Has MacRoforecasting Failed (Nber Working Paper No 386) pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Natl Bureau of Economic Res

作者:Victor Zarnowitz

出品人:

页数:0

译者:

出版时间:1991-10

价格:USD 5.00

装帧:Paperback

isbn号码:9789992735619

丛书系列:

图书标签:

宏观经济预测
宏观经济学
经济预测
经济模型
时间序列分析
NBER
工作论文
经济周期
经济分析
计量经济学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

宏观经济预测：历史、方法与挑战宏观经济预测是经济学研究中的一个核心领域，旨在通过建立和应用模型来估计未来经济变量（如国内生产总值、通货膨胀率、失业率等）的走势。这个领域的发展伴随着经济理论的演进和计量经济学工具的进步，其目标是为政策制定者、投资者和企业提供重要的决策参考。预测方法的演变宏观经济预测的方法经历了从简单的外推到复杂的结构化模型的发展过程。早期的方法：定性与简单统计模型在宏观经济学的早期阶段，预测往往依赖于经济学家的定性判断和对历史趋势的简单观察。例如，基于过去几年经济增长的平均速度来推断未来几年的增长。这些方法虽然直观，但缺乏系统性和严谨性，尤其在面对结构性变化或冲击时，准确性较低。随着统计学在经济学中的应用，时间序列分析开始发挥作用。早期的统计模型，如自回归模型（AR），主要关注变量自身的历史数据来预测未来值。随后发展起来的移动平均模型（MA）和结合两者的自回归移动平均模型（ARMA），为经济时间序列的建模提供了更精细的工具。这些模型通常假设经济系统的动态是稳定的，并且过去的模式会持续到未来。结构化模型的兴起与主导地位进入20世纪下半叶，随着凯恩斯主义宏观经济学的影响加深，经济学家开始构建结构化（或理论驱动型）模型。这些模型试图模仿经济体的微观基础，将GDP、消费、投资、政府支出等变量通过理论关系（如消费函数、投资函数）联系起来。大型宏观计量模型（Large-Scale Econometric Models）在20世纪七八十年代成为主流。例如，著名的“季分析模型”（The Quarterly Econometric Model），包含了数百个方程，试图捕捉经济中各个部门之间的复杂相互作用。这些模型的优势在于，它们可以进行情景分析，评估特定政策（如增税或增加政府开支）对整个经济的影响。然而，这些模型的复杂性也带来了挑战：参数估计的难度、模型识别的困难，以及对特定理论假设的过度依赖。预测中的计量经济学挑战无论采用哪种模型，宏观经济预测都面临着一系列固有的计量经济学挑战。参数的稳定性与“卢卡斯批判” 一个核心问题是经济关系的非稳定性。经济主体的行为会随着政策环境的变化而调整。著名的“卢卡斯批判”（Lucas Critique）指出，基于历史数据估计的模型，如果用于评估会改变经济主体行为的政策，其预测结果将是不可靠的。这要求预测模型必须超越简单的外推，纳入对经济主体决策机制的理解。模型的设定误差与误设所有经济模型都是对现实的简化。模型设定误差（Misspecification）是一个普遍存在的问题。如果模型遗漏了重要的经济变量，或者未能正确捕捉变量之间的非线性关系，其预测性能就会下降。在经济结构快速变化的时期，旧模型的结构往往不能适应新的现实，导致预测失效。冲击与随机性宏观经济系统充满了不可预测的冲击，如技术创新、地缘政治冲突、自然灾害或金融危机。这些冲击很难被当前的模型完全捕捉。随机误差项（Residuals）代表了这些不可预测的因素，它们的存在使得任何宏观预测都必然带有不确定性。贝叶斯方法与信息时代的进步进入21世纪，随着计算能力的飞跃和新数据的涌现，预测方法开始向更具适应性和数据驱动的方向发展。贝叶斯宏观经济学的复兴提供了处理不确定性和参数估计的新框架。贝叶斯方法允许研究者将先验知识（基于理论或前次研究的信念）与新收集的数据相结合，从而得到更稳健的参数估计和预测区间。向量自回归（VAR）模型及其扩展（如结构化VAR或SVAR）在很大程度上取代了早期的“大模型”。VAR模型不对经济结构做过多强硬的理论假设，而是直接从数据中识别变量间的动态关系。虽然VAR模型在解释结构性冲击方面存在争议，但其在短期预测中的表现往往非常可靠。因子模型与高维数据现代经济数据量急剧膨胀，形成了高维时间序列。为了应对包含数百甚至数千个变量的数据集，因子模型（Factor Models）被广泛应用于“因子增强”的预测中。这些模型假设许多可观测变量的共同变动可以由少数几个未观测的“共同因子”所解释。通过降维，模型能够更好地提取信息，提高预测精度。预测的局限性与未来方向尽管预测技术不断进步，但宏观经济预测的准确性仍是一个持续的辩论点。在正常的经济扩张或收缩周期中，主流模型通常能提供合理的预测范围。然而，在重大转折点或危机时期，预测的失败率明显上升。例如，2008年全球金融危机爆发前，大部分基于传统模型的预测并未预警危机的严重性。这暴露了模型在处理金融市场与实体经济相互作用、资产泡沫破裂等非线性、尾部风险事件时的不足。未来的研究方向正聚焦于如何更有效地整合： 1. 微观基础：将个体理性主体的行为更紧密地融入模型，构建动态随机一般均衡（DSGE）模型，并改进其对异质性主体的处理。 2. 高频数据与文本分析：利用卫星数据、社交媒体情绪、企业调查文本等“替代数据”，来捕捉经济活动的即时变化，增强对经济前景的敏感度。 3. 不确定性和模型选择：从追求单一“点预测”转向提供更具信息量的概率预测，明确告知决策者预测的潜在误差范围和风险点。宏观经济预测是一门精确性与艺术性并存的学科。它不仅依赖于对历史数据的严谨分析，更需要研究者对当前经济环境变化的深刻洞察和对模型局限性的清醒认识。

