MétaCan
Menu
Retour à la cohorte
Enregistrement W3124037068 · doi:10.1002/jae.2784

Measuring the slowly evolving trend in US inflation with professional forecasts

2020· article· en· W3124037068 sur OpenAlexaff
James M. Nason, Gregor W. Smith

Notice bibliographique

RevueJournal of Applied Econometrics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésEconomicsEconometricsGDP deflatorInflation (cosmology)Volatility (finance)Survey of Professional ForecastersStochastic volatilityIndexationMarkov chainMarkov chain Monte CarloIndex (typography)Gross domestic productReal gross domestic productMonetary policyMonte Carlo methodMonetary economicsMacroeconomicsStatisticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Summary Much research studies US inflation history with a trend‐cycle model with unobserved components, where the trend may be viewed as the Fed's evolving inflation target or long‐horizon expected inflation. We provide a novel way to measure the slowly evolving trend and the cycle (or inflation gap), by combining inflation predictions from the Survey of Professional Forecasters (SPF) with realized inflation. The SPF forecasts may be treated either as rational expectations (RE) or updating according to a sticky information (SI) law of motion. We estimate RE and SI state‐space models with stochastic volatility on samples of consumer price index and gross national product/gross domestic product deflator inflation and the associated SPF inflation predictions using a particle Metropolis–Markov chain Monte Carlo sampler. The trend converges to 2% and its volatility declines over time—two tendencies largely complete by the late 1990s.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,583

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,150
Tête enseignante GPT0,216
Écart entre enseignants0,066 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied EconometricsMême sujetMonetary Policy and Economic ImpactTravaux en français237 207