Dissertação

Ensemble of Machine Learning Algorithms for Economic Recession Detection EVALUATED

Este trabalho pretende resolver uma das questões mais ambicionadas em economia, prever quando ocorrerá uma recessão económica. O estudo usa a economia dos Estados Unidos da América para desenvolver suas propostas, uma vez que esta continua a ser economia mais poderosa do mundo. Pretende-se resolver este problema usando vários indicadores macroeconómicos e aplicando algoritmos de Aprendizagem Automática. Foram utilizados três algoritmos, a Regressão Logística, um algoritmo linear, e dois algoritmos não-lineares, o Random Forest Classifier e o XGBoost. Também foi utilizada uma média ponderada destes três algoritmos para melhorar os seus resultados. Este trabalho provou que com estes modelos, e com algumas transformações nos sinais macroeconómicos e de recessão, é possível prever recessões com até dezoito meses de antecedência e com alta precisão. As melhores previsões foram obtidas usando a Média dos Modelos, onde acima de 50% de probabilidade os resultados mostram quantidades residuais de falsos positivos. Estes resultados foram testados usando as datas de recessão do NBER e com métricas, como o F1-Score, e a curva COR com a ASC.
Recessão, Estados Unidos da América, Aprendizagem Automática, Regressão Logística, Random Forest, XGBoost

Novembro 14, 2018, 15:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar