新闻资讯
资产定价和现实中的宏观经济新闻
在连续的绿皮书预测中对季度实际GDP增长的修正代表了当前和预期未来经济增长的消息。在1975年至2015年的抽样中,未来增长的消息与同期美国国债收益率的变化略有负相关,而当前增长的消息与这些收益率的变化密切相关。这两种结果都很难与代表代理人持有债券的一级条件相一致。一个连续的输出属性动态模型,几乎所有的协变量都与日志输出的产率创新和日志输出的条件漂移创新量最小。
宏观金融研究探索 经济增长动力学与随机折现系数。模型典型地描述了经济增长和Sdf的时变条件预期。由于实际收益率与sdf的条件预期值相反,这些模型往往对经济增长(包括当前的和预期的未来增长)的新闻报道具有丰富的意义,并对实际收益率进行创新。
我估计了不同预测范围的增长信息与实际产量的当代创新之间的关系,对可能的模式没有经济限制。这一方法旨在揭示哪些机制在将经济增长与实际收益率联系起来方面似乎十分重要。我在联邦储备局的《绿皮书》/《铁皮书》中把对实际gdp增长的预测作为经济增长的新闻。在杜菲证据的推动下,名义国库收益率的同期变化代表实际收益率的创新( 2018)在如此短的时间里,预期通胀的消息在名义收益率中所占比例很小。一年前实际收益率的变化(名义收益率减去预期通胀率)也代表了实际收益创新。
回归确定了数据的主要属性,但由于计量产出固有的时间平均性,无法直接应用于宏观经济模型。因此,我也建立和估计了一个连续时间的动态模型的累计实际产出,并在产出增长的条件平均值记录产出和短期创新。模型估计明确地考虑了被测输出的时间平均化。该模型对宏观经济新闻收益率的敏感性不加任何限制,让数据说话。
从1975年到2015年的数据清楚地表明了两个显著的结果。首先,预期未来产出增长的消息与实际产量的当代创新之间没有积极的关系。点估计数为负,经济上接近于零,标准误差很大。第二,关于 流的产出增长与实际产量的同期变化密切相关。近期预测的1%的正创新--目前季度产出增长的绿皮书预测比上一季度的绿皮书预测的同期产出增长高出一个百分点--相当于收益增加约20个基点。连续时间动态模型清晰地重申了这两种回归结果。产量几乎完全不敏感的创新的条件平均值的即时产出增长,他们的负载正对基准创新的即时日志输出。
一些经济结构有助于解释这些结果。在具有代表性的代理环境中,两大类机制通过一阶条件逻辑将经济增长与实际产量联系起来
(1)
在哪里
总无风险率 t 到和是代理人的边际消费效用.我给它们贴上"一级"和"相关"的标签。
增长通过消费对边际效用的一级效应影响相对边际效用的条件预期。除此之外,下一期间较高的预期消费降低了预期的相对边际效用,从而提高了实际收益率。这是标准弹性的时际替代(EIS)效应出现在所有基于消费的模型中的未来新闻。这种EIS效应在未来增长的消息和实际产量的创新之间创造了积极的关系。忽略了总消费增长率与产出增长率之间的差异,这种正EIS关系与数据中的小负关系形成鲜明对比。
另一种一级效应出现在具有习惯形成的模型中,如坎贝尔和科克伦( 1999 )、及( 2003 )。所有其他方面都是平等的,预计消费量的立即变化是永久性的(即:)提高预期的相对边际效用,因为代表性代理人预期将来会养成上升的习惯,或相当于盈余的下降。这降低了实际产量。这一习惯效应在当前增长的新闻和实际产量的创新之间造成了负面的对比,这与数据中强有力的正关系形成了鲜明的对比。
此外,经济增长可以通过经济增长与这些预期的其他决定因素的相关性,间接地与相对边际效用的有条件预期有关。两个标准相关渠道通过预防性储蓄和优惠冲击发挥作用。
当有关当前或预期未来增长的消息与边际效用的条件波动性相关时,就会产生与预防性储蓄的相关性。可能的渠道包括像坎贝尔和科克伦那样的过度消费的反周期条件波动( 1999 )或反周期宏观经济的不确定性。随着反周期的有条件波动,高增长伴随着通过降低预防性储蓄动机提高实际收益率。
实际收益率也可能有所不同,因为投资者随意地在今天的消费和将来的消费之间做出不同的权衡。这些对代表性代理人时间偏好率的冲击(类似于新凯恩斯主义文献中的需求冲击)似乎与当前和预期未来经济增长的新闻相关。非零相关性自然地出现在新凯恩斯主义模型中,随之而来的是无源性和WOUTERS( 2003 )。阿尔伯克基等人,在捐赠经济背景下。( 2016 )提供实证证据,支持经济增长率与冲击对时间偏好率的非零相关性。
在具有代表性的代理框架内,这里的证据表明,相关机制必须在推动经济增长和实际产量之间的关系中发挥核心作用。一级机构暗示的迹象与数据中的迹象不一致。这些结果没有任何与一级机制逻辑相矛盾的地方。相反,在具有代表性的代理中,相关机制的效果必须支配一级机制的效果。
然而,将两种主要结果的迹象匹配起来,即使对具有相关机制的代表性代理模型也可能构成相当大的挑战。机制的方向需要与经济新闻的地平线转换.随着反周期的条件波动,当前产出的好消息是预防性储蓄减少,因而实际收益增加。由此产生的关于当前产出的消息与产量变化的正关系与数据中的标志相吻合。但如果这一机制也能在更长的时间内运作,那么关于近期产出预期增长的好消息同样会促使投资者预期近期的预防性储蓄需求会下降。同样,债券收益率应该增加,在预期未来产出的消息和收益率的变化之间创造积极的平衡。这种积极的合作与EIS效应的作用方向相同。它们的结合效应应该在预期未来产出增长的消息与产量变化之间产生正的统计,而不是像数据中那样产生弱的负的统计。
同样,对代表性代理人消费而不是储蓄的愿望的正面冲击也提高了实际收益率。在调整缓慢的新凯恩斯模型中,这种正冲击提高了当前产出,并预计未来几个季度的经济增长(在标准经济学家和WU-TERS中,三至四个季度( 2003 )。这些偏好冲击会在当前增长的消息和产量的变化之间产生正的关系,与数据中的标志相匹配。在未来几个季度预期增长的消息和收益率的变化之间,它们也引发了积极的对比,在数据中忽略了这一迹象。
另一个将经济增长与实际收益挂钩的框架远离代表性代理人的设置,强调对资产市场的参与有限。我认为,这里的证据不是更容易通过有限参与的镜头解释,提出了建模的挑战。
大厅( 1988 )介绍了估算代表性代理的EIS的标准方法。节 我 把这里的实证分析与霍尔的文献联系起来。节 二 描述数据,给出回归结果,并进行各种健壮性检查。节 三 描述输出动态和资产敏感性的连续时间模型。节 四 介绍和解释动态模型的估计。节 V 结束。
我。激励理论
标准资产定价逻辑将实际债券收益率与代表性代理人的消费动态联系起来。在离散时间,考虑代理的一级条件 t 在一个时期支付一个消费单位的债券.一个重要的特殊情况是预期效用与固定相对风险规避定义超过总消费.加上总消费量的有条件概率分布是逻辑正常的假设,这些偏好意味着
(2)
在哪里
是一个取决于时间偏好率的常数,EIS表示时际替代的弹性,CRRA是相对风险规避系数,以及
是总消费的记录。阿塔纳西奥和韦伯( 1989 )显示消费增长和资产回报的逻辑正常性与( 2 )实际消费增长与预期消费增长之间的关系,推广至爱泼斯坦与津的递归效用偏好( 1989 )。随着时间的推移,平稳消费的愿望将预期的消费增长直接与实际速度联系起来。
A.大厅( 1988 )
大厅( 1988 ) uses ( 2 )以估计环境影响指数。他认为同度性,这使他可以将预防性储蓄条件结合在( 2 )常量。然后他将…的两侧 2 ),使用仪器变量(IVS)
(3)
在那里第四季度 1 是对EIS的估计。实际利率与美国国债的名义回报率相比,预期通胀率更低. 1
其他同期研究探索类似的方法来估计EIS。汉森及新富( 1983 )及夏季( 1982 )的非线性版本( 2 )。它们分别使用最大概率和非线性的两级最小二乘来估计EIS,或在预期效用设置中,用等价估计CRRA的逆。使用国库券和票据的实际收益 t 在此之前,两人都认为EIS大致是一个。
霍尔认为,这些估计是不正确的,因为计量经济学方法忽视了时间平均消费的特性。虽然这些房产在工作中很有名(1960年),但值得一点点细节。考虑在季度的某个时候,即时消费量会大幅增加。 t 这并没有传达任何关于未来即时消费预期增长的信息--这是一种有条件的创新。通过平均时间,这个跳跃将提高四分之一 衡量的消费量超过了四分之一 t 我们的消费量。如果创新与实际利率同时相关,那么期末的实际利率 t 会预测从季度开始的消费量的增长 t 到四分之一.
霍尔的担忧是,实际汇率之间的经验关系 t 未来的消费增长 t 到 结合真正的预测关系( 2 )和污染的同时期关系 t .使用只有日期的仪器早些时候,霍尔避免了这个时间集合问题。他报告的EIS估计值接近于零。从字面上看,这些估算表明,有代表性的投资者非常重视平稳的消费。
后霍尔文学遵循他的领导,使用两个落后的工具推断出EIS。 2 这种文献没有认识到一个逻辑难题的论点.根据维持的共同假设( 2 由于模型不承认实际利率随未来消费增长而发生变化的可能性,所以同时期的关系不会受到污染。因此,没有理由避免使用 t .
