Improving Federal-Funds Rate Forecasts in VAR Models Used for Policy Analysis
改进政策分析用VAR模型的联邦基金利率预测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。
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：摘要直接比较联邦基金利率预测，并在用于货币政策分析的结构VAR中实施收缩估计，因此对应预测与VAR方向。
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
改进政策分析用VAR模型的联邦基金利率预测
- 研究问题
- 收缩估计能否改善用于货币政策分析的结构VAR的联邦基金利率预测，使其接近期货市场预测，并保留模型的结构解释？
- 方法与思路
- 作者在三个结构VAR中采用收缩估计，与OLS及期货市场预测比较，并检查限制滞后阶数或施加精确单位根约束后的结果。
- 材料陈述的贡献
- 摘要称，收缩预测优于OLS预测，与期货市场预测大体相当；作者据此主张随机先验约束可提高准确性并保留结构解释。
- 阅读关注点
- 核对收缩先验的形式与设定、预测期限及评价样本、误差指标和比较的信息集，并检查结构识别及政策解释如何保留。
- 阅读边界
- 摘要未提供样本、预测期限、误差数值及显著性检验；所述优势来自三个模型的比较，不能直接推广至所有VAR或政策情境。
原文摘要
Federal-funds rate-forecast errors from vector autoregressive (VAR) models used for monetary policy analysis and fitted by ordinary least squares (OLS) are large relative to those from the futures market. Using three different structural VAR models, we show that forecasts based on a shrinkage estimator dominate the OLS-based forecasts--even after restricting the lag length and/or imposing exact unit-root restrictions--and are broadly comparable to the futures-market forecasts. Our results refute the perception that VAR models forecast the funds rate poorly in general and suggest that using stochastic prior restrictions can provide an effective way of improving forecast accuracy without sacrificing structural interpretation.