预测抵押贷款需求：传统方法、机器学习和神经网络的应用-研究论文

需求预测在很大程度上依赖于具有众所周知的局限性的传统方法。 提高预测抵押贷款需求的准确性，无论是出于购买目的还是再融资目的，对于住房贷款的盈利能力至关重要。 为了克服使用变量之间的非线性关系进行预测和长期准确性的障碍，我们应用了时间不变的机器学习方法，例如随机森林。 我们还使用各种深度学习架构进行时间序列分析，包括卷积和循环神经网络。 通过深度学习的时间序列分析会产生最准确的结果。 即使预测准确性存在缺陷，也可以揭示家庭层面和抵押贷款需求宏观经济预测因素之间关系的隐性变化。