we not only look at a wide array of

we not only look at a wide array of linear and nonlinear models, but also generate multi-step-ahead forecasts using a real-time recursive estimation scheme over the out-of-sample period, to better mimic the practical scenario faced by economic agents making retailing decisions. In addition, we deviate from the uniform symmetric quadratic loss function typically used in forecast evaluation exercises, by considering loss functions that overweight the forecast error in booms and recessions. Focusing on the results of single models alone shows that their performances differ greatly across forecast horizons and for different weighting schemes, with no unique model performing the best across various scenarios. However, combination forecast models, especially the discounted mean-square forecast error method, which weighs current information more than past, not only produced better forecasts, but were also largely unaffected by business cycles and time horizons. This result, along with individual nonlinear models performing better than linear models, led us to conclude that theoretical research on retail sales should look at developing dynamic stochastic general equilibrium models that not only incorporate learning behavior, but also allow the behavioral parameters of the model to be state dependent, to account for regime-switching behavior across alternative states of the economy.

ผลลัพธ์ (ไทย) 1:

เราไม่เพียงแต่ดูที่หลากหลายของรูปแบบเชิงเส้น และไม่เชิงเส้น แต่ยัง สร้างหลายขั้นตอนล่วงหน้าคาดการณ์โดยใช้แบบประเมินซ้ำแบบเรียลไทม์ระยะเวลา-ของตัว จะดีกว่า เลียนแบบสถานการณ์จริงที่ต้องเผชิญกับเศรษฐกิจแทนการตัดสินใจด้านการค้าปลีก นอกจากนี้ เราเบี่ยงเบนจากฟังก์ชั่นการสูญกำลังสองแบบเหมือนกันปกติจะใช้ในการออกกำลังกาย การคาดการณ์การประเมิน โดยพิจารณาฟังก์ชันสูญเสียที่มีน้ำหนักเกินข้อผิดพลาดที่คาดการณ์ในบอมส์และ recessions เน้นผลของเดียวแบบเดียวแสดงว่า ผลงานอย่าง ข้ามขอบเขตการคาดการณ์ และ สำหรับ แผนต่าง ๆ น้ำหนัก ด้วยไม่มีรุ่นเฉพาะที่ดำเนินการที่ดีสุดในสถานการณ์ต่าง ๆ อย่างไรก็ตาม ชุดจำลองการคาดการณ์ โดยเฉพาะอย่างยิ่งตารางหมายถึงอะไรที่ลดการคาดการณ์ผิดพลาดวิธี ซึ่งมีน้ำหนักข้อมูลปัจจุบันมากกว่าอดีต ไม่เพียงแต่ ผลิตคาดการณ์ดีขึ้น แต่ยังได้รับผลกระทบส่วนใหญ่วงจรธุรกิจและระยะเวลา ผลนี้ พร้อมกับแบบจำลองไม่เชิงเส้นละประสิทธิภาพดีกว่าแบบเชิงเส้น นำเราจะสรุปว่า การวิจัยทางทฤษฎีสำหรับการขายปลีกควรดูที่พัฒนาแบบจำลอง stochastic สมดุลทั่วไปที่ไม่เพียงรวมพฤติกรรมการเรียนรู้ แต่ยัง ช่วยให้พฤติกรรมพารามิเตอร์ของแบบจำลองจะเป็นรัฐอิสระ การบัญชีสำหรับการเปลี่ยนระบอบการปกครองลักษณะการทำงานในอเมริกาทางเลือกของเศรษฐกิจ

ผลลัพธ์ (ไทย) 2:

