Something May Be Wrong With Me
我突然意识到我可能有问题。在一篇正在撰写的新论文中，我想引用著名且出色的 Sims, Stock and Watson (1990)。我在 Jim Stock 的哈佛网站上找到了 bibtex。很好。然后我注意到它将作者列为 Stock、Sims 和 Watson。好的，很好，我将其更改为正确的字母顺序 Sims、Stock 和 Watson。（可能只是 Jim 的行政助理在为他夸大其词。）无论如何，我还注意到 bibtex 省略了中间首字母，只给出了 C. Sims、J. Stock 和 M. Watson。令人惊奇的是，也是为什么我可能有问题的原因在于，我能够立即凭记忆提供完整的 C.A.
这真是让我震惊。真是太有见地了。在另一个背景下，等权重组合规则！另请参阅我与 Minchul Shin 合作的论文，这些论文分别明确指出了点预测和密度预测的权重相等：Diebold, F.X. 和 Shin, M. (2019)，“机器学习用于正则化调查预测组合：部分平等的套索及其衍生物”，《国际预测杂志》，35，1679-1691。Diebold, F.X.、Shin, M. 和 Zhang, B. (2022)，“关于概率评估的聚合：欧元区通胀和实际利率的正则化预测密度混合”，《计量经济学杂志》，即将出版。工作论文，arXiv:2012.11649。HAR 模型中的预测组合难题作者：Cle
Machine Learning and Central Banking
当然，机器学习 (ML) 现在无处不在。几十年来，时间序列分析视角一直与 ML 相匹配（简约预测模型允许错误指定；样本外评估；集合平均等），因此即使存在许多差异，也存在许多重叠领域。有趣的是，ML 在中央银行环境中变得特别有用。例如，费城联邦储备银行现在明确招募和聘用“机器学习经济学家”。目前他们有三个，他们正在寻找第四个！在这方面，特别有趣的是，《计量经济学杂志》正在征集关于“经济政策机器学习”的特别专题论文，客座编辑来自各种领先的中央银行和大学。请参阅 https://www.bankofengland.co.uk/events/2022/october/call-for-papers-m
Range-Based ("Candlestick") Volatility Estimation Slides
解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日 解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日（***）考虑不同的标题……经典传统：芝加哥大学，《商业杂志》，Al Madansky，......n 与现代宏观/BC 现在预测相关的 CLI、CCI 分析（Zarnowitz、Neftci 等）n 与现代金融波动率现在预测相关的基
波茨坦气候影响研究所 (PIK) 新成立的未来实验室正在招聘一名因果气候政策分析博士后研究员。成功候选人将参与与 Nicolas Koch（MCC 和 IZA）和 Felix Pretis（维多利亚大学和牛津大学）的联合研究项目，旨在对有效的气候政策进行全球和跨部门的因果评估。我们希望候选人能够共同领导以政策为导向、数据密集型的计量经济学研究，以我们之前的工作为基础并进一步发展。目标是将机器学习与程序评估工具配对，以在标准方法有限的环境中估计因果处理效应。标准：经济学或相关领域的博士学位（或即将完成博士学位），计量经济学方法的强大技能以及环境和气候变化经济学的专业知识和研究兴趣，强大的编码技能
IAAE 2022 年年会国际应用计量经济学协会征文截止日期：2022 年 2 月 15 日伦敦国王学院2022 年 6 月 21 日至 24 日 IAAE 讲座Joshua Angrist，麻省理工学院特邀演讲嘉宾Xiaohong Chen，耶鲁大学Sílvia Gonçalves，麦吉尔大学Jesús Gonzalo，马德里卡洛斯三世大学Refet S. Gürkaynak，比尔肯特大学Michael Keane，新南威尔士大学Jonathan Wright，约翰霍普金斯大学后勤：会议将于 2022 年 6 月 21 日至 24 日在英国伦敦国王学院大学举办。我们计划亲自组织会议。请关注此
