論文の概要: Macroeconomic Forecasting for the G7 countries under Uncertainty Shocks

• arxiv url: http://arxiv.org/abs/2510.23347v1
• Date: Mon, 27 Oct 2025 14:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.566179
• Title: Macroeconomic Forecasting for the G7 countries under Uncertainty Shocks
• Title（参考訳）: 不確実性ショック下におけるG7諸国のマクロ経済予測
• Authors: Shovon Sengupta, Sunny Kumar Singh, Tanujit Chakraborty,
• Abstract要約: 我々はSims Zha Bayesian VARを変数付きで拡張し、ドメインインフォームド収縮と4つの新聞ベースの不確実性ショックを組み込む。 このフレームワークは構造的解釈性を改善し、次元性を緩和し、経験的にガイドされた正規化を課す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate macroeconomic forecasting has become harder amid geopolitical disruptions, policy reversals, and volatile financial markets. Conventional vector autoregressions (VARs) overfit in high dimensional settings, while threshold VARs struggle with time varying interdependencies and complex parameter structures. We address these limitations by extending the Sims Zha Bayesian VAR with exogenous variables (SZBVARx) to incorporate domain-informed shrinkage and four newspaper based uncertainty shocks such as economic policy uncertainty, geopolitical risk, US equity market volatility, and US monetary policy uncertainty. The framework improves structural interpretability, mitigates dimensionality, and imposes empirically guided regularization. Using G7 data, we study spillovers from uncertainty shocks to five core variables (unemployment, real broad effective exchange rates, short term rates, oil prices, and CPI inflation), combining wavelet coherence (time frequency dynamics) with nonlinear local projections (state dependent impulse responses). Out-of-sample results at 12 and 24 month horizons show that SZBVARx outperforms 14 benchmarks, including classical VARs and leading machine learning models, as confirmed by Murphy difference diagrams, multivariate Diebold Mariano tests, and Giacomini White predictability tests. Credible Bayesian prediction intervals deliver robust uncertainty quantification for scenario analysis and risk management. The proposed SZBVARx offers G7 policymakers a transparent, well calibrated tool for modern macroeconomic forecasting under pervasive uncertainty.
• Abstract（参考訳）: 地政学的な混乱、政策の逆転、不安定な金融市場の中で、正確なマクロ経済予測は困難になっている。 従来のベクトル自己回帰(VAR)は高次元設定で過度に適合するが、しきい値VARは時間差や複雑なパラメータ構造に悩まされる。 我々は、Sims Zha Bayesian VARを外生変数(SZBVARx)で拡張し、ドメインインフォームド・収縮と、経済政策の不確実性、地政学的リスク、米国株式市場ボラティリティ、米国の金融政策の不確実性などの4つの新聞ベースの不確実性ショックを取り入れることで、これらの制限に対処する。 このフレームワークは構造的解釈性を改善し、次元性を緩和し、経験的にガイドされた正規化を課す。 G7データを用いて、不確実性ショックから5つのコア変数(増幅、真の有効交換率、短期金利、石油価格、CPIインフレーション)への流出について検討し、ウェーブレットコヒーレンス(時間周波数ダイナミクス)と非線形局所射影(状態依存インパルス応答)を組み合わせる。 12と24ヶ月の地平線におけるサンプル外の結果、SZBVARxは、Murphy差分図、多変量Diebold Marianoテスト、Giacomini White予測可能性テストによって確認された、古典的なVARや主要な機械学習モデルを含む14のベンチマークを上回っている。 クレディブルベイズ予測区間は、シナリオ分析とリスク管理のための堅牢な不確実性定量化を提供する。 提案されたSZBVARxは、G7政策立案者に対して、広範不確実性の下での現代マクロ経済予測のための透明で十分に調整されたツールを提供する。

関連論文リスト

• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• Geopolitics, Geoeconomics and Risk:A Machine Learning Approach [0.21485350418225244]
  このデータセットを用いて、感情動態が主権リスクをいかに形成するかを研究する。 世界的な金融変数は主権リスクの主要な要因である。 しかし、地政学的リスクや経済政策の不確実性も重要な役割を担っている。
  論文  参考訳（メタデータ） (2025-10-14T11:51:36Z)
• Neural ARFIMA model for forecasting BRIC exchange rates with long memory under oil shocks and policy uncertainties [0.0]
  為替レートのダイナミクスの主な要因は、世界経済政策の不確実性、米国株市場のボラティリティ、米国の金融政策の不確実性、原油価格の上昇率、国固有の短期金利差などである。 本稿では,ARFIMAの長期記憶表現とニューラルネットワークの非線形学習能力を組み合わせたニューラル自己回帰分節統合型移動平均モデルを提案する。 NARFIMAはBRIC交換率の予測において,最先端の統計モデルや機械学習モデルよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-08T13:49:48Z)
• Interpreting Fedspeak with Confidence: A LLM-Based Uncertainty-Aware Framework Guided by Monetary Policy Transmission Paths [30.982590730616746]
  連邦準備制度が使用するスタイル化され、しばしばニュアンスな言語である「Fedspeak」は、暗黙の政策信号と戦略的スタンスを符号化している。 我々はFedspeakを解析・解釈するための不確実性を考慮したフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-11T14:04:59Z)
• Can We Reliably Predict the Fed's Next Move? A Multi-Modal Approach to U.S. Monetary Policy Forecasting [2.6396287656676733]
  本研究では、構造化データと連邦準備制度の通信からの非構造化テキスト信号を統合することにより、予測精度を向上させることができるかどうかを検討する。 以上の結果から,ハイブリッドモデルは単調なベースラインを一貫して上回ることがわかった。 金融政策予測では、より単純なハイブリッドモデルは正確性と解釈可能性の両方を提供し、研究者と意思決定者に実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-28T05:54:58Z)
• Time-varying Factor Augmented Vector Autoregression with Grouped Sparse Autoencoder [4.769637827387851]
  本稿では、Spyke-and-Slab Lassoを前に採用したGrouped Sparseオートエンコーダを紹介する。 時間変化パラメータをVARコンポーネントに組み込んで、進化する経済力学をよりよく捉えます。 我々の米国経済への実証的な応用は、グループスパースオートエンコーダがより解釈可能な要素を生み出すことを示す。
  論文  参考訳（メタデータ） (2025-03-06T12:37:55Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。