Supervised Scaled PCA

新预测方法在经济因子较弱时提高预测精度

研究人员开发了一种名为SsPCA-MIDAS的新型宏观金融预测方法，旨在提高在潜在因子较弱时的预测能力。该方法将监督缩放主成分分析（SsPCA）集成到混合数据采样框架中，即使在因子较弱的情况下也能提供一致性和渐近正态性。模拟和在美国经济数据上的应用表明，SsPCA-MIDAS的性能优于现有的基于PCA和监督的方法，尤其是在因子普遍较弱的情况下，并能提高GDP、通货膨胀和失业率等关键经济指标的预测。