作者简介

目录信息

读后感

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

作为一名长期关注宏观经济动态的投资者，我时常会在各种新闻报道和分析报告中看到对未来经济走势的预测，从GDP增长率到通货膨胀率，再到利率走向，这些预测如同迷雾中的灯塔，试图指引我们前行的方向。然而，历史的经验告诉我们，这些预测并非总是准确，有时甚至会大相径庭。因此，当我在书架上瞥见 "Has Macroforecasting Failed?" 这本书时，我的好奇心立刻被点燃了。NBER Working Paper No. 386，这个标签暗示了其研究的深度和学术的严谨性，它不是那种浮于表面的观点陈述，而是可能蕴含着经过精心设计和验证的研究方法。我设想，作者或许会深入剖析那些曾经被寄予厚望的宏观经济预测模型，审视它们在实际应用中的表现，并且毫不留情地指出其存在的不足之处。这可能涉及到对模型构建过程的质疑，对关键变量选择的考量，甚至是关于经济系统本身内在复杂性和不可预测性的一种哲学思考。我想象着，这本书会像一把手术刀，冷静而精确地解剖宏观经济预测这一学科，揭示其光鲜外表下可能存在的脆弱和局限。对我而言，这不仅是对学术界的一次叩问，更是对我们依赖经济预测进行决策的现实的一种反思。

评分☆☆☆☆☆

每当读到关于宏观经济预测的书籍，我的脑海中总会浮现出一些经典的经济学模型和复杂的图表，以及那些试图将模糊的未来量化成清晰数字的努力。而"Has Macroforecasting Failed? (NBER Working Paper No. 386)" 这个书名，则带着一种更为直接和具有批判性的意味。它不像很多教科书那样，旨在教授一套预测的方法论，反而像是在审判这一方法论本身。NBER Working Paper，这让我联想到了一系列严谨的学术研究，可能包含了大量的实证分析和理论辩论。我很好奇，作者是如何界定“失败”的？是完全无法捕捉经济的波动，还是预测的准确度不足以指导决策？或许，这本书会通过梳理过往一些重要的宏观经济预测案例，来论证其失败的论点，抑或是提出一种新的视角来重新审视宏观经济预测的价值和局限。我甚至可以想象，这本书可能不会给出一个简单的“是”或“否”的答案，而是会引导读者去思考，在经济系统日益复杂和充满不确定性的今天，我们究竟应该如何看待宏观经济预测，它还能扮演怎样的角色，以及我们应该期待它达到怎样的程度。

