全文阅读：https://www.lianxh.cn/news/be7339df45904.html

目录

• 1. 引言
• 2. 研究方法
• 3. 统计摘要
• 4. 详细综述：应用领域
  • 4.1. 预测能源价格
  • 4.2. 预测/建模能源消耗/需求
  • 4.3. 其他应用
• 5. 批判性评价
  • 5.1. ML 技术的成就和优势
  • 5.2. 限制和挑战
• 6. 未来方向的建议
  • 6.1. 当前文献的改进
  • 6.2. 应用未充分利用的方法的机会
  • 6.3. 未探索的领域
  • 6.4. ML/AI的经济和组织影响
• 7. 结论
• 8. 相关推文

机器学习 (Machine Learning, ML) 正在为能源经济学和金融领域的研究创造新机遇。我们对 ML 在这两个领域的新兴文献做了批判性的综述。该综述总结了 2005-2018 年间发表的 130 多篇文章的方法和结果，这些文章主要针对的是 ML 在能源价格预测、需求预测、风险管理、交易策略、数据处理和宏观/能源趋势研判等领域的应用。我们的分析表明，支持向量机 (upport Vector Machine, SVM)、人工神经网络 (Artificial Neural Network, ANN) 和遗传算法 (Genetic Algorithms, GAs) 是能源经济学论文中最常用的技术。在对现有文献分析的基础上，我们讨论了当前研究中的空白，并对未来的研究提供了一些建议。

全文阅读：https://www.lianxh.cn/news/be7339df45904.html