Project Summary
与联合国关于全球繁荣的可持续发展目标(sdg)有关, this project investigates inflation's influence, intensified by the COVID-19 pandemic, on the progression towards these goals. 从消除贫困到建立清洁能源和弹性基础设施, 联合国为人类制定了到2030年实现的17项可持续发展目标. 这些目标中的每一个都可以分解成组件,在这些组件中收集关于每个子目标的数据. 该项目展示了与这些目标及其与通货膨胀关系有关的数据的统计探索. We present the process and findings of this exploration, as well as, 使用可持续发展目标相关预测指标对通胀进行建模的最终方法. 其结果显示了经济指标之间微妙的关系, like inflation, and the status of SDGs.
Project Objective
该项目的目标是通过利用统计和机器学习方法揭示通货膨胀与各种预测因素之间的关系,确定联合国可持续发展目标的哪些组成部分说明了对通货膨胀的依赖.
Analysis
We used data primarily from the UN and World Bank, 包括消费者价格指数(CPI)和与covid -19相关的统计数据等指标. The initial statistical exploration, 关注CPI变化与可持续发展目标子目标之间的相关性, 它确定了实际利率和贷款利率之间的联系. 随后的方法(距离相关和互信息)被用于改进通货膨胀预测指标的选择, 从而引入了费雪方程. This known equation relates nominal interest rate, real interest rate, and the inflation rate, 接下来的分析阶段将由哪个来指导. 有几种方法可以提取特征显著性,如主成分分析(PCA)。. Further machine learning techniques, notably XGBoost and Lasso regression, were leveraged to discern resilient features. 这项研究的最终成果包括在pca减少的特征空间内部署ML方法(决策树回归器和XGBoost)来预测实际利率和贷款利率. 这些发现有助于通过从PCA成分中衍生的代理变量对通货膨胀进行建模, 最终形成了一个由费雪方程构成的暴胀估计模型.
Future Works
该数据探索的未来工作包括进一步调查该模型中使用的预测因子与通货膨胀之间的因果关系, as well as, 使用完善的模型为可持续发展目标的进展制定前景和时间表.