R 2 Bounds for Predictive Models: What Univariate Properties Tell us About Multivariate Predictability
预测模型的 R² 界限：单变量性质对多变量可预测性的启示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：摘要直接讨论宏观预测的潜在增益，以单变量 ARMA 动态推导预测界限，并使用 CPI 通胀数据，因此对应预测与时间序列。
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…
预测模型的 R² 界限：单变量性质对多变量可预测性的启示
- 研究问题
- 多变量宏观预测模型为何难以稳定优于单变量模型？作者从总体可预测性出发，研究仅凭单变量动态能否限制多变量预测收益。
- 方法与思路
- 作者仅利用单变量 ARMA 参数，推导真实但未知的多变量模型的预测 R² 界限，并以 CPI 通胀数据说明这些界限的含义。
- 材料陈述的贡献
- 摘要称这些界限可能较紧，表明即便知道真实多变量模型，预测增益也可能有限，为多变量宏观预测优势不稳定提供总体性质解释。
- 阅读关注点
- 核对预测 R² 的定义、预测期与信息集、由 ARMA 参数推出界限所需条件，以及 CPI 例子中界限紧度与参数估计不确定性。
- 阅读边界
- 摘要未说明界限的具体形式、参数估计误差或适用过程范围；结论关于总体可预测性，不能据此断言任意多变量模型都无法改善实际预测。
原文摘要
A long-standing puzzle in macroeconomic forecasting has been that a wide variety of multivariate models have struggled to out-predict univariate models consistently. We seek an explanation for this puzzle in terms of population properties. We derive bounds for the predictive R2 of the true, but unknown, multivariate model from univariate ARMA parameters alone. These bounds can be quite tight, implying little forecasting gain even if we knew the true multivariate model. We illustrate using CPI inflation data. Supplementary materials for this article are available online.