对汉森及新城区环境影响指数的估计( 1983 )及夏季( 1982 )相对於大会堂内人士( 1988 不是计量经济学误差的结果,而是这些作者所研究的模型被错误指定的证据。估计数间接地揭示了经济增长与实际利率之间存在着巨大的正同期关系,下一节明确说明了这种关系。这种同时期的关系与试验模型形成了鲜明的对比。由于EIS接近于零的结论依赖于模型,一个更可靠的结论是 3 如果没有更多的经济结构,就无法揭示环境影响指数。
B.反向回归
即使使用了双齿仪器,估计( 3 ),当实际利率因其他原因而有所不同时。变化的一个来源是随机的预防性储蓄动机.香蕉和纱( 2004 )以( 3 )由条件异质性创造。同样的问题伴随着对代理人的时间偏好率的冲击。
当实际增长率与未来经济增长无关时,对反向回归的估计
(4)
使用IV可以产生一致的估计值的EIS逆。实际比率的独立变化表现在( 4 ),但不影响第四轮的估计 1 除非这一变化与消费增长的IV预测相关。
一般而言,环境影响统计估计数字的差异( 3 ) and ( 4 )指说明错误。坎贝尔和曼丘( 1989 )找出这些差异,并争辩说它们与异构代理模式是一致的,在异质代理模式中,流动受限代理占消费的大部分。如果是,两者( 3 ) and ( 4 )被错误指定。节 II.C 仔细研究这个限制参与的论点。在坎索内里、卡比和迪巴( 2007 )。为了简化分析,他们使用了消费增长的向量自回归预测,以衡量预期消费增长,并发现对消费增长率的负面估计。 1 而不是积极的价值观所暗示的愿望平稳消费.
不幸的是,正如尼利、罗伊和怀特曼所指出的( 2001 ),有关未来消费增长的资料相对较少。因此,点估计值和置信范围为( 4 )是不可靠的。坎佐内里,卡比,迪巴( 2007 不要报告标准错误,但在文本中,它们提到其结果在统计上无关紧要。约戈( 2004 )详细探讨了这一薄弱的仪器问题,认为稳健的估算方法可以对实际利率与预期消费增长之间的关系作出估计,并与霍尔公司的估计值密切挂钩。
总之,此早期文献的结论是: 4 )表现不佳,但与( 3 )的EIS依赖于简单简单的同类设置。我的经验方法使公式的估计重新活跃起来,例如: 4 )将绿皮书经济预测作为衡量不同范围内预期经济增长的直接指标。
C.推广EIS回归
而不是简单地将绿皮书预测插入( 3 ) and ( 4 ),我使用这些公式的广义版本来更好地理解实际利率和经济增长之间的联系。的模型( 2003 ),随着习惯的形成和对时间偏好率的冲击,有助于激发这种方法。无性繁殖和无性繁殖的实际速率方程是(忽略了一个常量项)
(5)
在哪里衡量习惯形成的程度,创新是偏好冲击的时间率,而现代则是这些冲击的持续存在。新凯恩斯主义模型利用需求冲击产生代表性代理人的消费欲望的外生波动。偏好创新是需求冲击的一种类型,我用"需求冲击"来指偏好冲击的时间率。
资产定价逻辑的基础( 5 )。保持当前持续的消费增长(右边是第二个术语)和需求冲击,预期未来的高消费增长与较高的实际利率相对应,因为投资者希望从未来借款来购买今天的消费。高度习惯形成 H 就像EIS的低价值一样,意味着实际利率必须大幅上升,代表性代理人的一级条件才能满足而无需借款。换句话说,很高 H 低的EIS都提高了实际利率对预期消费增长的敏感性。
保持预期的未来消费增长和需求冲击不变,同一时期较高的消费增长与较低的实际增长率相对应,因为代表性代理人希望为他们未来习惯较高的时间储蓄。最后,这个模型中的需求冲击相当于为未来储蓄的愿望降低,从而提高了实际利率。
在精神上( 5 ),我们可以增加( 4 )与同期消费增长同步发展。条件期望版本是
(6)
除了在捕捉习惯形成方面所起的作用外,还明确地包括了( 6 )有助于解决时间平均化的问题,避免使用两个落后的工具来形成对未来消费增长的有条件预期。
在特殊情况下( 5 )若需求冲击与现时及未来的预期消费量呈正交关系,( 6 )确定环境信息系统和习惯形成的程度。但是,我们不必严肃对待这个特殊情况,因为它无法与同期消费增长系数的标志相匹配。在( 5 这个系数是负的。下一节所载的证据,是由霍尔之间的EIS估计数( 1988 )、汉森及新元( 1983 )及夏季( 1982 ),告诉我们在数据中 2 ( 6 )是肯定的。
原则上,相关效应可以解释这种差异。顺周期需求冲击和反周期预防性储蓄偏向向上两个回归系数( 6 )。在世界地球科学研究中心和世界地球科学研究所( 2003 ),最近正的需求冲击(消费欲望上升)会带来更高的利率,以及当前和预期的未来消费增长。阿尔布开克等人在他们的养老经济中受到时间的冲击。( 2016 )估计这对降低实际利率和降低消费增长率的愿望产生了积极的冲击。
布卢姆总结的大型文献( 2014 )反周期宏观经济不确定性。因此,经济增长的好消息--可能是当前增长的消息,也可能是未来预期增长的消息--应该伴随着对预防性储蓄、推动消费和实际利率的需求减少。类似地,像坎贝尔和科克伦那样的习惯模型( 1999 )自然产生反周期预防性储蓄动机。经济增长的好消息使代表性代理的消费远离习惯界限,降低了盈余的条件波动性。华特( 2006 )展示如何对习惯模型进行参数化,使高消费与高实际产量相对应。
简而言之,消费平滑的一级效应应该产生正系数 1 (透过环境影响调查) 6 ),或为零或负系数 2 (消极与习惯形成)。相关效应应该对两个子都产生正系数 1 以及 2 .简单回归,例如( 6 无法解开所有这些效果。
经济增长和利率的全面联合模式(如:经济增长和利率)的估算( 2003 )、舒飞、宋和雅伦( 2018 如果我们假设模型是正确的,就能解开效果。然而,正如本节中的讨论所表明的那样,错误的规范可能性更大。因此,我采取了一种不同的方法来总结经济增长和利率之间的理论经验联系。
我的方法相对于( 6 )。首先,我使用绿皮书预测实际产出增长,而不是实际消费总量增长。大量的文献研究了绿皮书产出预测的性质,而不是消费预测。 3 这个选择防止了将回归系数解释为EIS或习惯的度量。然而,有足够强有力的证据表明,即使使用总消费量,这种解释也是过度的。相反,我关注的是信号和粗略的大小。
其次,我考察了短期收益率和长期收益率对经济增长的贡献,而不仅仅是一个时期的实际收益率。在对长期到期收益的研究中,可能会有一些重要的信息,而我们只通过研究短期到期收益就忽略了这些信息。
第三,我检查创新而不是水平,因为我没有直接观察实际收益率。相反,我有两个日期之间的创新代理。考虑两天 t 1 和 t 2 ,
,在哪里 t 2 在历季期间。由于数据与绿皮预测一致,这两天差不多是六周。指按
.表示在 M -季度末实际到期债券
.本着( 6 ),创新版本是
(7)
等于( 7 将实际产量的创新与当前和预期的新闻联系起来 j -提前经济增长。
追随迪菲( 2002 ),假设产量在短期内接近市场,并取代( 7 )随著收率由早日改为晚日。我加了一个常量的术语,使重要参数的识别来自第二个时刻,而不是手段。结果是
(8)
以协助解释( 8 ),我估计在过去一年内 t 1 到 t 2 ,
(9)
背后的一般概念( 8 ) and ( 9 )是专门从预测产出增长的创新中找出不同类型的经济新闻,然后询问这些新闻如何与债券收益率和股票回报率相关。因此,这项研究的精神与西斯拉克和彭( 2021 ),他们对股票回报率和债券收益率的联合动态施加直觉的限制,以从高频资产数据中识别"货币"和"增长"冲击(以及风险-溢价冲击)。然后,他们会问,这些冲击与产出和通胀调查预测的低频率创新有什么共同之处。换言之,他们只从股票回报率和债券收益率中找出不同类型的经济冲击,然后询问这些冲击与宏观经济预测创新有何关联。
二.回归证据
本节列出估算结果( 8 ), ( 9 以及相关的回归。前两个小节描述数据,最后两个小节讨论回归结果。
A.有关预期增长的消息
联邦储备委员会的工作人员在联邦公开市场委员会(FOMC)的每次会议之前都要做经济预测。这些预测被称为"绿皮书"(2010年之前)或"泰利簿"(自2010年以来)预测,自1967年以来的所有联邦公开市场委员会会议都滞后五年。我使用"绿皮书预测"这个术语,不管预测日期如何。实际季度产出增长(最初是国民生产总值,然后是国内生产总值)是每个绿皮书预测中的五个宏观经济变量之一。在1960年代的大部分时间里,最大的预测范围只是提前一两个季度。到1974年中期,最大地平线通常至少提前四个季度。本文的实证分析采用了从1974年到2015年的最终预测开始的绿皮书预测。
每本绿皮书的索引,因此,按.该指数与联邦公开市场委员会会议的顺序相对应,而不是日历时间的具体点。预报1974年12月11日发生的事件及预测发生在2015年12月9日n。指作出预测的季度
,指数由0(1974年第4季度)至164(2015年第4季度)。预测地平线与 j ,来自上季度的产出增长是什么?)至.《绿皮书》报告说,这些因素是季度增长率与年度水平的复合。我把这些预测转换成以年率表示的连续复合增长率,
在哪里
参考原始绿皮书预测。"现在广播"一词是指.
