An empirical evaluation of some long-horizon macroeconomic forecasts
若干长期宏观预测的实证评价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：摘要直接比较宏观变量的长期预测分布，并讨论序列相关、单位根和时间序列模型。
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
若干长期宏观预测的实证评价
- 研究问题
- 面对从低序列相关到可能存在单位根的宏观变量，哪些模型能在十年与二十五年预测期给出校准较好的预测分布？
- 方法与思路
- 作者使用十个宏观变量的长期年度跨国数据，比较六种预测模型，包括简单时间序列模型和已有的频域预测模型。
- 材料陈述的贡献
- 摘要称，对可能平稳的变量，AR(1) 和无需预判单整阶数的频域模型校准较好；对可能非平稳变量，随机游走表现较好。
- 阅读关注点
- 应核对国家与样本覆盖、平稳性分组依据、预测分布校准指标，以及重叠长期预测、参数估计不确定性和模型比较的处理。
- 阅读边界
- 仅据所给出版社摘要，校准较好的判断缺少具体指标和数值；结论限于所评估变量、模型与预测期，不能直接推广至其他场景。
原文摘要
We use long-run annual cross-country data for 10 macroeconomic variables to evaluate the long-horizon forecast distributions of six forecasting models. The variables we use range from ones having little serial correlation to ones having persistence consistent with unit roots. Our forecasting models include simple time series models and frequency domain models developed in Müller and Watson (2016). For plausibly stationary variables, an AR(1) model and a frequency domain model that does not require the user to take a stand on the order of integration appear reasonably well calibrated for forecast horizons of 10 and 25 years. For plausibly non-stationary variables, a random walk model appears reasonably well calibrated for forecast horizons of 10 and 25 years.