XiaoMi-AI文件搜索系统
World File Search Systeminflows
转移学习用于使用RNN-LSTM混合模型的汇款流入预测国内生产总值增长：冈比亚的案例研究
对经济的规模和表现的见解至关重要，而实际GDP的增长率经常用作经济健康的关键指标，强调了国内生产总值（GDP）的重要性。此外，近年来，汇款引起了全球的巨大兴趣，尤其是在冈比亚。这项研究介绍了创新模型，即复发性神经网络和长期记忆（RNN-LSTM）的混合体，以基于冈比亚的汇款流入来预测GDP的增长。该模型集成了来自世界银行发展指标和冈比亚中央银行（1966-2022）的数据。Pearson的相关性用于检测和选择与GDP和汇款最牢固的变量。此外，还采用了一种参数传输学习技术来提高模型的预测精度。通过随机搜索过程对模型的超参数进行了细调，并使用RMSE，MAE，MAPE和R 2度量来评估其有效性。研究结果首先表明，它具有良好的概括能力，并且在基于汇款流入的GDP增长方面具有稳定的适用性。第二，与独立模型相比，所建议的模型超过预测准确性的最高R 2分数为91.285％。第三，预测的结果进一步表明汇款与短期经济增长之间存在牢固和积极的关系。本文通过采用人工智能（AI）技术来解决基于汇款流入的GDP的关键研究差距。
沙特阿拉伯：2023 年绿地 FDI 流入同比增长 110%
请在使用出版物前阅读以下访问条款和条件。继续访问和使用出版物即表示您接受这些条款和条件。阿联酋国民银行保留随时修改、删除或添加出版物和免责声明的权利。此类修改应立即生效。因此，请在访问或使用出版物时继续查看本免责声明。在免责声明修改后，您访问和使用出版物即表示您接受修改后的出版物使用条款和条件。如果您在任何时候不想接受本免责声明的内容，则不得访问或使用出版物。您提出的任何与本免责声明相附加或相冲突的条款和条件均被阿联酋国民银行明确拒绝，并且不产生任何效力。阿联酋国民银行认为此处包含的信息准确且真实，但阿联酋国民银行不对此准确性作出任何陈述或保证，并且对于因出版物中包含的信息而采取的任何行为或疏忽造成的任何损失或损害不承担任何责任。本出版物仅供参考，不用于交易目的。本文提供的图表、图形和相关数据/信息旨在用于说明目的。出版物中包含的数据/信息并非旨在启动或完成任何交易。此外，出版物中包含的数据/信息是在特定日期和时间准备的，不会反映市场随后的变化或与其决定相关的任何其他因素的变化。出版物可能包括来自世界各地证券交易所和其他来源的数据/信息，阿联酋国民银行不保证出版物中包含的信息由非关联第三方提供或从非关联第三方获得的顺序、准确性、完整性或及时性。此外，出版物中某些数据/信息的提供可能受阿联酋国民银行作为一方的其他协议的条款和条件的约束。
经济因素与 FDI 股权流入之间的联系
摘要 目的——经济文献强调了 FDI 对经济增长的积极和消极影响。本研究旨在确认各种经济因素与 FDI 流入权益之间的关系并找出偏差（如果有）。使用标准时间序列计量经济模型进行研究。探讨市场规模、通货膨胀率、基础设施水平、国内投资和贸易开放度之间的长期和短期关系。印度经济变量的选择纯粹基于从科学文献综述中获得的实证观察。设计/方法/方法——本研究涉及应用自回归分布滞后 (ARDL) 模型来研究这种关系。通过 Pesaran ARDL 模型检验 FDI 与经济增长之间的长期协整关系。通过增强 Dickey Fuller 检验和 Phillip - Perron 单位根检验来检验数据的平稳性。除其他测试外，还使用误差修正模型研究了短期关系，其中使用了 Johansen 的向量误差修正模型方法。结果 - 结果表明，国内投资、通货膨胀率、基础设施水平和贸易开放度影响着 FDI 流入。这些因素与 FDI 流入既有长期关系，也有短期关系。然而，市场规模对外商投资流入的影响微乎其微。FDI 和通货膨胀率之间存在反比关系。原创性/价值 - 据作者所知，这项研究是原创的。其方法和结果解释与其他类似研究不同。