马尼拉雅典耀大学的数学家们开发了人工智能（AI）深度学习工具，可以帮助预测mo市场利率，对企业和政府的决策者来说是无价的。
简单来说，市场利率就是借钱的成本或存钱的回报。这种变化基于供求关系：如果很多人在借贷，但很少有人在储蓄，利率就会上升；如果情况相反，利率就会下降。利率还受到通货膨胀（因为高物价意味着高利率）和各国央行（通过调整利率来帮助经济增长或控制物价上涨）的影响。从本质上讲，利率有助于决定资金在经济中如何流动。
“利率是政府和私人实体在做出投资和政策决定时考虑的最重要的宏观经济因素之一。可靠的预测对于合理管理不同类型的风险是必要的，”研究人员解释说。
Ateneo研究人员测试了两种深度学习模型：多层感知器（MLP）和香草生成对抗网络（VGAN）。两者都成功地预测了菲律宾基准估值（BVAL）在大流行之前和期间的变化，显示了这些模型在预测经济波动和市场中断方面的强大能力。
MLP是一种人工神经网络，它通过一系列单元传递数据，每个单元以自己的方式处理信息，并增加网络对数据的整体理解。这种方法经常用于图像识别和机器翻译，因为它能够在数据中发现复杂的模式。同时，VGAN实际上由两个网络组成：生成合成数据的生成器和评估数据真实性的鉴别器。通过相互对立的工作——因此，“对抗性”——网络能够完善和改进他们的分析。
有限公司
人工智能学习模型的概念图，MLP（上）和VGAN（下）。资料来源：Bata等人。
研究人员发现，在使用的数据集的限制下，这两种模型都对1年、3年、6个月和1年的BVAL率做出了可靠的预测。他们综合了物价、汇率、信用违约互换（cds）等16个国内外经济指标，成功预测了主要趋势。MLP表现出较强的性能，变量较少，结构简单，是直接分析的有效选择。同时，VGAN在分析复杂场景方面更加出色，在处理更大的数据集时达到了很高的精度。
研究人员表示，这些人工智能深度学习模型的实际意义是巨大的：金融机构可能会部署它们来管理市场、信贷、流动性和其他风险；政府也有可能利用这些模型通过降低借贷成本来优化债券发行策略。
该研究强调了人工智能在金融决策中的日益重要的作用，并建议探索更先进的神经网络设计，以进一步提高预测的准确性。希望企业和政策制定者能够接受这些技术，以便在快速发展的数据驱动环境中获得竞争优势。
Halle Megan L. Bata, Mark Jayson A. Victoria, Wyonna Chezska B. Alvarez, Elvira P. de Lara-Tuprio和Armin Paul D. Allado于去年11月15日在AIP会议记录上发表了他们的论文“利率预测中的深度学习方法”。
