Forecasting US Inflation Using Bayesian Nonparametric Models
利用贝叶斯非参数模型预测美国通胀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：摘要直接研究美国 CPI 通胀的贝叶斯非参数时间序列预测。
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…
利用贝叶斯非参数模型预测美国通胀
- 研究问题
- 当通胀与失业等预测变量的关系可能非线性、强度随时间变化，且误差存在较大非对称冲击时，如何改善通胀预测？
- 方法与思路
- 作者分别使用高斯过程和 Dirichlet 过程对条件均值与误差分布进行非参数建模，并在 CPI 通胀预测练习中评估作用。
- 材料陈述的贡献
- 摘要称，该模型在总体预测及左尾预测中具有明显收益，其中对条件均值采用非参数建模的作用尤其突出。
- 阅读关注点
- 应核对预测信息集、样本外窗口、预测期和基准模型，以及总体与左尾评价指标和均值、误差两部分的贡献分解。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未经核验；摘要未提供预测收益数值、评价时期或时变强度的具体建模方式。
原文摘要
The relationship between inflation and predictors such as unemployment is potentially nonlinear with a strength that varies over time, and prediction errors error may be subject to large, asymmetric shocks. Inspired by these concerns, we develop a model for inflation forecasting that is nonparametric both in the conditional mean and in the error using Gaussian and Dirichlet processes, respectively. We discuss how both these features may be important in producing accurate forecasts of inflation. In a forecasting exercise involving CPI inflation, we find that our approach has substantial benefits, both overall and in the left tail, with nonparametric modeling of the conditional mean being of particular importance.