Testing Quantile Forecast Optimality
分位数预测最优性的检验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：摘要直接研究多期限分位数预测评估，并明确应用于金融收益和宏观经济序列。
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…
分位数预测最优性的检验
- 研究问题
- 如何同时检验多个预测期限和分位数的预测最优性，并识别预测自身信息或更大信息集下的具体失准形式？
- 方法与思路
- 作者将多组 Mincer–Zarnowitz 分位数回归写成矩等式检验，检验自校准，并扩展到更大信息集和多变量情形。
- 材料陈述的贡献
- 摘要称，检验不仅能发现总体最优性违背，也能揭示具体次优形式；模拟及金融收益、美国宏观序列应用展示其用途。
- 阅读关注点
- 应核对自校准与信息集最优性的区别、多期限和多分位数联合检验的构造，以及预测重叠、依赖和估计误差的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审状态未经核实。摘要未说明检验的具体条件，拒绝自校准也不能单独确立次优性的因果来源。
原文摘要
Quantile forecasts made across multiple horizons have become an important output of many financial institutions, central banks and international organisations. This paper proposes misspecification tests for such quantile forecasts that assess optimality over a set of multiple forecast horizons and/or quantiles. The tests build on multiple Mincer-Zarnowitz quantile regressions cast in a moment equality framework. Our main test is for the null hypothesis of autocalibration, a concept which assesses optimality with respect to the information contained in the forecasts themselves. We provide an extension that allows to test for optimality with respect to larger information sets and a multivariate extension. Importantly, our tests do not just inform about general violations of optimality, but may also provide useful insights into specific forms of sub-optimality. A simulation study investigates the finite sample performance of our tests, and two empirical applications to financial returns and U.S. macroeconomic series illustrate that our tests can yield interesting insights into quantile forecast sub-optimality and its causes.