Using Survey Information for Improving the Density Nowcasting of U.S. GDP
利用调查信息改进美国 GDP 的密度即时预测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 GDP 密度即时预测，并以含随机波动率的动态因子模型作为基准。
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
利用调查信息改进美国 GDP 的密度即时预测
- 研究问题
- 如何将调查预期及受访者预测分歧纳入美国实际 GDP 的密度即时预测，并刻画极端事件期间的均值和尾部行为？
- 方法与思路
- 作者以带随机波动率的动态因子模型为基准，将其预测分布的一阶与二阶矩同不同预测期调查信息提取的矩对齐。
- 材料陈述的贡献
- 摘要称，调查信息改善基准模型的 GDP 即时预测；极端事件中的调查均值有信息，受访者预测分歧还提供额外的尾部信息。
- 阅读关注点
- 应核对调查分歧如何映射为预测分布信息、矩对齐的实现、调查与数据发布时间，以及密度和尾部预测的评价方法。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；评价指标和改善幅度未说明，调查分歧不能直接等同于已校准的不确定性或尾部风险。
原文摘要
We provide a methodology that efficiently combines the statistical models of nowcasting with the survey information for improving the (density) nowcasting of U.S. real GDP. Specifically, we use the conventional dynamic factor model together with stochastic volatility components as the baseline statistical model. We augment the model with information from the survey expectations by aligning the first and second moments of the predictive distribution implied by this baseline model with those extracted from the survey information at various horizons. Results indicate that survey information bears valuable information over the baseline model for nowcasting GDP. While the mean survey predictions deliver valuable information during extreme events such as the Covid-19 pandemic, the variation in the survey participants’ predictions, often used as a measure of “ambiguity,” conveys crucial information beyond the mean of those predictions for capturing the tail behavior of the GDP distribution.