Predictive Synthesis under Sporadic Participation: Evidence from Inflation Density Surveys
间歇参与下的预测综合：来自通胀密度调查的证据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：摘要核心是通胀密度预测的贝叶斯组合及专业预测调查应用，直接对应宏观预测；面板结构主要服务预测更新而非面板效应估计。
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…
间歇参与下的预测综合：来自通胀密度调查的证据
- 研究问题
- 研究专业预测者间歇参与调查时，如何组合通胀密度预测，避免参与者构成变化造成机械跳跃，并区分真实预测表现与缺报效应。
- 方法与思路
- 作者建立连贯的贝叶斯更新规则，即使某位预测者当期缺报，也保留其潜在预测状态，并依据调查面板的条件结构更新组合分布。
- 材料陈述的贡献
- 摘要称方法使预测者影响力动态更易解释；在欧洲央行调查中，相较等权基准提高预测准确性，尤其在高流动期改善平滑性与校准。
- 阅读关注点
- 应核对潜在状态和缺报机制的建模、实时可用信息与更新规则，以及准确性和校准指标是否区分构成稳定与经济信息响应。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明缺报假设、评价数值及预测期，较平滑的分布本身不能证明预测更准确。
原文摘要
Central banks rely on density forecasts from professional surveys to assess inflation risks and communicate uncertainty. A central challenge in using these surveys is irregular participation: forecasters enter and exit, skip rounds, and reappear after long gaps. In the European Central Bank's Survey of Professional Forecasters, turnover and missingness vary substantially over time, causing the set of submitted predictions to change from quarter to quarter. Standard aggregation rules -- such as equal-weight pooling, renormalization after dropping missing forecasters, or ad hoc imputation -- can generate artificial jumps in combined predictions driven by panel composition rather than economic information, complicating real-time interpretation and obscuring forecaster performance. We develop coherent Bayesian updating rules for forecast combination under sporadic participation that maintain a well-defined latent predictive state for each forecaster even when their forecast is unobserved. Rather than relying on renormalization or imputation, the combined predictive distribution is updated through the implied conditional structure of the panel. This approach isolates genuine performance differences from mechanical participation effects and yields interpretable dynamics in forecaster influence. In the ECB survey, it improves predictive accuracy relative to equal-weight benchmarks and delivers smoother and better-calibrated inflation density forecasts, particularly during periods of high turnover.