An Adaptive Moving Average for Macroeconomic Monitoring
用于宏观经济监测的自适应移动平均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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要围绕通胀和实际活动时间序列的自适应平滑与信号提取，未明确提出未来预测或正式即时预测任务，故仅选时间序列。
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…
用于宏观经济监测的自适应移动平均
- 研究问题
- 监测通胀等噪声较大的宏观序列时，如何随经济环境调整平滑尺度，在信号提取与及时反映变化之间取得平衡？
- 方法与思路
- 作者提出仅以时间趋势为预测变量的随机森林自适应移动平均估计量，并比较其与常用方法对通胀及实际活动的描述。
- 材料陈述的贡献
- 摘要称，这一简单工具对疫情后通胀加速与随后减速给出不同解释，展示自适应平滑对宏观经济监测叙事的影响。
- 阅读关注点
- 应核对随机森林如何形成自适应权重、边界期和数据修订的处理，以及监测结果是否使用当时可得数据或事后信息。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未报告实时评估或预测误差，叙事不同本身不能证明监测更准确。
原文摘要
The use of moving averages is pervasive in macroeconomic monitoring, particularly for tracking noisy series such as inflation. The choice of the look-back window is crucial. Too long of a moving average is not timely enough when faced with rapidly evolving economic conditions. Too narrow averages are noisy, limiting signal extraction capabilities. As is well known, this is a bias-variance trade-off. However, it is a time-varying one: the optimal size of the look-back window depends on current macroeconomic conditions. In this paper, we introduce a simple adaptive moving average estimator based on a Random Forest using as sole predictor a time trend. Then, we compare the narratives inferred from the new estimator to those derived from common alternatives across series such as headline inflation, core inflation, and real activity indicators. Notably, we find that this simple tool provides a different account of the post-pandemic inflation acceleration and subsequent deceleration.