Länderübergreifende und Multi-Horizont BIP-Prognosen mithilfe von Temporal Fusion Transformers

In dieser Arbeit wird eine neue Architektur der künstlichen Intelligenz, der Temporal Fusion Transformer (TFT), für die gemeinsame BIP-Prognose von 25 OECD-Ländern über verschiedene Zeit horizons angewendet. Diese neue, auf Aufmerksamkeit basierende Architektur bietet bedeutende Vorteile gegenüber anderen Methoden des tiefen Lernens. Erstens sind die Ergebnisse interpretierbar, da der Einfluss jeder erklärenden Variablen auf jede Prognose berechnet werden kann. Zweitens ermöglicht sie die Visualisierung persistenter zeitlicher Muster und die Identifizierung signifikanter Ereignisse und unterschiedlicher Regime. Drittens stellt sie Quantilregressionen bereit und erlaubt das Training des Modells mit mehreren Zeitreihen aus verschiedenen Verteilungen. Die Ergebnisse deuten darauf hin, dass TFTs Regressionsmodelle übertreffen, insbesondere in Perioden der Turbulenzen wie dem COVID-19-Schock. Interessante wirtschaftliche Interpretationen ergeben sich je nachdem, ob das Land nachfrage- oder exportorientiertes Wachstum aufweist. Im Wesentlichen wird TFT als neues Werkzeug enthüllt, das künstliche Intelligenz Ökonomen und Entscheidungsträgern zur Verfügung stellt, mit enormen Perspektiven für die Zukunft.