Risks and Uncertainty in Monetary Policy
货币政策中的风险与不确定性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究中央银行的条件预测密度、分布预测与情景合成，明确对应宏观预测方向，未提出结构冲击估计。
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…
货币政策中的风险与不确定性
- 研究问题
- 中央银行如何把具有经济叙事但缺少概率的情景分析，与提供概率但解释有限的分布预测结合，用于风险评估和政策讨论？
- 方法与思路
- 作者将基线预测及情景表示为条件预测密度，将分布预测作为参照分布，通过情景合成配置与参照分布一致的权重。
- 材料陈述的贡献
- 摘要称这一统一框架澄清两类预测工具的互补角色，并提供实用、可复现的情景权重配置方法以辅助深度不确定性下的讨论。
- 阅读关注点
- 应核对情景密度的构造、权重一致性的数学定义及解的确定方式，以及参照分布变化时的敏感性与实施示例。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供预测准确性或政策效果证据，也未说明权重的唯一性条件。
原文摘要
Central banks monitor macroeconomic risk through two traditions: scenario analysis, regularly used since the mid-1990s, and distributional forecasting, practiced since the late 1960s. The two are complementary but separate: scenarios provide narratives without probabilities, while predictive distributions provide probabilities with limited economic interpretation. Treating baseline forecasts and scenarios as conditional predictive densities, and distributional forecasts as reference predictive distributions, places both within a common framework and clarifies their roles. The Scenario Synthesis assigns weights to scenarios consistent with the reference distribution, offering a practical and reproducible tool for risk assessment and policy deliberation under deep uncertainty.