Testing for equal predictive accuracy with strong dependence
强依赖下的等预测准确度检验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：摘要研究预测准确度比较检验，并明确以损失差的自相关和强依赖为核心。
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
强依赖下的等预测准确度检验
- 研究问题
- 当两个预测方法的损失差存在较强自相关时，Diebold–Mariano 检验的功效和错误拒绝行为会如何受到影响？
- 方法与思路
- 作者分析损失差自相关对 Diebold–Mariano 检验性质的影响，关注依赖增强时的功效变化及超过某阈值后的检验表现。
- 材料陈述的贡献
- 摘要称依赖增强会降低识别更优预测方法的功效，并在某阈值后出现无功效与虚假拒绝问题，提示检验前检查损失差依赖。
- 阅读关注点
- 应核对强依赖的具体过程、阈值的定义、方差估计方式，并辨明无功效和错误拒绝分别对应哪些设定与结论。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明依赖模型、阈值数值或修正方法，不能据此断言所有相关损失差下检验失效。
原文摘要
We analyse the properties of the Diebold and Mariano (1995) test in the presence of autocorrelation in the loss differential. We show that the power of the Diebold and Mariano (1995) test decreases as the dependence increases, making it more difficult to obtain statistically significant evidence of superior predictive ability against less accurate benchmarks. We also find that, after a certain threshold, the test has no power and the correct null hypothesis is spuriously rejected. Taken together, these results caution to seriously consider the dependence properties of the loss differential before the application of the Diebold and Mariano (1995) test.