Forecasting cointegrated nonstationary time series with time-varying variance
时变方差下协整非平稳时间序列的预测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：摘要明确涉及协整非平稳时间序列预测，以及时变方差和方差断点对预测选择的影响。
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
时变方差下协整非平稳时间序列的预测
- 研究问题
- 在具有异质方差或方差断点的协整 VAR 中，预测是否纳入协整关系应如何选择，时变方差又如何影响模型平均权重？
- 方法与思路
- 作者研究协整 VAR 的模型平均策略，使用估计协整秩与其他数据信息构造权重，并分析未知时变方差模式对权重选择的影响。
- 材料陈述的贡献
- 摘要称，时变方差模式对模型权重选择具有不可忽略的影响；数值结果支持 Mallows 平均估计量，并提示常用预检验方法的风险。
- 阅读关注点
- 核对模型平均的候选集合、协整秩估计及权重公式，以及不同方差变化模式下的预测损失和与预检验方法的比较设计。
- 阅读边界
- 仅据所给出版社摘要，无法确定方差模式限制、数值设计或优势幅度；对 Mallows 方法的支持仅限所报告情形，不能保证普遍最优。
原文摘要
In cointegrated vector autoregressive (VAR) models, error correction terms often have indeterminate effects on forecasting, thus we are concerned with inclusion or exclusion of the cointegration relation in forecast. This paper considers the model averaging strategies for cointegrated VAR models with heterogeneous variance or variance breaks. The estimated cointegration rank along with other data information are used to formulate the model averaging weights. This specific but unknown pattern of time-varying variances has nontrivial effects on the choices of model weights. Our numerical results strongly advocate the Mallows averaging estimator, but caution against the commonly used pre-testing approach.