USING MACRO DATA TO OBTAIN BETTER MICRO FORECASTS
利用宏观数据改善微观预测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：摘要直接研究跨层级预测组合，并明确扩展至时间序列与不同频率观测的预测。
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
利用宏观数据改善微观预测
- 研究问题
- 当只能获得宏观与微观两个层级的预测及其精度，而无法取得完整数据时，如何结合这些信息，并处理完全或不完全聚合的情况？
- 方法与思路
- 作者构建跨层级预测组合的理论框架，针对两类聚合情形开展 Monte Carlo 分析，并扩展至时间序列，以季度和月度观测预测欧洲零息利率。
- 材料陈述的贡献
- 摘要称所提程序简单且稳健，并提供理论、模拟及欧洲零息利率预测应用；作者报告组合后两个层级的预测准确性均有所改善。
- 阅读关注点
- 应核对预测精度的定义与可得性、层级预测误差的关联、聚合约束，以及零息利率应用的样本划分、比较基准和准确性指标。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要版本，改善幅度与稳健性边界未说明；层级名称不能自动解释为宏观经济总量，也不据此推断刊本变化。
原文摘要
We consider the problem of combining forecasts from two different levels (called “macro” and “micro”), where we have access to the forecasts and their precisions but not to the full data set. We develop a theoretical framework and provide Monte Carlo evidence in the cases of both perfect and imperfect aggregation. Our proposed procedure is simple and robust. We also extend the procedure to time series and propose a forecast model for the European zero rates, combining quarterly and monthly observations. We show that forecast accuracy is improved at both levels.We are grateful to the editors of this special issue and to two referees for their constructive comments, which greatly helped improve the paper. Earlier versions of this paper were presented at the NAKE workshop in Amsterdam, at Tilburg University, and at ESEM 2006 in Vienna. We thank the participants for their useful comments. In addition, we thank Steffan Berridge, John Einmahl, and Hans Schumacher for their constructive comments.