Dynamic prediction pools: An investigation of financial frictions and forecasting performance
动态预测组合：金融摩擦与预测表现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 DSGE 模型对产出增长和通胀的实时预测及动态密度预测组合。
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…
动态预测组合：金融摩擦与预测表现
- 研究问题
- 带金融摩擦与不带金融摩擦的 DSGE 模型，在金融压力和平稳时期的增长与通胀预测表现是否不同，如何动态组合？
- 方法与思路
- 作者估计线性预测组合中的时变权重，比较两类 DSGE 模型在一九九二至二〇一一年间的预测，并展示政策反事实应用。
- 材料陈述的贡献
- 摘要称组合权重明显随时间变化，含金融摩擦模型在压力时期表现更好，动态组合相对列举的方法改善实时预测。
- 阅读关注点
- 应核对权重更新机制、实时信息集、密度预测评价指标，以及比较方法设定和雷曼危机后的反事实分析条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断预测改善的幅度与统计显著性，也不能将特定样本中的比较结果推广到其他时期。
原文摘要
We apply a novel methodology for estimating time-varying weights in linear prediction pools, which we call Dynamic Pools, and use it to investigate the relative forecasting performance of DSGE models with and without financial frictions for output growth and inflation from 1992 to 2011. We find strong evidence of time variation in the pool’s weights, reflecting the fact that the DSGE model with financial frictions produces superior forecasts in periods of financial distress but does not perform as well in tranquil periods. The dynamic pool’s weights react in a timely fashion to changes in the environment, leading to real-time forecast improvements relative to other methods of density forecast combination, such as equal-weights combination, Bayesian model averaging, optimal static pools, and dynamic model averaging. We show how a policymaker dealing with model uncertainty could have used a dynamic pool to perform a counterfactual exercise (responding to the gap in labor market conditions) in the immediate aftermath of the Lehman crisis.