这项研究在很大程度上依赖于对绿皮书预测的解释,即接近对产出增长的合理预测(或至少是投资者的预测)。一个帮助评估预测合理性的标准工具使用的属性,实现变量等合理预测这些变量加上一个不预测的残余。实现这个逻辑的回归是
(10)
换言之,( 10 )将相应预测的结果回归 j 以前的宿舍。一些回归规范也包括了 j 以前的宿舍。如果预测是合理的,那么在种群中,时滞预报的系数是一个,时滞预报的系数是零。我估计了各种预测范围的回归。在左侧的实现( 10 )来自费城联邦储备银行的实时国民收入和产品账户数据集。
.
回归结果不允许我们拒绝合理预测的假设.桌子 我 结果显示,滞后预测中的所有点估计值都小于一个,但在5%的水平上没有任何统计上的不同。所有的估计系数在经济上都很小。在10%的水平上,没有一个与零有统计上的区别。
表一 绿皮书预测准确性
绿皮书 我 按季生产
,预测 j -实际国内生产总值的季度前增长。该表报告了按季度实现增长回归计算的估计系数
关于会议的预报 我 .上面写着"回归1"。"用于,结果亦会在稍后的时间内公布。作为一个解释性变量。上面写着"回归2"。"从NIPA季度实时数据集中实现
.新西方标准误差在括号内,按 移动平均残余。渐近的双面 P -系数等于1(零)的测试值置于括号内(大括号)。回归使用了1974年12月至2015年12月的349次观察结果。两个观测结果以及45岁失踪.
回归1 回归2
范围 j -领先 j -领先 落后的
实现( j ) 预测 R 2 预测 现在播出的 R 2
0 0.934 0.61
(0.076)
[0.386]
1 0.767 0.26 0.735 0.032 0.26
(0.140) (0.231) (0.161)
[0.095] [0.251] {0.844}
2 0.726 0.16 0.747 −0.027 0.16
(0.186) (0.204) (0.145)
[0.140] [0.215] {0.852}
3 0.559 0.08 0.556 0.005 0.08
(0.258) (0.244) (0.088)
[0.087] [0.068] {0.955}
4 0.642 0.08 0.727 −0.119 0.09
(0.280) (0.285) (0.094)
[0.201] [0.338] {0.204}
5 0.784 0.09 0.818 −0.058 0.09
(0.226) (0.231) (0.094)
[0.339] [0.430] {0.534}
会议修订 开会 我 预测 j -未来实际季度GDP增长率
(11)
注意地平线 j 指预测的地平线 我 而不是预测的地平线.例如,《绿皮书》对2012年第二季度两季前增长的预测是预测2012年第三季度至2012年第四季度的增长。如果先前的绿皮书预测也是在2012年第二季度作出的,那么相应的预测也是两个季度前的预测。如果先前的绿皮书预测是在2012年第一季度作出的,那么相应的预测是提前三分之一的预测。
对这些预测的合理性的另一个检查是,这些预测的修订是否像以前的《绿皮书》一样具有可预测性。回归的形式是
右边的两个预测修正大致反映了滞后修正的术语结构。… 互联网附录 报告回归估计。 4 最大限度 R 2 在这五项回归中,仅有0.04项,支持预测的修订代表了两个绿皮书日期之间披露的信息这一观点。
桌子 二 报告样本订正预测之间的协差。(更准确地说,表中包含的是平均的外部产品--样本方法不被减去。这些方法的渐近标准误差把每一个观察都看作是从未知分布中独立得出的。1975年至1996年和1997年至2015年期间的结果单独显示。引言中提到的关于股票债券相关性的文献推动了断点的选择。为简洁起见,将"早期"和"后期"指为"早期"和"后期"。这些样本分别含有196个和152个绿皮书预测日期。
Table II. 绿皮书预测修订产出增长的样本协方差
预测修订 j -截至绿皮书的提前产出 我 是绿皮书里的预报 我 减去绿皮书中同一日历季度的预测 .表中的样本表示这些修订的外部产品。修订按年百分比表示。渐近标准误差在括号中。星号代表双面的 P -values at the 10%, 5%, and 1% significance levels.
地平线 地平线(前方四分之一)
(前方四分之一) −1 0 1 2 3 4
A小组:1975年至1996年,196条意见
−1 1.14 ***
(0.18)
0 0.14 1.58 ***
(0.10) (0.24)
1 −0.11 0.38 *** 0.62 ***
(0.08) (0.11) (0.09)
2 −0.15 * −0.14 * 0.18 *** 0.38 ***
(0.09) (0.08) (0.05) (0.08)
3 −0.12 * −0.22 *** 0.04 0.23 *** 0.28 ***
(0.07) (0.07) (0.05) (0.07) (0.06)
4 −0.12 *** −0.16 *** −0.02 0.09 *** 0.15 *** 0.17 ***
(0.04) (0.05) (0.03) (0.04) (0.04) (0.03)
Panel B: 1997 through 2015, 152 Observations
−1 0.80 ***
(0.09)
0 0.02 0.66 ***
(0.07) (0.13)
1 0.05 0.31 *** 0.46 ***
(0.05) (0.11) (0.12)
2 0.07 0.13 ** 0.23 *** 0.28 ***
(0.05) (0.06) (0.07) (0.07)
3 0.07 * 0.09 ** 0.13 *** 0.18 *** 0.19 ***
(0.04) (0.04) (0.05) (0.05) (0.05)
4 0.06 ** 0.05 0.06 * 0.10 *** 0.10 *** 0.12 ***
(0.03) (0.03) (0.04) (0.03) (0.03) (0.02)
这两个时期的宏观经济动态有本质上的不同。在早期,几乎当代的创新(前一个季度和下一个季度)与超过四分之一的创新呈负相关。在后期,预测创新对所有的视野都是正相关的。此外,前期挥发超过后期挥发。… 互联网附录 使用专业预报员调查的预测修正,以验证这些属性不仅仅是绿皮书预测的艺术品。虽然抽样频率仅为绿皮书数据的一半,但最低保护系数数据的范围从1969年到2019年不等。 5
样本期间的不稳定动态特性告诉我们,我们需要谨慎地绘制完全基于完整样本结果的推论。资产价格与宏观经济创新之间的联系似乎取决于宏观经济创新的动态。因此,我报告了下面许多经验练习的子样本结果。
B.资产数据
我把连续绿皮书预测之间名义收益的变化(大约六周的变化)作为实际收益创新的替代。在《杜菲》中讨论了两种证据( 2018 )激发这种解释。首先,正如先前的研究文件所述,每月和每季度收益的变化是创新的合理替代。随机步行预测往往比计量经济学预测准确一些。在像四分之一这样的短时间内,随机行走和计量经济学预测之间的差别微乎其微。
其次,名义收益率创新中的通胀部分很小。预计一年通货膨胀的消息占一年名义收益率季度变化的7%至15%。同样,预计10年通胀率的消息占10年期名义收益率季度变化的10%至14%。因此,无论是关于实际利率的消息,还是关于风险溢价的消息(一年期债券的最低价格),都是这些收益率变化的主要原因。
我也用一年前实际收益率的变化来验证这个假设。事前实际收益率是名义收益率低于预期的通货膨胀率。根据一年事前实际收益率与根据一年名义收益率得出的结果进行比较,可以看出通货膨胀的重要性(缺乏)。此外,在本节 II.C 我直接研究了预期通胀的消息与预期产出的消息之间的关系,以评估通胀的消息是否能够合理地解释增长预测的修正与名义收益的修正之间的经验关系。
在连续的绿皮书预测日期之间产量的相应变化
按预测计算的名义债券收益率变化 去预测 我 使用美国国债零息一年期和10年期名义收益率的每日观测数据( 2007 )。一年前实际收益率的同期变化是一年名义收益率的变化减去明年预期通货膨胀率的变化。我用绿皮书预测的GDP减缩指数来构建一年的预期通胀率。所有这些数据都以连续复合年率表示。… 互联网附录 包含关于数据及其构造的额外细节。
下面的一些实证结果使用了从一个绿皮书预测日期到下一个股市的超额回报。符号是
以证券价格研究中心日累计价值加权股票回报率为基础,构建预测日期间的日志股票回报率。假设三个月的国库券收益率在预测之日是是两个预测之间每天的无风险率。三个月期国债日收益率来自美联储发布的h15。
C.关于产量变化的增长消息预测
大厅( 1988 )适用于( 3 )来估计实际利率对未来经济增长的预测能力。这里的第一组回归捕捉和概括了相同的想法,通过回归绿皮书预测修订同期产量变化。这里的视野从落后到前方四个季度,而不是仅仅考虑一个季度的增长预测。一年期名义债券收益率变化的回归是
(12)
其他回归法将一年名义收益率的变化改为一年事前实际收益率的变化和十年名义收益率的变化。
桌子 三 估计数( 12 )。该表报告了所有预测范围的结果。穿过 .1975年至2015年全部抽样的回归证据见小组A。B和C小组以节中的证据为动机,进行了子抽样 II.A 在整个抽样期间,预测的修订动态发生了重大变化。
Table III. 根据产量变化修订产出增长的绿皮书预测
修订绿皮书预测 j -季度前实际产出增长是在债券收益率的同期变化上回归的。这些都是双变量回归。变量以年率化百分点表示。表格报告参数估计数。渐近白色标准误差在括号中。回归缺少从1975年到1996年的17项观察。由于解释性变量缺少四项观察结果,一年前实际收益率的回归 从1975年到1996年。星号表示双向的统计意义 P -values of 10%, 5%, and 1%.
解释的 地平线(前方四分之一)
可变的 −1 0 1 2 3 4
A小组:1975年至2015年,348项意见
1-YR实际收益率 0.213 ** 0.662 *** 0.203 ** −0.052 −0.102 * −0.125 ***
(0.094) (0.106) (0.092) (0.070) (0.053) (0.041)
1-年名义收益率 0.170 ** 0.739 *** 0.247 *** −0.114 * −0.160 *** −0.160 ***
(0.077) (0.118) (0.090) (0.069) (0.053) (0.041)
10年期名义收益率 0.161 0.926 *** 0.223 −0.200 *** −0.211 *** −0.186 ***
(0.111) (0.170) (0.152) (0.074) (0.063) (0.060)
Panel B: 1975 through 1996, 196 Observations
1-YR实际收益率 0.228 ** 0.625 *** 0.147 −0.057 −0.107 * −0.132 ***
(0.099) (0.113) (0.095) (0.072) (0.055) (0.043)
1-年名义收益率 0.163 ** 0.682 *** 0.153 * −0.163 ** −0.187 *** −0.175 ***
(0.082) (0.123) (0.085) (0.069) (0.052) (0.044)
10年期名义收益率 0.107 1.006 *** 0.167 −0.283 *** −0.262 *** −0.243 ***
(0.132) (0.207) (0.175) (0.082) (0.075) (0.076)
C小组:1997年至2015年,152次观察
1-YR实际收益率 0.086 1.057 *** 0.844 *** −0.012 −0.066 −0.066
(0.285) (0.328) (0.286) (0.260) (0.218) (0.147)
1-年名义收益率 0.257 1.333 *** 1.244 *** 0.396 0.122 −0.011
(0.237) (0.335) (0.302) (0.242) (0.186) (0.120)
10年期名义收益率 0.328* 0.690 ** 0.377 0.025 −0.077 −0.040
(0.199) (0.286) (0.292) (0.151) (0.123) (0.107)
证据不容含糊。产量变化与同期产量增长的消息之间存在着密切的正相关关系。在地平线穿过 ,估计系数均为正。点估计意味着10个基点的收益率变化对应于现在节目中6-10个基点的变化。目前预测的系数在5%的水平上都与零有统计上的差异;9个系数中的8个在1%的水平上有统计上的显著性。四分之一提前预测和四分之一落后预测的结果与受时间平均季度产出影响的纯粹同时期关系相一致。 6
相比之下,产量变化与预期未来产出增长的消息之间的关系从强烈负到零不等。在地平线,所有三个产量的全部抽样参数估计都是负的。在1%的置信水平上,大多数与零有统计上的差异。同一摘要适用于1975年至1996年的早期抽样。在1997年至2015年的晚期抽样中,没有一个是 与零有统计上的差异,九分之六是负的。如本节所述 I.A ,这些结果的组合,可以通过霍尔的结果之间的差异来预测(但显然不是)。 1988 )、汉森及新元( 1983 )及夏季( 1982 ).
这些产出增长的结果使人们对用总消费数据估计的接近零的EIS的共同解释产生了疑问。如本节所述 我 、坎贝尔和曼基( 1989 )浏览厅估计一个低的EIS,总消费数据是有限参与债务市场的产物。有限的参与在持有债券的代理人和占总消费大部分的代理人之间造成了裂痕。研究从曼基和泽尔德开始( 1991 )在不同的资产定价背景下得出相同的结论。霍尔回归没有正确识别消费者的EIS的一个迹象是,家庭层面的证据支持更高的价值观。Dynan( 2000 )及一般及一般( 2002 )发现随着利率的变化,家庭的消费方式发生了变化。约根森( 2002 )检查持有债券的家庭的消费情况,并估计其EIS值略低于1。
对霍尔证据的有限参与解释的一个主要特点是,一般消费者不是一般投资者。一级条件( 1 与墙角解决方案的家庭无关。古芬( 2006 , 2009 )以不同的理由提出了性质相似的论点。他首先观察到,基于生产的动态宏观经济模型要求公司中的边缘投资者有一个接近于一个的EIS。他通过假设大多数投资者都是穷人,只持有债券,并且有一个接近于零的EIS,将这一要求与HAl-型结果相调和。相对而言,很少有富有的投资者参与股市,从而拥有股本。这些投资者的收益率很高。
这些论点表明,收益率的变化应与未来总产出的信息密切相关,而不是与未来总消费的信息相关。富有的投资者参与股票和债券市场;他们处于一阶状态。预计未来总产量的消息 他们的 预期未来消费。因此,总产出增长率较高的消息应伴随着收益率较高的消息。
桌子 三 为这个有限参与参数提供零支持。更广泛地说,这些结果大大提高了限制参与模式必须明确的标准。有些经纪人同时持有股票和债券。这些因素在预期的宏观经济增长中占有份额,但在预期产出增长较高时似乎并不要求更高的收益率。尽管如此,当当前产出出人意料地高时,他们确实要求更高的收益率。
D.发展增长消息预测
等于( 8 ) and ( 9 将当前和预期未来经济增长的消息与同期收益率变化和同期股票回报联系起来。我使用两个绿皮书预测修订来实现这些回归,以捕捉当前和未来经济增长的消息。关于当前增长的新闻,最明显的选择是即时广播的修订。关于未来经济增长的新闻,我的代表是比四分之一提前的预测修正案,比四分之一提前的预测修正案有17个有效的观察结果。一年期名义债券收益率回归
(13)
我也估计一个版本( 13 )左边有过剩的总存货回报率。
1975年至2015年整个样本的回归证据见表A小组 四 .子样品结果见B和C小组。尽管如此,最不令人吃惊的结果还是很重要。对于股市来说,关于总产量的好消息通常是好消息.对于未来产出增长的消息来说,这种关系尤为密切。完整的抽样点估计表明,比预期产出高出四分之一的1%的创新与股市增长4%相对应。在1975年至1996年和1997年至2015年这两个子抽样中,正关系的程度各不相同,但统计上的这种关系一直很强。无论在经济上还是在统计上,现在的新闻与股市的关系都比较薄弱。
Table IV. 根据预测的产出增长修订预测的库存回报和收益变化预测
联邦公开市场委员会(FOMC)预测日期之间的累计超额股票回报率和债券收益率的变化,在当前季度实际产出增长和季度实际产出增长前三季度预测的同步修订后回归。股票回报率以百分比表示.所有变量都以年化百分点表示。表格报告参数估计数。渐近白色标准误差在括号中。星号表示双向的统计意义 P -values of 10%, 5%, and 1%.
依赖的 三的
可变的 现在播出的 前面的宿舍 R 2
A小组:1975年至2015年,348项意见
超额股票回报 0.705 ** 4.400 *** 0.15
(0.299) (0.820)
1-YR实际收益率 0.209 *** −0.081 0.15
(0.051) (0.080)
1-年名义收益率 0.224 *** −0.169 ** 0.19
(0.052) (0.069)
10年期名义收益率 0.127 *** −0.105 ** 0.14
(0.027) (0.042)
Panel B: 1975 through 1996, 196 Observations
超额股票回报 0.173 2.554 *** 0.06
(0.281) (0.774)
1-YR实际收益率 0.242 *** −0.040 0.16
(0.071) (0.117)
1-年名义收益率 0.232 *** −0.230 ** 0.20
(0.070) (0.100)
10年期名义收益率 0.127 *** −0.111 ** 0.16
(0.034) (0.053)
C小组:1997年至2015年,152次观察
超额股票回报 1.286 ** 6.850 *** 0.34
(0.614) (1.434)
1-YR实际收益率 0.124 *** −0.076 0.14
(0.026) (0.080)
1-年名义收益率 0.155 *** −0.017 0.20
(0.033) (0.066)
10年期名义收益率 0.121 *** −0.092 0.09
(0.037) (0.068)
这一证据表明,促使美联储更新预期未来产出增长预测的信息被投资者用来对资产进行定价。然而,债券的收益率在现在广播新闻上是积极和强劲的,只在现在广播新闻上。渐近的 t -在1%的水平上,统计数字拒绝以下假设,即现在预测的修正系数等于零。点估算表明,1%的即时预报创新(略低于即时预报修订的完整抽样标准差)相当于债券年收益率增加13至23个基点。相比之下,债券收益率对未来产出增长的影响是负的,其统计意义有好有坏.
这些结论在不同的时间和不同的预测数据来源中是可靠的。该表显示,1975年至1996年和1997年至2015年这两个子样本都持有这些数据。… 互联网附录 在使用四季度前产出增长而不是四季度前产出增长的修订时,相同结果持有的文件。这个 附录 此外,研究结果还表明,当使用对1969年至2019年样本的一致产出增长的预测修正时,结果是正确的。最后,这个 附录 显示当使用绿皮书预测的实际个人消费支出修正而不是实际产出时,结果是正确的。
最后一组稳健性检查解决了预期通胀的消息能否解释这些结果。在讨论我们从表中得出的结论之前,我先提供这些核对结果。 四 .
E. Inflation
名义收益率随着近期的创新而上升。名义收益率因提前三季度预测的创新而略有下降。这一变化在多大程度上可以归因于预期通胀的新闻?
回答这个问题的一个方法是将预期通胀的创新倒退到产出预测的创新上。我在《绿皮书》预期通胀预测(GDP减缩指数)中构建创新,就像我在《绿皮书》中构建产出增长预测的创新一样: 11 )。这些创新每年以百分率表示,就像债券收益率一样。回归是
左边的下标是指通货膨胀。我把这个公式估计为到 就在前面。结果见表 V .
表五 通货膨胀预测订正数预测与产出增长预测订正数预测
《绿皮书》对国内生产总值价格平减指数季度至季度通货膨胀预测的修订,是对《绿皮书》当前季度实际产出增长预测和季度实际产出增长前三分之一的同期修订的回归。所有变量都以年化百分点表示。表格报告参数估计数。渐近白色标准误差在括号中。星号表示双向的统计意义 P -values of 10%, 5%, and 1%.
通货膨胀 三的
(四) 操作系统 现在播出的 前面的宿舍 R 2
A小组:1975年至2015年
1 348 0.015 −0.035 0.00
(0.027) (0.067)
2 348 0.018 −0.095 ** 0.03
(0.022) (0.045)
3 348 0.018 −0.095 *** 0.05
(0.016) (0.067)
4 331 0.039 *** −0.010 0.05
(0.013) (0.028)
5 283 0.036 *** 0.001 0.04
(0.014) (0.031)
Panel B: 1975 through 1996
1 196 −0.005 −0.142 * 0.03
(0.033) (0.077)
2 196 −0.013 −0.212 *** 0.08
(0.028) (0.067)
3 196 0.004 −0.187 *** 0.12
(0.019) (0.048)
4 179 0.030 * −0.055 0.05
(0.018) (0.036)
5 133 0.019 −0.043 0.03
(0.018) (0.042)
C小组:1997年至2015年
1 152 0.012 0.138 0.03
(0.040) (0.108)
2 152 0.043 * 0.060 0.05
(0.022) (0.041)
3 152 0.001 0.062 0.02
(0.018) (0.039)
4 152 0.037 ** 0.053 0.11
(0.018) (0.035)
5 150 0.053 *** 0.034 0.11
(0.017) (0.037)
表中包含两个主要信息。首先,"今日预测"的创新只与预期通货膨胀的微小创新相关--远远小于表中记录的名义收益率的变化。 四 .从未来一个季度到五个季度,现在进行的100个基点创新将预期通货膨胀平均提高2.5个基点(完整抽样),不到一个基点(早期抽样),或2.9个基点(延迟抽样)。这些微小的数字是为什么 四 ,预测的一年前实际收益系数与一年名义收益系数几乎相同。
第二,三季度前产出预测的创新与预期通胀的创新略有关联,随着时间的推移,这是一个不稳定的迹象。在早期的抽样中,一个100个基点,比前一个季度的产出创新降低了预期通胀率,比前一个季度降低了大约13个基点。在最近的抽样中,同样的创新将预期通胀平均提高了7个基点左右。完整样本的结果是这些子样本结果的平均值。
表的结果 四 和 V 结合起来讲一个简单的故事.实际收益率对当前预测的创新和提前四分之三预测的创新都不敏感。对于早期抽样(以及在较小程度上整个抽样)来说,提前四分之三的预测创新与预期通胀呈负相关。如表A和B小组所示,这一通胀消息在三季度前的预测创新与名义收益率之间建立了适度的负关系。 四 .在最近的样本中,没有足够的通货膨胀新闻与产出新闻联系在一起,从而在实际收益率和名义收益率的行为之间造成分裂。
表中的实证方法 V 在两个方面是有限的。首先,预期通胀创新的最高预测期限很短,只有五个季度。其次,即使没有预期通胀的消息,有关通胀风险溢价的消息可能会在实际债券收益率和名义债券收益率之间造成分裂。确定名义收益的结果是否提供了关于实际收益的信息,最直接的方法是重复表中的分析 三 和 四 实际收益。
不幸的是,美国国债通胀保护债券的收益率仅从1999年开始。… 互联网附录 包含对( 12 ) and ( 13 )10年零息小费收益率。样本为1999年至2015年,不包括2008年第四季度的两个绿皮书预测。正如在 互联网附录 与此同时,雷曼兄弟在2008年9月n的倒闭,给2008年持续存在的小费市场造成了严重扭曲。这些结果与10年名义收益率的结果是一致的:只有近期预测的创新才重要,而不是季度预测的创新。
F. Discussion
总而言之,产量的变化与预期未来经济增长的变化无关,但却与当时增长的变化密切相关。从质量上讲,这些结果与代表性代理的消费平滑的一阶效应是背道而驰的。收益率应该会因预期未来的好日子而上升。对于未来,关于当前增长的消息应该不受影响,就像爱泼精的偏好一样,或者是降低产量,因为代理人知道她将习惯于她改善的环境。
在机械上,很容易建立一个具有相关效应的典型代理人捐赠经济模型来解释这些结果。每次都有两种情况。一个是关于当前经济增长的新闻,另一个是关于预期未来经济增长的新闻。前一类新闻与Sdf的有条件波动性或耐心的冲击产生负面影响。后者的新闻类型与Sdf的条件波动性和对耐心的冲击都是正交的。最后,该代理商的EIS值极高。有了这个模型,关于当前产出的好消息对应于通过降低预防性储蓄动机或通过减少耐心提高债券收益率。关于预期未来产量的好消息对产量的影响很小,因为代表性代理具有极高的EIS。
虽然机械上成功,这个描述需要两个高度难以置信的特征。第一个难以置信的特点是,相关效应必须局限于关于同期增长的新闻。考虑通过预防性储蓄发挥作用的相关效应。在这个玩具模型中,关于今天的增长的好消息降低了四分之一提前Sdf的条件波动性。然而,比如说,两季度预期增长的好消息,决不能降低两季度前或三季度前sdf的条件波动性。如果这个关于未来的好消息降低了这些更遥远的有条件波动性,那么这个消息将相当于一年期债券收益率的上升。在数据中,不存在这种正相关关系。
类似地,通过冲击作用的相关效应必须只适用于关于同时期增长的新闻。对耐心的负冲击(更高的需求)对应于当前更高的经济活动,但这种高冲击必须是一种有源性的冲击或一种平均的逆转冲击。相比之下,对需求冲击的缓慢调整是新凯恩斯主义模式所固有的,因为商品价格和/或工资对创新没有即时反应。如本节所述 I.C 的模型,正需求冲击( 2003 )提高利率、当前产出和消费,以及未来几个季度的预期产出和消费。
第二个令人难以置信的特点是货币政策既不存在,也非常强大。由于中央银行的干预,实际收益率的任何变化都与预期经济增长的巨大波动相对应。由于她的高EIS,当央行放松政策时,或者当央行紧缩政策时,代表性代理人很乐意消耗她的储蓄来增加消费。由于我们没有观察到收益率和预期经济增长之间的这种共同变化,中央银行不得进行明显的宽松或紧缩。自然,宏观经济文献不同意中央银行的这一观点。旨在解释货币政策影响的模型,如克里斯蒂亚诺、艾辛鲍姆和埃文斯( 2005 ), Smets and Wouters ( 2003 , 2007 ),及古文( 2006 , 2009 所有的EIS值都在一个周围使用。
三.产出动态和资产反应模型
回归( 13 )预测即时预报修订及提前四分之三预测修订后收益率的变化。定性地,我们可以认为回归是将产出增长信息分解为产出的市场化变化和关于预期未来产出增长的纯信息。现在播放的消息是市场经济变化的代表,同时也是预测未来经济增长的最新消息。有关未来增长的纯新闻的替代是提前三分之一修订,保持当前天气的不变。
本节描述并估计了一个简化的输出动态和资产响应模型,使这一解释更精确。生产率和增长率的创新会影响即时产出。债券收益率的敏感性和这些创新带来的累计超额股票回报是自由的参数,而不是资产定价模式所压制的。
A.连续时间输出动态
时间是连续的,每季度一次。四分之一开始和结束在整数。表示
日志输出的即时流.它的动力是
(14)
(15)
(16)
我指的是( 14 )作为"直接输出"或"即时输出"的新闻和布朗在( 15 作为"增长率"的新闻。相关参数( 16 允许即时输出新闻与增长率新闻成正或负相关。日志输出的无条件漂移与随后的经验工作无关,因此它被设置为零。
在固定日期的预计未来测井产量以当前产量和当前增长率为条件。
带着金莺动力学
(17)
等于( 17 )描述即时产出信息和增长率信息如何影响预期未来的日志产出。不同预测范围下的预期未来测井产量创新不完全相关.检查( 17 )显示两个布朗人都对日志输出有永久性的影响(限制为无限大)。然而,该模型可以被重新定义为日志输出是一个带有随机均值的标和分量的总和。根据参数的不同,后一个组件可以是在第一差中的静止或在水平上的静止。
重组模型结合了条件漂移的动力学( 15 )
日志输出的两个组成部分是
(18)
(19)
(20)
布朗在( 20 ),以推动输出的有奖元素( 18 )与驱动组件的布朗( 19 )带有随机均值。
定义第二个组件在时间上的条件期望值
布朗增量对第二个分量的永久影响是
如果右边括号中的术语是0,那么创新到
完全是暂时的。在这种情况下,随机平均分量在水平上是平稳的.除此之外,它在最初的差异中是静止的.坎贝尔的研究( 1986 )经过切尔诺贝利、洛施托埃和宋( 2021 )认为,债券收益率对宏观经济创新的敏感程度取决于创新是暂时性的还是永久性的。这个模型考虑了两种可能性,但不对债券收益率对任何一种布朗的敏感性施加先验的限制。
B.信息到达、股票市场和债券
2005年10月26日的《绿皮书》预测2005年的年产出增长率为3.15%:第三季度,最近一个季度结束。六周后,12月7日v的《绿皮书》预测,上一季度的年均增长率为4.2%。这个例子说明了绿皮书预测的一个共同特点。在同一个季度的不同日期编制的两本绿皮书对上一个季度的产出增长意见不一。已经结束的季度的预测只能随着时间的推移而改变,因为预测者没有观察经济的现状。我假设,当预测产出增长时,预测者观察到有滞后的宏观经济布朗增量的实现.根据模型的简化形式性质,没有明确的机制来连接延迟长度。
早些时候的证据支持这样一种观点,即宏观经济状况是由滞后的行为者观察到的。以舒尔特开头的高频文献( 1981 (对过去宏观经济新闻的价格反应。弗莱明和雷莫洛纳( 1997 )及巴尔杜齐、埃尔顿及格林( 2001 列出一系列改变美国国债价格的公告,包括非农就业和耐用品订单。这类公告还推动了股票总价格的波动,其敏感性取决于经济状况。麦昆和罗利( 1993 )和博伊德,胡,和贾格纳坦( 2005 )显示股价对工业生产和失业通知的反应。
我不试图将这些输出动态与定价内核联系起来。相反,我在一个纯粹简化的表格中问,股票价格和债券收益率对于输出新闻有多敏感。总股票回报率和债券收益率以相同的布朗递增来推动产出。股票市场和债券收益率也有独立于推动产出的布朗进程的变化来源。
为了方便记录,将即时输出和增长率新闻布朗语堆叠成宏观经济布朗语的向量,
综合股票市场价值日志、一年事前实际收益率、一年名义收益率和10年名义收益率的瞬间动态
(21)
下标" A "右边是指资产。宏观经济布朗向量上的时间下标表明,股票和债券对这种滞后的递增是敏感的。 L 与预测者对这些创新的观察滞后一致。非宏观变异是由
,布朗尼的四长向量。下标表示非宏观经济新闻。向量只不过是对股票市场所有变化和收益率的一个残余,这与产出创新是正交的。强调,左右两侧( 21 )都是观察到的 t .不会失去一般性,
是股票回报率和债券收益率的非宏观创新的瞬态协方差矩阵的较低的三角形滑石分解。
等于( 21 忽略条件方法。所适用的实证分析( 21 )对两个预测日期间的股票回报率和债券收益率的变化。实际上,两个预测日期间的总变化中,有条件手段的贡献很小.
C.预测和资产创新
从长距离日期零到任何日期的累积瞬时日志输出 t 是
回忆一下,四分之一开始是整数,最后是整数。每季度的日志输出以整数开始以整数结束
(22)
四分之一与四分之一的结束整数进行索引,如左边的符号( 22 )暗示。在对数据进行分析时,我忽略了四分之一的累计输出日志之间的差异。,记录即时输出的总和)和( 22 ),这是即时输出的日志的总和。
任意时期的代理人 t 预测在不同范围内的第一种日志季度产出。在模型中,跟踪这些预测本身就很麻烦,因为定义预测的日期很多。表示整数地平线上的季度输出的对数差 j 从时间的角度来看 t 助理秘书长(使用地板功能)
(23)
说明( 23 ),确定当前的时间 t 作为绿皮书预测的日期
.想象一下,这一次是3.2,这是在按4索引的日历季度。日历季度开始时为3.0,结束时为4.0。用于 , ( 23 )是指在该季度末的日志输出减去截至本季度的日志输出.
考虑预测( 23 )日期
和
.想想这些是连续绿皮书预测的日期。指预测创新
(24)
左边的符号也没有明确提到先前预测的日期。
也不知道那天的天气预报。四分之一提前预测
与一季度前(两季度前)的预测相符
如果预测日期在同一日历季度(连续日历季度)。
在这两个预测日期之间,定义超额总股票回报率和债券收益率的创新。
假设到目前为止
我们已经预测了在地平线上的日志输出的创新
穿过
.在实践中,这些视野是第一个落后的季度到第四个季度。堆栈产出预测矢量的创新和资产创新
(25)
各节所述模式 三.A 和 三.B 暗示这个创新向量是多元的,通常分布于分析协方差矩阵
(26)
与( 24 ), ( 26 )并没有明确提及先前的预测日期或该日期的预测范围。条件协方差的唯一相关条件信息是两个绿皮书会议的日期。当日期进一步分开时,条件协方差更大。条件协方差也受预测者是否在两个日期之间的时间里学习到一个四分之一结束值的影响。… 附录 包含额外的细节。
D.发展估计力学
各节对数据进行了描述 II.A 和 II.B .绿皮书预报 我 是时候
,通过绘制以季度计量的时间线的日期。把观察到的数据堆叠在一起 我 在向量中
(27)
观察到的向量( 27 )是模型创新向量的经验等价物( 25 ),但有两点警告。首先,观察到的产出预测创新被假定受到I.I.D.的污染。分布式测量误差
测量错误是一个全面的收集模型中缺失的组件,比如偶尔会有关于更遥远的产出增长的消息,而这并没有被这个节约型的总产出模型捕捉到。测量误差的差异取决于预测的范围.
第二,模型的协方差被扩展来匹配数据。召回( 11 )预期产出增长所观察到的创新以年率表示。这个模型用季度来衡量时间.模型的协方差矩阵的相关元素是按年度化比率的使用量的。
把模型参数放在一个向量上,
在哪里
是衡量误差标准偏差的向量,在观察到的产出增长创新中.矩阵
包含了布朗人的股票总回报率和债券收益率的敏感性。下三角矩阵
包含参数,确定股票回报和债券收益之间的协差,因为创新与预测产出的创新是正交的。
如前所述,该模型的动态意味着不同水平的预测误差和资产创新通常共同分布。由于预测误差的分布是已知的(以参数为条件),最大概率估计是渐近有效的。利用信息矩阵的外积估计进行统计推理.… 附录 包含一些额外的估计细节。
四.估计结果和解释
股票回报率和债券收益率如何与即时产出新闻进行合作?他们如何与关于产出增长率的新闻相联系?这些问题的答案似乎取决于输出动力学的性质。回顾该节 II.A 记录了1975年至1996年期间的动态与1997年至2015年期间的动态之间的巨大差异。这一证据推动了对两个样本分别进行模型估计。… 互联网附录 包含全部抽样估计数。完整抽样估计数接近早期抽样的估计数,因为早期抽样中预测创新的挥发性要大得多。最大可能性强调拟合这些早期数据,而不是后期样本中的低波动数据。
A.宏观经济动态估计
表格 六 和 七. 报告早期和后期抽样期的参数估计.波动参数
,以及
均以百分比表示,以季度计量的时间为单位。换言之,表格中报告的数值是其自然单位值的100倍。
Table VI. 模型参数估计数,1975年至1996年
模型和估计方法在章节中描述。 三 .渐近标准误差在括号中。在面板B中,星号代表渐近的双面 P -values versus zero of 10%, 5%, and 1%.
小组A:产出增长动态
测量误差(地平线)
ρ L −1 0 1 2 3 4
0.63 0.17 −0.61 0.05 0.27 0.23 0.16 0.19 0.11 0.07 0.07
(0.06) (0.03) (0.07) (0.05) (0.04) (0.01) (0.03) (0.01) (0.01) (0.01) (0.01)
B小组:宏观创新带来的股票回报和债券收益率
股票 1年 1年 10年
创新 返回的 实际收益率 名义收益率 名义收益率
直接的 1.02 0.58 *** 0.54 *** 0.25 ***
产出 (1.15) (0.18) (0.16) (0.08)
生长 2.54 ** 0.13 −0.06 −0.05
评价 (1.15) (0.19) (0.19) (0.10)
C小组:库存回报和债券收益率非产出部分的Choliky分解系数
股票 1年 1年 10年
返回的 实际收益率 名义收益率 名义收益率
股票回报率 7.66
(0.37)
1年 −0.28 1.07
实际收益率 (0.11) (0.06)
1年 −0.31 0.94 0.36
名义收益率 (0.12) (0.05) (0.01)
10年 −0.23 0.36 0.15 0.44
名义收益率 (0.05) (0.04) (0.04) (0.03)
Table VII. 模型参数估计数,1997年至2015年
模型和估计方法在章节中描述。 三 .渐近标准误差在括号中。在面板B中,星号代表渐近的双面 P -values versus zero of 10%, 5%, and 1%.
小组A:产出增长动态
测量误差(地平线)
ρ L −1 0 1 2 3 4
0.30 0.23 −0.05 0.23 0.22 0.15 0.09 0.06 0.06 0.06
(0.03) (0.04) (0.23) (0.06) - (0.02) (0.01) (0.01) (0.01) (0.01) (0.01)
B小组:宏观创新带来的股票回报和债券收益率
股票 1年 1年 10年
创新 返回的 实际收益率 名义收益率 名义收益率
直接的 1.14 0.22 *** 0.25 *** 0.18 ***
产出 (0.99) (0.05) (0.04) (0.07)
生长 5.84 *** 0.01 0.09 * 0.00
评价 (0.75) (0.05) (0.05) (0.05)
C小组:库存回报和债券收益率非产出部分的Choliky分解系数
股票 1年 1年 10年
返回的 实际收益率 名义收益率 名义收益率
股票回报率 5.78
(0.39)
1年 0.03 0.31
实际收益率 (0.04) (0.03)
1年 0.05 0.23 0.17
名义收益率 (0.03) (0.03) (0.02)
10年 0.09 0.14 0.07 0.37
名义收益率 (0.05) (0.05) (0.04) (0.02)
根据点估计,前期产出动态与后期动态有三种经济意义的不同。首先,关于即时产出的新闻在早期的波动性是后期的两倍,以扩散成分( 14 )。第二,增长率新闻在早期是波动性的三倍,这是以它对测井输出的永久影响来衡量的(当地平线接近无限时的极限在 17 )。第三,这两种类型的新闻在早期有很强的负相关性(-0.6%),在晚期有很小的负相关性(-0.05)。值得事先注意的是 IV.D 记录了早期和后期的另一个区别。在早期(后期),增长率消息与预期未来通胀的创新呈负(正)相关。鉴于在本节中讨论的关于预期通货膨胀的证据,这并不奇怪。 II.E .
