Navigation durch die Landschaft der Zinssatzprognosen: Aufdeckung der Stärken und Schwächen von ARIMA im Vergleich zu fortgeschrittenen Modellen des maschinellen Lernens

Diese Forschung bietet eine umfassende Bewertung der Genauigkeit und Effizienz von Regressions- und neuronalen Netzwerkmodellen zur Vorhersage des Zinssatzes der Reserve Bank of India und der Federal Reserve of America. Es bewertet die Modelle anhand von Metriken wie dem durchschnittlichen absoluten Fehler, dem mittleren quadratischen Fehler und dem R2-Wert. Die Ergebnisse zeigen, dass das neuronale Netzwerkmodell die Regressionsmodelle bei der Vorhersage eines der Bankzinssätze übertrifft, während das andere Modell hinter den Erwartungen zurückblieb. Die Studie identifizierte außerdem Probleme mit dem ARIMA-Modell, das anfällig für Ausreißer war und bestimmte Parameter erforderte. Folglich werden Methoden zur Verbesserung vorgeschlagen, um diese Einschränkungen zu beheben, obwohl die Genauigkeit der Vorhersagen nicht garantiert werden kann. Diese Forschung bietet wertvolle Einblicke für Entscheidungsträger, Investoren und Finanzanalysten, um die Leistung verschiedener Modelle bei der Prognose von Zinssätzen zu verstehen.