US unemployment rate: Federal Reserve versus private information
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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.
score_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