Should Macroeconomic Forecasters Use Daily Financial Data and How?
宏观预测者是否应使用日度金融数据，以及如何使用？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：摘要直接研究季度 GDP 的预测与即时预测，并从大规模日度金融资产数据中提取金融因子。
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…
宏观预测者是否应使用日度金融数据，以及如何使用？
- 研究问题
- 日度金融数据能为季度实际经济活动预测提供多少信息，如何把这些信息纳入实时更新，以预测当季及未来季度的实际 GDP 增长？
- 方法与思路
- 作者提出易于实施的回归方法，组合混频抽样（MIDAS）回归预测，并从约一千种日度金融资产组成的大面板中提取少量金融因子。
- 材料陈述的贡献
- 摘要明确提出结合日度金融信息的季度预测方法与一组新的日度金融因子，旨在评估这些信息的价值并支持 GDP 增长的即时预测更新。
- 阅读关注点
- 全文应核对金融因子的提取方式、MIDAS 滞后与组合规则、实时信息集和数据版本，以及预测评估基准、样本划分与预测期限。
- 阅读边界
- 摘要未报告预测误差、显著性或相对基准的改善幅度，也未说明实时数据版本的处理；不能据此断言日度数据必然提高预测精度。
原文摘要
We introduce easy-to-implement, regression-based methods for predicting quarterly real economic activity that use daily financial data and rely on forecast combinations of mixed data sampling (MIDAS) regressions. We also extract a novel small set of daily financial factors from a large panel of about 1000 daily financial assets. Our analysis is designed to elucidate the value of daily financial information and provide real-time forecast updates of the current (nowcasting) and future quarters of real GDP growth.