Identifying News Shocks From Forecasts
利用预测识别新闻冲击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：摘要直接研究结构VAR中的宏观冲击识别，并利用美国时间序列进行新闻与意外冲击分解。
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
利用预测识别新闻冲击
- 研究问题
- 如何借助宏观变量的预测信息，在结构VAR中区分预期与意外冲击，并衡量新闻冲击对美国经济波动及政策效果的作用？
- 方法与思路
- 作者将各序列的实证预测纳入VAR，以新增线性限制识别结构冲击及新闻、意外成分，并使用美国预测资料和资产价格估计。
- 材料陈述的贡献
- 摘要称，新闻冲击解释约四分之一的美国经济周期波动，在财政冲击中的方差占比更大；反事实分析显示财政与货币政策协调更有效。
- 阅读关注点
- 应核对预测信息对应的时点、线性限制与识别条件，以及新闻分解的稳健性和反事实政策规则赖以成立的结构假设。
- 阅读边界
- 所据为Crossref提供的在线先发版本摘要；识别条件、估计不确定性及反事实规则细节未说明，不能推断其他版本变化。
原文摘要
ABSTRACT We propose a method to identify the anticipated components of macroeconomic shocks in a structural VAR. We include empirical forecasts about each time series in the VAR. This introduces enough linear restrictions to identify every structural shock and to further decompose each one into “news” and “surprise” shocks. We estimate a VAR on U.S. time series using forecast data from the SPF, CBO, Federal Reserve, and asset prices. Unanticipated fiscal stimulus and monetary policy shocks have typical effects that match existing evidence. In our news‐surprise decomposition, we find that news drives around one quarter of U.S. business cycle volatility. News explains a larger share of the variance due to fiscal shocks than for monetary policy shocks. Finally, we use the news structure of the shocks to estimate counterfactual policy rules, and compare the ability of fiscal and monetary policy to moderate output and inflation. We find that coordinated fiscal and monetary policy are substantially more effective than either individually.