Model averaging for asymptotically optimal combined forecasts
构造渐近最优组合预测的模型平均方法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：摘要直接研究预测回归产生的点预测序列及渐近最优预测组合。
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
构造渐近最优组合预测的模型平均方法
- 研究问题
- 如何组合预测回归生成的多条点预测序列，以逼近未知条件均值序列，并处理估计方案与预测序列相对样本长度对最优权重的影响？
- 方法与思路
- 作者在局部趋零渐近框架下定义预测组合的最优性，提出模型平均方法，研究权重的一致估计条件，并用模拟与真实数据评估表现。
- 材料陈述的贡献
- 摘要称，该方法比组合单个点预测更一般；最优性依赖估计方案及预测期与样本长度之比，足够长的时间序列下权重可一致估计。
- 阅读关注点
- 应核对局部趋零设定、逼近条件均值所用的损失，以及不同估计窗口和样本长度比例如何改变最优权重及其一致估计要求。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；摘要未说明具体权重公式、时间序列长度要求或实证结果，渐近最优不保证每个有限样本均占优。
原文摘要
We propose a model-averaging (MA) method for constructing an asymptotically optimal combination of a set of point forecast sequences generated from a class of predictive regressions. The asymptotic optimality is defined in terms of approximating an unknown conditional-mean sequence based on the local(-to-zero) asymptotics. Our method has the following essential features. First, it is more general than combining a set of single point forecasts. Second, the asymptotic optimality is generally dependent on the estimation scheme and the asymptotic ratio of the length of forecast sequence relative to the in-sample size. Third, the asymptotically optimal weights may be consistently estimated under suitable conditions, while it needs the time series to be sufficiently long. We also assess the forecasting performance of our method using simulation data and real data.