Bootstrap based probability forecasting in multiplicative error models
乘法误差模型中基于自助法的概率预测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：摘要直接研究非负时间序列的乘法误差模型、多步概率预测和模型设定检验。
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
乘法误差模型中基于自助法的概率预测
- 研究问题
- 对服从乘法误差模型的非负时间序列，如何生成多步概率预测，并检验作为预测基础的参数模型是否设定适当？
- 方法与思路
- 作者为参数型乘法误差模型构造多步概率预测自助法及模型设定检验，并将概率预测自助法的有效性扩展到一类半参数模型。
- 材料陈述的贡献
- 摘要称证明了相关自助法的有效性，模拟显示有限样本表现良好，并给出真实数据示例以展示概率预测和检验方法。
- 阅读关注点
- 应核对模型与误差分布条件、自助法是否纳入参数估计误差，以及多步预测的校准方式、设定检验构造和半参数扩展范围。
- 阅读边界
- 仅据所给出版社摘要，具体数据示例、正则条件和预测评价数值未说明；不能据此断定方法对模型误设或所有非负序列均稳健。
原文摘要
As evidenced by an extensive empirical literature, multiplicative error models (MEM) show good performance in capturing the stylized facts of nonnegative time series; examples include, trading volume, financial durations, and volatility. This paper develops a bootstrap based method for producing multi-step-ahead probability forecasts for a nonnegative valued time-series obeying a parametric MEM. In order to test the adequacy of the underlying parametric model, a class of bootstrap specification tests is also developed. Rigorous proofs are provided for establishing the validity of the proposed bootstrap methods. The paper also establishes the validity of a bootstrap based method for producing probability forecasts in a class of semiparametric MEMs. Monte Carlo simulations suggest that our methods perform well in finite samples. A real data example illustrates the methods.