评分☆☆☆☆☆

我一直对经济学领域中的那些“未解之谜”和“争议性话题”情有独钟，而宏观经济预测无疑是其中最引人入胜的一类。这本书的标题，"Has Macroforecasting Failed? (NBER Working Paper No. 386)"，直接触及了这个核心争议，并以一种颇具挑战性的方式抛了出来。NBER Working Paper的标签，让我对这份研究的学术严谨性充满了期待。我猜想，作者很可能并非是简单地陈述一个结论，而是会深入剖析宏观经济预测之所以会“失败”的深层原因。这可能涉及到对模型设定的质疑，对数据限制的探讨，甚至是关于经济周期内在的随机性和不可预测性的一种深刻反思。我希望这本书能带领我走进一个充满思辨的学术殿堂，去审视那些曾经被视为“水晶球”的预测工具，理解它们在现实世界中的局限性。它或许会揭示出，在复杂多变的经济环境中，过度依赖单一或僵化的预测模型，可能只会带来误导。我期待它能启发我对宏观经济预测的本质有更深刻的理解，并促使我思考，在承认其局限性的前提下，我们应该如何更有效地利用信息和分析来应对未来的经济挑战。

评分☆☆☆☆☆

这本书的名字本身就足够引人深思，"Has Macroforecasting Failed?"，这难道不是每个关注经济和金融领域的人都在内心深处问过的问题吗？特别是当它加上了 "NBER Working Paper No. 386" 的后缀，立刻就带上了一种学术严谨性和潜在的颠覆性。NBER（National Bureau of Economic Research）的名头，足以让任何严肃的经济学研究者提起十二分精神。想象一下，捧着这份报告，坐在安静的书桌前，窗外也许是阴雨绵绵，又或者阳光正好，但脑海里一定是波涛汹涌。这份工作论文，预示着它将直面宏观经济预测这个复杂而又充满争议的领域，不回避其可能存在的缺陷和局限。它不像一本畅销的科普读物那样，承诺给你一个清晰简单的答案，而是更像一次深入的学术探究，或许会揭示出预测模型中的盲点，或是挑战我们对经济预测能力的固有认知。我迫不及待地想知道，作者是如何一步步剖析这个问题的，是数据分析的冷酷展示，还是理论框架的严谨论证？是回溯历史的深刻洞察，还是前瞻未来的大胆假设？这种标题，瞬间就激起了我想要一探究竟的强烈欲望，想要了解这份工作论文究竟会带领我们走向何方，是认清现实的严峻，还是找到突破的曙光。

评分☆☆☆☆☆

我是一名普通的经济学爱好者，尽管我不是专业的经济学家，但我一直对经济现象背后运行的规律抱有浓厚的兴趣。尤其是在当今这个信息爆炸的时代，各种关于未来经济走向的预测层出不穷，但与此同时，我们也常常看到一些预测与实际结果大相径庭，甚至引发了社会上的讨论和争议。所以，当我的目光落在这本名为 "Has Macroforecasting Failed? (NBER Working Paper No. 386)" 的书上时，一种混合着好奇和审慎的情绪油然而生。NBER的背景，意味着这份工作论文很可能是一项严谨的学术研究，它不是那种哗众取宠的标题党，而是试图通过扎实的分析来探讨一个重要的问题。我忍不住猜测，作者可能不仅仅是简单地断言宏观经济预测是否失败，而是会深入探讨“为何”会失败，或者“在哪些方面”失败。也许它会回溯历史，分析过往几次重大的经济事件是如何被预测所忽略的，亦或是探讨当前主流预测模型的理论根基是否能够经受住现实的考验。我期待这本书能够以一种易于理解但又不失深度的方式，为我揭示宏观经济预测这个领域的真实图景，让我能够更清晰地认识到其中的挑战与可能性。

评分☆☆☆☆☆