本文研究了长期失业(LTU)的可预测性，并利用瑞典丰富的行政数据分析了其主要决定因素。与使用标准社会人口变量相比，在利用丰富的数据环境时，预测能力增加了一倍以上。最大的收益来自增加求职者失业前的工作经历。在失业期间应用我们的预测算法，我们发现LTU的动态选择至少解释了所观察到的就业下降的一半。虽然个体内的平均下降很小，但我们发现个体水平下降存在很大的异质性，因此拒绝了常用的比例风险假设。在商业周期中应用我们的预测算法，我们发现平均LTU风险的周期性不是由构成驱动的，而是由个体内部的周期性驱动的，并且个体排名在多年内相对持久。最后，我们评估了我们的研究结果对目标失业政策价值的影响，以及这些政策如何随着失业咒语和商业周期而变化。