Determining the MSE-optimal cross section to forecast
确定预测所需的均方误差最优序列子集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：摘要直接研究候选时间序列的选择及均方误差意义下的预测。
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…
关注这篇论文的作者
确定预测所需的均方误差最优序列子集
- 研究问题
- 从一组候选时间序列中，应选择哪些序列来预测另一序列，才能在均方误差标准下获得最优子集？
- 方法与思路
- 作者提出一族估计最优序列子集的选择准则，并通过理论、蒙特卡洛及真实数据示例评估其表现。
- 材料陈述的贡献
- 摘要称，所提准则具有弱一致性和强一致性，并在模拟与数据示例中同若干既有预测比较检验进行比较。
- 阅读关注点
- 应核对最优子集的定义、候选集合规模、一致性所需条件，以及选择准则与预测检验的比较是否对应同一目标。
- 阅读边界
- 仅据所给出版社摘要，无法判断真实数据的具体领域、准则的有限样本优势或高维适用性；相关条件未说明。
原文摘要
In this paper, we address the question of which subset of time series should be selected among a given set in order to forecast another series. We evaluate the quality of the forecasts in terms of Mean Squared Error. We propose a family of criteria to estimate the optimal subset. Consistency results are proved, both in the weak (in probability) and strong (almost sure) sense. We present the results of a Monte Carlo experiment and a real data example in which the criteria are compared to some hypothesis tests such as the ones by Diebold and Mariano (1995), Clark and McCracken (2001, 2007) and Giacomini and White (2006).