Assessing Macro Uncertainty in Real-Time When Data Are Subject To Revision
数据修订下宏观不确定性的实时评估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：摘要直接关注数据修订对宏观变量实时预测区间和未来不确定性估计的影响，因此归入预测与即时预测方向。
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…
关注这篇论文的作者
数据修订下宏观不确定性的实时评估
- 研究问题
- 当宏观数据会被事后修订时，依据模型样本内拟合构造的预测区间会如何偏离实时不确定性，怎样修正才能得到更准确的区间？
- 方法与思路
- 作者提出一种修正实时不确定性估计的简便办法，将其用于二十五个宏观变量；再依据美国产出增长数据修订的实证模型开展模拟。
- 材料陈述的贡献
- 摘要称数据修订会使基于样本内拟合的实时不确定性估计有偏，所提修正得到更准确的预测区间，并用模拟考察小样本性质。
- 阅读关注点
- 阅读时应核对修正方法的具体形式、实时数据版本的使用、修订过程假设，以及预测区间准确性的评估标准和模拟中的小样本表现。
- 阅读边界
- 摘要未说明修正公式、偏差方向、预测区间覆盖率或区间宽度，也未交代样本和修订机制，不能推断方法适用于所有实时数据环境。
原文摘要
Model-based estimates of future uncertainty are generally based on the in-sample fit of the model, as when Box–Jenkins prediction intervals are calculated. However, this approach will generate biased uncertainty estimates in real time when there are data revisions. A simple remedy is suggested, and used to generate more accurate prediction intervals for 25 macroeconomic variables, in line with the theory. A simulation study based on an empirically estimated model of data revisions for U.S. output growth is used to investigate small-sample properties.