Advances in nowcasting economic activity: The role of heterogeneous dynamics and fat tails
经济活动即时预测的进展：异质动态与厚尾的作用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：摘要明确以动态因子模型刻画宏观指标的时间动态，并用于美国GDP增长的实时即时预测。
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…
经济活动即时预测的进展：异质动态与厚尾的作用
- 研究问题
- 实时评估经济状况时，宏观指标的非线性、不同领先滞后关系及厚尾分布如何影响美国GDP增长的即时预测？
- 方法与思路
- 作者建立允许非线性、异质领先滞后模式及厚尾的贝叶斯动态因子模型，并开展实时GDP增长的样本外预测评估。
- 材料陈述的贡献
- 摘要称这些特征改变指标对实时经济评估的贡献，并在其正式评估中取得优于基准计量模型和专业预测者的表现。
- 阅读关注点
- 应核对实时数据版本、发布时点与信息集、预测窗口、基准设置，以及各新增模型特征对预测改善的独立贡献。
- 阅读边界
- 仅据所给出版社摘要；摘要未说明评估时期、损失函数、统计显著性或改善幅度，其比较结果不能直接推广至其他经济体与时期。
原文摘要
A key question for households, firms, and policy makers is: how is the economy doing now? This paper develops a Bayesian dynamic factor model that allows for nonlinearities, heterogeneous lead–lag patterns and fat tails in macroeconomic data. Explicitly modeling these features changes the way that different indicators contribute to the real-time assessment of the state of the economy, and substantially improves the out-of-sample performance of this class of models. In a formal evaluation, our nowcasting framework beats benchmark econometric models and professional forecasters at predicting US GDP growth in real time.