Predicting U.S. Business-Cycle Regimes
美国商业周期状态的预测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：摘要直接研究战后美国商业周期状态，并以领先指标进行一个月和三个月的提前预测，因此最直接对应宏观预测方向。
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…
美国商业周期状态的预测
- 研究问题
- 如何利用领先指标识别战后美国商业周期的扩张与收缩状态，并提前一个月和三个月预测？研究以美国国家经济研究局的参考转折日期定义状态。
- 方法与思路
- 作者以判别信息度量建立逻辑分类的理论框架，涵盖模型选择、参数估计和分类规则，并用领先指标预测一个月和三个月后的状态。
- 材料陈述的贡献
- 作者统一讨论状态分类与预测的建模步骤；摘要称，其模型的商业周期状态预测明显比马尔可夫切换设定更准确，但未报告具体提升幅度。
- 阅读关注点
- 应核对领先指标的实际可得时点、转折日期修订与评估样本划分，以及分类阈值、预测准确率指标和马尔可夫切换基准的比较方式。
- 阅读边界
- 摘要未说明预测评估是否使用实时数据、样本区间和准确率定义；所称预测优势只限于文中比较，不能据此保证其他时期的表现。
原文摘要
This article examines the use of logistic classification methods for the identification and prediction of postwar U.S. business-cycle expansion and contraction regimes as defined by the National Bureau of Economic Research (NBER) reference turning-point dates. We present a coherent theoretical framework for this task using measures of discriminatory information. The analysis encompasses model selection, parameter estimation, and classification decision rules. We examine the performance of logistic procedures in reproducing the NBER regime classifications and in predicting one and three months ahead using leading-indicator variables. Our models are shown to provide substantially more accurate business-cycle regime predictions than Markov switching specifications.