Modeling and Forecasting Macroeconomic Downside Risk
宏观经济下行风险的建模与预测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：摘要研究美国 GDP 增长预测密度的动态变化及样本外预测，直接对应宏观预测与时间序列。
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…
宏观经济下行风险的建模与预测
- 研究问题
- 美国 GDP 增长的预测密度如何随永久和暂时变化而演化，长期增长放缓、经济周期及金融条件与下行风险有什么关系？
- 方法与思路
- 作者建立允许预测密度永久与暂时变化的模型，刻画条件偏度，兼容稠密或稀疏预测变量，并评价点预测、密度预测及尾部预测。
- 材料陈述的贡献
- 摘要称，近三十年美国增长下行风险上升并伴随长期增长放缓；条件偏度呈顺周期变化，模型的样本外预测优于所用标准基准。
- 阅读关注点
- 应核对永久与暂时成分的定义、尾部稳健性的实现、预测变量与样本外窗口，以及下行风险和基准改善的具体评价指标。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；模型形式、样本时期和数值改善未说明，金融条件与风险的关联不能直接解释为因果关系或推断刊本变化。
原文摘要
We model permanent and transitory changes of the predictive density of US GDP growth. A substantial increase in downside risk to US economic growth emerges over the last 30 years, associated with the long-run growth slowdown started in the early 2000s. Conditional skewness moves procyclically, implying negatively skewed predictive densities ahead and during recessions, often anticipated by deteriorating financial conditions. Conversely, positively skewed distributions characterize expansions. The modelling framework ensures robustness to tail events, allows for both dense or sparse predictor designs, and delivers competitive out-of-sample (point, density and tail) forecasts, improving upon standard benchmarks.