Density forecast transformations
密度预测的变换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：摘要研究多预测期的密度预测依赖，并应用于不同时间频率的增长率预测转换。
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
密度预测的变换
- 研究问题
- 直接预测只提供各预测期的边际分布时，如何恢复跨期依赖，以构造年度平均增长率等涉及多个预测期的密度预测？
- 方法与思路
- 作者使用 copula 将各期直接预测分布组合成联合预测分布，再生成跨期变换的预测对象，并以模拟和多种频率转换应用评估。
- 材料陈述的贡献
- 摘要称该方法无需更改直接预测设定；模拟中比忽略依赖的方法更接近真实密度，多项月度、季度及年度转换应用表现更好。
- 阅读关注点
- 应核对 copula 的选择与估计、跨期依赖信息的来源、预测变换的计算，以及密度评价指标和实证比较的样本安排。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未说明依赖模型设定及改善幅度，不能判断对不同预测系统的适用性。
原文摘要
The popular choice of using a $direct$ forecasting scheme implies that the individual predictions do not contain information on cross-horizon dependence. However, this dependence is needed if the forecaster has to construct, based on $direct$ density forecasts, predictive objects that are functions of several horizons ($e.g.$ when constructing annual-average growth rates from quarter-on-quarter growth rates). To address this issue we propose to use copulas to combine the individual $h$-step-ahead predictive distributions into a joint predictive distribution. Our method is particularly appealing to practitioners for whom changing the $direct$ forecasting specification is too costly. In a Monte Carlo study, we demonstrate that our approach leads to a better approximation of the true density than an approach that ignores the potential dependence. We show the superior performance of our method in several empirical examples, where we construct (i) quarterly forecasts using month-on-month $direct$ forecasts, (ii) annual-average forecasts using monthly year-on-year $direct$ forecasts, and (iii) annual-average forecasts using quarter-on-quarter $direct$ forecasts.