Universität Hohenheim
 

Eingang zum Volltext

Dimitriadis, Timo ; Patton, Andrew J. ; Schmidt, Patrick W.

Testing forecast rationality for measures of central tendency

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-18143
URL: http://opus.uni-hohenheim.de/volltexte/2020/1814/


pdf-Format:
Dokument 1.pdf (870 KB)
Gedruckte Ausgabe:
POD-Logo  Print-on-Demand-Kopie
Dokument in Google Scholar suchen:
Social Media:
Delicious Diese Seite zu Mister Wong hinzufügen Studi/Schüler/Mein VZ Twitter Facebook Connect
Export:
Abrufstatistik:
SWD-Schlagwörter: Prognose , Prognosemodell
Freie Schlagwörter (Englisch): forecast evaluation , weak identification , survey forecasts , mode forecasts
Institut: Institut für Volkswirtschaftslehre
DDC-Sachgruppe: Wirtschaft
Dokumentart: ResearchPaper
Schriftenreihe: Hohenheim discussion papers in business, economics and social sciences
Bandnummer: 2020,12
Sprache: Englisch
Erstellungsjahr: 2020
Publikationsdatum: 22.10.2020
 
Lizenz: Hohenheimer Lizenzvertrag Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim
 
Kurzfassung auf Englisch: Rational respondents to economic surveys may report as a point forecast any measure of the central tendency of their (possibly latent) predictive distribution, for example the mean, median, mode, or any convex combination thereof. We propose tests of forecast rationality when the measure of central tendency used by the respondent is unknown. We overcome an identification problem that arises when the measures of central tendency are equal or in a local neighborhood of each other, as is the case for (exactly or nearly) symmetric distributions. As a building block, we also present novel tests for the rationality of mode forecasts. We apply our tests to survey forecasts of individual income, Greenbook forecasts of U.S. GDP, and random walk forecasts for exchange rates. We find that the Greenbook and random walk forecasts are best rationalized as mean, or near-meanforecasts, while the income survey forecasts are best rationalized as mode forecasts.

    © 1996 - 2016 Universität Hohenheim. Alle Rechte vorbehalten.  10.01.24