Macroeconomic forecasting in times of crises
危机时期的宏观经济预测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：摘要明确研究宏观变量的实时预测，并以时间序列观测块匹配作为核心方法。
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
危机时期的宏观经济预测
- 研究问题
- 在经济危机与非平稳表现较突出的时期，能否利用历史观测片段的相似性改善劳动市场及其他宏观变量的实时预测？
- 方法与思路
- 作者提出简约的半参数方法，将时间序列划分为观测块，寻找与最新观测块最接近的历史块，并据匹配结果生成预测。
- 材料陈述的贡献
- 摘要称，该方法在1999—2015年及大衰退期间优于所比较的预测方法，加入金融利差还能改善部分变量的预测。
- 阅读关注点
- 应核对分块长度、相似性度量与匹配规则，确认这些选择是否仅使用当时可得信息，并检查预测损失和基准设定。
- 阅读边界
- 摘要未说明具体误差降幅、检验结果及调参过程；所述优势限于摘要报告的比较范围，不能据此认定普遍预测优势。
原文摘要
Summary We propose a parsimonious semiparametric method for macroeconomic forecasting. Based on ideas of clustering and similarity, we partition the series into blocks, search for the closest blocks to the latest block of observations, and forecast with the matched blocks. In a real‐time forecasting exercise, we show that our approach does especially well for labor market and other key macro variables. Our method outperforms parametric linear, nonlinear, time‐varying, and combination forecasts for the period 1999–2015 and particularly in the Great Recession. When adding financial spreads, our method delivers further improvements for labor market variables and capacity utilization.