A Comparison of the Real-Time Performance of Business Cycle Dating Methods
商业周期定年方法实时表现的比较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：摘要明确研究美国商业周期的实时定年，并使用马尔可夫转换动态因子模型。
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
商业周期定年方法实时表现的比较
- 研究问题
- 使用当时可获得的美国月度同步指标，形式化规则能否及时识别商业周期转折点，并接近 NBER 的周期定年？
- 方法与思路
- 作者利用一套实时数据，比较非参数算法与马尔可夫转换动态因子模型，考察转折日期匹配程度及识别速度。
- 材料陈述的贡献
- 摘要称两种方法均能较准确复现所考察三十年的周期 chronology，转换因子模型更接近 NBER 日期且谷底识别更快。
- 阅读关注点
- 应核对实时数据版本、指标公布与修订时点、转折判定规则，以及日期匹配和识别延迟的评价标准与比较基准。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；未提供具体样本日期、误判与延迟数值，所述历史表现不能直接推为未来实时表现。
原文摘要
We evaluate the ability of formal rules to establish U.S. business cycle turning point dates in real time. We consider two approaches, a nonparametric algorithm and a parametric Markov-switching dynamic-factor model. Using a new “real-time” dataset of coincident monthly variables, we find that both approaches would have accurately identified the NBER business cycle chronology had they been in use over the past 30 years, with the Markov-switching model most closely matching the NBER dates. Further, both approaches, and particularly the Markov-switching model, yielded significant improvement over the NBER in the speed with which business cycle troughs were identified.