Optimal forecasts in the presence of structural breaks
存在结构突变时的最优预测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：摘要直接研究结构突变下的最优预测，并应用于实际GDP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…
存在结构突变时的最优预测
- 研究问题
- 在连续或离散结构突变下，如何给历史观测赋权，以最小化一步预测的均方误差，并处理突变信息不确定性？
- 方法与思路
- 作者推导一步预测的最优观测权重，分别处理连续和离散突变，并在突变信息不确定时提出稳健权重方案。
- 材料陈述的贡献
- 摘要称，连续突变下权重大体恢复指数平滑形式；离散突变下给出单回归量解析权重及多回归量渐近权重。
- 阅读关注点
- 应核对最优权重依赖的参数和信息、区间内权重相同的适用条件，以及稳健方案和GDP预测比较。
- 阅读边界
- 仅据所给出版社摘要，MSFE最优性依赖具体模型和信息条件；未知突变情形下的表现不能由理论最优性直接推出。
原文摘要
This paper considers the problem of forecasting under continuous and discrete structural breaks and proposes weighting observations to obtain optimal forecasts in the MSFE sense. We derive optimal weights for one step ahead forecasts. Under continuous breaks, our approach largely recovers exponential smoothing weights. Under discrete breaks, we provide analytical expressions for optimal weights in models with a single regressor, and asymptotically valid weights for models with more than one regressor. It is shown that in these cases the optimal weight is the same across observations within a given regime and differs only across regimes. In practice, where information on structural breaks is uncertain, a forecasting procedure based on robust optimal weights is proposed. The relative performance of our proposed approach is investigated using Monte Carlo experiments and an empirical application to forecasting real GDP using the yield curve across nine industrial economies.