New Tests of Equal Forecast Accuracy for Factor-Augmented Regressions with Weaker Loadings
弱载荷因子增强回归的预测准确性相等检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究因子增强回归中的弱因子载荷，以及预测准确性和涵盖检验，对应因子模型与预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
弱载荷因子增强回归的预测准确性相等检验
- 研究问题
- 当竞争预测模型采用因子增强回归且因子载荷较弱时，已有预测准确性相等与涵盖检验是否具有适用的理论依据？
- 方法与思路
- 作者运用允许同质或异质弱因子载荷的新理论，研究载荷强度如何影响因子增强回归中的预测比较问题。
- 材料陈述的贡献
- 摘要称为两项已有预测比较检验在因子增强回归中的使用建立理论基础，并将弱因子载荷纳入相关理论分析。
- 阅读关注点
- 应核对弱载荷的量化方式、样本维度关系、因子估计误差如何进入检验，以及不同弱载荷情形下的有效性条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出统计量、极限分布或功效数值，无法判断具体应用表现。
原文摘要
We provide the theoretical foundation for the recent tests of equal forecast accuracy and encompassing by Pitarakis (2023) and Pitarakis (2025), when the competing forecast specification is that of a factor-augmented regression model. This should be of interest for practitioners, as there is no theory justifying the use of these simple and powerful tests in such context. In pursuit of this, we employ a novel theory to incorporate the empirically well-documented fact of homogeneously/heterogeneously weak factor loadings, and track their effect on the forecast comparison problem.