Forecasting key US macroeconomic variables with a factor‐augmented Qual VAR

In this paper, we first extract factors from a monthly dataset of 130 macroeconomic and financial variables. These extracted factors are then used to construct a factor‐augmented qualitative vector autoregressive (FA‐Qual VAR) model to forecast industrial production growth, inflation, the Federal funds rate, and the term spread based on a pseudo out‐of‐sample recursive forecasting exercise over an out‐of‐sample period of 1980:1 to 2014:12, using an in‐sample period of 1960:1 to 1979:12. Short‐, medium‐, and long‐run horizons of 1, 6, 12, and 24 months ahead are considered. The forecast from the FA‐Qual VAR is compared with that of a standard VAR model, a Qual VAR model, and a factor‐augmented VAR (FAVAR). In general, we observe that the FA‐Qual VAR tends to perform significantly better than the VAR, Qual VAR and FAVAR (barring some exceptions relative to the latter). In addition, we find that the Qual VARs are also well equipped in forecasting probability of recessions when compared to probit models.     

Predicting Recessions with Leading Indicators: Model Averaging and Selection over the Business Cycle

Four methods of model selection—equally weighted forecasts, Bayesian model‐averaged forecasts, and two models produced by the machine‐learning algorithm boosting—are applied to the problem of predicting business cycle turning points with a set of common macroeconomic variables. The methods address a fundamental problem faced by forecasters: the most useful model is simple but makes use of all relevant indicators. The results indicate that successful models of recession condition on different economic indicators at different forecast horizons. Predictors that describe real economic activity provide the clearest signal of recession at very short horizons. In contrast, signals from housing and financial markets produce the best forecasts at longer forecast horizons. A real‐time forecast experiment explores the predictability of the 2001 and 2007 recessions. Copyright © 2015 John Wiley & Sons, Ltd.     

基于HJ-1B卫星的作物秸秆提取及其焚烧火点判定模式

作物秸秆焚烧产生的气体和颗粒物严重污染大气环境,威胁人类健康,给交通带安全带来隐患,利用遥感技术优势监管秸秆焚烧火点具有重要的现实意义.文中基于HJ-1B卫星CCD多光谱遥感数据和IRS热红外遥感数据,以中国江苏中东部为研究区,开展作物秸秆提取及其焚烧火点判定的一体化研究.根据秸秆的光谱特征研究建立了秸秆乘积指数(SMI),结合其纹理信息可从HJ-1BCCD遥感图像上快速有效的提取出秸秆分布,继之结合修正后的火点探测算法可对HJ-1BIRS遥感数据进行火点提取.在秸秆分布和火点探测结果矢量化的基础上,通过GIS技术进行火点叠置分析,可有效地判定作物秸秆火点分布,同时结合实地调研及与MODIS火点产品比对分析验证评价了本研究方法的可行性和有效性.     

基于点造型的简单阴影生成方法

研究基于点表示的物体的真实感图形阴影生成方法, 提出了Z缓冲器的改进算法. 在此算法中取光源方向为视线方向, 对景物点进行坐标变换, 按Z值大小得到距离光源最近的点, 这些点即为产生阴影的点. 该算法避免了大量的求交运算. 试验结果表明, 该基于点的造型表示方法和阴影生成算法可以较准确、 真实地反映实际场景中的阴影现象.     

基于自然特征的增强现实注册算法

增强现实标志点注册算法需在场景中叠加各种标志,系统构造复杂.文中在深入研究机器人视觉伺服系统的基础上,提出了利用虚拟视觉伺服技术、基于自然特征的增强现实注册算法.利用特征点和图像矩作为图像特征,推导出了图像特征变化量与虚拟摄像机相对位姿变化量之间的关系矩阵(即图像的雅可比矩阵),实现了基于自然特征的三维注册算法.与混合跟踪注册算法、共面四点注册算法相比,文中方法具有更高的精度.     

信息时代高校图书馆的发展趋势

从信息时代图书馆管理工作的方向、服务的重点、对管理人员的要求3个方面论述了信息时代高校图书馆的发展趋势。     

变配电安装工程施工探讨

变配电安装工程施工质量是保障电力安全运行的关键,关系到人民的生产生活。文章就变配电安装工程施工的技术要点进行具体阐述,并提出应注意的安装事项。     

电力电缆泄漏电流测量及直流耐压试验初探

按照电气试验的方法、程序和有关规范，探讨了电力电缆泄漏电流测量及直流耐压试验，包括其试验要点、接线方法、操作步骤及试验结果的判断。     

浅谈商法中不实商事登记的效力

探讨了不实商事登记的类别及效力，并针对不同的不实商事登记提出相应的救济建议。     

汽轮机检测保护系统安装要点及示值异常的鉴别

汽轮机监测保护系统是火电机组最重要的保护系统.机组在安装调试阶段时,往往会出现TSI系统参数异常.正确的完成TSI系统的现场安装和调试,是保障TSI系统准确测量、正确动作的先决条件.系统带电后,所有测点的测量通道都应指示出正确的测量参数.随着机组进入油循环和盘车,轴系位置发生了改变,TSI系统的参数输出也因此会发生明显的变化.机组启动后,由于机组各自不同的特性、安装水平等,TSI系统会输出各种各样的参数指示.当机组带负荷运行后,正常情况下,轴位移、胀差、缸胀、轴振、偏心和瓦振的输出参数,会随机组负荷的变化呈缓慢变化趋势.分别在安装调试阶段、进油盘车阶段、启动阶段及正常带负荷运行阶段,对汽轮机监测保护系统的示值异常进行了分析和探讨.