Buchumschlag

Navigating Inflation in Ghana: How Can Machine Learning Enhance Economic Stability and Growth Strategies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baidoo, Theophilus G., Obeng, Ashley
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Econometrics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Maximally Forward-Looking Core Inflation
von: Coulombe, Philippe Goulet, et al.
Veröffentlicht: (2024)

Enhancing Poverty Targeting with Spatial Machine Learning: An application to Indonesia
von: Martinez, Rolando Gonzales, et al.
Veröffentlicht: (2025)

Can Moran Eigenvectors Improve Machine Learning of Spatial Data? Insights from Synthetic Data Validation
von: Li, Ziqi, et al.
Veröffentlicht: (2025)

Macroeconomic Forecasting and Machine Learning
von: Chi, Ta-Chung, et al.
Veröffentlicht: (2025)

Dual Interpretation of Machine Learning Forecasts
von: Coulombe, Philippe Goulet, et al.
Veröffentlicht: (2024)

Model Averaging and Double Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2024)

Causal Machine Learning for Moderation Effects
von: Bearth, Nora, et al.
Veröffentlicht: (2024)

The Uncertainty of Machine Learning Predictions in Asset Pricing
von: Liao, Yuan, et al.
Veröffentlicht: (2025)

Inference for Regression with Variables Generated by AI or Machine Learning
von: Battaglia, Laura, et al.
Veröffentlicht: (2024)

Unemployment Dynamics Forecasting with Machine Learning Regression Models
von: Kim, Kyungsu
Veröffentlicht: (2025)

Cross-Fitting-Free Debiased Machine Learning with Multiway Dependence
von: Chen, Kaicheng, et al.
Veröffentlicht: (2026)

Double Machine Learning for Static Panel Models with Fixed Effects
von: Clarke, Paul S., et al.
Veröffentlicht: (2023)

Double Machine Learning for Causal Inference under Shared-State Interference
von: Hays, Chris, et al.
Veröffentlicht: (2025)

Hyperparameter Tuning for Causal Inference with Double Machine Learning: A Simulation Study
von: Bach, Philipp, et al.
Veröffentlicht: (2024)

Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
von: Haddad, Michel F. C., et al.
Veröffentlicht: (2024)

A Granular Framework for Construction Material Price Forecasting: Econometric and Machine-Learning Approaches
von: Lyu, Boge, et al.
Veröffentlicht: (2025)

An Introduction to Double/Debiased Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2025)

Machine-Learning-Assisted Comparison of Regression Functions
von: Yan, Jian, et al.
Veröffentlicht: (2025)

An Auditable AI Agent Loop for Empirical Economics: A Case Study in Forecast Combination
von: Shin, Minchul
Veröffentlicht: (2026)

Improving the Finite Sample Estimation of Average Treatment Effects using Double/Debiased Machine Learning with Propensity Score Calibration
von: Ballinari, Daniele, et al.
Veröffentlicht: (2024)

HMM-LSTM Fusion Model for Economic Forecasting
von: Sivakumar, Guhan
Veröffentlicht: (2025)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

A Job I Like or a Job I Can Get: Designing Job Recommender Systems Using Field Experiments
von: Bied, Guillaume, et al.
Veröffentlicht: (2026)

Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
von: Baiardi, Anna, et al.
Veröffentlicht: (2026)

How Do Consumers Really Choose: Exposing Hidden Preferences with the Mixture of Experts Model
von: Vallarino, Diego
Veröffentlicht: (2025)

xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
von: Polselli, Annalivia
Veröffentlicht: (2025)

Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
von: Shirani, Sadegh, et al.
Veröffentlicht: (2025)

Double/Debiased Machine Learning for Treatment and Causal Parameters
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2016)

Machine Learning Who to Nudge: Causal vs Predictive Targeting in a Field Experiment on Student Financial Aid Renewal
von: Athey, Susan, et al.
Veröffentlicht: (2023)

Bellman Calibration for $V$-Learning in Offline Reinforcement Learning
von: van der Laan, Lars, et al.
Veröffentlicht: (2025)

Common Functional Decompositions Can Mis-attribute Differences in Outcomes Between Populations
von: Quintero, Manuel, et al.
Veröffentlicht: (2025)

Cross-Temporal Forecast Reconciliation at Digital Platforms with Machine Learning
von: Rombouts, Jeroen, et al.
Veröffentlicht: (2024)

Policy Learning with Abstention
von: Sawarni, Ayush, et al.
Veröffentlicht: (2025)

Policy Learning with Competing Agents
von: Sahoo, Roshni, et al.
Veröffentlicht: (2022)

Post Reinforcement Learning Inference
von: Syrgkanis, Vasilis, et al.
Veröffentlicht: (2023)

Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework?
von: Schwarz, Philipp, et al.
Veröffentlicht: (2024)

Double Machine Learning at Scale to Predict Causal Impact of Customer Actions
von: More, Sushant, et al.
Veröffentlicht: (2024)

DoubleML -- An Object-Oriented Implementation of Double Machine Learning in R
von: Bach, Philipp, et al.
Veröffentlicht: (2021)

Causal Multi-Task Demand Learning
von: Gupta, Varun, et al.
Veröffentlicht: (2026)