Resumen

La previsión de la tasa de inflación podría ayudar al banco central y a otros departamentos gubernamentales a utilizar mejor la política monetaria para estabilizar los precios y evitar el impacto de la inflación en las entidades del mercado, especialmente para los grupos de renta baja y media. También puede ayudar a las instituciones financieras y a los inversores a tomar mejores decisiones de inversión. En este sentido, la previsión de la tasa de inflación es de gran importancia. La bibliografía existente utiliza principalmente modelos lineales, como los modelos autorregresivos (AR) y autorregresivos vectoriales (VAR), para predecir la tasa de inflación. La relación no lineal entre variables y la extracción de información de datos históricos son relativamente escasas. Por lo tanto, es necesario mejorar las estrategias de predicción y la precisión de la literatura existente. El modelo de predicción diseñado en el aprendizaje profundo puede minar completamente la relación no lineal entre variables y procesar información dinámica de series temporales complejas a largo plazo, compensando así las deficiencias de la investigación existente. Por lo tanto, este trabajo emplea el modelo de redes neuronales recurrentes con unidad recurrente cerrada (GRU-RNN) para entrenar y analizar los indicadores del Índice de Precios al Consumidor (IPC) para obtener resultados de predicción relacionados con la inflación. Los resultados experimentales sobre datos históricos muestran que el modelo GRU-RNN tiene un buen rendimiento en la predicción de la tasa de inflación de China. En comparación, el rendimiento del método propuesto es significativamente mejor que el de algunos modelos tradicionales, lo que demuestra su mayor eficacia.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:tasa de inflación, relación no lineal, previsión de la inflación, red neuronal recurrente, información de datos históricos, unidad recurrente cerrada, impacto de la inflación, resultados de predicción relacionados, índice de precios al consumo, términos de series temporales
• Keywords:inflation rate, nonlinear relationship, forecast of inflation, recurrent neural network, historical data information, gated recurrent unit, impact of inflation, related prediction results, consumer price index, terms time series