In-sample tests of predictive ability: A new approach
预测能力的样本内检验：一种新方法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：摘要明确研究预测准确性与预测能力检验，支持预测方向，但未限定其应用为宏观数据。
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
预测能力的样本内检验：一种新方法
- 研究问题
- 一个变量即使在总体中具有预测内容，其有限样本估计是否足够精确以改善预测准确性，能否通过样本内检验作出判断？
- 方法与思路
- 作者将有限样本估计误差纳入预测能力检验，推导非中心卡方或非中心正态渐近分布，并提供计算临界值的自助法。
- 材料陈述的贡献
- 摘要建立连接样本内预测内容检验与样本外准确性的框架，同时考察预测内容及其估计精度，并通过模拟和实证评估程序。
- 阅读关注点
- 应核对预测改善的损失定义、检验原假设与非中心参数、估计误差的进入方式，以及自助法和样本外评价的设计。
- 阅读边界
- 仅据所给出版社摘要，预测变量、数据、损失函数与有效条件未说明；不能把样本内显著性直接解释为保证样本外改善。
原文摘要
This paper presents evidence linking in-sample tests of predictive content and out-of-sample forecast accuracy. Our approach focuses on the negative effect that finite-sample estimation error has on forecast accuracy despite the presence of significant population-level predictive content. We derive in-sample tests that assess whether a variable has predictive content and whether this content is estimated precisely enough to improve forecast accuracy. Our tests are asymptotically non-central chi-square or non-central normal. We provide a convenient bootstrap for computing critical values. In Monte Carlo and empirical analysis, we examine the effectiveness of our testing procedure.