A NOVEL APPROACH TO PREDICTIVE ACCURACY TESTING IN NESTED ENVIRONMENTS
嵌套模型预测准确性检验的新方法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：摘要直接比较嵌套模型的样本外预测准确性，并讨论经济预测中平稳和持续性预测变量的混合情形。
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
嵌套模型预测准确性检验的新方法
- 研究问题
- 比较两个嵌套模型的样本外预测准确性时，如何克服误差损失差渐近方差退化，并处理异方差及不同持续性的预测变量？
- 方法与思路
- 作者仍使用样本外均方误差损失差，构建具有无干扰参数高斯极限的比较方法，允许平稳与局部单位根预测变量混合。
- 材料陈述的贡献
- 摘要称建立方法有效性及局部功效结果，模拟显示在常见经济金融样本规模下具有良好的尺寸控制和较强功效。
- 阅读关注点
- 应核对如何避开方差退化、训练和预测样本的划分要求、混合预测变量条件，以及局部备择与功效结论的具体范围。
- 阅读边界
- 仅据所给 Crossref 版本摘要，无法判断具体检验构造或相对既有方法的优势幅度；结论不能自动推广到非嵌套模型。
原文摘要
We introduce a new approach for comparing the predictive accuracy of two nested models that bypasses the difficulties caused by the degeneracy of the asymptotic variance of forecast error loss differentials used in the construction of commonly used predictive comparison statistics. Our approach continues to rely on the out of sample mean squared error loss differentials between the two competing models, leads to nuisance parameter-free Gaussian asymptotics, and is shown to remain valid under flexible assumptions that can accommodate heteroskedasticity and the presence of mixed predictors (e.g., stationary and local to unit root). A local power analysis also establishes their ability to detect departures from the null in both stationary and persistent settings. Simulations calibrated to common economic and financial applications indicate that our methods have strong power with good size control across commonly encountered sample sizes.