我们恢复了Schorfheide和Song（2015，JBES）开发的混合频率向量自回归（MF-VAR），以实时生成新冠肺炎大流行期间美国的宏观经济预测。该模型结合了以两个频率观测到的11个时间序列：季度和月度。考虑到新冠肺炎疫情，我们故意不修改模型规范，只是将危机观察排除在估计样本之外。我们将MF-VAR预测与专业预报员调查（SPF）的中值预测进行比较。虽然MF-VAR在2020年第二季度表现不佳，但随后的预测与SPF预测持平。我们表明，排除几个月的极端观测是处理VAR估计的一种很有前途的方法，可以替代对异常值的复杂建模。

利用动态因子模型建立了一个创新的世界贸易周期综合指数，实时监测和预测世界商品和（通常被忽视的）服务贸易的短期增长。交易指标系列的选择是使用多维方法进行的，包括贝叶斯模型平均技术、动态相关性和线性VAR框架中的Granger非因果检验。为了克服实时预测的挑战，动态因素模型被扩展到考虑混合频率，处理异步数据发布，并包括硬数据和调查数据以及领先指标。非线性问题用马尔可夫切换模型来解决。伪实时仿真分析表明：（1）全球贸易指数是实时跟踪和预测世界贸易的有用工具；ii）该模型能够准确地推断全球贸易周期，并且比少数几个竞争替代品更好；和iii）球

在本文中，我们检验了自动和专家评级的媒体情绪指标对德国通货膨胀的预测能力。我们发现，情绪指标在提供通胀预测方面与一系列常见的宏观经济和金融预测指标相比具有竞争力。复杂的语言情感算法和专家评级的商业周期新闻表现最好，优于简单的字数指标和自回归预测。