EVALUATING REAL‐TIME VAR FORECASTS WITH AN INFORMATIVE DEMOCRATIC PRIOR
利用信息性民主先验评估实时VAR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：摘要明确以贝叶斯VAR开展宏观变量的实时预测，直接对应宏观预测与时间序列，未涉及结构冲击识别。
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
利用信息性民主先验评估实时VAR预测
- 研究问题
- 如何把调查受访者的长期预测纳入贝叶斯VAR，并考察这些信息能否改善多种宏观变量的实时预测表现？
- 方法与思路
- 作者提出民主先验，将VAR各序列的无条件均值先验中心设在长期调查预测附近，并考察较强收缩下的预测表现。
- 材料陈述的贡献
- 摘要称，向民主先验较强收缩可获得良好的实时预测表现，并将其归因于调查预测较快捕捉序列末端变化的能力。
- 阅读关注点
- 应核对调查预测与模型均值的对应方式、收缩强度设定、实时数据版本，以及预测评价指标和比较基准。
- 阅读边界
- 仅依据所给Crossref摘要；具体变量、预测期限、误差指标及改善幅度未说明，不能推断其他版本变化或普遍优势。
原文摘要
SUMMARY This paper proposes Bayesian forecasting in a vector autoregression using a democratic prior. This prior is chosen to match the predictions of survey respondents. In particular, the unconditional mean for each series in the vector autoregression is centered around long‐horizon survey forecasts. Heavy shrinkage toward the democratic prior is found to give good real‐time predictions of a range of macroeconomic variables, as these survey projections are good at quickly capturing endpoint shifts. Copyright © 2012 John Wiley & Sons, Ltd.