Prediction Using Several Macroeconomic Models
利用多个宏观经济模型进行预测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：摘要以宏观密度预测为核心，并明确涉及动态因子模型和向量自回归模型。
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…
关注这篇论文的作者
利用多个宏观经济模型进行预测
- 研究问题
- 如何改进动态因子模型、动态随机一般均衡模型和向量自回归模型的实时预测，并提高一步预测密度的质量？
- 方法与思路
- 作者使用美国季度数据，以实时一步预测概率密度评价模型，考察完整贝叶斯预测分布和等权预测组合两项调整。
- 材料陈述的贡献
- 摘要称，纳入完整贝叶斯预测分布中的参数不确定性，以及采用等权组合，均能显著改善所研究宏观模型的预测。
- 阅读关注点
- 应核对实时信息集、预测密度的评价准则、先验设定，以及参数不确定性处理与模型组合分别带来的预测改善。
- 阅读边界
- 摘要未说明预测变量、样本期、评价指标数值或组合构成，不能据此认定等权组合在所有时期与预测期限都最优。
原文摘要
We establish methods that improve the predictions of macroeconometric models—dynamic factor models, dynamic stochastic general equilibrium models, and vector autoregressions—using a quarterly U.S. data set. We measure prediction quality with one-step-ahead probability densities assigned in real time. Two steps lead to substantial improvements: (a) the use of full Bayesian predictive distributions rather than conditioning on the posterior mode for parameters and (b) the use of an equally weighted pool.