Forecasting commodity prices using long-short-term memory neural networks

· ·
· IFPRI Discussion Paper Kitap 1 · Intl Food Policy Res Inst
E-kitap
26
Sayfa
Uygun

Bu e-kitap hakkında

This paper applies a recurrent neural network (RNN) method to forecast cotton and oil prices. We show how these new tools from machine learning, particularly Long-Short Term Memory (LSTM) models, complement traditional methods. Our results show that machine learning methods fit reasonably well with the data but do not outperform systematically classical methods such as Autoregressive Integrated Moving Average (ARIMA) or the naïve models in terms of out of sample forecasts. However, averaging the forecasts from the two type of models provide better results compared to either method. Compared to the ARIMA and the LSTM, the Root Mean Squared Error (RMSE) of the average forecast was 0.21 and 21.49 percent lower, respectively, for cotton. For oil, the forecast averaging does not provide improvements in terms of RMSE. We suggest using a forecast averaging method and extending our analysis to a wide range of commodity prices.

Bu e-kitaba puan verin

Düşüncelerinizi bizimle paylaşın.

Okuma bilgileri

Akıllı telefonlar ve tabletler
Android ve iPad/iPhone için Google Play Kitaplar uygulamasını yükleyin. Bu uygulama, hesabınızla otomatik olarak senkronize olur ve nerede olursanız olun çevrimiçi veya çevrimdışı olarak okumanıza olanak sağlar.
Dizüstü bilgisayarlar ve masaüstü bilgisayarlar
Bilgisayarınızın web tarayıcısını kullanarak Google Play'de satın alınan sesli kitapları dinleyebilirsiniz.
e-Okuyucular ve diğer cihazlar
Kobo eReader gibi e-mürekkep cihazlarında okumak için dosyayı indirip cihazınıza aktarmanız gerekir. Dosyaları desteklenen e-kitap okuyuculara aktarmak için lütfen ayrıntılı Yardım Merkezi talimatlarını uygulayın.