Discussion: 神经网络neural network与计量经济学模型econometric model比较

点赞发Nature
关注中Science

近年来，机器学习方法越来越广泛的应用到了经济、金融领域的研究。其中以基于深度学习的神经网络算法最火。最近读了一些相关的文献，本文简单总结一下神经网络方法，并将该方法与计量经济学方法进行比较。

首先要说明，为什么要将神经网络方法和计量经济学方法进行比较。我们知道，计量经济学模型，通过给解释变量与被解释变量之间设置一定的初始函数关系（一般为线性关系），基于经验数据，拟合函数关系中的关键参数，最后得到基于经验的解释变量与被解释变量之间的关系。进而，预测未来被解释变量的走势，并基于解释变量给出政策建议。

而神经网络模型呢？它同样利用经验数据，基于非线性关系拟合，得到解释变量（或者称features 特征）与被解释变量（同样也是一个或多个features）的关系。进而预测未来被解释变量的变化。

从简单的功能定义可以看出来，二者都是基于经验数据，拟合被解释变量与解释变量之间的函数关系，得到拟合结果，并以此模型预测未来被解释变量的变化。说白了，就是regression analysis回归分析。

那么，问题来了，他们的不同是什么呢？一下简单陈述一下二者的优劣：

计量经济学模型：
计量经济学模型经过了数十年的发展，衍生出了多种多样的模型，以适用复杂的社会情景，从简单的单变量回归，到多变量回归，到断点回归，双重差分模型。计量经济学的主要优势是，其拟合过程是whitebox，也即我们可以清楚的看到解释变量与被解释变量的关系，从而具体地解释单个变量如何影响被解释变量。提出更concrete的政策建议。

计量经济学的缺点却产生于他的优点：的函数形式是根据研究者们的观测构建的，譬如：就业与通胀的反比、CO2与能源消耗正比关系。但是，这种关系并不是一定正确的，或者说，现实社会可能存在各种各样的非线性关系叠加，使得经验数据恰巧呈现出了这样一种线性的关系。更重要的，但我们的研究深入后，我们发现经验数据更倾向于呈现出非线性的关系，譬如，环境领域常说的 Kuznets curve，最开始是U型曲线，而后是N型曲线，更有甚出现了M型曲线，这种真实世界的variation大大降低了计量经济学的解释力。

而神经网络算法，作为一种无需预设函数形式的非线性拟合模型，可以更好的拟合解释变量与被解释变量之间的关系，大大降低预测值与观测值之间的误差，提高模型准确性。因此，变动复杂的社会情景，如，金融市场变动，价格变化，数据存在non-stationary，seasonality等，研究者不需要对数据进行更多的pre-processing，便可直接feed到模型中，进行比较。

但是，神经网络算法的一个重要问题是，它是blackbox regression，作为研究者不能去观测到具体的数据模型与参数取值是什么样的（虽然你能够设置如：numbers of hidden layers, numbers of neurons, activation function, loss function这样的参数），研究者们只能通过统计检验手段，如MAPE (mean absolute percentage error), RMSE (root mean square error)等来确定算法的准确性，并拿来应用。无法深入地解释一些features怎样影响另一些features。

基于神经网络模型与计量经济学的模型的优劣比较，我认为，未来二者的应用将进一步分化，如：神经网络模型将越来越多地应用到发现问题层面（forward looking），如预测未来市场波动，测度市场未来的不稳定性，从而辅助风险管理决策，而计量经济学将承担具体的政策研究，有效性分析等领域，关注已实施政策的效果。

————————
我是仁荷大学的经管博士生，关注能源转型过程中的环境经济问题。

专注于分享利用python科研的技巧，欢迎一起交流、学习、合作。

关于我的博客内容、其他相关的研究问题，有问题可以评论、私信我~

Discussion: 神经网络neural network与计量经济学模型econometric model比较相关推荐

keras构建前馈神经网络（feedforward neural network）进行分类模型构建基于早停法（Early stopping)
keras构建前馈神经网络(feedforward neural network)进行分类模型构建基于早停法(Early stopping) 当我们训练深度学习神经网络的时候通常希望能获得最好的泛化性 ...
keras构建前馈神经网络（feedforward neural network）进行分类模型构建并加入L2正则化
keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化正则化(Regularization)是机器学习中一种常用的技术,其主要目的是控制模 ...
神经网络-Neural Network 简介
神经网络-Neural Network 简介神经元构成基本结构简单思考参考神经元构成 z=sum(x)=wTx+b=w1x1+w2x2+w3x3+bz=sum(x) = w^Tx+b=w_1 ...
神经网络neural network
http://blog.csdn.net/pipisorry/article/details/76095118 前馈神经网络:FFNN模型(feedforward neural network) 固定 ...
OpenCV神经网络neural network的实例(附完整代码)
OpenCV神经网络neural network的实例 OpenCV神经网络neural network的实例 OpenCV神经网络neural network的实例 #include <ope ...
A recurrent neural network based microscopic car following model to predict trafﬁc oscillation
A recurrent neural network based microscopic car following model to predict trafﬁc oscillation 这又是一篇 ...
神经网络 neural network
神经网络之BP算法,梯度检验,参数随机初始化 neural network(BackPropagation algorithm,gradient checking,random initializat ...
神经网络(neural network)以及训练原理
什么是神经网络神经网络的发现可以说是将人工智能又拔高了一个度,现今很多了不起的成果都是在此之上完成的,那它是如何被发现的呢?既然是"神经",自然可以联想到人体里面的的神经,及生 ...
神经网络(Neural Network)
1 引言机器学习(Machine Learning)有很多经典的算法,其中基于深度神经网络的深度学习算法目前最受追捧,主要是因为其因为击败李世石的阿尔法狗所用到的算法实际上就是基于神经网络的深度学习 ...

Discussion: 神经网络neural network与计量经济学模型econometric model比较

Discussion: 神经网络neural network与计量经济学模型econometric model比较相关推荐

最新文章

热门文章