到目前为止，我从未成为弱 ID 文献的忠实粉丝。我一直觉得，如果你最终得到弱 ID，那么是时候更深入地思考底层经济学，而不是花哨的计量经济学了。但这篇文章让我大开眼界，改变了我的想法。太酷了。长期记忆的弱识别及其对推理的影响作者：Jia Li（新加坡管理大学）；Peter C. B. Phillips（考尔斯基金会、耶鲁大学、奥克兰大学、新加坡管理大学、南安普顿大学）；Shuping Shi（麦考瑞大学）；Jun Yu（新加坡管理大学）摘要：本文探讨了常用的经济和金融时间序列模型中出现的弱识别问题。两种非常流行的配置被证明是渐近观察等效的：一种具有长期记忆和弱自回归动态，另一种具有反持续冲击和
Range-Based Volatility Seminar, MONDAY 2/21
应该很有趣！SoFiE 研讨会与 Jia Li 和 Francis X. Diebold 主持人：Dacheng Xiu（芝加哥大学布斯商学院）演讲者：Jia Li（杜克大学）论文：“阅读蜡烛图：波动率的 OK 估计量”讨论者：Francis X. Diebold（宾夕法尼亚大学）日期：2022 年 2 月 21 日时间：纽约上午 11 点/圣地亚哥上午 8 点/伦敦下午 4 点/巴黎下午 5 点/北京中午 12 点Zoom 链接：https://nyu.zoom.us/j/93619106089录制：活动结束后将很快提供视频录制链接。SoFiE 研讨会提交SoFiE 研讨会系列欢迎提交有关金
Temperature Volatility and Asset Prices
下周二 2 月 15 日 16:00-17:00 GMT。Atreya Dey（爱丁堡大学商学院）将发表演讲：“确定波动温度：研究其对资产价格的影响”。现在已开放注册。注册后，您将收到一封确认电子邮件，其中包含有关参加会议的信息。Angela Wenham 通讯和办公室经理气候计量经济学，牛津大学纳菲尔德学院，1 New Road，牛津，OX1 1NFhttp://www.climateeconometrics.org/；www.inet.ox.ac.uk E：angela.wenham@nuffield.ox.ac.uk，+44 (0)1865 278654
泰德是 20 世纪最伟大的统计学家/计量经济学家之一。我感觉和他很亲近，因为我以前的宾夕法尼亚大学同事 Larry Klein 曾在 20 世纪 40 年代与他在考尔斯学院密切合作，另一位前同事 Bobby Mariano 在 1970 年左右来到宾夕法尼亚大学之前曾是他在斯坦福大学的学生。我记得他在职业生涯后期在宾夕法尼亚大学举办过一次关于单位移动平均根的研讨会。他开始得非常慢，例如定义“时间序列”和“协方差平稳性”之类的东西。有些人翻白眼。十分钟后，他已经远远超越了界限。没有人翻白眼。事实上，人们都惊呆了。当我在 20 世纪 90 年代访问斯坦福大学参加研讨会时，他为我铺上了红地毯。他为我
Virtual SETA 2022 call for Papers
请参阅http://seta2022.org/第 16 届计量经济理论与应用国际研讨会：SETA2022（在线会议）韩国首尔，2022 年 7 月 20 日至 21 日征文：计划委员会和当地组织委员会邀请潜在贡献者通过会议制作器提交论文（从 2022 年 3 月 14 日起提供）。欢迎提交经济学各个领域的理论和应用作品，涵盖金融计量经济学、微观计量经济学、宏观计量经济学、非参数和半参数计量经济学、机器学习和大数据分析等计量经济学的各个方面。主题演讲者： • SETA 讲座：Fumio Hayashi（日本国家政策研究研究生院） • ET 讲座：Viktor Todorov（西北大学凯洛格管理学
以下是我本月的建议：Bun, M. J. G. & T. D. Harrison，2109。包括内生交互项的回归模型的 OLS 和 IV 估计。计量经济学评论，38，814-827。Dufour, J-M.、E. Flachaire 和 L. Khalaf，用于比较不平等度量的置换检验。商业和经济统计杂志，37，457-470。Jiao, X. & F. Pretis，2018。测试回归模型中是否存在异常值。可在 SSRN 上获取：https://ssrn.com/abstract=3217213。Stanton, J. M.，2001。Galton、Pearson 和豌豆：面向统计学讲师的线
