Order‐invariant tests for proper calibration of multivariate density forecasts
多元密度预测正确校准的变量顺序不变检验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：摘要评价时变参数贝叶斯 VAR 的宏观密度预测及基于 GARCH 的股票收益密度预测，直接对应预测与波动率。
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
多元密度预测正确校准的变量顺序不变检验
- 研究问题
- 如何检验多元密度预测的正确校准，使结论不受变量排列顺序影响，并兼顾参数估计不确定性与动态模型误设？
- 方法与思路
- 作者针对 Rosenblatt 概率积分变换检验的顺序敏感性推导顺序不变检验，并用模拟、股票收益及宏观密度预测进行评价。
- 材料陈述的贡献
- 摘要称新检验适用于任意维度，能处理估计不确定性与动态误设，且在模拟中经常比既有方法具有更高功效。
- 阅读关注点
- 应核对顺序不变性的构造、校准原假设、估计误差处理，以及维度、备择类型与功效比较对实际检验的影响。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；具体条件与功效数值未说明，任意维度适用不等于高维表现已获保证，亦不能推断版本变化。
原文摘要
Summary Established tests for proper calibration of multivariate density forecasts based on Rosenblatt probability integral transforms can be manipulated by changing the order of variables in the forecasting model. We derive order‐invariant tests. The new tests are applicable to densities of arbitrary dimensions and can deal with parameter estimation uncertainty and dynamic misspecification. Monte Carlo simulations show that they often have superior power relative to established approaches. We use the tests to evaluate generalized autoregressive conditional heteroskedasticity‐based multivariate density forecasts for a vector of stock market returns and macroeconomic forecasts from a Bayesian vector autoregression with time‐varying parameters.