跳到正文
← 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:摘要以马尔可夫转换向量自回归刻画经济周期,并讨论转折点的实时测定与预测,直接对应宏观时间序列和预测方向。

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
Richard Paap
Rene Segers
Dick van Dijk

领先指标对经济周期峰值的领先时间是否长于谷值?

研究问题
领先指标在经济周期峰值和谷值之前的领先时间是否不同?这种非对称性如何影响经济周期转折点的实时测定与预测?
方法与思路
作者提出马尔可夫转换向量自回归模型,让领先与同步指标共享状态过程,但允许两者周期不同步,且不同步程度随状态变化。
材料陈述的贡献
摘要报告,领先综合指数在峰值平均领先同步综合指数近一年,在谷值仅约一季度;允许这种非对称性改善了转折点的实时测定与预测。
阅读关注点
重点核对峰谷状态的定义、共同状态与周期错位的设定,以及实时测定和预测的比较是否严格使用当时可得的信息。
阅读边界
摘要未说明应用样本、模型识别条件、比较基准及预测评价指标;所报领先时长与改善结果不能据此推广到其他指标或经济体。

原文摘要

We develop a novel Markov switching vector autoregressive model to investigate the possibility that leading indicators have different lead times at business cycle peaks and at troughs. In this model, coincident and leading indicators share a common Markov state process, but their cycles are nonsynchronous, with the nonsynchronicity varying across regimes. An application shows that on average the Conference Board’s Composite Leading Index leads the Composite Coincident Index by nearly 1 year at peaks but by only 1 quarter at troughs. Allowing for asymmetric lead times yields improved real-time dating and forecasting of business cycle turning points.

笔记与分组