Modeling Time-Varying Uncertainty of Multiple-Horizon Forecast Errors
多期限预测误差的时变不确定性建模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：摘要以宏观调查预测为应用对象，并通过多期限随机波动模型刻画预测误差的时间变化。
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…
多期限预测误差的时变不确定性建模
- 研究问题
- 如何利用不同预测期限的已实现误差信息，估计调查点预测的不确定性，并追踪这种不确定性随时间的变化？
- 方法与思路
- 作者推导多预测期限的随机波动模型，汇集各期限预测误差信息，并应用于专业预测者调查中的多种宏观变量。
- 材料陈述的贡献
- 摘要称，相较简单方差方法，该随机波动模型提高了调查预测不确定性度量的准确性，提供多期限信息整合方法。
- 阅读关注点
- 应核对不同期限误差如何共享信息、重叠误差与实时数据如何处理，以及不确定性准确性的评价标准和比较基准。
- 阅读边界
- 摘要未说明随机波动模型的完整设定、估计方法和改进幅度；不确定性度量更准确不直接意味着点预测也更准确。
原文摘要
We estimate uncertainty measures for point forecasts obtained from survey data, pooling information embedded in observed forecast errors for different forecast horizons. To track time-varying uncertainty in the associated forecast errors, we derive a multiple-horizon specification of stochastic volatility. We apply our method to forecasts for various macroeconomic variables from the Survey of Professional Forecasters. Compared to simple variance approaches, our stochastic volatility model improves the accuracy of uncertainty measures for survey forecasts.