Time-Varying Parameters and the Out-of-Sample Forecasting Performance of Structural Exchange Rate Models
时变参数与结构汇率模型的样本外预测表现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：摘要明确使用Kalman滤波估计时变参数汇率模型，并评价样本外预测及随机游走基准表现。
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
时变参数与结构汇率模型的样本外预测表现
- 研究问题
- 货币汇率模型允许参数随时间变化，能否改善美元兑英镑、德国马克和日元的预测，并在相关比较中优于随机游走基准？
- 方法与思路
- 作者递归应用Kalman滤波进行时变参数估计，考察一类货币汇率模型的预测表现，并与朴素随机游走预测规则比较。
- 材料陈述的贡献
- 摘要称时变参数改善三种汇率的模型预测表现，且美元兑德国马克的事后预测相对随机游走基准呈现有利表现。
- 阅读关注点
- 应核对参数演化设定、递归估计的信息集、预测期与评价指标，尤其确认事后预测使用的数据是否符合实时可得性。
- 阅读边界
- 仅依据所给OpenAlex摘要，未获知样本时期、误差数值或显著性检验；事后预测表现不能直接等同于实时预测优势。
原文摘要
Varying-parameter estimation techniques based on recursive application of the Kalman filter are used to improve the predictive performance of a class of monetary exchange rate models. I find that allowing estimated parameters to vary over time enhances the models' forecasting performance for the dollar–pound, dollar–mark, and dollar–yen exchange rates. Contrary to earlier results in the literature, ex-post forecasts for the dollar-mark rate compare favorably with those obtained from the naive random walk forecasting rule.