临近预测 GDP - 一种使用 DFM、机器学习和新数据的可扩展方法，应用于欧洲经济体

这篇基金组织工作论文介绍了一种新的方法，用于预测欧洲经济体的GDP增长。该方法结合了动态因子模型（DFM）、机器学习和新数据，包括谷歌搜索和空气质量数据。作者使用标准的AR(1)模型作为基准，并使用多种机器学习算法进行比较。结果显示，该方法在正常和危机时期都表现出了显著的预测能力。该方法易于应用于其他国家，但需要考虑数据可用性。