韩国央行利用风险增长密度预测改进韩国GDP增长平均预测（英文原文）

本研究探讨了如何利用密度预测来改善韩国GDP增长的均值预测。研究时间跨度为2013年第三季度至2022年第一季度，使用了韩国银行（BOK）的官方一年期GDP增长点预测和基于copula方法获得的密度预测。

研究方法：

1. 构建了财务状况指数（FCI）作为关键变量，并考虑了实际GDP缺口、美国联邦基金利率、利差以及FCI作为协变量。
2. 采用功能回归模型，将密度预测作为协变量，与点预测共同预测GDP增长率。
3. 使用函数主成分分析（FPCA）将密度预测近似为有限维向量，并分别使用领先的功能主成分（FPCs）和包含均值因子的函数基进行估计。

主要发现：

1. 密度预测能有效提高点预测的精度，但将其与点预测结合为加权平均预测并不能带来显著改进。
2. 使用包含均值因子的函数基能显著提高预测精度，均方误差降低了超过33%。
3. 历史数据显示，韩国增长率的点预测往往偏低，尤其是在悲观情景下。
4. 密度预测的均值对预测精度有重要贡献，应被用于调整点预测。

结论：

1. 密度预测可用于调整点预测，以提高对未来韩国GDP增长率的预测精度。
2. 包含均值因子的函数基能更有效地利用密度预测信息，显著提高预测性能。
3. 建议韩国银行利用更广泛的数据和机器学习方法改进密度预测。
4. 密度预测与点预测的对齐应在发布预测的不同阶段进行，以充分利用其信息。