How far can we forecast? Statistical tests of the predictive content
我们能预测多远？预测信息含量的统计检验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：摘要明确提出预测信息期限检验，并应用于宏观关键变量的调查预测，直接对应预测与即时预测方向中的预测研究。
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
我们能预测多远？预测信息含量的统计检验
- 研究问题
- 对调查预测或参数模型预测，如何检验其在某个最远预测期之后是否不再提供信息，并据此评估宏观变量预测的有效期限？
- 方法与思路
- 作者将预测均方误差分别与评估样本方差、递归均值预测的均方误差比较；利用涵盖原则构造回归检验，并采用标准渐近推断。
- 材料陈述的贡献
- 摘要称，提出检验预测信息期限的两类方法；对 Consensus Economics 宏观预测的应用显示，超过未来二至四个季度后，预测信息已很有限。
- 阅读关注点
- 阅读时应核对“不再有信息”的统计定义、最远预测期的检验方式，以及预测误差的时间相关性、模型估计误差和评估样本选择如何影响推断。
- 阅读边界
- 摘要未说明各变量、样本区间和检验实施细节；二至四季度的判断来自该调查预测应用，不能直接推广到所有模型、变量或时期。
原文摘要
Summary We develop tests for the null hypothesis that forecasts become uninformative beyond some maximum forecast horizon h ∗ . The forecast may result from a survey of forecasters or from an estimated parametric model. The first class of tests compares the mean‐squared prediction error of the forecast to the variance of the evaluation sample, whereas the second class of tests compares it with the mean‐squared prediction error of the recursive mean. We show that the forecast comparison may easily be performed by adopting the encompassing principle, which results in simple regression tests with standard asymptotic inference. Our tests are applied to forecasts of macroeconomic key variables from the survey of Consensus Economics. The results suggest that these forecasts are barely informative beyond two to four quarters ahead.