Robust Tests of Forecast Accuracy for Factor‐Augmented Regressions With an Application to the Novel EA‐MD‐QD Dataset
因子增强回归预测准确性的稳健检验：新欧元区 EA-MD-QD 数据集应用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：摘要直接研究因子增强回归的预测检验，并以欧元区宏观数据考察因子的预测能力。
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
因子增强回归预测准确性的稳健检验：新欧元区 EA-MD-QD 数据集应用
- 研究问题
- 在因子增强回归中，如何检验预测准确性相等与预测涵盖关系，并处理因子数量过度设定、预测变量持久性及载荷结构变化？
- 方法与思路
- 作者用分组序列的横截面均值估计因子，提出四种预测准确性与涵盖检验，并通过渐近理论、模拟及欧元区数据应用考察表现。
- 材料陈述的贡献
- 摘要称检验具有渐近正态性，对因子数量过度设定稳健，可处理不同持久性且不受载荷断点位置影响；应用显示因子具有预测能力。
- 阅读关注点
- 应核对四种检验各自的原假设、分组与因子估计条件，以及持久性和载荷断点如何进入理论；同时检查局部功效与预测比较设计。
- 阅读边界
- 仅依据给定 Crossref 版本摘要。具体正则条件、因子分组规则及预测增益数值均未说明，不能据此判断所有结构变化下的稳健性。
原文摘要
ABSTRACT We present four novel tests of equal predictive accuracy and encompassing á Pitarakis (2023, 2025) for factor‐augmented regressions. Factors are estimated using cross‐section averages (CAs) of grouped series and our theoretical findings are empirically relevant: asymptotic normality, robustness to an overspecification of the number of factors, tractability of different degrees of predictor persistence, and invariance to the location of structural breaks in the loadings. Simulations reveal good local power properties of our tests. We apply them to the novel EA‐MD‐QD dataset by Barigozzi et al. (2024b)—which covers the Euro Area as a whole and its primary member countries—and show that factors offer predictive power.