Forecasting using a large number of predictors: Is Bayesian shrinkage a valid alternative to principal components?
大量预测变量下的预测：贝叶斯收缩能否替代主成分？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：摘要明确研究大型时间序列面板的预测，并将贝叶斯回归与主成分预测比较，直接对应预测和因子方法方向。
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…
大量预测变量下的预测：贝叶斯收缩能否替代主成分？
- 研究问题
- 使用大型时间序列面板预测时，正态或双指数先验的贝叶斯回归能否成为主成分预测的替代方案，收缩强度又应如何设定？
- 方法与思路
- 作者比较两类先验下的贝叶斯回归预测与主成分预测，并研究横截面维度和样本量同时增大时预测一致性的条件。
- 材料陈述的贡献
- 摘要称两类预测在实证中高度相关，广泛先验选择下表现相当；一致性分析进一步为大横截面情形的收缩程度选择提供准则。
- 阅读关注点
- 应核对大维度渐近条件、收缩强度与样本维度的关系，以及先验选择范围、主成分构造和预测比较所用的数据及指标。
- 阅读边界
- 仅据所给出版社摘要，不能把实证表现相当视为任意数据下的等价；摘要未说明一致性条件、具体预测对象或误差结果。
原文摘要
This paper considers Bayesian regression with normal and double-exponential priors as forecasting methods based on large panels of time series. We show that, empirically, these forecasts are highly correlated with principal component forecasts and that they perform equally well for a wide range of prior choices. Moreover, we study conditions for consistency of the forecast based on Bayesian regression as the cross-section and the sample size become large. This analysis serves as a guide to establish a criterion for setting the amount of shrinkage in a large cross-section.