Comparing forecasting performance in cross-sections
横截面预测表现的比较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：摘要研究一般横截面预测比较，应用为企业盈利预测，未明确对应宏观预测、金融收益预测或金融因子模型。
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
横截面预测表现的比较
- 研究问题
- 当预测误差存在横截面依赖时，能否仅用单个预测横截面检验两组预测的准确性相等，并区分共同因素的作用？
- 方法与思路
- 作者在共同因子框架下规定预测误差依赖条件，构造无条件及给定共同因子实现的条件检验，并分解因子暴露与特有误差。
- 材料陈述的贡献
- 摘要称，论文提出横截面预测准确性的成对比较方法，并以六家券商分析师的短期盈利预测展示实际应用。
- 阅读关注点
- 应核对允许的横截面依赖、共同因子是否可观测、条件与无条件检验的原假设差异，以及单截面检验的渐近依据。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明损失函数、因子估计及检验条件，不能据此判断小样本表现或任一券商预测更好。
原文摘要
This paper develops new methods for pairwise comparisons of predictive accuracy with cross-sectional data. Using a common factor setup, we establish conditions on cross-sectional dependencies in forecast errors which allow us to test the null of equal predictive accuracy on a single cross-section of forecasts. We consider both unconditional tests of equal predictive accuracy as well as tests that condition on the realization of common factors and show how to decompose forecast errors into exposures to common factors and idiosyncratic components. An empirical application compares the predictive accuracy of financial analysts’ short-term earnings forecasts across six brokerage firms.