Forecasting Macroeconomic Tail Risk in Real Time: Do Textual Data Add Value?
实时预测宏观经济尾部风险：文本数据是否提供增量价值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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究宏观变量的实时分位数预测及新闻数据的增量价值。
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…
实时预测宏观经济尾部风险：文本数据是否提供增量价值
- 研究问题
- 相对于 FRED-MD 经济指标，新闻数据能否为就业、产出、通胀和消费者情绪的分位数预测提供额外信息？
- 方法与思路
- 作者在高维环境下比较加入新闻文本信息的分位数预测，结合媒体覆盖与情绪构造预测变量，并比较线性和非线性方法。
- 材料陈述的贡献
- 摘要称新闻信息改善尾部风险预测，覆盖与情绪结合时增量价值最大，捕捉分位数特定非线性的方法总体预测表现更好。
- 阅读关注点
- 应核对实时数据版本与发布时间、文本变量构造、预测期限和分位数，以及样本外评价、模型选择和稳健性比较。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；具体模型、指标、样本区间和改进幅度未说明，不能推断所有时期均有效。
原文摘要
We examine the incremental value of news-based data relative to the FRED-MD economic indicators for quantile predictions of employment, output, inflation and consumer sentiment in a high-dimensional setting. Our results suggest that news data contain valuable information that is not captured by a large set of economic indicators. We provide empirical evidence that this information can be exploited to improve tail risk predictions. The added value is largest when media coverage and sentiment are combined to compute text-based predictors. Methods that capture quantile-specific non-linearities produce overall superior forecasts relative to methods that feature linear predictive relationships. The results are robust along different modeling choices.