An Oracle Inequality for Multivariate Dynamic Quantile Forecasting
多变量动态分位数预测的预言不等式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：摘要研究多变量动态分位数预测的样本外风险，并应用于全球增长风险回测，直接支持时间序列与宏观预测分类。
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
多变量动态分位数预测的预言不等式
- 研究问题
- 当多变量条件自回归分位数模型可能完全误设时，以样本内平均检查损失选出的预测器，能否获得可靠的样本外表现保证？
- 方法与思路
- 作者为一类可能误设的多变量动态分位数模型推导预言不等式，用于分析最小化样本内检查损失的预测器。
- 材料陈述的贡献
- 摘要称所选预测器以接近最优的速率达到类内最佳样本外表现；全球增长风险应用中，特定组合的样本外检查损失最小。
- 阅读关注点
- 核对动态依赖条件、模型类复杂度、风险定义及不等式余项，关注类内最优保证与实证模型组合比较的区别。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对全文及刊本变化；近最优速率的具体条件和表达式未说明，检查损失优势不等于所有预测指标均改善。
原文摘要
I derive an oracle inequality for a family of possibly misspecified multivariate conditional autoregressive quantile models.The family includes standard specifications for (nonlinear) quantile prediction proposed in the literature.This inequality is used to establish that the predictor that minimizes the in-sample average check loss achieves the best out-of-sample performance within its class at a near optimal rate, even when the model is fully misspecified.An empirical application to backtesting global Growth-at-Risk shows that a combination of the generalized autoregressive conditionally heteroscedastic model and the vector autoregression for Value-at-Risk performs best out-of-sample in terms of the check loss.