Recent empirical work has considere

Recent empirical work has considered the prediction of inflation by combining the information in a large number of time series. One such method that has been found to give consistently good results consists of simple equal weighted averaging of the forecasts over a large number of different models, each of which is a linear regression model that relates inflation to a single predictor and a lagged dependent variable. In this paper, I consider using Bayesian Model Averaging for pseudo out-of-sample prediction of US inflation, and find that it gives more accurate forecasts than simple equal weighted averaging. This superior performance is consistent across subsamples and inflation measures. Meanwhile, both methods substantially outperform a naive time series benchmark of predicting inflation by an autoregression

ผลลัพธ์ (ไทย) 1:

ผลผลิตล่าสุดได้พิจารณาพยากรณ์ของภาวะเงินเฟ้อ โดยรวมข้อมูลในของชุดข้อมูลเวลา หนึ่งเช่นวิธีการที่ได้พบให้ผลลัพธ์ที่ดีอย่างต่อเนื่องประกอบด้วยง่ายเท่าถ่วงน้ำหนักหาค่าเฉลี่ยของการคาดการณ์ผ่านจำนวนมากของรูปแบบที่แตกต่างกัน ซึ่งเป็นแบบจำลองถดถอยเชิงเส้นที่เกี่ยวข้องกับเงินเฟ้อจำนวนประตูเดียวและตัวแปรขึ้นอยู่กับ lagged ในเอกสารนี้ ฉันพิจารณาโดยใช้ทฤษฎีการหาค่าเฉลี่ยแบบจำลองสำหรับทำนายออกอย่างหลอกเงินเฟ้อสหรัฐ และค้นหาซึ่งจะช่วยให้คาดการณ์แม่นยำยิ่งกว่าเรื่องเท่ากับถ่วงน้ำหนักหาค่าเฉลี่ย ประสิทธิภาพนี้มีความสอดคล้องระหว่าง subsamples และวัดอัตราเงินเฟ้อ ในขณะเดียวกัน ทั้งสองวิธีมากมีประสิทธิภาพสูงกว่าเกณฑ์มาตรฐานชุดเวลาขำน่าของการคาดการณ์อัตราเงินเฟ้อโดยการ autoregression

ผลลัพธ์ (ไทย) 2:

การทำงานเชิงประจักษ์ที่ผ่านมาได้มีการพิจารณาการคาดการณ์ของอัตราเงินเฟ้อโดยการรวมข้อมูลในจำนวนมากของอนุกรมเวลา วิธีการหนึ่งดังกล่าวที่ไ​​ด้รับพบว่าให้ผลดีอย่างต่อเนื่องประกอบด้วยค่าเฉลี่ยถ่วงน้ำหนักเท่ากับที่เรียบง่ายของการคาดการณ์ในช่วงเป็นจำนวนมากของรูปแบบต่าง ๆ ซึ่งแต่ละเป็นรูปแบบการถดถอยเชิงเส้นที่เกี่ยวข้องกับอัตราเงินเฟ้อที่จะทำนายเดียวและตัวแปรตามรั้งท้าย ในบทความนี้ผมพิจารณาใช้ Averaging รุ่นเบย์สำหรับหลอกออกจากตัวอย่างการคาดการณ์อัตราเงินเฟ้อของสหรัฐและพบว่ามันจะช่วยให้การคาดการณ์ที่ถูกต้องมากขึ้นกว่าค่าเฉลี่ยถ่วงน้ำหนักเท่ากับง่าย ประสิทธิภาพที่เหนือกว่านี้มีความสอดคล้องทั่ว subsamples และมาตรการอัตราเงินเฟ้อ ในขณะที่ทั้งสองวิธีมีประสิทธิภาพสูงกว่าอย่างมีนัยสำคัญเป็นมาตรฐานอนุกรมเวลาที่ไร้เดียงสาในการคาดการณ์อัตราเงินเฟ้อโดย autoregression

ผลลัพธ์ (ไทย) 3:

ผลงานเชิงประจักษ์ ล่าสุดได้พิจารณาการคาดการณ์อัตราเงินเฟ้อ โดยการรวมข้อมูลในตัวเลขขนาดใหญ่ของอนุกรมเวลา วิธีการหนึ่งดังกล่าวที่ถูกพบว่าให้ผลดีอย่างต่อเนื่องประกอบด้วยง่ายเท่ากับถัวเฉลี่ยของการคาดการณ์มากกว่าจำนวนมากของโมเดลที่แตกต่างกันแต่ละแบบการถดถอยเชิงเส้นซึ่งเป็นอัตราการขยายตัวที่เกี่ยวข้อง ) เดี่ยวและล้าหลัง ตัวแปรตาม คือ ในบทความนี้ , ฉันพิจารณาใช้แบบจำลองเบเฉลี่ยสำหรับเทียมออกจากตัวอย่างการพยากรณ์ภาวะเงินเฟ้อสหรัฐและพบว่ามันจะช่วยให้พยากรณ์แม่นกว่าง่ายเท่ากับน้ำหนักเฉลี่ย . ประสิทธิภาพที่เหนือกว่าซึ่งสอดคล้องใน subsamples และการวัดอัตราเงินเฟ้อในขณะเดียวกัน ทั้งวิธีการอย่างเต็มที่ดีกว่าซื่อเวลาชุดมาตรฐานของอัตราเงินเฟ้อ โดยการใช้ก๊อซเปล