Binary Conditional Forecasts
二元变量的条件预测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 Qual-VAR 进行实时衰退概率预测，并研究货币和石油冲击，直接涉及宏观预测、VAR 冲击分析及时间序列。
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…
二元变量的条件预测
- 研究问题
- 如何将主要用于连续变量的条件预测扩展到二元事件，并用于实时预测衰退及考察货币、石油冲击与衰退概率的关系？
- 方法与思路
- 作者将条件预测与二元预测结合，利用 Qual-VAR 的联合 VAR–probit 结构先形成潜变量条件预测，再转换为二元事件发生概率。
- 材料陈述的贡献
- 摘要所述贡献是将条件预测应用于二元事件，并以实时衰退预测考察货币与石油冲击对两次美国衰退发生概率的作用。
- 阅读关注点
- 核对条件情景与信息集如何设定、潜变量预测怎样转为概率，以及实时数据版本、衰退判定和预测评价方法。
- 阅读边界
- 摘要未报告预测精度、比较基准或冲击效应数值，也未说明冲击识别条件；模型应用本身不足以证明预测优势或因果解释可靠。
原文摘要
While conditional forecasting has become prevalent both in the academic literature and in practice (e.g., bank stress testing, scenario forecasting), its applications typically focus on continuous variables. In this article, we merge elements from the literature on the construction and implementation of conditional forecasts with the literature on forecasting binary variables. We use the Qual-VAR, whose joint VAR-probit structure allows us to form conditional forecasts of the latent variable which can then be used to form probabilistic forecasts of the binary variable. We apply the model to forecasting recessions in real-time and investigate the role of monetary and oil shocks on the likelihood of two U.S. recessions.