Regime-Switching Density Forecasts Using Economists' Scenarios
利用经济学家情景进行状态转换密度预测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。
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：摘要直接研究宏观密度预测，并使用状态转换模型预测美国季度 GDP 增长。
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
利用经济学家情景进行状态转换密度预测
- 研究问题
- 如何将专家定义的多个经济情景纳入宏观密度预测，并评估这些情景对预测准确性及分布校准的贡献？
- 方法与思路
- 作者采用状态转换框架，将不同情景组作为经济状态的贝叶斯先验，再通过优化密度预测目标组合各组预测分布。
- 材料陈述的贡献
- 摘要称美国 GDP 实时季度预测应用取得良好的平均预测评分与分布校准，并可评估经济学家情景的预测贡献。
- 阅读关注点
- 应核对专家情景如何映射为状态先验、组合目标与权重估计，以及实时信息集、评价窗口和校准检验。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未给出评分、基准或样本范围，不能确认提升幅度与跨场景有效性。
原文摘要
We propose an approach for generating macroeconomic density forecasts that incorporate information on multiple scenarios defined by experts. We adopt a regime-switching framework in which sets of scenarios ("views") are used as Bayesian priors on economic regimes. Predictive densities coming from different views are then combined by optimizing objective functions of density forecasting. We illustrate the approach with an empirical application to quarterly real-time forecasts of U.S. GDP growth, in which we exploit the Fed's macroeconomic scenarios used for bank stress tests. We show that the approach achieves good accuracy in terms of average predictive scores and good calibration of forecast distributions. Moreover, it can be used to evaluate the contribution of economists' scenarios to density forecast performance.