Is there an optimal forecast combination?
是否存在最优的预测组合？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：摘要明确研究预测组合，并分别预测美国实际产出增长率与股票超额溢价。
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
是否存在最优的预测组合？
- 研究问题
- 几何方法、回归方法与简单平均在什么条件下产生相同或最优的预测组合，其有限样本表现和实际预测效果如何？
- 方法与思路
- 作者比较特征向量及其均值修正、修剪方法，研究均值和尺度修正的简单平均，并开展模拟与产出增长和股票溢价预测。
- 材料陈述的贡献
- 摘要称，论文给出几何法与回归法等价以及简单平均最优的条件，并比较预测组合和信息组合的有限样本表现。
- 阅读关注点
- 应核对最优性的损失函数和约束、各类修正与修剪规则、等价条件，以及实证预测窗口和组合权重的估计方式。
- 阅读边界
- 所给出版社摘要未提供具体最优条件、比较结果或显著性证据，不能据题名认定存在适用于所有问题的最优组合。
原文摘要
We consider several geometric approaches for combining forecasts in large samples—a simple eigenvector approach, a mean corrected eigenvector and trimmed eigenvector approach. We give conditions where geometric approach yields identical result as the regression approach. We also consider a mean and scale corrected simple average of all predictive models for finite sample and give conditions where simple average is an optimal combination. Monte Carlos are conducted to compare the finite sample performance of these and some popular forecast combination and information combination methods and to shed light on the issues of “forecast combination” vs “information combination”. We also try to shed light on whether there exists an optimal forecast combination method by comparing various forecast combination methods to predict US real output growth rate and excess equity premium.