دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات بیس اقتصاددانلود رایگان مقالات بیس مدیریتدانلود رایگان مقالات بیس مدیریت مالیدانلود رایگان مقالات پژوهشی اقتصاددانلود رایگان مقالات پژوهشی مدیریتدانلود رایگان مقالات ژورنالی اقتصاددانلود رایگان مقالات ژورنالی مدیریتدانلود رایگان مقالات سال 2019دانلود رایگان مقاله ISI اقتصاد به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI اقتصاد کلان به زبان انگلیسیدانلود رایگان مقاله ISI اقتصاد مالی به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مدیریت مالی به زبان انگلیسیسال انتشارمقالات Q1 اقتصاد به زبان انگلیسیمقالات Q1 مدیریت به زبان انگلیسیمقالات اقتصاد با ایمپکت فاکتور بالا به زبان انگلیسیمقالات اقتصاد با مدل مفهومی به زبان انگلیسیمقالات اقتصاد دارای متغیر به زبان انگلیسیمقالات مدیریت با ایمپکت فاکتور بالا به زبان انگلیسیمقالات مدیریت با مدل مفهومی به زبان انگلیسیمقالات مدیریت دارای متغیر به زبان انگلیسی

مقاله انگلیسی رایگان در مورد پیش بینی های مبتنی بر اخبار شاخص های اقتصاد کلان – الزویر ۲۰۱۹

 

مشخصات مقاله
ترجمه عنوان مقاله پیش بینی های مبتنی بر اخبار شاخص های اقتصاد کلان: یک مدل مسیر معنایی برای پیش بینی های قابل تفسیر
عنوان انگلیسی مقاله News-based forecasts of macroeconomic indicators: A semantic path model for interpretable predictions
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۴ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۷۱۲ در سال ۲۰۱۸
شاخص H_index ۲۲۶ در سال ۲۰۱۹
شاخص SJR ۲٫۲۰۵ در سال ۲۰۱۸
شناسه ISSN ۰۳۷۷-۲۲۱۷
شاخص Quartile (چارک) Q1 در سال ۲۰۱۸
مدل مفهومی دارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط مدیریت، اقتصاد
گرایش های مرتبط مدیریت مالی، اقتصاد مالی
نوع ارائه مقاله
ژورنال
مجله / کنفرانس مجله اروپایی تحقیق در عملیات – European Journal of Operational Research
دانشگاه ETH Zurich – Weinbergstr 56/58 – Zurich – Switzerland
کلمات کلیدی پیش بینی، استخراج متن، اخبار مالی، شاخص های اقتصاد کلان، حداقل مربعات جزئی
کلمات کلیدی انگلیسی Forecasting, Text mining, Financial news, Macroeconomic indicators, Partial least squares
شناسه دیجیتال – doi
https://doi.org/10.1016/j.ejor.2018.05.068
کد محصول E10262
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Highlights
Abstract
Keywords
۱ Introduction
۲ Background
۳ Methods
۴ Datasets
۵ Results
۶ Managerial implications
۷ Conclusion
Appendix A. Supplementary materials
Research Data
References

بخشی از متن مقاله:
abstract

The macroeconomic climate influences operations with regard to, e.g., raw material prices, financing, supply chain utilization and demand quotas. In order to adapt to the economic environment, decision-makers across the public and private sectors require accurate forecasts of the economic outlook. Existing predictive frameworks base their forecasts primarily on time series analysis, as well as the judgments of experts. As a consequence, current approaches are often biased and prone to error. In order to reduce forecast errors, this paper presents an innovative methodology that extends lag variables with unstructured data in the form of financial news: (1) we apply a variety of models from machine learning to word counts as a high-dimensional input. However, this approach suffers from low interpretability and overfitting, motivating the following remedies. (2) We follow the intuition that the economic climate is driven by general sentiments and suggest a projection of words onto latent semantic structures as a means of feature engineering. (3) We propose a semantic path model, together with estimation technique based on regularization, in order to yield full interpretability of the forecasts. We demonstrate the predictive performance of our approach by utilizing 80,813 ad hoc announcements in order to make long-term forecasts of up to 24 months ahead regarding key macroeconomic indicators. Back-testing reveals a considerable reduction in forecast errors.

Introduction

Macroeconomic developments, such as cyclic downturns or the economic circumstances associated with the U. S. subprime crisis, affect firm operations in multiple ways and represent direct challenges to management (e. g. Demyanyk & Hasan, 2010; Goudie & Meeks, 1982). Examples include changes in the price of goods and raw materials, as well as the impact on overall demand, supply chain utilization and even operational processes (Xu, Pinedo, & Xue, 2017). Therefore, firms are interested in foreseeing the future economic climate in order to manage operations accordingly and hedge potential risks. In this context, operational research (OR) has a long tradition of addressing such risks (Demyanyk & Hasan, 2010). Our discipline has thus contributed to anticipating a variety of developments at a macroeconomic level, including financial distress (Geng, Bose, & Chen, 2015), liquidity risks (Shaik, 2015), credit risks (Akkoç, ۲۰۱۲; Desai, Crook, & Overstreet, 1996), financial crises (Demyanyk & Hasan, 2010; Huang, Kou, & Peng, 2017), currency crises (Sevim, Oztekin, Bali, Gumus, & Guresen, 2014) and bankruptcy (Du Jardin, 2015; McKee & Lensberg, 2002; Sun & Shenoy, 2007), especially in the financial sector (Tam & Kiang, 1992) Future expectations regarding the macroeconomic environment play a critical role in the decision-making process for many organizations (Xu et al., 2017). Hence, decision-makers across all sectors must analyze the current economic environment and form accurate expectations about future economic trends in order to support the operational strategy of organization and long-term management. As a result, macroeconomic variables, and the accurate prediction thereof, form the basis for a wide array of OR models (e. g. Calabrese, Degl’Innocenti, & Osmetti, 2017; Fethi & Pasiouras, 2010; Gutiérrez & Lozano, 2012). The importance of accurate long-term forecasts for firm operations has driven the extensive amount of research conducted with respect to macroeconomic predictions. Specific examples from the OR domain include short-term predictions of asset-related values, including government bonds (Tay & Cao, 2001) and stock indices (e. g. Huang, Nakamori, & Wang, 2005; Kung & Yu, 2008; Oztekin, Kizilaslan, Freund, & Iseri, 2016). Further research focuses on forecasting macroeconomic indicators of single countries (e. g. Mahmoud, Motwani, & Rice, 1990) or the relationship between countries (Sermpinis, Theofilatos, Karathanasopoulos, Georgopoulos, & Dunis, 2013). Other works propose agent-based simulations to study the behavior of human forecasters (Bovi & Cerqueti, 2016). Previous efforts at forecasting macroeconomic indicators have made use of various input features and methodologies. Historic time series data is a staple input for macroeconomic forecasting, and has been applied to make both short- and long-term predictions (e. g. Jansen, Jin, & de Winter, 2016; Mahmoud et al., 1990; Sermpinis et al., 2013). A prevalent alternative is the subjective judgments of professional forecasters (Matsypura, Thompson, & Vasnev, 2018) such as those used by the European Central Bank.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا