where IAk,t is the information of a

where IAk,t is the information of agent k at time t, ad wkA is the weight applied to agent k. One potential advantage of using DjtA(h) as a proxy for uncertainty is that it treats the conditional forecast of yjt+h as an observable variable, and therefore does not require estimation of

E[yt+hjIAk;t]. Bachmann, Elstner, and Sims (2012) follow this approach using a survey of German firms and argue that uncertainty appears to be more an outcome of recessions than a cause, contrary to the predictions of theoretical models such as Bloom (2009) and Bloom, Floetotto, Jaimovich, Saporta-Eksten, and Terry (2012). While analysts’forecasts are interesting in their own right, there are several known drawbacks in using them to measure uncertainty. First, subjective expectations are only available for a limited number of series. For example, of the 132 monthly macroeconomic series we will consider in this paper, not even one-fifth have corresponding expectations series. Second, it is not clear that the responses elicited from these surveys accurately capture the conditional expectations of the economy as a whole. The respondents typically sampled are practitioner forecasters; some analysts’ forecasts are known to display systematic biases and omit relevant forecasting information (So (2012)). Third, disagreement in survey forecasts could be more reflective of differences in opinion than of uncertainty (e.g., Diether, Malloy, and Scherbina (2002); Mankiw, Reis, and Wolfers (2003)) or, as discussed above, could reflect differences in firm’s loadings on aggregate shocks, with constant aggregate and idiosyncratic uncertainty. Bachmann, Elstner, and Sims (2012) acknowledge these problems and are careful to address them by using additional proxies for uncertainty, such as an ex-post measure of forecast error variance based on the survey expectations. A similar approach is taken in Scotti (2012) who studies series for which real-time data are available. Whereas these studies focus on variation in outcomes around subjective survey expectations of relatively few variables, we focus on uncertainty around objective statistical forecasts for hundreds of economic series, from which we identify common uncertainty factors to capture uncertainty relevant for the macroeconomy. We view our study as complementary to these.

Kết quả (Việt) 2:

nơi IAk, t là các thông tin của đại lý k tại thời điểm t, quảng cáo WKA là trọng lượng áp dụng cho đại lý k. Một lợi thế tiềm năng của việc sử dụng DjtA (h) như là một proxy cho sự không chắc chắn là nó xử lý những dự báo có điều kiện của YJT + h như là một biến quan sát được, và do đó không cần ước lượng của E [yt + hjIAk; t]. Bachmann, Elstner, và Sims (2012) thực hiện theo phương pháp này sử dụng một cuộc khảo sát của các công ty Đức và cho rằng chắc chắn sẽ xuất hiện để được nhiều hơn một kết quả của cuộc suy thoái hơn một nguyên nhân, trái với dự đoán của các mô hình lý thuyết như Bloom (2009) và Bloom, Floetotto, Jaimovich, Saporta-Eksten, và Terry (2012). Trong khi analysts'forecasts là thú vị trong quyền riêng của họ, có một số nhược điểm được biết đến trong việc sử dụng chúng để đo lường sự không chắc chắn. Đầu tiên, kỳ vọng chủ quan chỉ có sẵn cho một số lượng hạn chế của series. Ví dụ, trong những loạt kinh tế vĩ mô hàng tháng 132, chúng tôi sẽ xem xét trong bài báo này, thậm chí không phải là một phần năm có kỳ vọng loạt tương ứng. Thứ hai, nó không phải là rõ ràng rằng các câu trả lời gợi ra từ các cuộc điều tra nắm bắt chính xác những kỳ vọng có điều kiện của nền kinh tế nói chung. Những người trả lời thường lấy mẫu là nhà dự báo hành nghề; dự báo một số nhà phân tích được biết đến bởi những thành kiến để hiển thị hệ thống và bỏ qua các thông tin dự báo có liên quan (Vì vậy, (2012)). Thứ ba, sự bất đồng trong dự báo điều tra có thể được thêm sự phản chiếu của sự khác biệt trong quan điểm hơn là không chắc chắn (ví dụ, Diether, Malloy, và Scherbina (2002); Mankiw, Reis, và Wolfers (2003)), hoặc, như đã thảo luận ở trên, có thể phản ánh sự khác biệt trong tải trọng của công ty về những cú sốc tổng hợp, với tổng không đổi và không chắc chắn mang phong cách riêng. Bachmann, Elstner, và Sims (2012) thừa nhận những vấn đề này và được cẩn thận để giải quyết chúng bằng cách sử dụng các proxy bổ sung cho sự không chắc chắn, như một biện pháp công tác hậu phương sai lỗi dự báo dựa trên sự mong đợi cuộc điều tra. Một cách tiếp cận tương tự được lấy trong Scotti (2012) người nghiên cứu hàng loạt mà dữ liệu thời gian thực có sẵn. Trong khi đó, những nghiên cứu này tập trung vào sự thay đổi trong kết quả khảo sát xung quanh kỳ vọng chủ quan của một số ít các biến, chúng tôi tập trung vào sự không chắc chắn xung quanh dự báo thống kê khách quan cho hàng trăm loạt kinh tế, từ đó chúng ta xác định các yếu tố không chắc chắn phổ biến để nắm bắt sự không chắc chắn có liên quan cho kinh tế vĩ mô. Chúng tôi xem nghiên cứu của chúng tôi như bổ sung cho các.