Tests of Predictive Ability for Vector Autoregressions Used for Conditional Forecasting
用于条件预测的向量自回归模型预测能力检验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。
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：摘要明确研究宏观变量 VAR 模型的条件预测及其检验，分别对应预测方向与包含 VAR 方法的领域细分。
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
用于条件预测的向量自回归模型预测能力检验
- 研究问题
- 当预测以政策工具等变量的给定路径为条件时，如何评价估计模型生成的预测是否有偏、有效及具有相同准确度？
- 方法与思路
- 作者针对 VAR 条件预测的偏差、效率与等准确度检验提供解析、蒙特卡洛和实证分析，应用采用既有 DSGE 模型中的变量。
- 材料陈述的贡献
- 摘要称，文章为估计模型的条件预测能力检验提供多类证据，重点处理常见却相对缺乏评价方法的条件预测问题。
- 阅读关注点
- 应核对条件路径的构造、参数估计误差的处理、检验零假设及多步预测相关性，并区分条件与无条件预测评价。
- 阅读边界
- 仅据 Crossref 摘要，无法判断各检验的具体有效条件、模拟表现或实证结论，也不能据使用 VAR 推断已识别结构冲击。
原文摘要
Summary Many forecasts are conditional in nature. For example, a number of central banks routinely report forecasts conditional on particular paths of policy instruments. Even though conditional forecasting is common, there has been little work on methods for evaluating conditional forecasts. This paper provides analytical, Monte Carlo and empirical evidence on tests of predictive ability for conditional forecasts from estimated models. In the empirical analysis, we examine conditional forecasts obtained with a VAR in the variables included in the DSGE model of Smets and Wouters ( American Economic Review 2007; 97 : 586–606). Throughout the analysis, we focus on tests of bias, efficiency and equal accuracy applied to conditional forecasts from VAR models. Copyright © 2016 John Wiley & Sons, Ltd.