Optimal forecast under structural breaks
结构突变下的最优预测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：摘要直接研究结构突变情况下的估计组合与宏观样本外预测。
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…
结构突变下的最优预测
- 研究问题
- 研究发生结构突变后，如何利用突变前的信息改善样本外预测，并在全样本估计的偏差与突变后估计的方差之间权衡。
- 方法与思路
- 作者构造类似 Stein 收缩的组合估计量，将全样本与突变后样本估计结合，并以 Wu–Hausman 统计量衡量突变程度。
- 材料陈述的贡献
- 摘要提出由突变严重程度决定权重的预测方法，并通过理论、模拟及九个工业经济体的实际产出增长预测考察其性质。
- 阅读关注点
- 应核对最优性的损失标准、突变点是否已知、权重如何计算，以及突变点估计误差与多次突变是否影响理论结论。
- 阅读边界
- 仅据所给 Crossref 摘要，不能推断其他版本变化；最优性适用条件及实证改善幅度未说明，不能据此认定普遍占优。
原文摘要
Summary This paper develops an optimal combined estimator to forecast out‐of‐sample under structural breaks. When it comes to forecasting, using only the postbreak observations after the most recent break point may not be optimal. In this paper, we propose a new estimation method that exploits the prebreak information. In particular, we show how to combine the estimator using the full‐sample (i.e., both the prebreak and postbreak data) and the estimator using only the postbreak sample. The full‐sample estimator is inconsistent when there is a break while it is efficient. The postbreak estimator is consistent but inefficient. Hence, depending on the severity of the breaks, the full‐sample estimator and the postbreak estimator can be combined to balance the consistency and efficiency. We derive the Stein‐like combined estimator of the full‐sample and the postbreak estimators, to balance the bias‐variance trade‐off. The combination weight depends on the break severity, which we measure by the Wu–Hausman statistic. We examine the properties of the proposed method, analytically in theory, numerically in simulation, and also empirically in forecasting real output growth across nine industrial economies.