11、循环神经网络在经济学中的新视角

循环神经网络在经济学中的新视角

1. 理解经济学

在经济学领域，系统识别和预测可分为两类：
- 交易量预测 ：如需求或负荷预测，用于支持营销任务。
- 价格预测 ：本质上是金融市场预测，市场模型往往极具挑战性。

神经网络不仅能应对这些挑战，还能深入洞察识别问题的本质和隐藏结构。

1.1 市场作为循环动态系统

市场是高维非线性系统，其维度源于全球多个参与者的互动。以单个交易者为例，决策过程包含三个关键步骤：
1. 信息过滤 ：交易者从数据提供商获取大量数据，需过滤信息。不同交易者的过滤方式不同，如技术分析派和基本面分析派。
2. 信息聚合 ：对过滤后的信息进行加权求和。
3. 决策制定 ：评估非线性传递函数，形成对未来市场模式的判断，若有信心则签订商业合同。

单个交易者无法构成市场，交易者之间的复杂决策和行动互动构成市场动态。通过离散化决策，可将其表示为循环动态系统。神经网络模型能捕捉不同类型的市场行为，且无需因市场条件改变而调整模型类型。

1.2 用循环神经网络改进商业经济学

商业经济学需要精确预测以提升价值链规划质量。需求预测和负荷预测是重要应用场景，但面临诸多挑战：
- 信息不完整 ：竞争对手不提供决策信息，可利用观测数据的时间递归结构重建信息。
- 新产品预测