Väittelijä tutki koneoppimisen tarjoamia mahdollisuuksia taloudellisissa ennustesovelluksissa (Väitös: KTM Lauri Nevasalmi, 13.11.2020, taloustiede)
KTM Lauri Nevasalmi toteaa Turun yliopistossa tarkastettavassa väitöskirjassaan, että joustavia koneoppimismenetelmiä voidaan muokata ja laajentaa huomioimaan erilaisia taloudellisten ennusteongelmien erityispiirteitä.
Koneoppimista on toistaiseksi hyödynnetty taloustieteessä lähinnä työkaluna, joka kykenee mallintamaan aineiston mahdollisesti hyvinkin monimutkaisia riippuvuussuhteita. Joustavat koneoppimismenetelmät tarjoavat kuitenkin laajan kirjon muitakin hyödyllisiä ominaisuuksia taloudellisissa ennustesovelluksissa.
Osa koneoppimismenetelmistä kykenee suorittamaan mallinvalinnan automaattisesti, mikä on erityisen tärkeää työskenneltäessä digitalisaation myötä jatkuvasti kasvavien aineistojen parissa.
– Esimerkiksi korkomarkkinoilta saatava informaatio on pääosassa kun ennustetaan tulevia taantumajaksoja, kun taas osakemarkkinoilla vallitseva epävarmuus on merkittävin seuraavan päivän osaketuottoja ennustava tekijä, Nevasalmi tarkentaa.
Koneoppimismenetelmiä laajentamalla voidaan ottaa huomioon erilaisia ennusteongelman erityispiirteitä. Nevasalmen mukaan aiemmassa taloustieteellisessä kirjallisuudessa ei ole riittävällä tavalla huomioitu, kuinka esimerkiksi taantumajaksojen vähäinen määrä vaikuttaa suhdannetilannetta koskevan ennustemallin tarkkuuteen.
– Tämän aineistoon liittyvän erityispiirteen huomiointi parantaa koneoppimismenetelmän tuottamia taantumaennusteita merkittävästi, Nevasalmi huomauttaa.
Erityispiirre voi myös liittyä siihen, kuinka koko ennusteongelma on muodostettu. Päätös siitä, kuinka paljon sijoitusvarallisuudesta tulisi hajauttaa riskisen ja riskittömän sijoituskohteen välillä, on perinteisesti muodostettu kahdessa erillisessä vaiheessa. Koneoppimismenetelmää laajentamalla hajautuspäätös voidaan mallintaa suoraan ja kiinteämmin rahoitusteoriaan perustuen.
– Suora lähestymistapa kykenee huomioimaan myös sijoittajan kokemia erilaisia rajoitteita, kuten kykyä ottaa velkaa, Nevasalmi lisää.
***
KTM Lauri Nevasalmi esittää väitöskirjansa ”Essays on economic forecasting using machine learning” julkisesti tarkastettavaksi Turun yliopistossa perjantaina 13.11.2020 klo 12 (Turun kauppakorkeakoulu, LähiTapiola-sali, Rehtoripellonkatu 3, Turku).
Vastaväittäjänä toimii professori Charlotte Christiansen (Aarhusin yliopisto, Tanska) ja kustoksena professori Heikki Kauppi (Turun yliopisto). Tilaisuus on englanninkielinen. Väitöksen alana on taloustiede.
Koronavirustilanteen vuoksi väitöstilaisuuden yleisömäärä paikan päällä on korkeintaan 50 henkilöä. TIlaisuutta voi seurata etäyhteyksin.
Turun yliopisto seuraa aktiivisesti koronavirustilannetta ja viranomaisten ohjeita. Yliopisto päivittää ohjeitaan tilanteen mukaan. Ohjeet ja linkit löytyvät osoitteesta: utu.fi/koronavirus
