Real‐time macroeconomic projection using narrative central bank communication
利用央行叙事沟通进行实时宏观预测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：摘要直接研究央行文本信息对实时样本外宏观预测的作用。
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…
利用央行叙事沟通进行实时宏观预测
- 研究问题
- 中国人民银行未公开发布宏观预测时，其叙事沟通文本能否提供预测信息，并改善实时样本外宏观预测表现？
- 方法与思路
- 作者对央行文本应用门槛式分布多项回归处理高维与稀疏问题，再将文本指数纳入MIDAS类模型并进行预测组合。
- 材料陈述的贡献
- 摘要称，沟通文本中的预测信息改善了实时样本外预测表现，并展示文本分析与实时宏观预测相结合的应用价值。
- 阅读关注点
- 应核对文本和宏观数据的实时可得时间、修订数据处理、前视偏差控制，以及预测基准、组合规则和评估窗口。
- 阅读边界
- 仅依据所给Crossref版本摘要，不能推断后续刊本变化；摘要未说明预测目标、改善幅度及比较检验，不能确认不同环境中的稳定增益。
原文摘要
Summary Unlike the central banks of most developed economies, the People's Bank of China (PBC) does not release its macroeconomic forecasts to the public but instead carries out narrative communication. We apply a hurdle distributed multinomial regression to PBC communication texts in real time, addressing the ultrahigh dimensionality, sparsity, and look‐ahead biases. In addition, we embed text‐based indices into mixed‐data sampling (MIDAS)‐type models and conduct forecast combinations for prediction. Our results argue that the predictive information from communication texts improves the real‐time out‐of‐sample prediction performance. We connect textual analysis and real‐time macroeconomic projection, providing new insights into the value of central bank communication.