Reprint of: Out-of-sample tests for conditional quantile coverage: An application to Growth-at-Risk
重刊：条件分位数覆盖率的样本外检验及增长风险应用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：摘要研究区间预测的样本外比较，并应用于经济活动下行风险的预测。
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…
重刊：条件分位数覆盖率的样本外检验及增长风险应用
- 研究问题
- 如何在样本外比较参数条件分位数模型的区间预测，使比较反映实际与名义条件覆盖率的偏离，并处理多个模型或区间？
- 方法与思路
- 作者依据给定损失函数比较条件覆盖偏离，先构造两模型单区间检验，再扩展至多个模型或区间，并用 wild bootstrap 求临界值。
- 材料陈述的贡献
- 摘要称，bootstrap 临界值在非嵌套和重叠模型等情形下渐近有效；增长风险应用发现更多金融指标在部分情形下改善预测。
- 阅读关注点
- 应核对条件变量集合与损失函数的定义、模型重叠导致退化的机制，以及 bootstrap 有效性条件和增长风险应用的比较设置。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要，题名标注重刊；未说明重刊与原文差异，也未提供具体条件及应用数值，不能推断刊本变化。
原文摘要
This paper proposes tests for out-of-sample comparisons of interval forecasts based on parametric conditional quantile models. The tests rank the distance between actual and nominal conditional coverage with respect to the set of conditioning variables from all models, for a given loss function. We propose a pairwise test to compare two models for a single predictive interval. The set-up is then extended to a comparison across multiple models and/or intervals. The limiting distribution varies depending on whether models are strictly non-nested or overlapping. In the latter case, degeneracy may occur. We establish the asymptotic validity of wild bootstrap based critical values across all cases. An empirical application to Growth-at-Risk (GaR) uncovers situations in which a richer set of financial indicators are found to outperform a commonly-used benchmark model when predicting downside risk to economic activity.