約(オリジナル)

Gross domestic product (GDP) nowcasting is crucial for policy-making as GDP growth is a key indicator of economic conditions. Dynamic factor models (DFMs) have been widely adopted by government agencies for GDP nowcasting due to their ability to handle irregular or missing macroeconomic indicators and their interpretability. However, DFMs face two main challenges: i) the lack of capturing economic uncertainties such as sudden recessions or booms, and ii) the limitation of capturing irregular dynamics from mixed-frequency data. To address these challenges, we introduce NCDENow, a novel GDP nowcasting framework that integrates neural controlled differential equations (NCDEs) with DFMs. This integration effectively handles the dynamics of irregular time series. NCDENow consists of 3 main modules: i) factor extraction leveraging DFM, ii) dynamic modeling using NCDE, and iii) GDP growth prediction through regression. We evaluate NCDENow against 6 baselines on 2 real-world GDP datasets from South Korea and the United Kingdom, demonstrating its enhanced predictive capability. Our empirical results favor our method, highlighting the significant potential of integrating NCDE into nowcasting models. Our code and dataset are available at https://github.com/sklim84/NCDENow_CIKM2024.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google