2017年，美国国家气象局开始努力改革该机构，更好地为美国应对极端天气事件做好准备。该机构制定了20项改革举措，如自动发射气象气球，以腾出工作人员承担其他职责，并改善对应急管理人员和其他人员的服务

xml encoding=“UTF-8”-->我们回顾了美国地质调查局的地震灾害计划，该计划旨在减少地震和海啸等相关危险带来的威胁

通过对生态位和空间种群动态的统计估计来预测物种范围

近十年来，SEI一直为科罗拉多斯普林斯公用事业公司提供预测和长期供水预测。

SEI高级科学家Chuck A.Young解释了加州今年出现严重缺水的原因，以及更好的预测如何帮助缓解这些挑战。

SEI及其合作伙伴正在开发一种新的季节性河流形态监测和预警系统，以帮助缅甸进行洪水预报。

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。

我们使用具有异方差的动态面板Tobit模型来生成短截尾观测的大截面的点、集和密度预测。我们的完全贝叶斯方法使我们能够灵活地估计异质系数的横截面分布，然后像以前一样隐式地使用该分布来构建单个时间序列的贝叶斯预测。我们构建了明确针对横截面的平均覆盖概率的集合预测。我们提出了一个新的应用程序，通过比较不同版本的面板Tobit模型，预测银行层面的信用卡和住宅房地产贷款的冲销率。

世界上大多数穷人的生计依赖于农业。他们面临着天气条件波动带来的巨大风险。更好的风险、信贷和储蓄市场可以提高农村地区的生产力和福利，但需要高昂的行政成本。我们考虑的是一种经典的公共产品，其收益理论上超过了完美的保险合同——提高了长期天气预报的技能。我们使用农业生产和劳动力迁移的平衡模型，以及各种印度面板数据集，定量评估季风天气季节性预报改进的影响。我们发现，在预测准确（有“技能”）的地区，投资、移民和农村工资都会对预测做出反应。我们计算出，如果这种技能在印度各地普遍存在，那么对农民和工薪阶层的准确预测的总价值将达到数百亿卢比。

我们提供了一种新的方法来估计线性预测池中的时变权重，我们称之为动态池，并用它来研究1992年至2011年有和没有金融摩擦的DSGE模型对产出增长和通货膨胀的相对预测性能。我们发现了资金池权重随时间变化的有力证据，反映了一个事实，即具有金融摩擦的DSGE模型在金融危机时期产生了更好的预测，但在平静时期表现不佳。动态池的权重对环境的变化做出及时反应，从而相对于其他密度预测组合方法（如贝叶斯模型平均、最优（静态）池和等权重）实现实时预测改进。我们展示了一个处理模型不确定性的决策者如何在雷曼危机发生后立即使用动态池来进行反事实的操作（应对劳动力市场条件的差距）。