Forecasting CPI inflation components with Hierarchical Recurrent Neural Networks - Mines Saint-Étienne
Article Dans Une Revue International Journal of Forecasting Année : 2023

Forecasting CPI inflation components with Hierarchical Recurrent Neural Networks

Oren Barkan
  • Fonction : Auteur
The Open University of Israel
Jonathan Benchimol
Bank of Israel
Itamar Caspi
  • Fonction : Auteur
Bank of Israel
Eliya Cohen
  • Fonction : Auteur
Tel Aviv University
Allon Hammer
  • Fonction : Auteur
Tel Aviv University
Noam Koenigstein
  • Fonction : Auteur
Tel Aviv University

Domaines

Economies et finances Systèmes désordonnés et réseaux de neurones [cond-mat.dis-nn] Méthodes et statistiques Machine Learning [stat.ML]

Jonathan Benchimol  : Connectez-vous pour contacter le contributeur

https://hal-emse.ccsd.cnrs.fr/emse-04624940

Soumis le : mardi 25 juin 2024-17:37:45

Dernière modification le : mardi 17 septembre 2024-15:45:29

Consulter le texte intégral

Dates et versions

emse-04624940 , version 1 (25-06-2024)

Licence

Paternité

Identifiants

Citer

Oren Barkan, Jonathan Benchimol, Itamar Caspi, Eliya Cohen, Allon Hammer, et al.. Forecasting CPI inflation components with Hierarchical Recurrent Neural Networks. International Journal of Forecasting, 2023, 39 (3), pp.1145-1162. ⟨10.1016/j.ijforecast.2022.04.009⟩. ⟨emse-04624940⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

EMSE INSTITUT-MINES-TELECOM
10 Consultations
0 Téléchargements

Altmetric

Partager

More