MétaCan
Menu
Retour à la cohorte
Enregistrement W4290458953 · doi:10.17016/feds.2012.77

Credit Spreads as Predictors of Real-Time Economic Activity: A Bayesian Model-Averaging Approach

2012· article· en· W4290458953 sur OpenAlexaboutno aff
Jon Faust, Simon Gilchrist, Jonathan H. Wright, Egon Zakrajšek

Notice bibliographique

RevueFinance and Economics Discussion Series · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconometricsAutoregressive modelBayesian probabilityBenchmark (surveying)BondBayesian inferenceEconomicsNowcastingEconomic indicatorCredit riskBond marketMaturity (psychological)Quarter (Canadian coin)Real economySet (abstract data type)StatisticsComputer scienceMathematicsActuarial scienceFinanceMonetary economicsMacroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Employing a large number of financial indicators, we use Bayesian Model Averaging (BMA) to forecast real-time measures of economic activity. The indicators include credit spreads based on portfolios--constructed directly from the secondary market prices of outstanding bonds--sorted by maturity and credit risk. Relative to an autoregressive benchmark, BMA yields consistent improvements in the prediction of the cyclically-sensitive measures of economic activity at horizons from the current quarter out to four quarters hence. The gains in forecast accuracy are statistically significant and economically important and owe almost exclusively to the inclusion of credit spreads in the set of predictors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,214
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations24
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinance and Economics Discussion SeriesMême sujetCredit Risk and Financial RegulationsTravaux en français237 207