Macroeconomic Forecasting Performance under Alternative Specifications of Time-Varying Volatility
不同时变波动率设定下的宏观经济预测表现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：摘要直接比较宏观 AR、VAR 模型的实时点预测和密度预测，对应时间序列与宏观预测。
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
不同时变波动率设定下的宏观经济预测表现
- 研究问题
- 研究贝叶斯自回归和向量自回归中采用不同波动率设定，如何影响美国主要宏观时间序列的实时点预测与密度预测。
- 方法与思路
- 作者比较随机游走及平稳自回归随机波动率、带厚尾的随机波动率、GARCH 和创新混合模型，按实时预测准确性评估。
- 材料陈述的贡献
- 摘要称，采用常规随机波动率的 AR 和 VAR 在所考察模型中表现更好，优势在点预测上较小、在密度预测上更明显。
- 阅读关注点
- 应核对实时数据版本、预测期和评分规则，以及波动率设定、先验与模型规模是否可比，并检查优势的统计证据。
- 阅读边界
- 摘要未列出变量、样本期、评分数值或显著性检验；所述相对表现限于研究中的预测比较，不能推广为所有情境下的优势。
原文摘要
This paper compares alternative models of time-varying volatility on the basis of the accuracy of real-time point and density forecasts of key macroeconomic time series for the USA. We consider Bayesian autoregressive and vector autoregressive models that incorporate some form of time-varying volatility, precisely random walk stochastic volatility, stochastic volatility following a stationary AR process, stochastic volatility coupled with fat tails, GARCH and mixture of innovation models. The results show that the AR and VAR specifications with conventional stochastic volatility dominate other volatility specifications, in terms of point forecasting to some degree and density forecasting to a greater degree. Copyright © 2014 John Wiley & Sons, Ltd.