Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte.
Terms of use:
Documents in EconStor may
AbstractThis paper documents macroeconomic forecasting during the global financial crisis by two key central banks: the European Central Bank and the Federal Reserve Bank of New York. The paper is the result of a collaborative effort between staff at the two institutions, allowing us to study the time-stamped forecasts as they were made throughout the crisis. The analysis does not exclusively focuses on point forecast performance. It also examines methodological contributions, including how financial market data could have been incorporated into the forecasting process.Keywords: Forecast evaluation; Mixed frequency data sampling. However, our analysis also goes beyond the traditional forecast evaluation exercises and discusses methodological advances which most likely will shape the future of the macroeconomic forecasting process at central banks. Since the main trigger of the crisis was a meltdown of the US subprime mortgage market, we pay special attention to whether financial market signals were fully accounted for in the central banks forecasting process. Considering that the crisis was first and foremost a crisis caused by financial market turmoil, we address the question of whether central banks could have done a better job at reading financial market signals.The issue requires one to think about mixed frequency data since financial market data are intrinsically high frequency (in our case daily) whereas the forecasts pertain to low frequency macroeconomic phenomena such as GDP growth. We propose to use MIDAS regression models. We find that simple MIDAS regressions using financial series could have improved the forecast accuracy both in the U.S. and in the euro area, and provide some evidence that the usefulness of financial series increased during the crisis.We also describe some new conceptual and methodological frameworks for prediction and ECB Working Paper 1688, July 2014 2 policy guidance which grew out of the challenges faced in particular at the FRBNY. We identify two key ingredients: (1) the emphasis on what might be called scenario-driven forecasting schemes, and (2) the recognition that one should pay attention to distributional features beyond point forecasts, in line with general notions of macroeconomic risk.Overall, we reach the following conclusions.• First, macroeconomic forecasting during the global financial crisis was a challenging task faced by the Federal Reserve Bank of New York and the...
Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte.
Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.