作者
摘要
近年来，使用“扩散指数”进行预测受到了广泛关注。其想法是使用从大量数据中估计的共同因素来帮助预测感兴趣的系列。本文评估了预测在多大程度上受到（i）如何估计因素和/或（ii）如何制定预测的影响。我们发现，对于简单的数据生成过程，并且当数据的动态结构已知时，没有一种方法能够突出系统的好坏。所考虑的五种方法都具有相当相似的特性，尽管有些方法在长时间预测中更好，尤其是在时间序列观测数较少的情况下。然而，当动态结构未知时，对于更复杂的动态和误差结构（如实际遇到的），一种方法的预测误差较小。该方法直接预测感兴趣的序列，而不是分别预测常见和特殊的成分，并且未指定因素的动态。通过施加较少的约束，并且必须估计较少数量的辅助参数，该方法似乎不太容易出现指定错误，从而改进了预测。
建议引用
Jean Boivin和Serena Ng，2005年。"理解和比较基于因素的预测,"NBER工作文件11285，美国国家经济研究局。手柄：RePEc:nbr:nberwo:11285
注：EFG ME
有关此项目的详细信息
- E37（E37）-宏观经济学和货币经济学——价格、商业波动和周期——预测和模拟：模型和应用
- E47型-宏观经济学和货币经济学——货币和利率——预测和模拟：模型和应用
- C3类-数学与定量方法——多重或联立方程模型；多个变量
- 第53页-数学和定量方法--计量经济学建模--预测和预测模型；模拟方法
NEP字段
这篇论文已在下面宣布NEP报告:
统计
访问和下载统计
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:nbr:nberwo:11285。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文正在等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：负责人（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/nberrus.html.
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
