Forecasting Professional Forecasters
预测专业预测者的预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要用高频资产价格更新低频宏观调查预测，并采用 MIDAS 与卡尔曼滤波处理时间信息，直接涉及宏观预测和时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
预测专业预测者的预测
- 研究问题
- 专业预测调查发布频率较低，难以及时反映预期变化；如何利用每日资产价格预测下一次调查结果，并估计预测者每天可能给出的判断？
- 方法与思路
- 作者提出 MIDAS 回归和卡尔曼滤波方法，用资产价格数据预测即将发布的调查结果，同时预测实际宏观结果并估计假想的日度调查预测。
- 材料陈述的贡献
- 摘要称，这些方法既提供对实际结果的竞争性预测，也允许估计新闻和事件对专业预测者预期的影响；摘要未给出预测效果比较。
- 阅读关注点
- 核对调查与资产价格信息的时间对齐、日度预测的验证方式，以及新闻影响分析如何区分模型推算的预期变化与实际调查观测。
- 阅读边界
- 摘要未说明调查对象、宏观变量、样本及误差指标；假想的日度预测依赖模型设定，不能仅凭摘要确认其准确性或新闻影响的因果解释。
原文摘要
Surveys of forecasters, containing respondents’ predictions of future values of key macroeconomic variables, receive a lot of attention in the financial press, from investors and from policy makers. They are apparently widely perceived to provide useful information about agents’ expectations. Nonetheless, these survey forecasts suffer from the crucial disadvantage that they are often quite stale, as they are released only infrequently. In this article, we propose MIDAS regression and Kalman filter methods for using asset price data to construct daily forecasts of upcoming survey releases. Our methods also allow us to predict actual outcomes, providing competing forecasts, and allow us to estimate what professional forecasters would predict if they were asked to make a forecast each day, making it possible to measure the effects of events and news announcements on expectations.