图A和图B 1 显示即时日志输出的条件标准偏差 对代理人的资料( t .尽管短期产出新闻和增长率新闻在早期的波动性相对较高,但早期标准偏差仅略高于后期标准偏差(至少在未来12个季度)。这两种类型的新闻在早期的负相关性很大程度上抵消了较高的波动性。两个标准错误的信心界限很紧,在早期的长期结束比晚期的长期结束扩大得更多。
详情在图片后面的标题中
图1
在图形查看器中打开
幻灯片
估计输出动态模型的特性 .节 三 介绍了该模型,该模型分别在1975年至1996年和1997年至2015年期间进行了估算。图A和图B的模型所涉标准偏差 s -即时日志输出。地平线 s 早期样本中可能是负的,因为早期样本模型的估计表明产出是以滞后的方式观察的。面板C和D绘制了基于一个季度标准差创新的瞬态日志输出的预期路径,以满足瞬态日志输出的漂移。实线是点估计数,虚线是正负两个标准误差。[颜色图可浏览於 wileyonlinelibrary.com ]
相同图形显示模型的C和D组意味着对预期日志输出的创新,这取决于驱动增长率新闻的布朗的正单位增量。这一单位增长在早期产生的即时产出增长率略低于0.2%/季度,在后期则略高于0.2%/季度。在这个练习中,驱动即时输出新闻的布朗的实现并不是固定在零,而是根据它对增长率新闻的期望来给出的。这个期望等于两个递增之间的瞬间相关性。
由于当前产出和增长率在早期是负相关的,单位正增长与漂移对应的早期抽样产出立即下降约0.4%。由于观察到的产出滞后3.5周,C组在零地平线左侧略有下降。预测者们看到了滞后的布朗在零时实现。这些预测者预计,暂时的高产出增长率将最终主导产出的直接下降。根据点估计,对预期测井输出的长期影响在早期约为3%(图中绘制的地平线以外),在后期为1%。长期影响的估计数伴随着统计上的重大不确定性。
桌子 八. 报告了模型对绿皮书预测修订的协方差的影响。回头看看桌子 二 帮助放置桌子 八. 在上下文中。桌子 二 列出观察到的预测创新的平均外部产品。所报告的标准误差与已实现创新的一个时期产品的标准偏差成正比。桌子 八. 包含《绿皮书》对模型相关协方差的平均预测( 26 )。由于参数估计的不确定性,标准误差测量这些模型所含的协方差中的不确定性。因此,两个表中的标准误差衡量不同的不确定性。
Table VIII. 《绿皮书》预测产出增长订正本的模式暗示人口协差
预测修订 j -截至绿皮书的提前产出 我 是绿皮书里的预报 我 减去绿皮书中同一日历季度的预测 .该表报告了这些预测中模型暗示的协方差。节 三 描述模型和部分 四 估计模型超过两个单独的样本。修订按年百分比表示。渐近标准误差在括号中。
地平线 地平线(前方四分之一)
(前方四分之一) −1 0 1 2 3 4
A小组:1975年至1996年,196条意见
−1 0.95
(0.08)
0 0.16 1.72
(0.04) (0.24)
1 −0.04 0.03 0.79
(0.01) (0.05) (0.09)
2 −0.04 −0.23 0.11 0.36
(0.01) (0.05) (0.02) (0.03)
3 −0.04 −0.22 0.10 0.17 0.24
(0.01) (0.05) (0.02) (0.02) (0.01)
4 −0.04 −0.21 0.10 0.16 0.16 0.24
(0.01) (0.05) (0.02) (0.02) (0.02) (0.02)
Panel B: 1997 through 2015, 152 Observations
−1 0.80
(0.11)
0 0.01 0.75
(0.00) (0.08)
1 0.00 0.18 0.49
(0.00) (0.06) (0.06)
2 0.00 0.06 0.21 0.26
(0.00) (0.05) (0.04) (0.03)
3 0.00 0.05 0.17 0.16 0.18
(0.00) (0.04) (0.03) (0.02) (0.02)
4 0.00 0.04 0.13 0.12 0.10 0.14
(0.00) (0.03) (0.02) (0.02) (0.01) (0.02)
这两个估计模型再现了目前预测的创新与预期未来产出增长创新之间的样本协方差的迹象。早期,好消息与预期未来产出增长的坏消息相对应,因为即时产出信息与增长率信息呈负相关。在后期,这两种类型的新闻几乎是不相关的,使得确定这些协方差的效果变弱。经济增长率的消息既影响到近期预测(因为这个季度还没有结束),也影响到对未来经济增长的预测。对增长率新闻的这种常见曝光在近期预测产出增长与预期未来产出增长创新之间产生了微小的正相关性。
模型的微小结构无法再现表中丰富的经验协方差 二 .后期的协方差特别难以匹配。B小组第一栏报告说,产出增长滞后预测方面的创新与预期未来产出增长方面的创新之间的经验差异均为正数。表B小组中相应的模型所涉协差异 八. 全都是0到两位小数。估计的信息滞后是零.积极的信息滞后使预测者能够观察增长率的消息,认识到增长率在过去某个时候发生了变化,并相应地更新过去的产出增长和预期的未来产出增长。
然而,一个正信息滞后降低了现在广播的创新和一个季度前预测之间的协方差。时间平均的机械效应在这一协方差中占了很大的一部分,因为关于当前即时产出的新闻既影响本季度的产出增长,也影响下季度的预期产出增长。正信息滞后会削弱这种协方差的平均时间成分。即使信息滞后为0,模型也无法与0.31的经验协方差匹配(%) 2 ;模型暗示的平均协方差仅为0.18(%) 2.当信息滞后处于零边界时,这种可能性最大化,从而丧失了在产出增长滞后预测创新与预期未来产出增长创新之间匹配协方差的能力。
B.对宏观经济创新的资产反应
表B小组 六 和 七. 汇总表估计数
( 21 )。矩阵包含了股票超额回报率和债券收益率对即时输出新闻和增长率新闻的敏感性。结果与部分的回归证据一致 二 .此外,虽然早期的产出动态与后期的动态大不相同,但对资产敏感性的估计说明了类似的情况。
首先考虑创新到即时产出的直接水平。在早期阶段,在布朗的单位增量永久性地将测井产量提高了0.6%(从小组A),并将一年收益率提高约55个基点,10年收益率提高约25个基点。标准误差很大。在后期,一个单位增加布朗上升了一半的日志产出(在面板A中为0.3%),并提高了大约一半的年产率。一年实际收益率和名义收益率之间的敏感性差别很小,这表明有关预期通胀的消息并不能解释一年名义收益率对产出新闻的敏感性。股票价格也对布朗指数有利,但标准错误太大,无法得出任何有趣的结论。7
接下来,考虑对日志输出的转移进行创新。债券收益对经济增长率消息的敏感性估计在经济和统计上都是微不足道的。这一结论对两个样本周期都适用。相比之下,较高增长率的消息与股票价格的显著上升相对应。增长率的单位增量布朗在早期将股价提高了2.5%,在后期提高了5.8%。图C和D小组 1 结果表明,这些创新对预期未来产出的影响在两个抽样期之间差别很大。
一年期实际收益率和名义收益率之间的敏感性差异在经济上是很小的,但不像对即时产出新闻的敏感性差异那么小。在早期,名义收益率对增长率新闻的负荷略有下降,在后期则略有上升。节 IV.D 根据预期通胀的消息解释了这些差异。
C.缺失的部分
本节的讨论 IV.A 指出了预测创新的经验协方差与宏观经济动态模型所暗示的相应协方差之间的不匹配。桌子 九. 使用模型隐含的方差分解来衡量这些不匹配的大小。根据模型,绿皮书预测创新的差异 我 是由于宏观经济变化而引起的差额和由于"测量错误"造成的差额。"表格A小组 九. 报告各种预测中,由宏观经济布朗解释的总方差的各个部分和由测量误差解释的各个部分的手段。表中把后者称为"未建模的新闻"。"
Table IX. 模型隐含方差分解
模型和估计方法在章节中描述。 三 .关于当前和预期未来产出增长的新闻解释了创新对季度产出增长预测的部分差异、超额股票回报率、一年前实际收益率的变化以及一年和十年名义收益率的变化。其他的,未建模的新闻解释了这个变化的剩余部分。小组A报告模型所包含的总方差的一部分,由宏观经济和未建模的新闻解释。小组B报告模型所暗示的超额股票回报和债券收益率之间的相关性,以及模型所暗示的两种新闻所创造的相关性。
1975年至1996年估计数 1997年至2015年估计数
宏观新闻 无模型新闻 宏观新闻 无模型新闻
小组A:按预测范围分列的预期产出增长
一个Q差 0.11 0.89 0.00 1.00
现在播出的 0.77 0.23 0.49 0.51
一比一 0.30 0.70 0.76 0.24
两速前进 0.49 0.51 0.76 0.24
三速前进 0.69 0.31 0.70 0.30
四个小时前 0.63 0.37 0.55 0.45
小组B:资产
超额股票回报 0.07 0.93 0.51 0.49
1-YR实际收益率 0.18 0.82 0.33 0.67
新一代1-年 0.23 0.77 0.45 0.55
10年左右 0.17 0.83 0.16 0.84
小组A的第一行显示,落后产出增长方面的创新要么完全(后期),要么几乎完全(早期)是计量错误所解释的。对于其他视野,输出新闻解释说,平均来说,在早期的差异略超过一半,在晚期约65%。这些结果告诉我们模型的结构太有限了。也许在现实中,直接产出创新在出现时就会被观察到,但增长率创新却会滞后,因为它们不会立即影响产出水平。或者也许有多种类型的增长率新闻与不同程度的坚持。