Everything's Significant When You Have Lots of Data
嗯......其实不然！表面上看起来是这样，但那是因为你可能使用了完全不恰当的衡量标准来衡量什么是（统计上）显著的，什么不是。我在之前的一篇文章中谈到了这个问题，我说：“Granger（1998 年、2003 年）提醒我们，如果样本量足够大，那么几乎不可能不拒绝任何假设。因此，如果样本非常大，并且回归模型中估计系数相关的 p 值约为 0.10 甚至 0.05，那么这真是个坏消息。当样本量达到数千甚至更大时，我们需要更小的 p 值，然后我们才会对“统计上显著”的结果感到兴奋。”这个一般性观点，即我们选择的显著性水平应该随着样本量的增加而降低，大多数统计学家和计量经济学家都非常理解。 （例如，参见
多年来，我做过一些有偿计量经济学咨询工作 - 在美国、新西兰、澳大利亚、英国和加拿大。每一份工作都很有趣，也很有收获，而且我总是能从我所承担的任务中学到很多东西。前几天，一个朋友问我：“哪份咨询工作最有趣？”其实，答案很简单！几年前，我为渥太华的加拿大审计长办公室提供咨询。我之所以被聘用，是因为我曾为新西兰税务局提供过逃税问题的咨询，并且我与 Lindsay Tedds 合著了一本关于加拿大“地下经济”的书。那么，审计长办公室的咨询工作到底是什么呢？嗯，他们正在对当时称为加拿大税务局（现为加拿大税务局）的机构进行审计。换句话说，就是“税务人员”！虽然这次审计的报告是公开记录，但我不会在这里讨论
上周末，新电影《沙赞》以超过 5300 万美元的票房收入荣登票房榜首 - 这是它上映以来的第一个周末。还不错！当然，在计量经济学界，我们将 SHAZAM 这个词与 Ken White 著名的计算软件包联系起来，该软件包自 1977 年以来一直陪伴着我们。Ken 和我相识已久。几年前，我发表了一篇关于 SHAZAM 软件包背景的帖子。在那篇文章中，我解释了首字母缩略词“SHAZAM”的含义。如果你看看它，你就会明白为什么现在了解这些重要的历史事实对你来说是及时的！当你在那里时，看看其他故事的链接，这些故事说明了 Ken 众所周知的讽刺幽默感。© 2019，David E. Giles
现在到了——北美已经是劳动节周末了，我们都知道这意味着什么！又到了开学时间。你需要一份阅读清单，以下是一些建议：Frances, Ph. H. B. F.，2019 年。专业预测员和 1 月。计量经济学研究所研究论文 EI2019-25，鹿特丹伊拉斯姆斯大学。Harvey, A. & R. Ito，2019 年。当某些观测值为零时对时间序列进行建模。计量经济学杂志，正在印刷中。Leamer, E. E.，1978 年。规范搜索：使用非实验数据的临时推理。威利，纽约。（这是合法的免费下载。）MacKinnon, J. G.，2019 年。集群稳健推理如何改变应用计量经济学。工作论文 1413，皇
正如您已经知道的，我是 EViews 计量经济学软件包的忠实粉丝。在教授经济统计学和计量经济学时，我一直认为它是一种非常棒、用户友好的资源，而且我在自己的研究中也广泛使用它。最近，我和许多其他 EViews 用户有机会“试用”此软件包最新版本 EViews 11 的测试版。EViews 11 现已正式发布，它具有一些很棒的新功能。（单击那里的链接可查看一些非常有用的视频。）要查看现在可用的内容，请在此处查看。更新不错。谢谢！© 2019，David E. Giles
Seasonal Unit Roots - Background Information
最近有一封电子邮件询问我们在非平稳季节性数据中使用的语言，以及我们应该如何应对“季节性单位根”的存在，这让我觉得有必要就其中一些问题写一篇简短的背景文章。为了从以下内容中获得最大的收获，我建议您快速浏览一下我之前的帖子 - 尤其是确保您理解时间序列数据中“确定性”季节性和“随机季节性”之间的区别。有大量关于随机季节性和季节性单位根测试的计量经济学文献，至少可以追溯到 1990 年。这几乎不是一个新话题，但它在实证应用中经常被忽视。虽然有几种季节性单位根测试可用，但最常用的是 Hylleberg 等人 (1990) 提出的测试 - 以下简称“HEGY”。根据您喜欢使用的统计/计量经济学软件包，您
