We combine the probability forecast

We combine the probability forecasts of a real GDP decline from the US Survey of Professional Forecasters, after trimming the forecasts that do not have “value”, as measured by the Kuiper Skill Score and in the sense of Merton (1981). For this purpose, we use a simple test to evaluate the probability forecasts. The proposed test does not require the probabilities to be converted to binary forecasts before testing, and it accommodates serial correlation and skewness in the forecasts. We find that the number of forecasters making valuable forecasts decreases sharply as the horizon increases. The beta-transformed linear pool combination scheme, based on the valuable individual forecasts, is shown to outperform the simple average for all horizons on a number of performance measures, including calibration and sharpness. The test helps to identify the good forecasters ex ante, and therefore contributes to the accuracy of the combined forecasts.

ผลลัพธ์ (ไทย) 2:

เรารวมการคาดการณ์น่าจะเป็นของการลดลงของ GDP ที่แท้จริงจากการสำรวจของสหรัฐพยากรณ์มืออาชีพหลังจากที่พ่ายแพ้การคาดการณ์ที่ไม่ได้มี "คุณค่า" ที่วัดจากคะแนนทักษะไคเปอร์และในความรู้สึกของเมอร์ตัน (1981) เพื่อจุดประสงค์นี้เราจะใช้การทดสอบอย่างง่ายในการประเมินการคาดการณ์ความน่าจะเป็น การทดสอบที่นำเสนอไม่จำเป็นต้องมีความน่าจะเป็นที่จะแปลงไบนารีการคาดการณ์ก่อนการทดสอบและรองรับความสัมพันธ์แบบอนุกรมและเบ้ในการคาดการณ์ เราพบว่าจำนวนของการพยากรณ์การคาดการณ์ที่มีค่าลดลงอย่างรวดเร็วในขณะที่การเพิ่มขึ้นของเส้นขอบฟ้า เบต้าเปลี่ยนรูปแบบเชิงเส้นรวมกันสระว่ายน้ำตั้งอยู่บนพื้นฐานการคาดการณ์ของแต่ละบุคคลที่มีคุณค่าแสดงให้เห็นว่ามีประสิทธิภาพสูงกว่าค่าเฉลี่ยของง่ายสำหรับอันไกลโพ้นทั้งหมดในจำนวนของมาตรการประสิทธิภาพการทำงานรวมถึงการสอบเทียบและความคมชัด การทดสอบจะช่วยให้สามารถค้นพบนักพยากรณ์ที่ดีอดีต ante และดังนั้นจึงก่อให้เกิดความถูกต้องของการคาดการณ์รวมกันที่

ผลลัพธ์ (ไทย) 3:

เรารวมน่าจะเป็นการคาดการณ์ของ Real GDP ลดลงจากสหรัฐฯ การสำรวจของนักพยากรณ์มืออาชีพ หลังจากตัดการคาดการณ์ที่ไม่ได้มี " ค่า " เป็นวัดโดยไคเปอร์ทักษะคะแนน และในแง่ของ Merton ( 1981 ) สำหรับวัตถุประสงค์นี้ เราใช้ทดสอบอย่างง่ายเพื่อประเมินความน่าจะเป็นคาดการณ์ .การนำเสนอแบบไม่ต้องใช้ความน่าจะเป็นที่จะถูกแปลงจากไบนารีก่อนที่จะทดสอบ และมันรองรับความสัมพันธ์และความต่อเนื่องในการคาดการณ์ . เราพบว่า จำนวนของนักพยากรณ์ทำให้การคาดการณ์มีค่าลดลงอย่างรวดเร็วเมื่อฟ้าเพิ่มขึ้น เบต้าแปลงเชิงเส้นพูลรวมกัน โครงการ ตามที่มีบุคคลคาดการณ์แสดงน้ำหนักเฉลี่ยอย่างง่ายสำหรับขอบเขตบนหมายเลขของการวัดผลการปฏิบัติงาน รวมถึงการสอบเทียบและความคมชัด การทดสอบจะช่วยให้ระบุดีนักพยากรณ์ ex ante และดังนั้นจึงก่อให้เกิดความถูกต้องของการคาดการณ์
รวม