Multivariate Bayesian Predictive Synthesis in Macroeconomic Forecasting
宏观经济预测中的多变量贝叶斯预测综合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：摘要明确结合宏观多步预测、多变量时间序列与动态潜因子模型。
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…
宏观经济预测中的多变量贝叶斯预测综合
- 研究问题
- 如何动态整合多个模型对多条宏观时间序列的预测分布，同时学习预测偏差、校准不足及模型间随时间变化的依赖？
- 方法与思路
- 作者将贝叶斯预测综合扩展到多变量场景，构建动态潜因子模型，并顺序整合传统计量模型对美国宏观序列的多步预测。
- 材料陈述的贡献
- 摘要称案例展示改善多序列、多预测期预测的潜力，并说明该方法可用于学习预测模型或预测主体之间的动态关系。
- 阅读关注点
- 应核对潜因子综合模型如何表示偏差与相互依赖，以及不同预测期的更新方式、预测评价标准和与基准模型的比较。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未提供预测指标、改善幅度或稳健性结果，案例潜力不能视为普遍优势。
原文摘要
We present new methodology and a case study in use of a class of Bayesian predictive synthesis (BPS) models for multivariate time series forecasting. This extends the foundational BPS framework to the multivariate setting, with detailed application in the topical and challenging context of multistep macroeconomic forecasting in a monetary policy setting. BPS evaluates—sequentially and adaptively over time—varying forecast biases and facets of miscalibration of individual forecast densities for multiple time series, and—critically—their time-varying inter-dependencies. We define BPS methodology for a new class of dynamic multivariate latent factor models implied by BPS theory. Structured dynamic latent factor BPS is here motivated by the application context—sequential forecasting of multiple U.S. macroeconomic time series with forecasts generated from several traditional econometric time series models. The case study highlights the potential of BPS to improve of forecasts of multiple series at multiple forecast horizons, and its use in learning dynamic relationships among forecasting models or agents.Supplementary materials for this article, including a standardized description of the materials available for reproducing the work, are available as an online supplement.