Comparaison de méthode d'apprentissage machine face à quelques méthodes de référence pour prédire l'inflation

Read full text Summarise with VIRAT
Authors: Daniel Eveillard
Cited by: 0
References: 5

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

La prédiction de l'inflation est un enjeu crucial pour les économistes, les décideurs politiques, et les investisseurs. Traditionnellement, des méthodes de référence comme les modèles de régression linéaire, le modèle VAR (Vector Autoregression) et le modèle ARMA (Autorégressif Moving Average) ont été utilisées pour prévoir l'inflation. Cependant, avec l'essor des techniques d'apprentissage machine (ML), une opportunité s'ouvre pour évaluer et comparer si les modèles d'apprentissage machine offrent des avantages en termes de robustesse et de précision de la prévision face à des méthodes traditionnelles de référence, à capturer des dynamiques complexes de l’inflation (Piger, 2020).

Fields of Study & Subjects

Forecasting Techniques and Applications Monetary Policy and Economic Impact Stock Market Forecasting Methods

Publication details

Publication date
1 January 2026
Language
FR
Document type
Thesis