Differencing versus nondifferencing in factor‐based forecasting
因子预测中差分与不差分的比较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。
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：摘要直接研究因子模型对非平稳宏观时间序列的预测，并比较不同预测期限下的误差。
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
因子预测中差分与不差分的比较
- 研究问题
- 使用差分数据还是不差分数据进行因子预测更准确？摘要关注预测期限、因子数量及宏观变量样本如何影响两者表现。
- 方法与思路
- 作者推导并比较两类预测误差的近似方差，通过模拟比较预测误差，再对美国月度宏观变量、通胀和工业生产进行应用。
- 材料陈述的贡献
- 摘要称，不差分预测在所考察模拟和应用中通常更准确，且较长预测期限、较多因子时优势更明显；这一结论尚需核对条件。
- 阅读关注点
- 应核对非平稳变量与因子的处理、误差方差近似条件、因子数量选择，以及预测窗口、样本划分和各期限的比较结果。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明完整模型条件、预测改进幅度及统计显著性，不能据此断言不差分方法普遍占优。
原文摘要
Summary This paper studies performance of factor‐based forecasts using differenced and nondifferenced data. Approximate variances of forecasting errors from the two forecasts are derived and compared. It is reported that the forecast using nondifferenced data tends to be more accurate than that using differenced data. This paper conducts simulations to compare root mean squared forecasting errors of the two competing forecasts. Simulation results indicate that forecasting using nondifferenced data performs better. The advantage of using nondifferenced data is more pronounced when a forecasting horizon is long and the number of factors is large. This paper applies the two competing forecasting methods to 68 I (1) monthly US macroeconomic variables across a range of forecasting horizons and sampling periods. We also provide detailed forecasting analysis on US inflation and industrial production. We find that forecasts using nondifferenced data tend to outperform those using differenced data.