或许,这一模型和其他宏观金融模型中最令人尴尬的经验性质是解释总股票回报率和债券收益率变化的能力有限。问题不在于模型本身。更广泛地说,股票回报率和债券收益率的大部分变化无法与宏观经济新闻联系起来。结果见表 四 ,首节讨论 二 ,说明宏观经济新闻的解释力很低。桌子 四 报告 R 2 总股票回报率的回归和产出预测修正后债券收益率的变化。在1975年至2015年的全部样本中, R 2 现在广播公司的创新和提前三季度预测的创新都不到0.2。… R 2 在早期和后期的样本中,债券收益率的变化约为15%。… R 2 在早期,股票总回报率只有6%,在后期上升到34%。
这些回归仅使用两种预测创新作为解释变量。宏观经济模型的估计从预测创新的整体结构中提取信息,通过模型的透镜压缩信息。表B小组 九. 包含模型所包含的因宏观经济布朗的暴露和非宏观经济的变化而将总方差分解为组成部分("未建模新闻")。这是( 21 )。相对于回归,模型将总股票回报率和债券收益率的变化更多地归因于宏观经济新闻。暗示的 R 2 股票回报率在早期为7%,在后期为51%.暗示的 R 2 债券收益率的变化在早期约为20%,在后期约为30%。
宏观新闻对于股票超额回报的解释力令人不解,因为它在两个样本期间的变化很大。收益率变化的解释力令人失望,但并不奇怪。术语结构文献努力寻找宏观经济变量,至少在统计上解释债券收益率的变化。迪菲( 2013 )提供有关(缺乏)证据的讨论手册。
D.发展宏观经济动态的其他特性
部分的模型 三 狭隘地关注产出动态以及股票价格和债券收益率对产出创新的敏感性。在这里我扩展了模型的使用以确认节中的证据 二 关于预期的通货膨胀。我也用它来检验债券收益率的持续性。
D.1推断冲击
在模型中,创新到国家向量的协方差矩阵,加上股票回报的载荷和创新到向量的收益变化,决定了观察变量的联合协方差矩阵。估计在某种程度上过于简单化,从观察变量的样本协方差矩阵中推断出未观察到的宏观经济状态向量的性质。
这个讨论扩展了估计逻辑。考虑在观察到的预测和资产创新中预测宏观经济布朗的任意时间创新,
(28)
(29)
虽然左边没有观察到,但是回归系数的解析表达式是模型参数的函数。职能取决于预测的时间 我 和 因此这些系数是由 我 .这些函数在 互联网附录 .
布朗人中未观察到的变化的匹配值是容易计算的
(30)
(31)
装配值的单位是每单位时间(四分之一)的标准偏差。拟合值的标准偏差约为0.6%。 8
本节的其余部分使用这些适合的时间序列来回答两个问题。首先,通货膨胀预测的修正与这些布朗变化之间的关系是什么?第二,在未来几个月里,布朗人对收益率的同期反应是否逆转了?
D.2通胀预期
我在《绿皮书》预期通胀预测(GDP减缩指数)中构建创新,就像我在《绿皮书》中构建产出增长预测的创新一样: 11 )。我使用通货膨胀预测的修正范围,从现在的预测到四个季度的预测。
桌子 X 报告估计通胀回归预测对适应性创新的修订( 30 ) and ( 31 )。回归是,从零度到四度,
这些系数在概念上可与表B所示债券收益对布朗人的敏感性相比较 六 和 七. .标准误差只调整为广义的异质性,而不是产生的回归器问题。
表十 通货膨胀预测创新与产出预测之间的关系
绿皮书预测通货膨胀率从零(现播)提前四个季度进行的修正,是根据当时关于直接产出的适当消息和关于产出增长率的消息进行的回归。这条消息是从一个动态的产出模型推断出来的,这个模型是通过修订绿皮书中的实际产出增长、股票回报率以及实际和名义收益率的变化来估算的。该模型在1975年至1996年和1997年至2015年的样本中分别估算。渐近标准误差调整为广义的异质性.星号代表渐近的双面 P -values versus zero of 10%, 5%, and 1%.
1975 to 1996 1997 to 2015
范围 直接的 生长 R 2 直接的 生长 R 2
通货膨胀预测 新闻 新闻 [Obs] 新闻 新闻 [Obs]
现播(零提前) −0.280 ** −0.377 *** 0.098 0.069 −0.337 *** 0.146
(0.121) (0.093) [196] (0.151) (0.077) [152]
提前四分之一 −0.086 −0.218 ** 0.065 0.043 0.134 * 0.054
(0.092) (0.093) [196] (0.059) (0.074) [152]
两季度前 −0.108 −0.302 *** 0.158 0.029 0.086 *** 0.073
(0.076) (0.082) [196] (0.025) (0.029) [152]
领先四分之三 −0.059 −0.255 *** 0.205 0.010 0.058 ** 0.042
(0.050) (0.057) [196] (0.014) (0.029) [152]
向前四分之一 0.046 −0.074 0.073 0.049 *** 0.074 *** 0.189
(0.050) (0.047) [179] (0.019) (0.025) [152]
这些结果与节中的回归结果密切吻合 二 .对于早期和后期的样本,即时输出的消息在很大程度上与通胀预期的创新无关。10个估计系数中只有一个(两个样本,五个预测范围)与零有统计上的差异。早期,平均系数约为负5个基点,后期平均系数约为3个基点。相比之下,名义收益对近期产出和增长率新闻的敏感性在早期约为35个基点,在后期约为20个基点。
同样,如本节所述 二 ,桌子 X 显示出增长率的消息与预期通胀的创新有关,并带有不稳定的迹象。在早期,增长率消息与预期通胀呈负相关。一个单位正实现增长率的消息在未来四个季度降低预期通胀约21个基点。在后期,同样规模的经济增长率新闻的实现在未来四个季度将预期通胀降低约9个基点。这些数值在一年实际收益和名义收益与增长率新闻的敏感性方面差不多相等。
D.3产量的持续性
实际和名义收益与永久性的创新产出共同作用。这些变化有多持久?收益率的变化是否迅速逆转?我通过回归适合即时新闻的当前值和滞后值来研究这个问题。我不包括增长率新闻 六 和 七. 有文件证明,这一消息只与债券收益率有关。使用( 27 )对于收益率的变化,回归有形式(此处为一年实际利率)
如果在接下来的六次绿皮书会议(约四分之三)中,与同期即时新闻产出相关的产量变化被部分逆转,则滞后的永久创新总和的系数将为负。如果在三个月内变化不逆转,则系数为零。标准误差只调整为广义的异质性,而不是产生的回归器问题。
结果见表 十一 很容易概括。没有证据表明未来几个月收益率变化会逆转。在早期,三种债券收益率的估计滞后系数接近于零(经济上和统计上)。在后期,估计系数在经济上也很小--大约为当时新闻的系数的1/10。从统计的角度来看,总的说来,证据表明继续朝着同一方向变化,而不是逆转。
Table XI. 产量的宏观相关变化的持续性
从一本绿皮书预测之日到下一期的债券收益率变化是根据当时的情况回归的,并与当前产出的消息和产出增长率的消息相吻合。这条消息是从一个动态的产出模型推断出来的,这个模型是通过修订绿皮书中的实际产出增长、股票回报率以及实际和名义收益率的变化来估算的。该模型在1975年至1996年和1997年至2015年的样本中分别估算。渐近标准误差调整为广义的异质性.星号代表渐近的双面 P -values versus zero of 10%, 5%, and 1%.
解释的 1年左右 1年左右 10年左右
变量 实际收益率 名义收益率 名义收益率
A小组:1975年至1996年
同时代的 0.650 *** 0.705 *** 0.375 ***
即时消息 (0.158) (0.156) (0.071)
第一至第六期 −0.018 −0.016 0.013
即时消息 (0.060) (0.055) (0.023)
R 2 0.222 0.264 0.210
操作系统 186 190 190
Panel B: 1997 through 2015
同时代的 0.306 *** 0.352 *** 0.272 ***
即时消息 (0.050) (0.038) (0.035)
第一至第六期 0.021 * 0.027 ** −0.031 *
即时消息 (0.012) (0.012) (0.016)
R 2 0.474 0.598 0.254
操作系统 146 146 146
V. Conclusion
为了更好地理解经济增长与实际产量之间的联系,我从经验上考察了产量的变化如何与绿皮书实际产出增长预测中的当代创新相联系。在数据中,收益率的变化与预期未来经济增长的消息无关,而收益率的变化与当前经济增长的消息密切相关。
当未来的好消息到来时,那些关注消费平缓的前瞻性投资者为什么不推动收益率上升呢?当当前产出出人意料地高时,为什么这些投资者要求更高的收益率?建立一个与这些标志相匹配的代表性代理模型在机械上是可能的。代理人对预防性储蓄和/或其优先性波动的时间率的需求需要与产出新闻有一些具体的相关性。然而,可能性和可能性之间的差距似乎很大。
现成的有限参与框架似乎不适合这些经验模式。也许他们是由动态有限的参与推动的,即代理人在内部和角落之间循环解决当今消费和未来消费之间的权衡。要在这一领域取得更大进展,就需要有更好的理论。