Macroeconomic Forecasting With Mixed-Frequency Data
混合频率数据下的宏观经济预测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：摘要直接研究利用月度信息预测季度产出增长，并在混合频率模型中加入自回归项，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…
关注这篇论文的作者
混合频率数据下的宏观经济预测
- 研究问题
- 季度产出增长预测能否从月度预测变量中获益，混合频率模型应如何同时利用当季信息和产出自身的动态结构？
- 方法与思路
- 作者采用混合数据频率抽样（MIDAS）模型，并以一种新方式加入自回归项，比较利用当季月度数据预测产出增长的不同方法。
- 材料陈述的贡献
- 摘要称，使用当季月度数据显著改善当季与下一季度的产出增长预测，MIDAS 相对所比较的方法能有效利用这些信息。
- 阅读关注点
- 阅读全文时核对月度变量、数据发布日期与预测时点、自回归项构造，以及基准方法、预测样本和显著性检验的设置。
- 阅读边界
- 摘要未报告预测误差、样本区间或具体比较方法，也未说明实时数据修订的处理，所述改善不能直接推广到其他经济体与时期。
原文摘要
Many macroeconomic series, such as U.S. real output growth, are sampled quarterly, although potentially useful predictors are often observed at a higher frequency. We look at whether a mixed data-frequency sampling (MIDAS) approach can improve forecasts of output growth. The MIDAS specification used in the comparison uses a novel way of including an autoregressive term. We find that the use of monthly data on the current quarter leads to significant improvement in forecasting current and next quarter output growth, and that MIDAS is an effective way to exploit monthly data compared with alternative methods.