Estimating the variance of a combined forecast: Bootstrap-based approach
组合预测方差的估计：基于 Bootstrap 的方法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：摘要聚焦组合预测的方差推断，并明确处理预测回归误差的时间序列依赖。
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
组合预测方差的估计：基于 Bootstrap 的方法
- 研究问题
- 预测回归进行模型平均时，怎样可靠估计组合预测的方差和组合参数的协方差，并同时保留模型间及误差的时间依赖？
- 方法与思路
- 作者分析配对 Bootstrap 引入的偏差相关项，提出固定设计残差重抽样，并在局部渐近框架下论证固定权重时的有效性。
- 材料陈述的贡献
- 摘要称通常的配对 Bootstrap 在该模型平均问题中无效，新方法能同时保留两类依赖，并用于含二十四种设定的泰勒规则分析。
- 阅读关注点
- 应核对固定权重与局部渐近设定的作用、残差重抽样怎样保留依赖，以及理论是否覆盖数据选择权重和不同预测期限。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能将固定权重结论推广到估计权重；摘要未说明具体依赖条件、模拟数值或版本变化。
原文摘要
This paper considers bootstrap inference in model averaging for predictive regressions. We first show that the standard pairwise bootstrap is not valid in the context of model averaging. This common bootstrap approach induces a bias-related term in the bootstrap variance of averaging estimators. We then propose and justify a fixed-design residual-based bootstrap resampling approach for model averaging. In a local asymptotic framework, we show the validity of the bootstrap in estimating the variance of a combined forecast and the asymptotic covariance matrix of a combined parameter vector with fixed weights. Our proposed method preserves non-parametrically the cross-sectional dependence between different models and the time series dependence in the errors simultaneously. The finite sample performance of these methods is assessed via Monte Carlo simulations. We illustrate our approach using an empirical study of the Taylor rule equation with 24 alternative specifications.