Measuring predictability: theory and macroeconomic applications
可预测性的度量：理论与宏观经济应用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：摘要直接研究宏观时间序列的预测损失、可预测性度量及动态模型评价。
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
可预测性的度量：理论与宏观经济应用
- 研究问题
- 如何以统一指标衡量不同预测期限、损失函数与信息集下的可预测性，并用于评价宏观数据和动态模型？
- 方法与思路
- 作者以短期和长期预测的期望损失之比定义可预测性，提出估计量与重抽样推断，并分析宏观序列及模型模拟数据。
- 材料陈述的贡献
- 摘要称，该指标适用于一般损失函数与多种平稳性设定，还可比较模型输入输出的可预测性及模拟数据与实际数据。
- 阅读关注点
- 应核对长短预测期限的定义、损失比的解释、估计与重抽样条件，以及模型传播分析和数据比较的具体实施。
- 阅读边界
- 仅据所给Crossref摘要，无法判断估计量的有限样本性质、重抽样有效条件或应用结果，非参数扩展也仅被概述。
原文摘要
Abstract We propose a measure of predictability based on the ratio of the expected loss of a short‐run forecast to the expected loss of a long‐run forecast. This predictability measure can be tailored to the forecast horizons of interest, and it allows for general loss functions, univariate or multivariate information sets, and covariance stationary or difference stationary processes. We propose a simple estimator, and we suggest resampling methods for inference. We then provide several macroeconomic applications. First, we illustrate the implementation of predictability measures based on fitted parametric models for several US macroeconomic time series. Second, we analyze the internal propagation mechanism of a standard dynamic macroeconomic model by comparing the predictability of model inputs and model outputs. Third, we use predictability as a metric for assessing the similarity of data simulated from the model and actual data. Finally, we outline several non‐parametric extensions of our approach. Copyright © 2001 John Wiley & Sons, Ltd.