通货膨胀预测中金钱重要吗？-研究论文

本文提供了迄今为止最全面的证据，证明货币总量对于预测 2000 年代初至中期的美国通胀是否有价值。 我们探索了各种不同的货币定义，包括不同的聚合方法和不同的货币资产集合。 在我们的预测实验中，我们使用了两种非线性技术，即循环神经网络和核递归最小二乘回归——宏观经济学中的新技术。 循环神经网络在潜在的无限输入内存下运行，而内核回归技术是一个有限的内存预测器。 这两种方法竞争寻找最合适的美国通胀预测模型，然后与来自朴素随机游走模型的预测进行比较。 最好的模型是基于核方法的非线性自回归模型。 我们的发现并没有为货币总量在预测通货膨胀方面的有用性提供太多支持。 除了经济发现之外，我们的研究继承了物理学家长期以来对统计力学、神经网络和相关非参数统计方法之间相互联系的兴趣，并为此类研究提供了潜在的扩展途径。