預測
用於預測的計量經濟學與人工神經網路模型？
我希望這是一個適合這個論壇的問題……對我來說，這是一個顯而易見的問題，因為它吸引了我很長時間。
好的，假設有 2 類不同的模型：計量經濟學（AR、MA、ARIMA、ARCH、GARCH、EGARCH、TGARCH、…）和神經網路（MLP、RBF、BPTT、TDNN、Elman、NARX、… ，我什至將 SVM 和 SVR 放入該組）。
我知道這是一個廣泛的主題——首先取決於市場、資產……但在什麼條件下一個比另一個更好？對此是否有普遍共識？在MSE、R 2、準確度等方面？比較它們是不是很划算？是否有意義？
我已經看到很多研究都在做這種比較，這裡有一個例子（對不起，這偏向於一邊）。但沒有人總結以前關於這個主題的結論。
最後，您對他們倆的體驗如何？你有其他文章執行這種測試（即使沒有發表）？
在此先感謝星展銀行。
它們不是相互排斥的。例如，您稱為“計量經濟學”的類只是線性回歸模型，其中包括作為因素的先前回報或回報系列的殘差，有時對觀察結果具有加權。
您可以輕鬆設計一個沒有隱藏層和相同輸入的神經網路。所以每個計量經濟模型都是神經網路模型的特例。神經網路提供了更廣泛的建模選項，儘管出於同樣的原因，它們更難訓練並避免過度擬合。
在論文中，作者沒有將神經網路作為一個類別與計量經濟學模型進行比較。他們正在將一種非常具體的神經網路配置與傳統的時間序列模型進行比較。