Real-time forecast evaluation of DSGE models with stochastic volatility
含随机波动率的 DSGE 模型：实时预测评估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：摘要直接评估宏观变量的实时点预测、区间预测和密度预测。
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…
含随机波动率的 DSGE 模型：实时预测评估
- 研究问题
- 在外生驱动过程含非线性的 DSGE 模型中，加入随机波动率能否改善产出增长、通胀和政策利率的实时预测？
- 方法与思路
- 作者评估纳入随机波动率的 DSGE 模型，对关键宏观变量分别考察实时点预测、区间预测与密度预测的准确性。
- 材料陈述的贡献
- 摘要称，加入随机波动率明显改善了宏观基本面 DSGE 模型的密度预测；未明确声称点预测和区间预测同样改善。
- 阅读关注点
- 应核对实时数据的信息集、预测期限、比较模型与评分准则，并查看密度改善是否集中于特定变量或特殊时期。
- 阅读边界
- 依据所给 RePEc 出版社摘要；样本期间、改善幅度及检验结果未说明，不能把密度预测改善推广为所有预测指标均占优。
原文摘要
Recent work has analyzed the forecasting performance of standard dynamic stochastic general equilibrium (DSGE) models, but little attention has been given to DSGE models that incorporate nonlinearities in exogenous driving processes. Against that background,we explore whether incorporating stochastic volatility improves DSGE forecasts (point, interval, and density). We examine real-time forecast accuracy for key macroeconomic variables including output growth, inflation, and the policy rate. We find that incorporating stochastic volatility in DSGE models of macroeconomic fundamentals markedly improves their density forecasts, just as incorporating stochastic volatility in models of financial asset returns improves their density forecasts.