เราไม่เพียง แต่มองไปที่ความหลากหลายของการเชิงเส้นและรูปแบบไม่เชิงเส้น แต่ยังสร้างการคาดการณ์หลายขั้นตอนข้างหน้าโดยใช้เวลาจริงโครงการประมาณค่า recursive เหนือออกจากตัวอย่างระยะเวลาที่ดีในการเลียนแบบสถานการณ์จริงที่ต้องเผชิญกับตัวแทนทางเศรษฐกิจ การตัดสินใจการค้าปลีก นอกจากนี้เราเบี่ยงเบนไปจากฟังก์ชั่นการสูญเสียกำลังสองเครื่องแบบสมมาตรปกติจะใช้ในการออกกำลังกายการประเมินผลการคาดการณ์โดยพิจารณาว่าฟังก์ชั่นการสูญเสียน้ำหนักตัวมากเกินคาดการณ์ข้อผิดพลาดในความรุ่งเรืองและความถดถอย มุ่งเน้นไปที่ผลของรูปแบบเดียวคนเดียวแสดงให้เห็นว่าแสดงของพวกเขาที่ต่างกันมากข้ามขอบฟ้าคาดการณ์และแผนการน้ำหนักที่แตกต่างกันกับรูปแบบที่ไม่ซ้ำกันไม่มีการแสดงที่ดีที่สุดในสถานการณ์ต่างๆ อย่างไรก็ตามการรวมกันคาดการณ์แบบจำลองโดยเฉพาะอย่างยิ่งการลดราคาเฉลี่ยตารางวิธีการคาดการณ์ข้อผิดพลาดซึ่งมีน้ำหนักข้อมูลที่เป็นปัจจุบันมากขึ้นกว่าที่ผ่านมาไม่ได้ผลิตเพียงการคาดการณ์ที่ดีขึ้น แต่ก็มีส่วนใหญ่ได้รับผลกระทบจากวงจรธุรกิจและกรอบเวลา ผลที่ได้นี้พร้อมกับรูปแบบไม่เชิงเส้นของแต่ละบุคคลที่มีประสิทธิภาพดีกว่าแบบจำลองเชิงเส้นทำให้เราสรุปได้ว่าการวิจัยเชิงทฤษฎีเกี่ยวกับการขายค้าปลีกควรดูที่การพัฒนารูปแบบสมดุลแบบไดนามิกสุ่มทั่วไปที่ไม่เพียง แต่รวมพฤติกรรมการเรียนรู้ แต่ยังช่วยให้พารามิเตอร์พฤติกรรมของรูปแบบการ เป็นรัฐขึ้นอยู่กับบัญชีสำหรับพฤติกรรมของระบอบการปกครองสลับข้ามรัฐอีกทางเลือกหนึ่งของเศรษฐกิจ

ผลลัพธ์ (ไทย) 3:

เราไม่เพียง แต่ดูที่หลากหลายของรูปแบบระบบสมการเชิงเส้นและไม่เชิงเส้น แต่ยังสร้างหลายขั้นตอนก่อนการใช้รูปแบบการประเมินแบบเรียลไทม์สำหรับผู้ผ่านออกจากระยะเวลาตัวอย่างดีกว่า เลียนแบบการปฏิบัติสถานการณ์ที่เผชิญ โดยทางตัวแทนการตัดสินใจการค้าปลีก นอกจากนี้ เราเบี่ยงเบนไปจากเครื่องแบบไม่มีการสูญเสียสมมาตรฟังก์ชันมักจะใช้ในแบบฝึกหัดการประเมินคาดการณ์ โดยการพิจารณาฟังก์ชันที่อ้วนที่พยากรณ์ใน booms ถดถอยและการสูญเสีย เน้นผลลัพธ์ของรูปแบบเดียวเท่านั้น แสดงให้เห็นว่า การปฏิบัติงานไม่แตกต่างกันมากในขอบเขตและรูปแบบการพยากรณ์น้ำหนักที่แตกต่างกัน ไม่มีเอกลักษณ์รูปแบบการปฏิบัติที่ดีที่สุดในสถานการณ์ต่าง ๆ อย่างไรก็ตาม การปรับรุ่น โดยเฉพาะลดหมายถึงตารางพยากรณ์วิธี ซึ่งมี่ข้อมูลปัจจุบันมากกว่าอดีต ไม่เพียง แต่ผลิตการคาดการณ์ที่ดีขึ้น แต่ยังมีผลกระทบไปตามวัฏจักรธุรกิจและขอบเขต ผลที่ได้นี้ พร้อมกับแต่ละแบบจำลองเชิงเส้นแสดงดีกว่าแบบจำลองเชิงเส้น ทำให้เราสรุปได้ว่า การวิจัยเชิงทฤษฎีเกี่ยวกับการค้าปลีกควรมองการพัฒนาแบบจำลองดุลยภาพทั่วไป Stochastic Dynamic ที่ไม่เพียง แต่การรวมพฤติกรรมการเรียนรู้ แต่ยังช่วยให้พารามิเตอร์พฤติกรรมของแบบจำลองเป็นรัฐขึ้นอยู่กับบัญชีสำหรับระบบการปกครองเปลี่ยนพฤติกรรมในทางเลือกของสหรัฐอเมริกาเศรษฐกิจ