Variable selection, estimation and inference for multi-period forecasting problems
多期预测中的变量选择、估计与推断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：摘要围绕经济变量多期预测展开，并明确使用因子增广向量自回归模型。
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…
多期预测中的变量选择、估计与推断
- 研究问题
- 在单变量及因子增广多变量模型中，直接与迭代多期预测如何比较，且如何处理直接预测残差相关及模型选择？
- 方法与思路
- 作者比较两类多期预测，针对直接预测残差的序列相关提出基于 SURE 的估计方法，并修改 AIC 用于模型选择。
- 材料陈述的贡献
- 摘要称对 170 个经济变量的分析显示，因子通常改善预测但可能增加偏差，SURE 与有限样本 AIC 修正也可改善直接预测。
- 阅读关注点
- 应核对 SURE 如何处理跨预测期相关、AIC 修正的形式，以及预测期、样本划分和因子数量选择如何影响比较。
- 阅读边界
- 仅依据所给出版社摘要；改进幅度和具体变量结果未说明，且摘要明确提到偏差可能增大，不能作统一优越性判断。
原文摘要
This paper conducts a broad-based comparison of iterated and direct multi-period forecasting approaches applied to both univariate and multivariate models in the form of parsimonious factor-augmented vector autoregressions. To account for serial correlation in the residuals of the multi-period direct forecasting models we propose a new SURE-based estimation method and modified Akaike information criteria for model selection. Empirical analysis of the 170 variables studied by Marcellino, Stock and Watson (2006) shows that information in factors helps improve forecasting performance for most types of economic variables although it can also lead to larger biases. It also shows that SURE estimation and finite-sample modifications to the Akaike information criterion can improve the performance of the direct multi-period forecasts.