The Forecasting performance of the Factor model with Martingale Difference errors
带鞅差误差的因子模型的预测表现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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究因子模型的因子数量选择，并用美国月度宏观数据库评估预测表现，直接对应宏观因子模型与预测。
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…
带鞅差误差的因子模型的预测表现
- 研究问题
- 带鞅差误差的因子模型如何选择因子数量，其在有限样本中的表现，以及对美国实体经济变量的预测能力如何？
- 方法与思路
- 作者针对该因子模型提出新的因子数量选择方法，通过多种面板设定模拟评估，并使用 FRED-MD 开展宏观预测比较。
- 材料陈述的贡献
- 摘要称，因子选择方法在有限样本中表现良好，采用该方法后模型在生产与收入、劳动力市场及消费等实体部门预测中有优势。
- 阅读关注点
- 应核对因子选择准则、条件均值独立的划分方式，以及预测窗口、数据版本、比较模型与预测误差差异的统计检验。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出预测误差数值、预测期限或比较细节，优势范围尚不能确定。
原文摘要
This paper analyses the forecasting performance of a new class of factor models with martingale difference errors (FMMDE) recently introduced by Lee and Shao (2018). The FMMDE makes it possible to retrieve a transformation of the original series so that the resulting variables can be partitioned according to whether they are conditionally mean-independent with respect to past information. We contribute to the literature in two respects. First, we propose a novel methodology for selecting the number of factors in FMMDE. Through simulation experiments, we show the good performance of our approach for finite samples for various panel data specifications. Second, we compare the forecasting performance of FMMDE with alternative factor model specifications by conducting an extensive forecasting exercise using FRED-MD, a comprehensive monthly macroeconomic database for the US economy. Our empirical findings indicate that FMMDE provides an advantage in predicting the evolution of the real sector of the economy when the novel methodology for factor selection is adopted. These results are confirmed for key aggregates such as Production and Income, the Labor Market, and Consumption.