Testing Clustered Equal Predictive Ability with Unknown Clusters
未知聚类下的组内等预测能力检验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：摘要明确在未知聚类的面板中检验预测能力，并应用于汇率预测，直接对应预测评价和面板预测方法，未说明具体面板单位。
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…
未知聚类下的组内等预测能力检验
- 研究问题
- 在群组由面板 Kmeans 从数据估计出来时，如何检验组内预测能力相等，并处理检验假设依赖于数据驱动分组的问题？
- 方法与思路
- 作者采用选择性条件推断，推导给定估计群组的两两 Wald 型检验及截断分布，再组合两两比较与总体等预测能力检验的 p 值。
- 材料陈述的贡献
- 摘要称，文章刻画由数据空间二次不等式定义的截断集合；模拟展示尺寸控制和有限样本功效，并以传统及机器学习汇率预测进行应用。
- 阅读关注点
- 应核对条件化事件、Kmeans 分组和截断集合的构造，以及组合 p 值所需条件；汇率应用中还需检查预测窗口和损失差的依赖处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出完整渐近条件及模拟参数，无法判断复杂依赖或分组不稳定时的有效性。
原文摘要
We develop tests of clustered equal predictive ability (C-EPA) in panels where the clusters are unknown and estimated by the Panel Kmeans algorithm. To address the challenge of testing hypotheses that depend on data-driven clusters, we adopt a selective conditional inference framework. Specifically, we first derive a Wald-type test for pairwise equality and show that the limiting distribution of its square root conditional on the estimated clusters is that of a truncated $χ$ variable. We characterize the associated truncation set by quadratic inequalities in the data space. Then, for the C-EPA hypothesis, we propose a $p$-value combination method by aggregating the evidence against the pairwise equality and overall EPA null hypotheses. The Monte Carlo results show accurate size control and good finite-sample power of the proposed tests. An empirical application to exchange-rate forecasting, using both traditional time-series models and machine-learning methods, illustrates the practical relevance of our procedure.