Rolling window selection for out-of-sample forecasting with time-varying parameters
时变参数样本外预测的滚动窗口选择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：摘要直接研究宏观结构变化背景下的样本外预测与滚动估计窗口选择。
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
时变参数样本外预测的滚动窗口选择
- 研究问题
- 宏观时间序列存在结构变化、预测表现对估计窗口敏感时，如何选择滚动窗口长度以降低预测者的二次损失？
- 方法与思路
- 作者以最小化预测者二次损失为目标选择窗口长度，证明方法的渐近有效性，并在不同结构变化设定及美国宏观预测中评价。
- 材料陈述的贡献
- 摘要称，该方法在多种结构变化模拟中表现良好；美国实际产出增长与通胀应用通常改善传统方法，尤其是产出增长预测。
- 阅读关注点
- 核对损失估计、候选窗口范围与渐近条件，以及结构变化设定、预测期长度和美国宏观应用中传统比较方法的具体定义。
- 阅读边界
- 仅据所给出版社摘要，无法确定窗口选择算法、样本外评估流程或改善幅度；应用中的改善不代表所有预测目标和损失函数均受益。
原文摘要
There is strong evidence of structural changes in macroeconomic time series, and the forecasting performance is often sensitive to the choice of estimation window size. This paper develops a method for selecting the window size for forecasting. Our proposed method is to choose the optimal size that minimizes the forecaster’s quadratic loss function, and we prove the asymptotic validity of our approach. Our Monte Carlo experiments show that our method performs well under various types of structural changes. When applied to forecasting US real output growth and inflation, the proposed method tends to improve upon conventional methods, especially for output growth.