Testing Predictive Ability and Power Robustification
预测能力检验与功效稳健化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：摘要明确以技术指标预测股票收益作为实证应用，因此归入收益预测；一般不等式检验部分不另作领域推断。
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
预测能力检验与功效稳健化
- 研究问题
- 比较基准预测与多种候选预测的风险时，基于单侧上确界的不等式检验为何会出现渐近偏差，如何改善不同备择下的功效表现？
- 方法与思路
- 作者将预测能力比较写成不等式约束检验，以互补检验配合单侧上确界检验形成混合方法，并通过模拟和股票收益可预测性应用说明。
- 材料陈述的贡献
- 摘要称，文章推广既有渐近偏差观察，提出改善功效稳健性的混合检验；该方法也可用于随机占优和矩不等式，模拟相对表现良好。
- 阅读关注点
- 核对渐近偏差的具体定义、互补检验与混合拒绝规则、显著性水平控制条件，以及股票收益应用中预测损失和候选模型的设定。
- 阅读边界
- 摘要未说明混合检验的完整形式、功效改善所覆盖的备择或模拟幅度；股票收益应用未报告具体结论，无法据此判断预测优势的稳定性。
原文摘要
One of the approaches to compare forecasting methods is to test whether the risk from a benchmark prediction is smaller than the others. The test can be embedded into a general problem of testing inequality constraints using a one-sided sup functional. Hansen showed that such tests suffer from asymptotic bias. This article generalizes this observation, and proposes a hybrid method to robustify the power properties by coupling a one-sided sup test with a complementary test. The method can also be applied to testing stochastic dominance or moment inequalities. Simulation studies demonstrate that the new test performs well relative to the existing methods. For illustration, the new test was applied to analyze the forecastability of stock returns using technical indicators employed by White.