Forecasting Macroeconomic Variables Under Model Instability
模型不稳定下的宏观变量预测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：摘要明确比较宏观预测表现，并以参数不稳定及不同变化机制为核心研究对象。
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
模型不稳定下的宏观变量预测
- 研究问题
- 面对小幅频繁或大幅少见的参数变化，宏观预测模型如何处理不稳定性，其点预测和密度预测表现是否一致？
- 方法与思路
- 作者比较不同参数变化模型和模型组合，针对美国GDP增长与通胀开展样本外预测，并分别评价点预测与密度预测。
- 材料陈述的贡献
- 摘要称允许参数不稳定改善密度预测而未改善点预测；模型组合未超过最佳单模型，即时变参数与随机波动率模型。
- 阅读关注点
- 应核对参数变化机制、预测窗口、密度与点预测评价指标，以及最佳模型的选取方式和预测差异的统计证据。
- 阅读边界
- 摘要未说明样本时期、具体评价指标或显著性结果；相对表现限于所给预测练习，不能推断模型在其他环境中的优劣。
原文摘要
We compare different approaches to accounting for parameter instability in the context of macroeconomic forecasting models that assume either small, frequent changes versus models whose parameters exhibit large, rare changes. An empirical out-of-sample forecasting exercise for U.S. gross domestic product (GDP) growth and inflation suggests that models that allow for parameter instability generate more accurate density forecasts than constant-parameter models although they fail to produce better point forecasts. Model combinations deliver similar gains in predictive performance although they fail to improve on the predictive accuracy of the single best model, which is a specification that allows for time-varying parameters and stochastic volatility. Supplementary materials for this article are available online.