دانلود مقاله ISI انگلیسی شماره 137112
ترجمه فارسی عنوان مقاله

تست بهینه بودن پیش بینی تورم در برابر زیان انعطاف پذیر با جنگل های تصادفی

عنوان انگلیسی
Testing the optimality of inflation forecasts under flexible loss with random forests
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
137112 2018 8 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6878 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 13 روز بعد از پرداخت 481,460 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 7 روز بعد از پرداخت 962,920 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Economic Modelling, Available online 1 March 2018

پیش نمایش مقاله
پیش نمایش مقاله  تست بهینه بودن پیش بینی تورم در برابر زیان انعطاف پذیر با جنگل های تصادفی

چکیده انگلیسی

We contribute to recent research on the optimality of macroeconomic forecasts. We start from the assumption that forecasters may have a flexible rather than a symmetric (quadratic) loss function assumed in standard tests. This assumption leads to the prediction that variables available to a forecaster when a forecast was formed should have no predictive value for a binary 0/1-indicator that captures the sign of the forecast error. A test of forecast optimality, thus, can be interpreted as a classification problem. We use random forests to model this classification problem. Random forests are a powerful nonparametric modeling instrument originally developed in the machine-learning literature. Unlike conventional linear-probability or logit/probit-models, random forests account in a natural way for potential nonlinear links between the signed forecast error and the variables in a forecaster's information set. Random forests also can handle a situation in which the number of forecasts is small relative to the number of predictor variables that a researcher uses to proxy a forecaster's information set. Random forests, therefore, are a powerful modeling device that is of interest for every researcher who studies the properties of macroeconomic forecasts. Upon estimating random forests on forecasts of four German research institutes, we document that optimality of longer-term inflation forecasts cannot be rejected and that inflation forecasts are weakly efficient. For shorter-term inflation forecasts, our results are heterogeneous across research institutes. When we pool the data across the research institutes, we reject optimality of both shorter-term and longer-term forecasts.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6878 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 13 روز بعد از پرداخت 481,460 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 7 روز بعد از پرداخت 962,920 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.