というBOE論文をNEP-DGE Blogが紹介している（H/T EconAcademics.org）。論文の原題は「Exploiting the monthly data flow in structural forecasting」で、著者はDomenico Giannone（ローマ社会科学国際自由大学(LUISS)、CEPR）、Francesca Monti（BOE、CfM*1）、Lucrezia Reichlin（ロンドンビジネススクール、CEPR）。
This paper shows how and when it is possible to obtain a mapping from a quarterly dynamic stochastic general equilibrium (DSGE) model to a monthly specification that maintains the same economic restrictions and has real coefficients. We use this technique to derive the monthly counterpart of the well-known DSGE model by Galí, Smets and Wouters (GSW) for the US economy. We then augment it with auxiliary macro indicators which, because of their timeliness, can be used to obtain a nowcast of the structural model. We show empirical results for the quarterly growth rate of GDP, the monthly unemployment rate and GSW’s welfare-relevant output gap. Results show that the augmented monthly model does best for nowcasting.
（拙訳）
本稿は、四半期の動学的確率的一般均衡（DSGE）モデルから、同じ経済的制約下にあり実数の係数を持つ月次モデルへのマッピングが、いつどのように可能になるかを示す。我々はこの技法を用い、有名なガリ、スメッツ、ウーターズ(GSW)の米国経済DSGEモデルの月次版を導出する。さらに我々は、そのモデルを補助的なマクロ指標で補強する。それらの指標を用いれば、その速報性を活かして、構造モデルによるナウキャストを得ることができる。我々は、四半期のGDP成長率、月次の失業率、GSWの厚生に関連した生産ギャップについての実証結果を提示する。それらの結果は、補強された月次モデルがナウキャスティングに最適であることを示している。
NEP-DGE BlogのChristian Zimmermannは以下のようにコメントしている。
While temporal interpolation at higher frequencies is not new, it is nifty that a structural model is used here instead of a purely statistical setup. It is significantly more complicated than traditional methods, though.
（拙訳）
高頻度への時系列補間を行うというのは目新しい話ではないが、純粋に統計学的な枠組みではなく構造モデルを使用したことがこの論文の特長。ただし、従来の方法に比べかなり複雑な手法ではある。
