Red herrings and revelations: does learning about a new variable worsen forecasts?

من یک چارچوب را در اختیار دارم که در آن عوامل عامل پیش بینی می کنند، با وجود اینکه فقط یک زیر مجموعه از متغیرهای مدل واقعی اقتصادی را شناخته اند. سپس بررسی می کنم که کشف یک متغیر اضافی پیش بینی را بهبود می بخشد. از آنجا که عوامل تمام متغیرهای مدل را نمی دانند، آنها انتظارات را با استفاده از عقلانیت محدود می یابند. در زیر یادگیری سازگار، عوامل بوسیله رگرسیون یک متغیر مورد علاقه برای متغیرهای نشان داده، انتظارات را تشکیل می دهند. به طور شگفت انگیز، من متوجه شدم که افشای یک متغیر اضافی، پیش بینی ها را بدتر می کند، رویدادی که شاه ماهی قرمز را در نظر گرفته است، احتمالا بیشتر از یک و نیم است. اگر مدل شامل متغیرهای درونی است که به انتظارات عوامل بستگی دارد، نشانگر یک متغیر جدید گاهی اوقات منجر به بدتر شدن دقت پیش بینی شده خواهد شد. بر اساس انتظارات ساختاری ضرایب، عوامل می دانند که چگونه هر یک از متغیرهای نشان داده شده در مدل واقعی ظاهر می شود و از این اطلاعات برای پیش بینی استفاده می کنند. در حال حاضر، افشای یک متغیر جدید، پیش بینی را اغلب پیش بینی می کند. سپس چارچوب را به یک مدل کایینزی کالیبراسیون اعمال می کنم و می بینم که افشای یک متغیر جدید معمولا پیش بینی را بدتر می کند. به طور خلاصه، این نتایج نشان می دهد که یادگیری در مورد یک متغیر جدید ممکن است در حقیقت پیش بینی های غیر دقیق را پیش بینی کند.