マクロ3Mは、数理統計と機械学習モデルを使用して、米国の経済指標が市場に与える影響を分析し、ルールを見つけて、一般化されたモデルを構築します。モデルを通じて、特定の経済指標データを入力して、来月の市場パフォーマンスを予測できます。モデルの予測値を使用して、経済指標が市場に与える影響を分析するのに役立てることができます。長期的には、市場は常に経済を中心に変動し、同じ方向に向かう傾向があります。
経済指標:
経済指標は、経済活動に関する統計です。マクロ3Mによって分析されたデータセットには、1967年から2023年までの14の米国経済指標が含まれており、そのうち4つは米国市場と高い相関関係があります。4つの指標は、「M2 Money Supply」、「Producer Price Index」、「Industrial Production Index」、「Nonfarm Payrolls」です。これらの指標は、経済の全体的なパフォーマンスを分析するのに役立ちます。
アルゴリズムとモデル:
マクロ3Mは、3つの「ディープラーニングアルゴリズム」を使用して、3つの一般化モデルを構築します。 これらのモデルの評価メトリックは、予測値と目標値の間の平均絶対誤差（MAE）を最小化することです。 マクロ3Mは、9つの「機械学習モデル」のMAEパフォーマンスを長い間追跡しており、最終結果は、「ディープラーニングモデル」が従来の「機械学習モデル」よりも優れていることを示しています。
MLP モデル:
MLPは非常に柔軟で、通常、入力から出力へのマッピングを学習するために使用できます。
多層パーセプトロン（MLP）は、各トレーニング例によって提供される入力特性に基づいてデータを分類したり、結果を予測したりするために使用できる人工ニューラルネットワークです。これは、ディープニューラルネットワークの基本アーキテクチャとしても知られています。
RNN モデル:
RNNは、主にシーケンスまたは時系列データの予測を扱います。
RNNと他のニューラルネットワークの違いは、RNNが時間とシーケンスを考慮し、時間の次元を持っていることです。シーケンシャルデータの場合、RNNは、そのパターンによってネットワークが履歴データへの依存関係を検出できるため、好まれます。
LSTM モデル:
LSTMは、データ間の長期依存性を学習できる特殊な種類のRNNです。
LSTMは、本質的にRNNの改良版です。LSTMは、データのより長いシーケンスを解釈するために、複数のタイムステップにわたって情報を渡す方法を追加します。