Forecasting the Distribution of Economic Variables in a Data-Rich Environment
丰富数据环境下经济变量的分布预测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：摘要围绕宏观经济变量的完整分布预测，以分位数自回归并加入大量宏观指标，因此归入宏观预测与时间序列。
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
丰富数据环境下经济变量的分布预测
- 研究问题
- 大量宏观指标能否改善经济变量完整分布的预测，尤其是长预测期与分布尾部，以及这种改善是否随产出、就业和通胀变量而异？
- 方法与思路
- 作者以半参数分位数自回归为基准，加入主成分或 LASSO 选出的宏观变量，并用分位数评分与随机波动率模型比较分布预测。
- 材料陈述的贡献
- 摘要报告，产出与就业的多变量分布预测在长预测期和尾部改善较明显；通胀的改善主要出现在六个月预测期，并展示衰退时点的预测。
- 阅读关注点
- 应核对预测样本与信息集的划分、主成分及 LASSO 的选择流程、预测期和尾部的评分结果，以及不同变量间结论是否稳定。
- 阅读边界
- 摘要给出的是特定变量、时期和比较模型下的结果，未说明预测划分、显著性检验或稳健性细节，不能推断大信息集普遍改善分布预测。
原文摘要
This article investigates the relevance of considering a large number of macroeconomic indicators to forecast the complete distribution of a variable. The baseline time series model is a semiparametric specification based on the quantile autoregressive (QAR) model that assumes that the quantiles depend on the lagged values of the variable. We then augment the time series model with macroeconomic information from a large dataset by including principal components or a subset of variables selected by LASSO. We forecast the distribution of the h-month growth rate for four economic variables from 1975 to 2011 and evaluate the forecast accuracy relative to a stochastic volatility model using the quantile score. The results for the output and employment measures indicate that the multivariate models outperform the time series forecasts, in particular at long horizons and in tails of the distribution, while for the inflation variables the improved performance occurs mostly at the 6-month horizon. We also illustrate the practical relevance of predicting the distribution by considering forecasts at three dates during the last recession.