MétaCan
Menu
Retour à la cohorte
Enregistrement W4388913454 · doi:10.1108/jes-05-2023-0273

US unemployment rate: Federal Reserve versus private information

2023· article· en· W4388913454 sur OpenAlexaboutno aff
Hamid Baghestani, Bassam M. AbuAl-Foul

Notice bibliographique

RevueJournal of Economic Studies · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)EconometricsEconomicsHeteroscedasticityUnemploymentConsensus forecastBenchmark (surveying)Forecast errorStatisticsActuarial scienceMathematicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Purpose This study evaluates the Federal Reserve (Fed) initial and final forecasts of the unemployment rate for 1983Q1-2018Q4. The Fed initial forecasts in a typical quarter are made in the first month (or immediately after), and the final forecasts are made in the third month of the quarter. The analysis also includes the private forecasts, which are made close to the end of the second month of the quarter. Design/methodology/approach In evaluating the multi-period forecasts, the study tests for systematic bias, directional accuracy, symmetric loss, equal forecast accuracy, encompassing and orthogonality. For every test equation, it employs the Newey–West procedure in order to obtain the standard errors corrected for both heteroscedasticity and inherent serial correlation. Findings Both Fed and private forecasts beat the naïve benchmark and predict directional change under symmetric loss. Fed final forecasts are more accurate than initial forecasts, meaning that predictive accuracy improves as more information becomes available. The private and Fed final forecasts contain distinct predictive information, but the latter produces significantly lower mean squared errors. The results are mixed when the study compares the private with the Fed initial forecasts. Additional results indicate that Fed (private) forecast errors are (are not) orthogonal to changes in consumer expectations about future unemployment. As such, consumer expectations can potentially help improve the accuracy of private forecasts. Originality/value Unlike many other studies, this study focuses on the unemployment rate, since it is an important indicator of the social cost of business cycles, and thus its forecasts are of special interest to policymakers, politicians and social scientists. Accurate unemployment rate forecasts, in particular, are essential for policymakers to design an optimal macroeconomic policy.

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)0,005
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,029
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,198
Tête enseignante GPT0,313
Écart entre enseignants0,115 · 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'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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic StudiesMême sujetMonetary Policy and Economic ImpactTravaux en français237 207