Unit-Root Tests Are Useful for Selecting Forecasting Models
单位根检验有助于选择预测模型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：摘要以单位根预检验选择经济金融时间序列的预测模型，并分析含趋势 AR(1) 过程的预测损失。
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
单位根检验有助于选择预测模型
- 研究问题
- 面对经济与金融时间序列，应始终差分、始终使用水平，还是先做单位根检验，才能在不同预测期限与持久性下减少预测损失？
- 方法与思路
- 作者以含趋势的标准 AR(1) 过程为分析对象，比较三种模型选择策略的预测损失，考察样本量、预测期和持久性的影响。
- 材料陈述的贡献
- 摘要称，预检验通常比直接差分改善预测精度，并给出其优于水平模型的条件；贡献集中于预测损失比较及模型选择依据。
- 阅读关注点
- 核对预测损失的定义、单位根预检验的具体形式与阈值，并关注不同样本量、预测期及持久性下结论成立的条件。
- 阅读边界
- 摘要未说明检验规格、损失函数或改善幅度；结论围绕含趋势的 AR(1) 过程，不能直接推广到所有经济金融序列。
原文摘要
We study the usefulness of unit-root tests as diagnostic tools for selecting forecasting models. Difference-stationary and trend-stationary models of economic and financial time series often imply very different predictions, so deciding which model to use is tremendously important for applied forecasters. We consider three strategies: always difference the data, never difference, or use a unit-root pretest. We characterize the predictive loss of these strategies for the canonical AR(1) process with trend, focusing on the effects of sample size, forecast horizon, and degree of persistence. We show that pretesting routinely improves forecast accuracy relative to forecasts from models in differences, and we give conditions under which pretesting is likely to improve forecast accuracy relative to forecasts from models in levels.