Deep Learning for Multi-Country GDP Prediction: A Study of Model Performance and Data Impact
创建于 更新于
摘要
本文系统研究了基于深度学习算法在多国家场景下对GDP增长率的回归和预测问题，涵盖仅GDP数据、经济指标及新型夜间灯光数据的影响。结果显示：仅用GDP增长值时，线性回归表现优于深度学习；而结合经济指标时，深度学习模型（如MLP和LSTM）优于线性回归。同时提出了结合大语言模型的表示Transformer模型用于可变指标数场景。灯光数据未必带来性能提升。研究涵盖年度和季度GDP预测，以及多模型性能对比，提供了多国GDP预测方法的全景视角。代码开源 [page::0][page::2][page::4][page::5][page::7][page::9]
