机器学习与计量经济学模型在预测罗马尼亚通货膨胀率中的对比？情绪分析的作用

鉴于罗马尼亚面临的高通胀压力，本文旨在展示结合情绪分析的自回归分布滞后（ARDL）模型相比机器学习（ML）技术在提供更优通胀预测方面的潜力。基于 National Bank of Romania 季度通胀报告的情绪分析可为计量经济学模型提供有价值的输入。利用上一期通胀和情绪指数数据的 ARDL 模型表现优于提出的季节性自回归积分滑动平均（SARIMA）模型以及 ML 技术（支持向量机和人工神经网络）。基于 ARDL 模型的预测正确预测了通胀的所有变化，同时在 2023: Q1–2024: Q3 短期内的准确性指标（平均误差、平均绝对误差、均方根误差）表明其预测最为精准。更准确的预测对国家银行、企业、政策制定者和家庭至关重要。