Cointegration and Long-Horizon Forecasting
协整与长期预测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：摘要直接研究协整时间序列的长期预测，并讨论多元预测精度指标和保持协整关系的评价方式。
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…
协整与长期预测
- 研究问题
- 对协整变量进行长期预测时，忽略协整关系是否会降低标准多元预测精度，以及常用评价指标能否体现保持协整关系的价值？
- 方法与思路
- 作者比较协整变量的长期预测与简单单变量 Box–Jenkins 预测，分析标准多元预测精度指标的评价结果，并提出显式重视协整关系的替代评价方式。
- 材料陈述的贡献
- 摘要称，在标准多元精度指标下，长期预测忽略协整并不受损，单变量预测同样准确；作者据此指出指标缺陷并提出替代评价方式。
- 阅读关注点
- 核对长期预测结论对应的模型条件、预测期限与损失度量，重点理解替代指标如何衡量预测是否保持协整关系。
- 阅读边界
- 摘要未给出适用条件、具体评价指标或有限样本证据；“忽略协整无损”受长期预测与标准指标限定，不能理解为协整没有预测价值。
原文摘要
The authors consider the forecasting of cointegrated variables and they show that, at long horizons, nothing is lost by ignoring cointegration when forecasts are evaluated using standard multivariate forecast accuracy measures. In fact, simple univariate Box-Jenkins forecasts are just as accurate. The authors' results highlight a potentially important deficiency of standard forecast accuracy measures--they fail to value the maintenance of cointegrating relationships among variables--and the authors suggest alternatives that explicitly do so.